Přeskočit na obsah
Čísla 3 min čtení

Modely Flare a Sunburst z GPT Image 2.5 mají stejné sazby za token

OpenAI rozdělila GPT Image 2.5 do dvou modelů pro API. Flare má rychleji obsloužit běžné generování, Sunburst má přesněji upravovat obraz; sazby za textové i obrazové tokeny mají shodné.

OpenAI vydala 8. září 2026 ChatGPT Images 2.5 a do rozhraní API přidala dva modely: rychlejší GPT-Image-2.5 Flare a přesnější GPT-Image-2.5 Sunburst. Rozdělení podle účelu se do ceny za token nepromítlo. Veřejný ceník vede u obou stejných pět sazeb.

Člověk kreslí perem na grafickém tabletu
Kresba na tabletu Wacom Cintiq 13HD. Foto: David Revoy, Wikimedia Commons (CC BY 4.0)

Podle OpenAI vznikají v ChatGPT Images a přes modely GPT Image v API dohromady více než tři miliardy obrázků týdně. Je to údaj výrobce bez rozpisu mezi službu a jednotlivé modely. Pro provozovatele aplikace proto řekne víc ceník než celkový počet.

Pět sazeb je u obou modelů stejných

Textový vstup stojí u modelu Flare i u modelu Sunburst 5 dolarů za milion tokenů, text načtený z cache 1,25 dolaru. Obrazový vstup má sazbu 8 dolarů, z cache 2 dolary a obrazový výstup 30 dolarů za milion tokenů. Textový výstup se neúčtuje, protože oba modely vracejí obraz.

Stejné sazby má v ceníku OpenAI i předchozí GPT Image 2. Z toho ale neplyne stejná cena jednoho výsledku. Účet určuje počet tokenů, které model při konkrétním generování spotřebuje, a OpenAI u GPT Image 2.5 nezveřejnila převod mezi rozměrem, kvalitou a počtem výstupních tokenů. Dokumentace výslovně upozorňuje, že kalkulačka pro GPT Image 2 spotřebu nové dvojice neodhaduje.

Částku za jeden obrázek tak z veřejných tabulek poctivě spočítat nejde. Lze převést jen známou jednotku: tisíc výstupních obrazových tokenů stojí tři centy. Kolik takových tisíců vezme Flare a kolik Sunburst na stejném zadání, dokumentace neříká.

Flare má zkrátit čekání, Sunburst zpřesnit úpravy

OpenAI označuje Flare za výchozí volbu pro běžné aplikace a tvrdí, že proti GPT Image 2 vytváří kvalitnější obraz s o 50 % kratší odezvou. U tohoto čísla nezveřejnila metodiku, použité rozměry ani skladbu zadání. Sunburst míří na náročné grafické postupy a opakované úpravy, u nichž má přesnost přednost před delší dobou generování.

Vývojář Simon Willison vyzkoušel Sunburst hned v den vydání. Do svého nástroje přidal podporu jedné nebo více referenčních fotografií a zveřejnil vstup i výsledek pokynu, který do grafu doplnil mývala v roli vědce. Flare proti němu neměřil a čas neuvedl. Jeho zkouška tedy potvrzuje dostupnost práce s předlohou, ne slibované zrychlení.

Také 9to5Mac převzal údaj o poloviční odezvě z oznámení OpenAI. Nejde o druhé měření. Ani jeden z těchto dvou zdrojů tedy nesrovnává oba modely na stejných zadáních, a to ani podle rychlosti, ani podle spotřeby tokenů.

Pevný snímek drží chování modelu

Oba názvy mají datovaný snímek z 8. září: gpt-image-2.5-flare-2026-09-08 a gpt-image-2.5-sunburst-2026-09-08. Aplikace může místo průběžně měněného aliasu zvolit tento snímek a držet stejné chování. Kvalita se u obou nastavuje hodnotami low, medium, high, xhigh, max nebo auto.

Modely podporují přímé generování i úpravu obrázku v Images API, včetně vyplnění vybrané části předlohy. Stránky modelů zároveň vedou rozhraní Responses jako nepodporovaný přímý koncový bod. Nejde o rozpor: v Responses lze Flare nebo Sunburst zvolit uvnitř nástroje pro generování obrazu, ne jako hlavní model celé odpovědi.

Pythonová knihovna OpenAI dostala oba názvy ve verzi 3.10.0 vydané ve stejný den. Její seznam změn uvádí modely GPT Image 2.5 a nové volby obrazového rozhraní.

Tarif mění propustnost, ne sazbu

Limity tempa jsou pro Flare i Sunburst shodné. V prvním tarifním pásmu dovoluje dokumentace 100 000 tokenů a pět obrázků za minutu, v pátém 8 milionů tokenů a 250 obrázků. Propustnost tedy mezi krajními pásmy roste padesátkrát podle počtu obrazů a osmdesátkrát podle tokenů; obojí je náš přepočet z tabulek modelů. Jednotkovou sazbu veřejný ceník podle pásma nerozlišuje.

ChatGPT Images 2.5 se podle oznámení postupně zapíná uživatelům ChatGPT, ChatGPT Work a Codexu na počítači, telefonu i webu. U obou modelů zůstávají kontroly zadání a výstupů, metadata C2PA a neviditelný vodoznak. API už tedy rozlišuje rychlejší a přesnější cestu, finanční rozdíl mezi nimi však bez údajů o spotřebě jednotlivého obrazu změřit nelze.

Zdroje

Diskuse

Zatím tu nikdo nediskutuje. Můžete být první.

Napsat příspěvek

Diskutovat můžete i bez účtu. S registrací se ale příspěvek zveřejní hned a nemusíte pokaždé vyplňovat jméno. Účet už máte? Přihlaste se.

Nezveřejňujeme ho, slouží jen redakci.

Podporuje zápis Texy: **tučně**, *kurzíva*, odrážky, odkazy.

Dál k tématu

  1. Čísla

    Anthropic nechal Claude dokazovat, že vybrané testy knihoven nespadnou

    Claude podle Anthropicu vytvořil matematické důkazy pro 239 vstupních bodů ve 123 knihovnách. Výsledek platí pro konkrétní sestavení a omezené vstupy, nikoli pro veškerý…

  2. Modely

    Data žebříčku GIFT-Eval dávají Mistralu i JPMorgan za pravdu jen u jedné ze dvou měr

    Mistral 15. října napsal, že jeho nový model Timestral pro předpověď časových řad vede v žebříčku GIFT-Eval mezi předtrénovanými modely v obou měrách chyby. Den nato…

  3. Čísla

    Modely v Claude Code a Codexu volí z čísel od jedné do deseti téměř vždy sedmičku

    Sedm modelů od Anthropicu a OpenAI dalo v měření z 15. října na prosbu o číslo od 1 do 10 sedmičku v 98 až 100 pokusech ze sta. Lidé ji volí zhruba ve třetině případů a…

  4. Čísla

    Tencentův Hy-Memory vede před Claude Opus 5 o 0,87 bodu na pětinovém vzorku testů

    Tencent 15. října zveřejnil pod licencí Apache 2.0 model Hy-Memory-30B-A3B, který agentům zapisuje dlouhodobou paměť v rámcích Mem0 a MemOS. V tabulce na kartě vede před…