API GPT Image 2.5 Flare
GPT Image 2.5 Flare est le modèle API d'OpenAI privilégiant la vitesse : une qualité comparable à GPT Image 2 avec environ 50 % de latence en moins, et le choix par défaut pour la plupart des applications. Roko expose génération et édition par référence à 0,02 $ en 1K, 0,03 $ en 2K et 0,04 $ en 4K.
- ID public du modèle
gpt-image-2.5-flare- Paliers de sortie
1K / 2K / 4K (1K par défaut)- Facturation
Par sortie selon la résolution- Endpoint
POST /v1/images/tasks- Instantané du catalogue
Qu'est-ce que GPT Image 2.5 Flare ?
GPT Image 2.5 Flare est l'un des deux modèles d'images API qu'OpenAI a livrés avec le lancement de ChatGPT Images 2.5. Officiellement, c'est le « small model, optimisé pour la vitesse » : une qualité comparable à GPT Image 2 avec ~50 % de latence en moins, et OpenAI le présente comme le choix par défaut pour la plupart des applications. Les premiers clients saluent qu'il « comprend ce qu'il ne faut pas changer » — des éditions efficaces qui préservent personnage, composition et identité visuelle.
OpenAI prend en charge en amont la génération, l'édition et les fonds transparents. Le formulaire Roko actuel expose génération et édition par référence, sans background ni output_format ; cette page ne promet donc pas de canal alpha.
Roko expose actuellement les paliers 1K, 2K et 4K ainsi que 14 choix de format, auto inclus, à 0,02 $ / 0,03 $ / 0,04 $ par image. Les appels passent par des tâches asynchrones.
Capacités clés
Le palier vitesse officiel
Qualité de niveau GPT Image 2 avec ~50 % de latence en moins — le modèle image par défaut d'OpenAI pour la plupart des applications.
Édition précise, sujets préservés
OpenAI et les premiers clients soulignent qu'il sait ce qu'il ne faut pas changer : éditer l'essentiel en gardant personnage et composition.
Transparence en amont
OpenAI la prend en charge, mais Roko n'expose pas encore les contrôles dédiés ; la validation de requête fait foi.
Pensé pour le volume
Basse latence et tarifs dès 0,02 $ pour le contenu social, la recherche visuelle et la génération à forte concurrence.
Prix de l'API GPT Image 2.5 Flare
Les tarifs sont générés depuis le catalogue Roko actuel et facturés par sortie selon la résolution choisie. Confirmez l'estimation console avant l'envoi.
| Résolution | Prix | Unité |
|---|---|---|
| 1k | $0.02 | par sortie |
| 2k | $0.03 | par sortie |
| 4k | $0.04 | par sortie |
Exemples de coûts
Coût standard pour le contenu courant et l'itération rapide.
Dépense typique d'un lot social/marketing ; les images en échec ne sont pas facturées.
Paramètres et périmètre pris en charge
Ces champs proviennent du generation_config public actuel. quality n'expose qu'auto ; les capacités hors formulaire suivent la validation de la requête.
| Paramètre | Valeurs | Notes |
|---|---|---|
prompt | textarea | Décrivez l’image à créer ou les modifications à appliquer aux références. · Requis |
image_urls | url / base64 | Références possibles en URL ou Base64. Précisez ce qui doit rester et ce qui peut changer. · Optionnel |
size | auto / 1:1 / 16:9 / 9:16 / 4:3 / 3:4 / 3:2 / 2:3 / 5:4 / 4:5 / 21:9 / 9:21 / 2:1 / 1:2 / 1:3 / 3:1 | Choisit, selon le modèle, un rapport d’aspect, un palier de résolution ou des dimensions en pixels. · Défaut: auto · Optionnel |
resolution | 1K / 2K / 4K | Choisit un palier de résolution configuré pour ce modèle ; la valeur peut influer directement sur le prix. · Défaut: 1K · Optionnel |
quality | auto | Le palier de qualité suit la configuration du modèle (auto / low / medium / standard / hd) et peut influencer le prix. · Défaut: auto · Optionnel |
Appeler GPT Image 2.5 Flare avec Roko API
Passez par le flux de tâches asynchrones : soumettez une tâche pour obtenir un task_id, puis consultez le résultat. N'exposez jamais une clé API côté client.
Lancer la génération
curl https://api.rokoapi.com/v1/images/tasks \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: YOUR_UNIQUE_REQUEST_ID" \
-d '{
"model": "gpt-image-2.5-flare",
"prompt": "Fast social campaign visual, bold readable headline, consistent brand colors, clean composition",
"size": "16:9",
"resolution": "2K",
"quality": "auto"
}'Consulter la tâche de récupération
curl https://api.rokoapi.com/v1/tasks/$TASK_ID \
-H "Authorization: Bearer $API_KEY"POST /v1/images/tasks renvoie 202 avec un task_id ; une fois la génération terminée, interrogez GET /v1/tasks/{task_id} pour le résultat ou le motif d'échec. L'Idempotency-Key doit être unique ; les rejeux avec la même clé renvoient la tâche d'origine sans refacturation.
Cas d'usage idéaux
Contenu social et créateur
La basse latence rend viable la génération d'actifs interactifs à l'unité.
Vertical story graphic announcing a weekend sale, bold typography, warm gradient background.
Variantes rapides depuis une référence
Ajoutez une référence, précisez ce qui doit rester et produisez vite des variantes sociales ou marketing.
Keep the coffee cup unchanged and replace only the background with a warm cafe counter.
Expériences produit et recherche visuelle
Un scénario officiel : la génération intégrée au produit, où la vitesse de réponse fidélise.
Generate a hero image matching this search query: minimalist desk setup with warm lighting.
Actifs marketing en grand volume
Dès 0,02 $ l'image 1K pour l'art A/B et les campagnes multi-versions.
Six ad creative variations for a plant delivery app, same layout, different hero plants.
Limites à connaître avant usage
- La qualité égale GPT Image 2 sans la dépasser ; pour les finals de marque et le raffinement répété, utilisez 2.5 Sunburst.
- quality n'expose actuellement qu'auto ; les capacités hors formulaire suivent la validation de la requête.
- Une tâche soumise n'est pas une génération réussie — fiez-vous au résultat de la consultation.
- OpenAI applique des mesures de traçabilité (C2PA, filigrane invisible) à ses produits image ; les droits sur les sorties dépendent de vos entrées et des conditions applicables.
Flare, Sunburst ou GPT Image 2 ?
L'usage courant et le volume prennent Flare (plus rapide, moins cher) ; les finals de marque et le raffinement répété prennent Sunburst (au-dessus de GPT Image 2) ; les workflows validés peuvent rester sur GPT Image 2 (0,016 $ l'image 1K, moins cher).
Tous les modèles →FAQ GPT Image 2.5 Flare
Quel ID de modèle utiliser pour GPT Image 2.5 Flare ?
Utilisez l'ID public de Roko API : gpt-image-2.5-flare, tel quel dans le champ model.
Combien coûte l'API GPT Image 2.5 Flare ?
Le catalogue actuel affiche 0,02 $ par sortie 1K, 0,03 $ en 2K et 0,04 $ en 4K. Les prix peuvent évoluer : vérifiez l'estimation console et le règlement final.
Flare ou Sunburst : quelle différence ?
Selon OpenAI : Flare est le small model optimisé pour la vitesse, avec une qualité comparable à GPT Image 2 ; Sunburst est le base model optimisé pour la qualité, au-dessus de GPT Image 2. Les deux partagent génération, édition et fonds transparents — l'arbitrage porte sur vitesse contre fidélité.
Flare est-il plus rapide que GPT Image 2 ?
OpenAI annonce ~50 % de latence en moins, et les premiers clients évoquent deux à quatre fois la vitesse de GPT Image 2. Les chiffres réels dépendent des prompts, références et tailles de sortie — mesurez sur votre propre charge.
Les fonds transparents sont-ils pris en charge ?
OpenAI la prend en charge en amont, mais le formulaire Roko actuel ne propose ni background ni output_format. Cette page ne promet donc pas de canal alpha ; la validation et la réponse réelles font foi.
Quels rapports d'aspect sont pris en charge ?
Le formulaire actuel propose 14 choix : auto, 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 5:4, 4:5, 21:9, 9:21, 2:1 et 1:2. auto est la valeur par défaut ; la validation fait foi.
Quel endpoint utiliser ?
Soumettez des tâches asynchrones via POST /v1/images/tasks pour obtenir un task_id, puis interrogez GET /v1/tasks/{task_id} pour le résultat ou le motif d'échec.
Que faut-il changer pour migrer depuis GPT Image 2 ?
Remplacez le champ model par gpt-image-2.5-flare — le formulaire est quasi identique. OpenAI suggère : exécuter d'abord les mêmes prompts sur Flare, comparer la qualité, puis basculer entièrement et mesurer le gain de latence.