GPT Image 2.5: фотореализм, цена и вызов по API

OpenAI выпустила ChatGPT Images 2.5 8 сентября 2026 года. В API это две модели — gpt-image-2.5-flare и gpt-image-2.5-sunburst, обе со снапшотом 2026-09-08. Разговор вокруг релиза — про фотореализм: OpenAI обещает естественный свет и текстуры, а тестировщики ранних сборок на Arena описывали кожу, ткань и тени, которые перестали выдавать генерацию. Ниже — что из этого подтверждено цифрами, что пока только впечатление, и что изменится в коде, если ты сейчас ходишь в GPT Image 2.

В GPTunneL 2.5 уже доступна: в лаборатории работает gpt-image-2.5-codex — версия с фиксированным разрешением, 8 ₽ за картинку со скидкой 60%. Полноценная модель с выбором разрешения до 4K появится в каталоге следом. Примеры запросов ниже — на той, что уже есть.

Картинка выше сгенерирована в GPTunneL на gpt-image-2.5-codex по промпту на русском языке. Переводить на английский не пришлось: модель отработала описание целиком — от модели машины с узнаваемой решёткой и эмблемой до листвы на дороге и света между стволами.

Что вышло

Две модели — это не «большая и маленькая», а разделение по задаче. OpenAI называет Flare моделью по умолчанию: качество выше GPT Image 2 при вдвое меньшей задержке. Sunburst — для сценариев, где важна точность правок: рекламные кампании, продуктовые фото, серии картинок с одним персонажем. За точность она платит временем генерации.

Manus, получивший ранний доступ, пишет, что Flare у них отдавала картинки в два–четыре раза быстрее GPT Image 2 и лучше справлялась с прозрачным фоном. Adobe подтвердила интеграцию в Firefly, среди ранних клиентов OpenAI называет также Runway. Глава продукта Higgsfield AI Ахултан Алимкулов формулирует главное так: «Больше всего нас впечатлило, насколько хорошо Flare понимает, что не менять. Можно сделать существенную правку, не потеряв персонажа, композицию и визуальную идентичность исходной картинки».

Откуда разговоры про «не отличить от фото»

Сама OpenAI формулирует осторожно: «более естественный свет и богаче текстуры», модель «лучше сохраняет объекты с референсных фото». Никакого теста на неразличимость с реальными снимками в анонсе нет.

Более конкретный источник — Arena. В августе там анонимно тестировались две модели без указания разработчика, mona-lisa-1 и luna-lisa-alpha; по срокам и поведению это, судя по всему, ранние сборки 2.5, хотя OpenAI связь не подтверждала. Наблюдения тестировщиков сводились к трём вещам: естественнее кожа и ткань, корректное поведение при жёстком прямом свете, меньше зерна в тенях. Это ровно те места, по которым нейросетевую картинку обычно и распознают, так что ощущение «как фото» не случайно — улучшения прицельные.

Цифры после релиза такие. На Text-to-Image Arena Sunburst занимает первое место с 1421 баллом, Flare — второе с 1399, предыдущая GPT Image 2 в режиме medium — 1381, ближайший конкурент MAI-Image-2.6 от Microsoft — 1331. Относительно GPT Image 2 Sunburst прибавила 40 баллов на генерации, 59 на правке одной картинки и 81 на правке по нескольким референсам. Первое и второе места — во всех трёх Arena-лидербордах: генерация, правка, мультиреференсная правка.

Важно правильно читать эти числа. Arena — это слепые парные сравнения: людям показывают две картинки на один промпт, они выбирают лучшую. Балл измеряет, насколько чаще модель нравится, а не насколько её результат неотличим от фотографии. Независимого замера «сколько людей приняли генерацию за снимок» на сегодня нет. Честная формулировка: 2.5 заметно чаще выигрывает у прошлого поколения, и главный прирост — именно в реализме материалов и света.

Отличить всё-таки можно, и не на глаз. OpenAI кладёт в каждую картинку метаданные C2PA и невидимый водяной знак. Метаданные проверяются любым C2PA-валидатором и пропадают при скриншоте или пересжатии в соцсетях; водяной знак это переживает, но читается только инструментами OpenAI. Если ты строишь пайплайн, где происхождение картинки важно, — сохраняй оригинальный файл, а не результат sharp после ресайза: он метаданные снимет.

Примеры генераций

Ниже — примеры из релизных материалов OpenAI для Images 2.5. Смотреть стоит на то, о чём шла речь выше: как ведут себя источники света, отражения на мокрых поверхностях, зерно в тенях и текст в кадре.

Обе сцены — про свет: десятки точечных источников, мокрый асфальт, дымка между зданиями. Раньше именно здесь появлялись «плавающие» блики и повторяющиеся паттерны окон.

Стилизация под живопись середины XX века держится по всему кадру — от одежды до архитектуры, без «цифровых» деталей, которые ломали бы стиль.

Три примера с текстом: серии из восьми и девяти самостоятельных макетов с разными надписями в одном кадре без единой опечатки, включая мелкие подзаголовки и японские иероглифы рядом с латиницей.

Слайд презентации целиком: заголовок, четыре иконки с подписями, фотореалистичное солнце справа. Это тот сценарий, где раньше картинку и текст приходилось собирать раздельно.

Правки: что изменилось по существу

Главное для рабочих задач — не генерация с нуля, а редактирование, и здесь три изменения:

• Локальность. Модель меняет только то, о чём попросили, и оставляет остальное на месте — включая сложный фон и несколько объектов в кадре. Именно этой локальности Images 2.0 не хватало: правка одной детали тянула за собой соседние.
• Многоходовые правки. Качество не деградирует от шага к шагу: пятая правка одной картинки выглядит не хуже первой.
• Референсы. Человек или предмет с твоего фото узнаваем после смены сцены, стиля и ракурса. В анонсе это показано на бытовых сценариях: портрет ребёнка в новом стиле, собака в костюме, деловое фото из снимка в фотобудке, склейка нескольких людей в одно фото с вечеринки.

Отдельно OpenAI называет прозрачный фон, сложные макеты с текстом и более точное содержание там, где в картинке есть реальные данные (карты, схемы, инфографика), — то, за что линейку GPT Image выбирают под этикетки, постеры и слайды.

В самом ChatGPT появились четыре инструмента: Sketch (@Sketch в строке ввода — рисуешь планировку комнаты или контур одежды прямо в чате, набросок уходит модели как визуальная подсказка), шаблоны под постер и мерч, комментарии к области картинки вместо словесного описания «вон тот угол» и публикация промпта вместе с картинкой. Для API это не имеет значения: Sketch — это просто референсное изображение, шаблоны — заготовленный промпт.

Цена у OpenAI

Ставки за токен у Flare и Sunburst одинаковые и совпадают с GPT Image 2. Но цена картинки — это ставка, умноженная на число выходных токенов, а оно зависит от уровня качества и разрешения. Для новых уровней xhigh и max расход токенов в документации не опубликован, калькулятор для GPT Image 2 их не знает. На форуме разработчиков OpenAI это одна из первых претензий к релизу: ставка та же, а во сколько обойдётся картинка на max — неизвестно, пока не сгенерируешь.

Лимиты у OpenAI по тирам: на первом тире — 5 картинок в минуту и 100K токенов, на пятом — 250 картинок и 8M токенов.

Через GPTunneL: цена до генерации

В нашем медиа-API цена считается до запуска, поэтому вопрос «сколько стоит эта комбинация» решается одним запросом:

curl https://gptunnel.ru/api/v2/media/price \
  -H "Authorization: <ВАШ_API_КЛЮЧ>" \
  -H "Content-Type: application/json" \
  -d '{ "model": "gpt-image-2.5-codex", "prompt": "test", "params": { "aspect_ratio": "3:2" } }'

Ответ на момент публикации:

{ "code": 0, "model": "gpt-image-2.5-codex", "price": 8, "price_before_discount": 20,
  "discount_percent": 60, "currency": "RUB", "params": { "aspect_ratio": "3:2" },
  "breakdown": ["20", "20 × (1 − 60%) = 8"] }

Поле prompt обязательно даже для расчёта — без него придёт ERR_EMPTY_PROMPT. Та же тройка model + prompt + params уходит в создание задачи:

curl https://gptunnel.ru/api/v2/media/tasks \
  -H "Authorization: <ВАШ_API_КЛЮЧ>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5-codex",
    "prompt": "Предметное фото керамической кружки на дубовом столе, мягкий боковой свет из окна, 50 мм, малая глубина резкости",
    "params": { "aspect_ratio": "3:2" },
    "inputs": { "reference": ["<URL_ФОТО_ТОВАРА>"] },
    "idempotency_key": "mug-2k-001"
  }'

Что принимает gpt-image-2.5-codex: aspect_ratio — от 9:21 до 21:9, двенадцать значений плюс auto; референсы — до четырёх картинок в роли reference, jpeg/png/webp до 30 МБ каждая. Разрешение у этой версии фиксированное: параметр resolution она не знает, и /price вернёт его в ignored_params, а не ошибкой — проверяй это поле, если переносишь код с GPT Image 2, где 1K/2K/4K выбираются. У полноценной 2.5, которая появится следом, выбор разрешения будет. Результат — по GET /api/v2/media/tasks/:id или на webhook_url. Полная схема параметров и ролей — в каталоге GET /api/v2/media/models и в документации CreativeLab.

Что сломается в проде

• Счёт за xhigh и max. У OpenAI расход токенов на этих уровнях не задокументирован. Через GPTunneL считай /price перед задачей и логируй price из ответа — иначе бюджет на партию из тысячи карточек узнаешь по факту.
• Sunburst медленнее. Флаг wait: true держит соединение около 30 секунд, для Sunburst на 4K этого может не хватить. Ставь webhook_url или опрашивай задачу, а клиентский таймаут на сам запрос — не меньше 60 секунд.
• Модерация строгая. У 2.5 в каталоге режим strict; у 2.5 OpenAI отчитывается о снижении доли небезопасных генераций в состязательных тестах до 1,09% у Sunburst и 1,41% у Flare против 1,64% у Images 2.0 — фильтр стал плотнее. Отказ модерации — это не сетевая ошибка: ретраить его с экспоненциальной паузой бессмысленно, отправляй промпт на переформулировку.
• Ретраи без дублей. Референсная генерация на 4K — дорогая задача; после таймаута повторный запрос без idempotency_key создаст вторую. Ключ обязателен.
• Метаданные C2PA снимет любой ресайз или конвертация. Если происхождение картинки нужно доказывать — храни оригинал.
• Не путай с MAI-Image-2.5. У Microsoft своя линейка с тем же номером: MAI-Image-2.5 вышла в июне, MAI-Image-2.6 сейчас четвёртая на Arena. В запросах «image 2.5» и в статьях их смешивают; в API OpenAI Microsoft-моделей нет.

Сколько стоит в GPTunneL

GPT Image 2.5 Codex — 8 ₽ за картинку со скидкой 60% (без скидки 20 ₽), оплата за генерацию, без подписки. GPT Image 2 с выбором разрешения — 32 ₽ за 1K, 48 ₽ за 2K и 64 ₽ за 4K. Цена полноценной 2.5 с 4K появится в каталоге вместе с моделью; актуальные цифры по всем моделям — на странице цен.

Частые вопросы

GPT Image 2.5 и ChatGPT Images 2.5 — это одно и то же? Да. Images 2.5 — название в интерфейсе ChatGPT, GPT-Image-2.5 Flare и Sunburst — те же модели в API.

Flare или Sunburst? Flare — по умолчанию: быстрее, дешевле по времени, выше GPT Image 2 по качеству. Sunburst — когда серия правок должна не сдвинуть ничего лишнего, и ты готов ждать дольше.

Правда, что картинки не отличить от фото? В слепых сравнениях Sunburst выигрывает у прошлого поколения и у всех конкурентов, прирост — в коже, ткани, жёстком свете и тенях. Замера «приняли за фотографию» нет ни у OpenAI, ни у независимых тестов. Технически различить можно по метаданным C2PA и водяному знаку.

Дороже ли 2.5, чем GPT Image 2? Ставка за токен та же. Дороже могут выйти новые уровни xhigh и max — за счёт большего числа токенов на картинку.

Можно ли попробовать 2.5 в GPTunneL? Да: gpt-image-2.5-codex уже в лаборатории и в API, 8 ₽ за картинку. Полноценная версия с выбором разрешения до 4K появится в каталоге следом.

Нужен ли VPN? В GPTunneL — нет: линейка GPT Image доступна из России напрямую, оплата российскими картами в рублях, счёт идёт за фактические генерации.

Попробуй сам

Возьми свой рабочий промпт на предметную съёмку или портрет — тот, на котором GPT Image 2 выдавала «пластиковую» кожу или плоский свет, — и сохрани результат. Открой GPT Image 2.5 в GPTunneL, прогони тот же промпт с тем же референсом и сравни две картинки рядом. Разницу в реализме материалов видно без бенчмарков.