# GPT Image 2.5 Flare или Sunburst: скорость, правки и цена

> Начинайте с Flare: в сторонних замерах он на 25–45 % быстрее. Sunburst — для правок, где Flare не справился. При равных quality и size попытка стоит одинаково.

- URL: https://blog.laozhang.ai/ru/posts/gpt-image-2-5-sunburst-vs-flare
- Published: 2026-09-09
- Updated: 2026-09-25
- Author: LaoZhang AI Team (https://blog.laozhang.ai/ru/about)
- Topic: Руководства по API
- Tags: GPT Image 2.5, Sunburst, Flare, Генерация изображений, OpenAI API

---
Для черновиков, вариаций, соцсетей и потоковой генерации начинайте с `gpt-image-2.5-flare`: в сторонних замерах он отвечает примерно на 25–45 % быстрее, а одна попытка стоит столько же, сколько у Sunburst. На `gpt-image-2.5-sunburst` переходите, когда правка не должна ломать товар, лицо или макет, а Flare на ваших изображениях эту проверку не проходит. В слепых голосованиях Arena за редактирование Sunburst впереди заметнее, чем за генерацию с нуля, но на отдельных задачах, например на слайдах, Flare менял лишнее даже чуть меньше.

Разница между моделями меньше, чем кажется по названиям. Цену сильнее всего двигает уровень `quality` (переход с `high` на `max` увеличивает оценку вывода в четыре раза), а также повторы и лишние раунды правок. Все цифры ниже приведены по состоянию на 25 сентября 2026 года; замеры скорости и качества сделаны сторонними командами, их условия указаны рядом с каждым числом.

## Сравнение в одной таблице

| | Flare | Sunburst |
| --- | --- | --- |
| ID модели | `gpt-image-2.5-flare` | `gpt-image-2.5-sunburst` |
| Как описывает OpenAI | самая быстрая модель для качественной повседневной генерации | самая сильная модель для генерации и редактирования, где важна точность правок |
| Скорость на правках, сторонние замеры | быстрее примерно на 25–45 % при одинаковых настройках | медленнее; OpenAI прямо пишет о более долгой генерации |
| Arena, генерация с нуля (21 сентября 2026) | 1401 ±9 | 1423 ±9 |
| Arena, редактирование | 1482 ±6 | 1526 ±6 |
| Artificial Analysis, обе на `max` | 1190 | 1196 — фактически ничья |
| Ставки OpenAI Standard | одинаковые для обеих моделей | одинаковые для обеих моделей |
| С чего начинать | новый поток, объём, быстрые пробы | правки с жёсткой приёмкой, если Flare не справился |

Обе модели принимают текст и изображения, умеют генерировать и редактировать, поддерживают уровни `low`, `medium`, `high`, `xhigh`, `max` и `auto`. Их можно указать в Image API или как модель инструмента генерации изображений в Responses API. Просто `gpt-image-2.5` без суффикса моделью не является — в запросе нужен полный ID.

## Что говорит сама OpenAI

В [руководстве по промптам](https://developers.openai.com/api/docs/guides/image-prompting#choose-a-model) Flare назван малой моделью, оптимизированной под скорость, с качеством изображения «comparable to GPT Image 2», то есть на уровне GPT Image 2. Sunburst — базовая модель, оптимизированная под качество, «higher image quality than GPT Image 2». У обеих улучшены точные правки и сохранение объекта.

В [анонсе от 8 сентября 2026 года](https://openai.com/index/introducing-chatgpt-images-2-5/) про Flare сказано иначе: он даёт те же улучшения качества, правок и скорости, а в API-части анонса Flare описан как модель с более высоким качеством, чем у GPT‑Image‑2, при задержке на 50 % ниже. Это расхождение — в формулировках самой OpenAI, и разрешить его можно только проверкой на своих задачах. Важнее другое: **50 % — это сравнение с GPT Image 2, а не с Sunburst**. Фраза «Flare в два раза быстрее Sunburst» из этих данных не следует. Про Sunburst анонс говорит, что он даёт дополнительную точность для детальной творческой работы ценой более долгой генерации.

Порядок выбора в руководстве такой:

- новый рабочий процесс: Flare, если важнее скорость, Sunburst, если важнее качество, и затем искать, где можно сэкономить время;
- рабочий процесс на GPT Image 2 уже отлажен: сначала пробовать Flare;
- GPT Image 2 не дотягивает: сначала Sunburst, затем Flare с теми же промптами и входными изображениями; переходить на Flare, если он тоже проходит требования и сокращает время, и оставаться на Sunburst, если его преимущество в качестве действительно нужно.

Там же есть две оговорки, которые экономят деньги. Одинаковое название уровня не означает одинакового качества или времени ответа у разных моделей: `high` на Flare и `high` на Sunburst — не одно и то же. И `xhigh` или `max` стоит включать только тогда, когда они закрывают конкретное невыполненное требование и укладываются в допустимое время: более высокий уровень не гарантирует лучший результат на каждом промпте. Если вы решаете, переходить ли с GPT Image 2 вообще, это разобрано отдельно: [GPT Image 2.5 или GPT Image 2: стоит ли переходить и что с ценой](https://blog.laozhang.ai/ru/posts/gpt-image-2-5-vs-gpt-image-2).

## Насколько Flare быстрее: сторонние замеры

Карточки моделей на сайте OpenAI дают только категории: у Flare скорость «Very fast», у Sunburst — «Medium». Числа есть у трёх сторонних команд, и все они измеряли разное.

| Замер | Условия | Flare | Sunburst |
| --- | --- | --- | --- |
| Tosea, слайды, `high` | `images/edits`, 2048x1152, среднее по 5 слайдам | 19,7 с | 27,7 с |
| Tosea, слайды, `max` | то же | 33,7 с | 59,8 с |
| FamilyPro, правка 1 | `high`, тот же промпт и референс, по одному запуску | 20,5 с | 30,7 с |
| FamilyPro, правка 2 | то же | 22,7 с | 38,8 с |
| FamilyPro, правка 3 | то же | 19,7 с | 29,4 с |
| Ofox, изображение товара | 1024x1024, `medium`, один запуск, через шлюз Ofox | 19,5 с | 25,1 с |
| Ofox, текст на английском | то же | 35,7 с | 23,0 с |
| Ofox, замена фона | то же | 15,5 с | 25,0 с |

Источники: [Tosea](https://tosea.ai/ko/blog/gpt-image-2-5-complete-guide) (41 вызов официального API, 9 сентября 2026 года), [FamilyPro](https://familypro.io/cn/blog/gpt-image-2-5-flare-vs-sunburst), [Ofox](https://ofox.ai/ja/blog/gpt-image-2-5-flare-vs-sunburst) (13 сентября 2026 года, время на стороне клиента с учётом передачи).

Что из этого следует. В замерах Tosea и FamilyPro Flare быстрее на 29–44 % и на 33–42 % соответственно; у Tosea разброс по пяти слайдам — 17,7–22,3 с у Flare против 27,1–28,9 с у Sunburst. Для сравнения, GPT Image 2 на `medium` в той же задаче Tosea тратил 37,3 с. У Ofox каждая ячейка — единственный запуск, и в задаче с текстом Flare оказался медленнее. Одиночные замеры не дают устойчивого рейтинга, поэтому честная формулировка такая: на правках при одинаковых настройках Flare обычно быстрее примерно на четверть — две пятых, но точное соотношение зависит от задачи, размера и способа доступа. OpenAI отдельно предупреждает, что ускорение на одной нагрузке не переносится на другую.

Из тех же чисел видна практическая граница. Если Flare требует второй попытки, а Sunburst справляется с первой, то в условиях Tosea две попытки Flare (2 × 19,7 = 39,4 с) уже дольше одной попытки Sunburst (27,7 с). Скорость модели важна, пока доля принятых изображений у обеих одинакова.

Похожий вывод сделала автор [личного теста на vc.ru](https://vc.ru/ai/3154047-raznica-mezhdu-flare-i-sunburst), проверявшая пять сложных промптов на платформе-посреднике SYNTX.AI: Flare немного быстрее, Sunburst в её сложных сценах чаще аккуратнее со светом, тенями и фактурой, но «пропасти» между моделями нет, а уровень детализации и разрешение меняли результат сильнее, чем выбор модели. Это субъективная оценка одного человека на одной платформе, а не измерение.

## Качество и правки: голосования и «дрейф»

Слепые голосования сравнивают, какой результат людям нравится больше, и не показывают ни скорость, ни цену.

На Arena ([генерация](https://arena.ai/leaderboard/text-to-image), [редактирование](https://arena.ai/leaderboard/image-edit)) по состоянию на 21 сентября 2026 года:

- генерация с нуля: Sunburst 1423 ±9 (8 791 голос), Flare 1401 ±9 (8 014 голосов), GPT Image 2 на `medium` — 1381 ±4;
- редактирование: Sunburst 1526 ±6 (29 252 голоса), Flare 1482 ±6 (27 048 голосов), GPT Image 2 на `medium` — 1461 ±3.

Оба результата пока помечены как предварительные, а уровень `quality`, на котором голосовали за модели 2.5, не указан. Разрыв при генерации с нуля — 22 пункта: с учётом ±9 это 1414–1432 у Sunburst и 1392–1410 у Flare, интервалы не перекрываются, но почти соприкасаются. Разрыв на правках — 44 пункта при ±6, то есть 1520–1532 против 1476–1488: здесь преимущество Sunburst и больше, и заметно увереннее.

В рейтинге [Artificial Analysis](https://artificialanalysis.ai/image/leaderboard/text-to-image) обе модели сравнивались на `max` в генерации с нуля: Sunburst 1196 (13 511 сравнений), Flare 1190 (12 866), обе делят 1–2 место. Шесть пунктов — это ничья.

Другая картина получается, если измерять не вкус зрителей, а то, сколько меняется то, что менять не просили. Команда Tosea трижды подряд просила изменить в готовом слайде одну вещь — переписать подзаголовок, заменить число 98,4 % на 99,2 %, заменить фразу на другой стороне слайда — и каждый раз подавала на вход предыдущий результат. Доля заметно изменившихся пикселей относительно оригинала после первой, второй и третьей правки:

| Модель | 1 правка | 2 правки | 3 правки |
| --- | --- | --- | --- |
| Flare | 3,8 % | 6,7 % | 9,2 % |
| Sunburst | 4,1 % | 6,8 % | 9,9 % |
| GPT Image 2 | 5,6 % | 8,1 % | 11,4 % |

На этих слайдах все 9 правок удались у всех моделей, текст и числа на всех 15 слайдах матрицы были верными, а Flare «дрейфовал» чуть меньше Sunburst. Портреты, фото товаров, маски и прозрачный фон Tosea не проверял. Поэтому противоречия с Arena здесь нет: голосования показывают, что людям в среднем больше нравятся правки Sunburst, а замер Tosea — что на плотных деловых слайдах Flare сохраняет остальное не хуже. Для вашей задачи решает проверка на ваших изображениях.

![Схема проверки правки на примере настольной лампы: изменить окружение и освещение, сохранить конструкцию, пропорции и маркировку](https://blog.laozhang.ai/posts/ru/gpt-image-2-5-sunburst-vs-flare/img/edit-preservation-check.webp)

Проверку правки удобно строить так же, как на схеме: заранее записать, что должно измениться (фон, свет), и что обязано остаться прежним (конструкция, пропорции, логотипы и надписи на товаре). Результат, в котором поменялось лишнее, не засчитывается, даже если он красивее. Учтите и особенность редактирования по маске: в GPT Image оно целиком опирается на промпт, маска направляет правку, но не фиксирует края. Жёсткой гарантии «за пределами маски ни одного изменённого пикселя» нет ни у одной из двух моделей.

## Цена: одна попытка стоит одинаково

По [прайсу OpenAI](https://developers.openai.com/api/docs/pricing) ставки Standard у обеих моделей 2.5 одинаковые, за 1 млн токенов: текст на входе $5,00 (из кеша $1,25), изображение на входе $8,00 (из кеша $2,00), изображение на выходе $30,00; текстовый вывод не тарифицируется. Официальный калькулятор предлагает один общий вариант «GPT Image 2.5 (Sunburst and Flare)». Tosea на всех уровнях `quality` получил одинаковое число выходных токенов у обеих моделей, а Ofox при запросах через свой шлюз — одинаковые счета: $0,013460, $0,013585 и $0,021742 за три задачи на каждой из моделей.

В руководстве OpenAI при этом сказано, что одинаковые ставки не означают одинаковой цены изображения, потому что расход токенов может различаться по модели и уровню качества. Поэтому точнее так: OpenAI публикует для обеих моделей одну оценку, а независимые замеры показали одинаковый расход. При одинаковых `quality` и `size` одна попытка Flare и одна попытка Sunburst обходятся одинаково. Итоговый счёт при этом может отличаться — через повторы, дополнительные раунды правок и входные изображения.

### Лестница quality — главный рычаг цены

Оценка вывода по калькулятору OpenAI, одна цифра для обеих моделей (токены на выходе и стоимость по ставке $30 за 1 млн):

| `quality` | 1024x1024 | 2048x1152 |
| --- | --- | --- |
| `low` | 196 токенов, $0,00588 | 157 токенов, $0,00471 |
| `medium` | 439 токенов, $0,01317 | 367 токенов, $0,01101 |
| `high` | 1 756 токенов, $0,05268 | 1 413 токенов, $0,04239 |
| `xhigh` | 3 122 токена, $0,09366 | 2 511 токенов, $0,07533 |
| `max` | 7 024 токена, $0,21072 | 5 650 токенов, $0,16950 |

Это оценка, а не счёт: в неё не входят входной текст, референсы и промежуточные превью. При потоковой выдаче каждое промежуточное изображение добавляет 100 выходных токенов, а запросы через Responses API вдобавок расходуют токены основной модели. Для `auto` калькулятор цифры не даёт: расход зависит от получившегося изображения.

Разница между `high` и `max` при 1024x1024 — в четыре раза, тогда как переключение между Flare и Sunburst цену попытки не меняет. Batch с половинными ставками сейчас указан только для `gpt-image-2`; ни одна из моделей 2.5 в нём не значится. Отсюда и ошибочное «2.5 стоит вдвое дороже»: так получается, если сравнивать Standard моделей 2.5 с Batch у GPT Image 2. Подробные примеры бюджета по уровням собраны в статье [GPT Image 2.5 Sunburst: цена API и бюджет генерации](https://blog.laozhang.ai/ru/posts/gpt-image-2-5-api-pricing).

### Стоимость одного принятого изображения

Сравнивать стоит не цену вызова, а стоимость пригодного результата:

**стоимость принятого изображения = все оплаченные попытки (вход + выход + превью + повторы) ÷ число изображений, прошедших вашу приёмку.**

Если принятых изображений ноль, стоимость не равна нулю — она не определена: модель эту задачу не решает при таких настройках.

Условный пример, без реальных данных: 10 попыток на 1024x1024 `high` стоят по выводу 10 × $0,05268 = $0,5268 на любой из двух моделей. Если Flare даст 6 принятых изображений, а Sunburst — 8, то принятое изображение обойдётся в $0,0878 у Flare и в $0,0659 у Sunburst. Если обе дадут по 8, Sunburst ничем не выигрывает, а Flare ещё и отдаёт результат быстрее. Время ручной доводки в эту формулу не входит — его стоит считать отдельно.

## Как проверить выбор на своих изображениях

![Три шага учёта сравнения: одинаковые условия model, size и quality, журнал всех попыток, решение «принято» или «на доработку»; расходы на все попытки делятся на число принятых изображений](https://blog.laozhang.ai/posts/ru/gpt-image-2-5-sunburst-vs-flare/img/evaluation-record.webp)

1. Возьмите 10–20 типичных задач из своей работы — не самые эффектные, а те, что повторяются каждый день. Для правок добавьте исходники с товаром, лицом или вёрсткой, которые нельзя испортить.
2. Для каждой задачи заранее запишите, что считается принятым: что должно измениться и что обязано остаться прежним.
3. Прогоните обе модели с одинаковыми промптами, входными изображениями, `size` и явно заданным `quality` — не `auto`, иначе сравниваете разные настройки.
4. Записывайте все попытки, а не только удачные: время ответа (типичное и самое медленное), ошибки, повторы, расход токенов из поля `usage` в ответе.
5. Посчитайте долю принятых изображений и стоимость одного принятого изображения по формуле выше.

Правило решения простое. Если Flare проходит приёмку не реже Sunburst, берите Flare: деньги те же, ожидание короче. Если Sunburst принимается заметно чаще и это сокращает повторы и ручную доводку, берите Sunburst для этого типа задач. Смешанная схема тоже нормальна: Flare для черновиков и вариаций, Sunburst для финальной правки. И только после этого пробуйте поднимать `quality`: переход на уровень выше стоит дороже, чем любая смена модели.

Минимальный скрипт для одной правки на обеих моделях на Python с официальным SDK:

```python
import base64
import time

from openai import OpenAI

# Ключ берётся из OPENAI_API_KEY, адрес шлюза — из OPENAI_BASE_URL, если он задан
client = OpenAI()

PROMPT = (
    "Замени фон на светлую студию. "
    "Лампу, её пропорции и надписи на корпусе не меняй."
)
MODELS = ["gpt-image-2.5-flare", "gpt-image-2.5-sunburst"]
RUNS = 3

for model in MODELS:
    for run in range(1, RUNS + 1):
        start = time.perf_counter()
        with open("lamp.png", "rb") as source:
            result = client.images.edit(
                model=model,
                image=source,
                prompt=PROMPT,
                size="1024x1024",
                quality="high",
            )
        seconds = time.perf_counter() - start

        with open(f"{model}-{run}.png", "wb") as out:
            out.write(base64.b64decode(result.data[0].b64_json))

        print(model, run, f"{seconds:.1f} с", result.usage)
```

Файлы сохраняются с именем модели и номером запуска, чтобы потом оценивать их вслепую. Если нужен прозрачный фон, его надо запрашивать явно через `background` и проверять альфа-канал — это разобрано в статье [Как сделать прозрачный фон PNG и проверить, что он настоящий](https://blog.laozhang.ai/ru/posts/transparent-image-maker). Для визуальных конвейеров есть отдельные инструкции: [GPT Image 2.5 в ComfyUI: как подключить и сколько стоит запуск](https://blog.laozhang.ai/ru/posts/gpt-image-2-5-comfyui) и [GPT Image 2.5 в n8n: узел OpenAI, HTTP Request и агрегаторы](https://blog.laozhang.ai/ru/posts/gpt-image-2-5-n8n).

## Через что подключать: OpenAI API или laozhang.ai

Напрямую через OpenAI обе модели оплачиваются по токенам по ставкам выше. Если удобнее один шлюз с совместимым API, в [документации laozhang.ai](https://docs.laozhang.ai/en/api-capabilities/gpt-image-2-5) по состоянию на 24 сентября 2026 года описаны три варианта:

*Примечание: [laozhang.ai — наш собственный сервис](https://blog.laozhang.ai/ru/about#laozhang); его цены — наши тарифы, а не независимое сравнение.*

| Вариант | ID модели | Оплата | Ограничения |
| --- | --- | --- | --- |
| Официальная переадресация | `gpt-image-2.5-flare`, `gpt-image-2.5-sunburst` | по токенам, официальные ставки (в группе Enterprise — на 20 % выше) | поддерживает `mask` (для первого изображения) и до 16 референсов |
| VIP за вызов | `gpt-image-2.5-flare-vip`, `gpt-image-2.5-sunburst-vip` | $0,03 за вызов, одинаково для обеих моделей | `size` и `quality` принимаются, прозрачный PNG есть, `mask` не поддерживается |
| Веб-вариант | `gpt-image-2.5-web` | $0,03 за вызов | выбрать Flare или Sunburst нельзя, поэтому для этого сравнения не подходит |

Базовый адрес — `https://api.laozhang.ai/v1`, эндпоинты `/v1/images/generations` и `/v1/images/edits`; группа задаётся в настройках токена, а не в названии модели. В скрипте выше достаточно указать этот адрес в `OPENAI_BASE_URL` и ключ laozhang.ai в `OPENAI_API_KEY`.

Выгодна ли фиксированная цена, зависит от уровня качества. При 1024x1024 официальная оценка вывода на `medium` — $0,01317, то есть дешевле $0,03 за вызов; на `high` — $0,05268, на `xhigh` — $0,09366, на `max` — $0,21072, и здесь VIP-вариант уже дешевле. Для правок по маске подходит только официальная переадресация. Обе VIP-модели были недоступны с 16 по 22 сентября 2026 года из-за нехватки мощностей у поставщика; 22 сентября доступ восстановили, но наличие лучше проверять в консоли. Для регистрации нового аккаунта нужен Gmail или корпоративный белый список, а тестовый баланс рассчитан на проверку подключения, а не на рабочую нагрузку.

## Частые вопросы

**Flare дешевле Sunburst?**
Нет. Ставки OpenAI одинаковые, калькулятор даёт одну оценку для обеих моделей, а независимые замеры показали одинаковый расход при одних и тех же `quality` и `size`. Дешевле может оказаться та модель, которой нужно меньше повторов на вашей задаче.

**Во сколько раз Flare быстрее?**
Не в два раза. «На 50 % ниже задержка» в анонсе OpenAI относится к сравнению Flare с GPT Image 2. Сравнение с Sunburst есть только в сторонних замерах: на правках при одинаковых настройках Flare был быстрее примерно на 25–45 %, но в одиночных запусках бывало и наоборот.

**Какую модель использует ChatGPT?**
OpenAI это не раскрывает, и переключателя Flare/Sunburst в ChatGPT нет. Встречающееся утверждение, что по умолчанию там работает Flare, — догадка по скорости и качеству, а не подтверждённый факт. Явно выбрать модель можно в API или в сторонних инструментах; подробнее — в статье [ChatGPT Images 2.5: как пользоваться и где выбрать Sunburst или Flare](https://blog.laozhang.ai/ru/posts/chatgpt-images-2-5).

**Если качества GPT Image 2.5 не хватает, что пробовать дальше?**
Сначала Sunburst на `high`, затем `xhigh`, если он закрывает конкретный недостаток. Если вы сравниваете GPT Image 2.5 с моделью Google, разбор есть в статье [Nano Banana Pro или GPT Image 2.5: какую модель запускать первой](https://blog.laozhang.ai/ru/posts/nano-banana-pro-vs-gpt-image-2-5).

## Источники

Внешние страницы, на которые ссылается это руководство, в порядке упоминания. Последнее обновление: 2026-09-25.

- [руководстве по промптам](https://developers.openai.com/api/docs/guides/image-prompting) (developers.openai.com)
- [анонсе от 8 сентября 2026 года](https://openai.com/index/introducing-chatgpt-images-2-5/) (openai.com)
- [Tosea](https://tosea.ai/ko/blog/gpt-image-2-5-complete-guide) (tosea.ai)
- [FamilyPro](https://familypro.io/cn/blog/gpt-image-2-5-flare-vs-sunburst) (familypro.io)
- [Ofox](https://ofox.ai/ja/blog/gpt-image-2-5-flare-vs-sunburst) (ofox.ai)
- [личного теста на vc.ru](https://vc.ru/ai/3154047-raznica-mezhdu-flare-i-sunburst) (vc.ru)
- [генерация](https://arena.ai/leaderboard/text-to-image) (arena.ai)
- [редактирование](https://arena.ai/leaderboard/image-edit) (arena.ai)
- [Artificial Analysis](https://artificialanalysis.ai/image/leaderboard/text-to-image) (artificialanalysis.ai)
- [прайсу OpenAI](https://developers.openai.com/api/docs/pricing) (developers.openai.com)