La API GPT Image 2.5 de OpenAI es una familia de dos modelos, no un único modelo al que se pueda llamar con el nombre de gpt-image-2.5. Los alias móviles actuales son gpt-image-2.5-flare, diseñado por OpenAI para una generación rápida y de alta calidad en el día a día, y gpt-image-2.5-sunburst, diseñadas para la edición de imágenes con gran precisión. Ambas se lanzaron el 8 de septiembre de 2026. Esta guía recoge los ID exactos, tres rutas de API, los parámetros admitidos, los tamaños personalizados, los precios oficiales de los tokens, los límites de rate y una calculadora de costes práctica.
También informa de una prueba controlada independiente realizada a través de la plataforma unificada de Anywhere gpt-image-2.5 ruta. En ese modelo no se observaba ningún selector «Flare/Sunburst» ni se indicaba ninguna variante, por lo que sus resultados no se presentan como resultados nativos de la API OpenAI ni se asignan a ninguno de los modelos oficiales.
¿Qué es la API GPT Image 2.5?
GPT Image 2.5 es la familia de modelos de generación y edición de imágenes de OpenAI, lanzada el 8 de septiembre de 2026. Ambos modelos oficiales aceptan texto y devuelven imágenes; los flujos de trabajo de edición también pueden proporcionar imágenes como entrada. Un detalle importante de la implementación es la identidad: el nombre de la familia resulta útil en la prosa, pero las solicitudes de producción deben utilizar el identificador exacto del modelo que figura en las páginas oficiales de los modelos.
Dos modelos, no un único identificador de familia invocable
Un alias móvil sigue a la versión actual de OpenAI bajo ese nombre. Una instantánea con fecha fija vincula las solicitudes a una versión concreta y, por lo tanto, resulta más fácil de reproducir durante las pruebas de regresión. Utiliza el alias móvil cuando desees actualizaciones compatibles del modelo sin modificar el código; utiliza una instantánea cuando el comportamiento coherente sea más importante que recibir automáticamente las revisiones posteriores.
| Modelo | Cambiar de alias | Instantánea con fecha | Posicionamiento oficial | Modalidades |
|---|---|---|---|---|
| Bengala | gpt-image-2.5-flare | gpt-image-2.5-flare-2026-09-08 | Generación rápida y de alta calidad de imágenes para el día a día | Texto dentro; imagen fuera |
| Sunburst | gpt-image-2.5-sunburst | gpt-image-2.5-sunburst-8 de septiembre de 2026 | Edición de imágenes con especial atención a la precisión | Texto e imagen de entrada; imagen de salida |
Estas descripciones reflejan el posicionamiento de OpenAI, no un ganador determinado por nuestras pruebas. En la prueba controlada que se describe más adelante en este artículo se utilizó una ruta unificada de un tercero que no revelaba qué variante oficial, si es que había alguna, atendía una solicitud.
Guía de inicio rápido de la API de GPT Image 2.5
Generar con la API de imágenes
Usos de la generación directa POST /v1/images/generations. El SDK OpenAI lee tu clave API del entorno, y GPT Image devuelve datos de imagen codificados en base64 en lugar de una URL alojada de forma permanente. Decodifica esos datos y guárdalos utilizando la misma extensión que formato_de_salida.
import base64
from pathlib import Path
from openai import OpenAI
client = OpenAI()
result = client.images.generate(
model="gpt-image-2.5-flare",
prompt="Una lámpara de escritorio de cerámica sobre una mesa de estudio blanca, foto de producto",
size="1536x1024",
quality="high",
output_format="webp",
)
image_bytes = base64.b64decode(result.data[0].b64_json)
Path("lamp.webp").write_bytes(image_bytes)Para realizar una prueba de producción reproducible, sustituye el alias «moving» por gpt-image-2.5-flare-2026-09-08. Anota en tu propio registro de solicitudes el prompt, el tamaño, la calidad y los parámetros de aplicación similares a los de «seed»; la imagen resultante sigue siendo el elemento principal.
Editar una imagen
Usos de la edición directa POST /v1/images/edits. La API documenta las subidas multiparte y las referencias JSON a través de url_de_la_imagen o id_archivo siempre que la ruta seleccionada lo permita. Se pueden aportar hasta 16 imágenes, pero ese máximo no es una recomendación: unas referencias menos numerosas y claramente diferenciadas resultan más fáciles de examinar y puntuar.
import base64
from pathlib import Path
from openai import OpenAI
client = OpenAI()
with Path("product.png").open("rb") as source:
resultado = cliente.images.edit(
modelo="gpt-image-2.5-sunburst",
imagen=[fuente],
prompt="Cambia solo la pantalla de la lámpara a azul cobalto.",
size="1536x1024",
output_format="png",
)
Path("product-edited.png").write_bytes(
base64.b64decode(result.data[0].b64_json)
)Utiliza un lenguaje explícito en materia de conservación, como “solo cambios”, como restricción verificable, y a continuación compara el archivo original y el resultado con resolución máxima. Una edición puede cumplir con el atributo solicitado sin dejar de reformular o reconstruir las regiones que no se han modificado.
Utiliza la herramienta de generación de imágenes de la API de Responses
También puedes llamar al POST /v1/responses con la herramienta de generación de imágenes. Esta opción resulta útil cuando la creación de imágenes es un paso más dentro de un flujo de trabajo basado en modelos que también analiza texto o resultados de herramientas. No se trata de un sustituto directo del formato de respuesta de la API de imágenes: comprueba los elementos de la respuesta de la llamada a la generación de imágenes en lugar de dar por sentado que data[0].b64_json existe.
response = client.responses.create(
model="YOUR_RESPONSES_MODEL",
input="Crea una imagen de producto nítida a partir de este briefing aprobado.",
tools=[{"type": "image_generation"}],
)
image_calls = [
item for item in response.output
if item.type == "image_generation_call"
]Elige la API de imágenes directa para una tarea concreta de generación o edición con un sistema de contabilidad sencillo. Elige «Respuestas» cuando la generación de imágenes forme parte de una secuencia de acciones más amplia. En cualquier caso, valida el actual Guía oficial para la creación de imágenes y la firma del SDK antes de la implementación, ya que los esquemas de la API recién publicados pueden sufrir cambios.
Parámetros, formatos de salida y límites de tamaño
Los parámetros más útiles controlan la calidad, el número de archivos de salida, las vistas previas progresivas, la moderación, el comportamiento en segundo plano, el formato, la compresión y las dimensiones. Considéralos como un conjunto coherente, en lugar de como opciones independientes. Por ejemplo, la transparencia requiere el formato PNG o WebP, mientras que compresión_de_salida Se aplica a los formatos JPEG y WebP, pero no al PNG.
| Parámetro | Valores o regla verificados | Nota de aplicación |
|---|---|---|
calidad | auto, bajo, medio, alto, xalto, máx. | Compara tu propia tarea con otras de referencia; una etiqueta más alta no significa automáticamente que sea la mejor opción de producción. |
n | 1-10 | Las salidas múltiples aumentan el volumen de trabajo devuelto y, probablemente, el uso de tokens. |
imágenes_parciales | 0-3 | Utiliza los «partiales progresivos» únicamente cuando lo permitan la ruta y el flujo del cliente. |
moderación | auto o bajo | Esta configuración no garantiza que se acepten todas las indicaciones. |
antecedentes | auto, opaco, transparente | Para obtener un resultado con fondo transparente, se requiere el formato PNG o WebP. |
formato_de_salida | PNG, JPEG, WebP | El contenido devuelto son datos de imagen en formato base64. |
compresión_de_salida | 0-100 | Se aplica a los archivos de salida en formato JPEG y WebP. |
Dimensiones personalizadas
Para un tamaño personalizado, cada lado debe ser un múltiplo de 16, la relación de aspecto debe estar comprendida entre 1:3 y 3:1, ninguno de los lados puede superar los 3.840 píxeles y el área total debe estar comprendida entre 655.360 y 8.294.400 píxeles. Los tamaños que superen el área de 2.560 × 1.440 se consideran experimentales.
1536 x 1024Es válido: ambos lados son múltiplos de 16, se permite la proporción 3:2 y el área está dentro de los límites.1024 x 1024es válido por las mismas razones.1200 x 800no es válido porque ni 1.200 ni 800 son múltiplos de 16, aunque la relación de aspecto parezca razonable.
Comprueba las dimensiones antes de enviar una solicitud para evitar que un error de la aplicación se mezcle con la evaluación del modelo. Comprueba también el formato y las dimensiones reales del archivo descodificado: es posible que una ruta de compatibilidad de terceros no reproduzca exactamente todos los parámetros nativos.
Precios de la API de GPT Image 2.5
OpenAI fija los precios de GPT Image 2.5 según la categoría de token. Las tarifas que figuran a continuación se verificaron cotejándolas con la página oficial de precios el 10 de septiembre de 2026. GPT Image 2 utiliza las mismas tarifas indicadas, pero unas tarifas iguales no implican un consumo de tokens igual para una misma instrucción o imagen.
| Categoría de token | Precio por 1 millón de tokens |
|---|---|
| Entrada de texto | $5.00 |
| Entrada de texto almacenada en caché | $1.25 |
| Entrada de imágenes | $8.00 |
| Entrada de imagen almacenada en caché | $2.00 |
| Salida de imagen | $30.00 |
Fuente: Precios de la API OpenAI. USD, antes de impuestos o de los cargos específicos del proveedor.
Calcular el coste real de una solicitud
Para cada categoría, multiplica los tokens devueltos por su tarifa por millón de tokens y, a continuación, divide el resultado entre 1 000 000. Suma los costes de las cinco categorías para una solicitud. La calculadora oficial de GPT Image 2 no estima el consumo de tokens de GPT Image 2.5, por lo que no existe un “coste por imagen” universal justificable sin datos reales de uso.
Tipos de cambio oficiales de las monedas
Calculadora de costes de la API de GPT Image 2.5
| Entrada de texto | $0.0000 |
|---|---|
| Entrada de texto almacenada en caché | $0.0000 |
| Entrada de imágenes | $0.0000 |
| Entrada de imagen almacenada en caché | $0.0000 |
| Salida de imagen | $0.0000 |
El precio de GPT Image 2.5 se calcula en función del uso de tokens. La calculadora de GPT Image 2 de OpenAI no calcula el consumo de tokens de GPT Image 2.5, por lo que esta calculadora utiliza el recuento de tokens que se facilita aquí, en lugar de deducirlo a partir del tamaño o la calidad de la imagen.
Para la planificación de la producción, realiza también un seguimiento del coste por unidad aceptable: el coste total del lote dividido entre el número de unidades que superan el control específico de tu tarea. Esa es tu propia métrica operativa, no una unidad de facturación OpenAI. Una solicitud que resulte barata pero inutilizable puede salir más cara que un resultado con un mayor número de tokens que se envíe sin necesidad de regeneración.
Límites de producción y planificación de la producción
Los límites de tasa incluyen tokens por minuto (TPM) e imágenes por minuto (IPM). Hay que tener en cuenta ambos: una solicitud puede respetar el límite de número de imágenes y, aun así, superar el rendimiento de tokens. Las dos páginas oficiales del modelo GPT Image 2.5 muestran actualmente la misma tabla.
| Nivel de uso | TPM | IPM |
|---|---|---|
| Gratis | No se admite | No se admite |
| Nivel 1 | 100,000 | 5 |
| Nivel 2 | 250,000 | 20 |
| Nivel 3 | 800,000 | 50 |
| Nivel 4 | 3,000,000 | 150 |
| Nivel 5 | 8,000,000 | 250 |
Reintentos, concurrencia y clases de error
Separa en los registros los eventos relacionados con la autenticación, los parámetros no válidos, el límite de tasa, la capacidad, el transporte, los tiempos de espera y las salidas no válidas. Los errores de autenticación o de parámetros suelen requerir una corrección en la configuración, no un nuevo intento. Las respuestas relacionadas con el límite de velocidad y la capacidad pueden justificar un retroceso limitado. Los fallos de transporte y los tiempos de espera agotados requieren una estrategia de idempotencia para que la aplicación no genere accidentalmente trabajo facturable duplicado.
Y lo más importante: un fallo operativo no se traduce en un resultado en cuanto a la calidad de la imagen. Solo se debe evaluar la calidad cuando exista una salida válida y decodificable. Registra la latencia observada indicando la ruta, la fecha, el punto final y las condiciones de la solicitud; la latencia en un lugar concreto no constituye una afirmación permanente sobre la velocidad del modelo.
Qué ocurrió en las pruebas controladas de Anywhere GPT Image 2.5
Configuración de ensayo controlada
- Lugar de ejecución
- En cualquier lugar, utilizando sus terminales compatibles con OpenAI
- Ruta probada
gpt-image-2.5, sin selector de Flare/Sunburst a la vista- Fecha oficial del examen
- 9 de septiembre de 2026
- Norma sobre la admisibilidad de las pruebas
- Mensajes e entradas congelados; conservar la primera salida válida; no se realizan repeticiones puras y simples
- Puntuación
- Comprobaciones específicas de cada tarea relativas al texto, el recuento, el orden, las modificaciones solicitadas, la conservación y los artefactos evidentes
- Método del coste
- Uso de Anywhere-returned ajustado a los tipos de cambio oficiales de OpenAI; no se trata de una factura de Anywhere
Estos resultados describen cinco primeros resultados válidos y cinco casos fallidos de este lote. No determinan el rendimiento nativo del OpenAI, ni identifican Flare o Sunburst, ni demuestran la fiabilidad en producción.
Las tareas de generación, edición y composición de referencias que se indican a continuación utilizaron cada una una primera salida válida. Las cinco solicitudes formales satisfactorias tuvieron un coste calculado conjunto de $0.088603. Ese total no incluye las solicitudes fallidas, la creación de fixtures, la comprobación de disponibilidad ni la imagen principal.
G01: anuncio de producto con texto exacto
La consigna pedía la línea DEJAD ESPACIO A LAS IDEAS exactamente una vez, una lámpara, una composición fija y exclusiones explícitas. El primer resultado válido reprodujo el texto una vez y superó todas las comprobaciones declaradas.
Probado a través de la ruta unificada gpt-image-2.5 de Anywhere el 9 de septiembre de 2026.- Estado
- Primera salida válida
- Puntuación de la tarea
- 10/10
- Tiempo transcurrido
- 6.150 ms
- Coste calculado
- $0.041645
Solicitud precisa, datos completos, ajustes y comprobaciones de los objetivos
Estado: «valid_output» en el intento 1; se conserva la primera salida válida.
Itinerario: Compatible con Anywhere OpenAI /imágenes/generaciones con gpt-image-2.5.
Texto de la pregunta exacto
Crea un anuncio de producto de estudio horizontal en formato 3:2 para una lámpara de escritorio portátil ficticia de color negro mate, situada en un fondo limpio de color blanco y gris pálido. Muestra exactamente una lámpara, ligeramente inclinada hacia la derecha, con un haz de luz suave y cálido y un generoso espacio negativo. Incluye exactamente una línea de texto: "MAKE ROOM FOR IDEAS". Escribe esa frase en letras mayúsculas claras de tipo sans-serif, centradas en el tercio superior. No debe aparecer ningún otro texto, logotipo, marca de agua, persona ni producto adicional.
Entrada completa: Solo texto. No se ha proporcionado ninguna imagen.
Configuración real de la solicitud
talla1536 x 1024calidadaltoformato_de_salidawebpantecedentesopacon1
Comprobaciones objetivas
texto_exacto2/2
«MAKE ROOM FOR IDEAS» aparece una vez, completo y sin errores ortográficos; no se ve ningún texto adicional.
objeto_obligatorio2/2
Hay exactamente una lámpara de escritorio completa de color negro mate.
composición2/2
La lámpara está orientada hacia la derecha, se aprecia el haz de luz cálida, se mantiene el espacio negativo y el texto se sitúa en el tercio superior.
prohibiciones2/2
No se ve ningún logotipo, marca de agua, persona ni producto adicional.
usabilidad_de_la_primera_salida2/2
El primer resultado válido se puede utilizar sin necesidad de regeneración ni de una reconstrucción importante.
Salida completa
El resultado completo de la primera validación, con una resolución de 1536×1024, aparece justo debajo de este panel de información. La respuesta se devolvió en formato PNG, aunque la solicitud se había realizado en formato WebP.
G02: disposición de objetos contados
La solicitud especificaba exactamente tres objetos: una esfera de cristal azul, un abanico amarillo doblado y un cubo de acero, en ese orden, de izquierda a derecha. La primera respuesta válida conservaba el número, el orden y los materiales identificables.
Probado a través de la ruta unificada gpt-image-2.5 de Anywhere el 9 de septiembre de 2026.- Estado
- Primera salida válida
- Puntuación de la tarea
- 10/10
- Tiempo transcurrido
- 33 577 ms
- Coste calculado
- $0.005505
Solicitud precisa, datos completos, ajustes y comprobaciones de los objetivos
Estado: «valid_output» en el intento 1; se conserva la primera salida válida.
Itinerario: Compatible con Anywhere OpenAI /imágenes/generaciones con gpt-image-2.5.
Texto de la pregunta exacto
Crea un bodegón editorial horizontal en formato 3:2 sobre un fondo de estudio en tonos carbón y blanco roto. Muestra exactamente tres objetos: una esfera de cristal azul cobalto a la izquierda, un abanico de papel amarillo doblado en el centro y un cubo de acero cepillado a la derecha. Mantén los tres objetos totalmente visibles, espaciados de manera uniforme e iluminados por una luz suave procedente de la parte superior izquierda. Sin texto, sin logotipo, sin marca de agua, sin personas, sin objetos adicionales y sin símbolos decorativos.
Entrada completa: Solo texto. No se ha proporcionado ninguna imagen.
Configuración real de la solicitud
talla1536 x 1024calidadaltoformato_de_salidawebpantecedentesopacon1
Comprobaciones objetivas
recuento_de_objetos2/2
Hay exactamente una esfera de cristal azul, un abanico plegado amarillo y un cubo de acero.
orden_y_visibilidad2/2
Los objetos se ven completamente en el orden requerido: izquierda, centro y derecha.
materiales_y_colores2/2
Los materiales —vidrio, papel y metal cepillado— y los colores solicitados están claros.
iluminación_y_espaciado2/2
La escena presenta una iluminación coherente en la parte superior izquierda y una distribución uniforme de los espacios.
prohibiciones_y_artefactos2/2
No se aprecia ningún texto, logotipo, marca de agua, personas, objetos extra ni artefactos significativos.
Salida completa
El resultado completo de la primera validación, con una resolución de 1536×1024, aparece justo debajo de este panel de información. La respuesta se devolvió en formato PNG, aunque la solicitud se había realizado en formato WebP.
E01: cambiar un color
La edición cambió la pantalla de la lámpara, de color negro mate, a azul cobalto, aunque se mantuvo el carácter reconocible del producto. Se le restó un punto porque la conversión de la fuente cuadrada a una salida de 3:2 supuso un ligero reencuadre y una reconstrucción fuera del atributo de destino.
Probado a través de la ruta unificada gpt-image-2.5 de Anywhere el 9 de septiembre de 2026.- Estado
- Primera salida válida
- Puntuación de la tarea
- 9/10
- Tiempo transcurrido
- 41 387 ms
- Coste calculado
- $0.016320
Solicitud precisa, datos completos, ajustes y comprobaciones de los objetivos
Estado: «valid_output» en el intento 1; se conserva la primera salida válida.
Itinerario: Compatible con Anywhere OpenAI /imágenes/modificaciones con gpt-image-2.5.
Texto de la pregunta exacto
Modifica únicamente el color de la pantalla de la lámpara, cambiándolo de negro mate a azul cobalto. Mantén exactamente la misma forma, posición, escala, base, brazo, interruptor, sombras, luz cálida, fondo, ángulo de cámara, encuadre y cualquier otro detalle visible de la lámpara. No añadas texto, logotipos, marcas de agua, personas ni objetos adicionales.
Entrada de imagen completa:
- Entrada 1:
00-control/fixtures/edit-source-lamp.png(1 328 812 bytes; SHA-256a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)
Configuración real de la solicitud
talla1536 x 1024calidadaltoformato_de_salidawebpantecedentesopacon1
Comprobaciones objetivas
cambio_solicitado2/2
El tono cambia de negro mate a azul cobalto.
geometría_posición_escala_recorte1/2
La lámpara sigue siendo reconocible, pero la fuente cuadrada se ha reajustado y se ha modificado ligeramente para adaptarse al formato 3:2.
no_conservación_del_objetivo2/2
La base, el brazo, el interruptor, la bombilla y las regiones negras no objetivo se mantienen sustancialmente iguales.
iluminación_bordes_materiales2/2
La iluminación, las sombras, los contornos y el renderizado de los materiales mantienen su coherencia.
usabilidad_de_la_primera_salida2/2
La primera salida válida se puede utilizar sin necesidad de regeneración ni de reparaciones importantes.
Salida completa
El resultado completo de la primera validación, con una resolución de 1536×1024, aparece justo debajo de este panel de información. La respuesta se devolvió en formato PNG, aunque la solicitud se había realizado en formato WebP.
E02: cambiar el fondo
La edición cambió el fondo a un suave verde menta y mantuvo la coherencia en el material de la lámpara. Al igual que en el caso de E01, el cambio solicitado se aprobó, mientras que la conversión de la relación de aspecto provocó un ligero reencuadre y una ligera reconstrucción.
Probado a través de la ruta unificada gpt-image-2.5 de Anywhere el 9 de septiembre de 2026.- Estado
- Primera salida válida
- Puntuación de la tarea
- 9/10
- Tiempo transcurrido
- 50 151 ms
- Coste calculado
- $0.007208
Solicitud precisa, datos completos, ajustes y comprobaciones de los objetivos
Estado: «valid_output» en el intento 1; se conserva la primera salida válida.
Itinerario: Compatible con Anywhere OpenAI /imágenes/modificaciones con gpt-image-2.5.
Texto de la pregunta exacto
Cambia únicamente el fondo del estudio, de gris pálido a un verde menta suave y liso. Mantén todos los elementos de la lámpara de color negro mate, incluyendo su color, forma, posición, escala, base, brazo, interruptor, bombilla encendida, luz cálida, sombras, ángulo de cámara y encuadre. No añadas ningún texto, logotipo, marca de agua, persona ni objeto adicional.
Entrada de imagen completa:
- Entrada 1:
00-control/fixtures/edit-source-lamp.png(1 328 812 bytes; SHA-256a93d7c90aa57c7949939f011918fcfe531f34fa039859d043556c0cd26dcea2b)
Configuración real de la solicitud
talla1536 x 1024calidadaltoformato_de_salidawebpantecedentesopacon1
Comprobaciones objetivas
cambio_solicitado2/2
El fondo del estudio cambia a un suave verde menta.
geometría_posición_escala_recorte1/2
La lámpara sigue siendo reconocible, pero la fuente cuadrada se ha reajustado y se ha modificado ligeramente para adaptarse al formato 3:2.
no_conservación_del_objetivo2/2
La lámpara sigue siendo de color negro mate y conserva sus principales detalles: la base, el brazo, la pantalla, el interruptor y la bombilla.
iluminación_bordes_materiales2/2
La iluminación, las sombras, los contornos y los materiales siguen siendo coherentes tras la edición del fondo.
usabilidad_de_la_primera_salida2/2
La primera salida válida se puede utilizar sin necesidad de regeneración ni de reparaciones importantes.
Salida completa
El resultado completo de la primera validación, con una resolución de 1536×1024, aparece justo debajo de este panel de información. La respuesta se devolvió en formato PNG, aunque la solicitud se había realizado en formato WebP.
M01: combinar tres referencias
El resultado conservó la lámpara verde, el cuaderno de color coral y la taza azul, y los colocó en la disposición solicitada: izquierda, centro y derecha. Esto demuestra que se ha logrado con éxito una composición fija de tres elementos de referencia, pero no supone una garantía general para el máximo documentado de 16 elementos de entrada.
Probado a través de la ruta unificada gpt-image-2.5 de Anywhere el 9 de septiembre de 2026.- Estado
- Primera salida válida
- Puntuación de la tarea
- 10/10
- Tiempo transcurrido
- 105 469 ms
- Coste calculado
- $0.017925
Solicitud precisa, datos completos, ajustes y comprobaciones de los objetivos
Estado: «valid_output» en el intento 1; se conserva la primera salida válida.
Itinerario: Compatible con Anywhere OpenAI /imágenes/modificaciones con gpt-image-2.5.
Texto de la pregunta exacto
Utilizando las tres imágenes de referencia en el orden en que se proporcionan, crea una escena de escritorio horizontal en formato 3:2. Conserva la forma y el material característicos de cada objeto de referencia. Coloca la lámpara una vez a la izquierda, el cuaderno cerrado una vez en el centro y la taza una vez a la derecha. La lámpara proyecta un cálido haz de luz sobre el cuaderno sin ocultarlo. Fondo de estudio neutro y limpio. Sin texto, sin logotipo, sin marca de agua, sin personas, sin objetos duplicados y sin productos adicionales.
Datos completos de la imagen:
- Entrada 1:
00-control/accesorios/lámpara-de-referencia.png(1 334 151 bytes; SHA-25640c72915de60ba32e70de009b12619f3ffa8643460fd8e8326ffe3d94d215987) - Entrada 2:
00-control/fixtures/ref-notebook.png(2 067 635 bytes; SHA-256e96298c43d0b04ec4f50aa66d9a4005f3236fa51d945394d257303dd9e790179) - Entrada 3:
00-control/fixtures/ref-mug.png(1 444 324 bytes; SHA-2561d4cec622254b8533c5122fc5c0b2432b38e39fb3c16412dab02b744de5e538f)
Configuración real de la solicitud
talla1536 x 1024calidadaltoformato_de_salidawebpantecedentesopacon1
Comprobaciones objetivas
presencia_y_recuento_de_objetos2/2
Hay una lámpara, un cuaderno cerrado y una taza.
identidad_de_referencia2/2
La lámpara verde y de latón, el cuaderno de color coral y la taza azul acanalada conservan su identidad y sus materiales característicos.
relación_espacial2/2
La lámpara está a la izquierda, el cuaderno en el centro y la taza a la derecha, tal y como se había solicitado.
coherencia_de_la_escena2/2
La escala, la perspectiva, la iluminación, las sombras y el cálido haz de luz forman un conjunto coherente.
prohibiciones_y_artefactos2/2
No se aprecia ningún texto, logotipo, marca de agua, personas, productos duplicados, sustituciones ni defectos materiales.
Salida completa
El resultado completo de la primera validación, con una resolución de 1536×1024, aparece justo debajo de este panel de información. La respuesta se devolvió en formato PNG, aunque la solicitud se había realizado en formato WebP.
En los cinco primeros resultados válidos, las comprobaciones declaradas se superaron con creces: tres obtuvieron una puntuación de 10/10 y dos, de 9/10. El límite útil es igualmente importante. Se trata de pruebas a nivel de tarea procedentes de una ruta de compatibilidad, sin lotes repetidos ni variantes oficiales reveladas. Para obtener mejores resultados en tu propio trabajo, utiliza unas instrucciones fijas, restricciones explícitas, referencias coherentes y una fase de revisión; esto Guía para mejorar la precisión de la generación de imágenes mediante IA amplía ese flujo de trabajo.
La ruta probada también reveló una discrepancia de formato que merece la pena registrar por separado: las solicitudes formales que se completaron con éxito pedían un archivo WebP, pero devolvían un PNG, aunque conservaban las dimensiones solicitadas de 1536×1024. Una solicitud de disponibilidad pidió un archivo WebP de 1024×1024 y recibió un PNG de 1254×1254. Se trata de observaciones sobre la ruta unificada de Anywhere en la fecha de la prueba, no de un comportamiento atribuible a la API nativa de OpenAI.
¿Cómo se debe elegir una ruta de GPT Image 2.5?
Empieza por el flujo de trabajo que necesites y, a continuación, valídalo con una tarea fija. Las descripciones de los modelos de OpenAI ofrecen una primera opción razonable, pero no sustituyen a una prueba en la que utilices tus propias indicaciones, imágenes de referencia, reglas de aceptación y presupuesto de latencia.
| Ruta | Úsalo para probarlo | Identidad y límites probatorios |
|---|---|---|
gpt-image-2.5-flare | Producción diaria en la que tanto la velocidad como la calidad del resultado son importantes | Posicionamiento oficial del OpenAI; no se ha probado de forma práctica en este artículo |
gpt-image-2.5-sunburst | Flujos de trabajo de edición en los que la precisión y la conservación del material original son fundamentales | Posicionamiento oficial del OpenAI; no se ha probado de forma práctica en este artículo |
| Instantáneas con fecha | Pruebas de regresión y comportamiento reproducible en producción | Fija la instantánea del 8 de septiembre en lugar del alias móvil |
En cualquier lugar gpt-image-2.5 | Una vía de compatibilidad unificada específica para cada proveedor | Se presentan aquí cinco resultados válidos de la tarea; no se ha realizado ningún mapeo de Flare/Sunburst ni ninguna atribución nativa a OpenAI. |
Ejecuta una tarea representativa de generación y edición antes de implementar un flujo de trabajo en producción. Compara la tasa de resultados aceptables, la conservación, la distribución de la latencia y el uso devuelto, en lugar de basarte únicamente en una única muestra atractiva. Si a tu equipo le resulta útil distribuir diferentes trabajos entre distintas herramientas, Compara los mejores generadores de imágenes con IA y mantener la decisión de selección a nivel de tarea.
Errores habituales en la implementación
- Enviar una etiqueta familiar en lugar de un número de identificación oficial exacto del modelo. Utilice
gpt-image-2.5-flareogpt-image-2.5-sunbursten la API nativa, a menos que tu proveedor indique expresamente otra forma de hacerlo. - Analizar cada respuesta igual que en la API de Image directa. La API de respuestas devuelve elementos de salida de llamadas a herramientas, por lo que su lógica de extracción difiere de
images.generateoimágenes.editar. - Tratar los datos en formato base64 como la URL de una imagen alojada. Descifra los bytes, comprueba la validez del archivo y guárdalo en tu propio sistema multimedia autorizado.
- Se está utilizando un tamaño personalizado no válido. Comprueba los múltiplos de 16, el área, la relación de aspecto y la longitud máxima del lado antes de realizar la solicitud.
- Se han combinado opciones de salida incompatibles. La transparencia requiere el formato PNG o WebP; el control de compresión se aplica a los formatos JPEG y WebP.
- Se va regenerando hasta que el resultado parece satisfactorio y, entonces, se considera como la primera salida. Guarda el primer resultado válido e informa de los reintentos por separado si quieres realizar una evaluación honesta del modelo.
- Calificar un tiempo de espera o una respuesta por exceso de capacidad como mala calidad de imagen. Si no hay ninguna imagen válida, no se asigna puntuación de calidad; registra el incidente en la categoría de disponibilidad o transporte.
Preguntas frecuentes sobre la API de GPT Image 2.5
¿Tiene GPT Image 2.5 una API?
Sí. El documento OpenAI describe la generación directa de imágenes, la edición directa de imágenes y la generación de imágenes mediante la herramienta API de respuestas.
¿Cuáles son exactamente los identificadores del modelo GPT Image 2.5?
Los alias de movimiento son gpt-image-2.5-flare y gpt-image-2.5-sunburst. Las instantáneas del 8 de septiembre de 2026 añaden -2026-09-08 a cada alias.
¿Cuánto cuesta la API de GPT Image 2.5 por imagen?
No existe un precio fijo verificado por imagen. El coste depende de los tokens de entrada de texto devueltos, de texto almacenado en caché, de entrada de imagen, de imagen almacenada en caché y de salida de imagen. Utiliza las tarifas oficiales por millón de tokens en función del uso real.
¿GPT Image 2.5 permite editar varias imágenes?
Sí. La API de edición admite hasta 16 imágenes de entrada. Se trata del máximo admitido, no de una garantía de que todas las composiciones de 16 imágenes conserven todos los detalles.
¿Puede GPT Image 2.5 generar un archivo PNG o WebP transparente?
Sí. Establece el fondo como transparente y utiliza el formato PNG o WebP para la exportación. Comprueba que el archivo descodificado contenga un canal alfa antes de utilizarlo en un flujo de trabajo de activos de producción.
¿Cuáles son los límites de uso de la API de GPT Image 2.5?
El acceso gratuito no está disponible en la tabla actual. El nivel 1 comienza en 100 000 TPM y 5 IPM; el nivel 5 alcanza los 8 000 000 TPM y 250 IPM, y los límites de los niveles 2 a 4 se indican más arriba. Consulta la página del modelo actual antes del lanzamiento.
Conclusión
Utiliza «Flare» o «Sunburst» según el posicionamiento oficial del flujo de trabajo y, a continuación, verifica la elección con tus propias tareas congeladas. Fija una instantánea con fecha cuando la reproducibilidad sea importante, descodifica e inspecciona el archivo devuelto, y calcula el coste a partir del uso real de tokens en lugar de una cifra estimada por imagen. Nuestro lote de Anywhere generó cinco primeros resultados sólidos y limitados a tareas concretas, pero no reveló ninguna variante oficial, no completó las pruebas de transparencia ni de niveles de calidad, ni estableció una fiabilidad generalizada.
