Empieza por Flare para generar imágenes de uso cotidiano y prueba Sunburst cuando una edición precise conservar detalles concretos del original. Esa es la distinción práctica del lanzamiento de GPT Image 2.5: OpenAI presenta Flare como modelo predeterminado para la mayoría de las aplicaciones y Sunburst como una opción de mayor precisión de edición, con tiempos de generación más largos, para trabajos como creatividad publicitaria e imágenes de producto. Ambos generan y editan. Anuncio de OpenAI del 8 de septiembre de 2026.
La elección depende de qué vuelve inservible una imagen para tu proyecto. En una exploración de estilos puedes aceptar variaciones amplias; en una campaña con un producto ya aprobado, cambiar el logotipo, la silueta o la posición de una etiqueta puede obligarte a repetir el trabajo. Esta comparativa utiliza documentación comprobada el 9 de septiembre de 2026. No hemos realizado una prueba de pago de ambos modelos: las recomendaciones siguientes sirven para organizar tu propia evaluación.
La diferencia está en el encargo, no en una función exclusiva
Las fichas de Flare y Sunburst admiten texto e imágenes de entrada, salida de imagen y edición de zonas mediante máscaras. Por tanto, «generar con Flare, editar con Sunburst» puede ser una decisión de trabajo, pero no una limitación técnica que impida editar con Flare o crear desde cero con Sunburst.
| Si tu encargo consiste en… | Punto de partida propuesto | Qué decidirá si lo mantienes |
|---|---|---|
| Explorar direcciones visuales para una campaña | Flare | Cuánto tardas en obtener opciones que sirvan para decidir el estilo |
| Producir ilustraciones habituales para contenido | Flare | Si cumple las instrucciones y el formato con un tiempo de espera aceptable |
| Cambiar el entorno de un producto conservando su identidad | Comparar Flare con Sunburst | Si se conservan silueta, materiales, etiqueta y proporciones |
| Ajustar una creatividad aprobada sin rehacer su composición | Probar Sunburst | Si ejecuta el cambio y respeta el resto del encargo |
| Editar una imagen sencilla cuyo resultado ya es válido con Flare | Mantener Flare | Que Sunburst aporte una mejora que justifique la espera y el consumo reales |
Son criterios de selección, no resultados medidos. Una imagen más vistosa no gana automáticamente si incumple una condición necesaria para publicarla. A la inversa, una precisión adicional que nadie necesita puede no compensar una espera mayor.
Una edición de producto permite ver qué significa «precisión»
Imagina la fotografía de un frasco de cosmética que debe aparecer en una campaña de invierno. El encargo consiste en sustituir el fondo por una superficie de piedra clara con luz fría, manteniendo el frasco, su etiqueta y el punto de vista. Es un ejemplo de evaluación propuesto, no una edición que hayamos ejecutado con los dos modelos.
Antes de generar, separa la petición en dos partes:
- Lo que debe cambiar: fondo, superficie de apoyo y ambiente de iluminación.
- Lo que debe conservarse: contorno del frasco, proporción del tapón, texto y posición de la etiqueta, ángulo de cámara y color identificativo del producto.
Ilustración del encargo propuesto; no muestra resultados comparados de Sunburst y Flare.
Esta separación convierte «se parece bastante» en preguntas que alguien puede responder. ¿La marca sigue escrita igual? ¿El tapón tiene la misma geometría? ¿La nueva sombra resulta compatible con la superficie? ¿La luz fría ha alterado el color del envase hasta presentar otro producto?
Sunburst es una opción razonable para intentar resolver un fallo de conservación, dada su orientación oficial. Sin embargo, una máscara no garantiza que el resto de la imagen permanezca idéntico. La guía explica que las máscaras orientan la edición y que el modelo puede no seguir su forma exacta. También mantiene limitaciones en representación de texto, consistencia de sujetos recurrentes y composición. Comprueba el archivo completo, además de la zona solicitada. Edición con máscaras y limitaciones documentadas.
Para un anuncio con texto legal o una etiqueta que deba reproducirse exactamente, incluye su lectura y cotejo en la aceptación. Si es necesario recomponer ese texto con herramientas de diseño, registra el tiempo de corrección: forma parte del trabajo real para entregar la imagen.
El nivel de calidad es una segunda elección
Los dos modelos admiten low, medium, high, xhigh, max y auto; el valor predeterminado es auto. OpenAI recomienda low para borradores rápidos y comparar calidades superiores para las piezas finales. Elegir max en Flare no lo convierte en Sunburst, y que ambos utilicen el nombre high no demuestra que produzcan la misma calidad visual o consuman los mismos tokens. Opciones oficiales de tamaño y calidad.
Para aislar la elección del modelo, utiliza inicialmente el mismo nivel explícito de calidad y las mismas dimensiones. Después ajusta cada candidato al nivel suficiente para tu trabajo. Son dos preguntas distintas: qué modelo resuelve mejor el encargo con condiciones comparables y qué configuración permite entregarlo con el menor gasto y espera aceptables.
Por ejemplo, si buscas ideas de composición, puedes empezar con low. Cuando ya hayas elegido una dirección visual, evalúa una calidad superior sobre esa pieza concreta. Subir la calidad sin haber decidido qué fallo intentas corregir dificulta saber si el cambio ha servido.
Tampoco el tamaño separa por sí solo a ambos modelos. Comparten las opciones de dimensiones de GPT Image 2.5; la guía recomienda, entre otras, 1024 × 1024, 1536 × 1024 y 1024 × 1536 píxeles. Los tamaños por encima de 2560 × 1440 se consideran experimentales. Si necesitas una entrega grande, revisa el resultado a su escala de uso en lugar de convertir el tamaño máximo admitido en una garantía de detalle. Restricciones y tamaños recomendados.
Rapidez y coste: dos comparaciones que conviene hacer bien
El anuncio atribuye a Flare una reducción de latencia del 50 % frente a GPT Image 2 en la API. No significa que tarde la mitad que Sunburst, ni fija un tiempo en segundos para tu aplicación. Sunburst se presenta con tiempos más largos, pero no publicamos aquí una diferencia medida entre los dos. Comparación oficial con la generación anterior.
Mide el tiempo desde que envías la solicitud hasta que el archivo final está recibido y se puede abrir. Si tu interfaz muestra una vista previa antes de terminar, anota ambos momentos por separado. Una vista previa rápida puede mejorar la experiencia, pero el usuario que espera descargar la imagen sigue dependiendo de la entrega completa.
En Standard, los dos comparten las tarifas de 30 USD por millón de tokens de imagen de salida, 8 USD por millón de tokens de imagen de entrada y 5 USD por millón de tokens de texto de entrada. Son tarifas de la API directa de OpenAI. El consumo puede variar según el modelo, el nivel de calidad y la solicitud; por eso una tarifa idéntica no determina el precio final de cada imagen. Precios oficiales y medición mediante usage.
Para decidir entre ellos, utiliza el coste por imagen aprovechable: gasto total de las solicitudes dividido entre imágenes aceptadas. Incluye las variantes descartadas; registra aparte los minutos de revisión y retoque humano. Si ninguna imagen cumple el encargo, no hay todavía un coste por entrega válida que permita proclamar un ganador.
La guía de precios de GPT Image 2.5 desarrolla las estimaciones por calidad, las entradas en caché y los presupuestos con reintentos. Aquí basta con retener la consecuencia para la elección: no supongas que Flare siempre sale más barato ni que Sunburst siempre compensa por reducir correcciones. Hay que comprobar ambas cosas con tu material.
Cómo comparar los dos con un trabajo real
Escoge encargos que representen lo que publicas: una imagen de producto con identidad que conservar, una ilustración nueva o una variante de una composición aprobada. Define qué debe cumplir cada una antes de ver los resultados. Así evitarás favorecer una imagen atractiva que haya resuelto otro encargo.
- Guarda las entradas. Conserva las mismas imágenes de referencia y las mismas instrucciones para ambos modelos, incluidas las condiciones de conservación.
- Fija la configuración. Anota modelo, versión, calidad y tamaño explícitos. Cambia primero el modelo; ajusta los demás valores después si necesitas buscar una configuración de producción.
- Conserva las salidas completas. Guarda los archivos finales, el consumo devuelto y los tiempos. Una respuesta de la API por sí sola no permite evaluar la imagen entregada.
- Revisa sin ver el nombre del modelo, si es posible. Comprueba el cambio solicitado, los detalles protegidos y la aptitud para el canal donde se utilizará.
- Decide por tipo de encargo. Compara aceptación, gasto total, espera y retoque. Repite los casos dudosos antes de convertir una salida aislada en una regla de trabajo.
El esquema describe un método de evaluación, sin resultados medidos de los modelos.
Si Flare cumple las condiciones, puede seguir siendo tu opción habitual. Si falla repetidamente en detalles que Sunburst conserva con mayor fiabilidad en tu muestra, reserva Sunburst para esos encargos. Si ambos fallan, revisa las referencias, divide la edición en pasos o incorpora una corrección de diseño; cambiar de nombre de modelo no sustituye una comprobación de entrega.
Qué identificador usar al llevar la decisión a la API
En Image API se elige directamente gpt-image-2.5-flare o gpt-image-2.5-sunburst. Las fichas también enumeran las versiones fechadas gpt-image-2.5-flare-2026-09-08 y gpt-image-2.5-sunburst-2026-09-08, útiles para dejar constancia de la versión evaluada. «GPT Image 2.5» es el nombre de la familia, no el identificador completo que debes copiar. Ficha de Flare y ficha de Sunburst.
En Responses, el modelo principal compatible coordina la conversación y el campo model de la herramienta image_generation selecciona Sunburst o Flare. Esa vía permite continuar las ediciones dentro de una conversación; añade también el consumo del modelo principal al presupuesto. Comprueba el acceso de tu cuenta antes de planificar una integración: puede requerirse verificación de la organización. Guía de generación y edición en la API.
La decisión puede quedar expresada en una regla sencilla para el equipo: Flare para los encargos que ya supera y Sunburst para los que justifican una evaluación más exigente de conservación. Lo que debe respaldar esa regla son tus archivos aceptados y tu coste de entrega, no una supuesta ventaja universal.
