GPT Image 2.5 API: Preise für Flare und Sunburst

GPT Image 2.5 API: Bildpreise und Modellwahl

Bei Orux AI kostet die GPT Image 2.5 API pauschal 5.4 Credits ($0.027) je 1K-Bild, 9 Credits ($0.045) je 2K-Bild und 14.4 Credits ($0.072) je 4K-Bild. Flare und Sunburst sind gleich teuer. OpenAI veröffentlicht für beide keinen festen Bildpreis, sondern berechnet $30 je Million Bild-Ausgabetokens. Die Kosten hängen deshalb von Qualität und Größe ab. Dieser Artikel liefert die Preistabelle, Unterschiede zwischen den Varianten, eine Python-Anfrage und die genaue Betrachtung eines gespeicherten Beispiels aus dem Originalartikel.

GPT Image 2.5: Preis pro Bild

Orux AI berechnet pro fertiggestelltem Bild einen Festpreis nach resolution. Die folgende Gegenüberstellung mit OpenAIs Token-Abrechnung und einem weiteren Bildpreisangebot entspricht dem Preisstand vom 29. Oktober 2026.

Horizontal wischen, um die ganze Tabelle zu sehen.

Quellen: OpenAI GPT Image 2.5 Sunburst, OpenAI GPT Image 2.5 Flare, getimg.ai-API-Preise sowie die Orux-Modellseiten für Flare und Sunburst. Orux AI rechnet in Credits ab: 1 Credit = $0.005. Die Dollarbeträge in Klammern dienen nur dem Vergleich.

Dabei gelten zwei Einschränkungen:

• OpenAIs Bildkosten hängen davon ab, wie viele Ausgabetokens die jeweilige Qualitäts- und Größenwahl benötigt. Angeboten werden Qualitätsstufen von low bis max sowie auto. OpenAI weist darauf hin, dass der GPT Image 2-Rechner den Verbrauch von GPT Image 2.5 nicht schätzt. Ohne veröffentlichte Tokenzahl pro Bild ist kein Vergleich unter gleichen Bedingungen mit OpenAI direkt möglich. Eine entsprechende Ersparnis behaupten wir nicht.
• Das Orux-AI-Anfrageschema dieser Modelle enthält kein Feld quality. Auflösung und Seitenverhältnis lassen sich wählen, die OpenAI-Qualitätsstufe nicht. Wenn dein Ablauf low für günstige Entwürfe voraussetzt, kommt OpenAI direkt infrage.

Der Festpreis macht die Planung einfach: 1,000 Bilder in 2K kosten 9,000 Credits ($45). Fehlgeschlagene Generierungen werden nicht berechnet; eine Bildaufgabe wird erst bei SUCCESS abgerechnet. Wenn der Preis ausschlaggebend ist, ist Nano Banana 2.1 bei Orux in jeder Größe günstiger: 3.6 / 5.4 / 8.1 Credits für 1K / 2K / 4K. Die vollständige Übersicht steht unter günstigste Bildgenerierungs-APIs, auf Englisch.

Flare und Sunburst im Vergleich

Der Preis unterscheidet sich nicht. Beide Modelle akzeptieren bei Orux AI dieselben Parameter. Unterschiede bestehen in OpenAIs Positionierung und den historischen Laufzeitbeobachtungen des Originalartikels.

Horizontal wischen, um die ganze Tabelle zu sehen.

Die Mittelwerte von 67 und 125 Sekunden stammen aus den Modellseiten im Oktober 2026 und umfassen jeweils nur fünf abgeschlossene Aufgaben. In dieser Stichprobe war Sunburst langsamer. Die Bedingungen waren jedoch nicht kontrolliert; daraus folgt weder ein allgemeiner Geschwindigkeitssieger noch eine Zusage für heutige Wartezeiten. Auslastung, Prompt und Auflösung beeinflussen die Dauer.

OpenAI positioniert Sunburst für präzise Bildbearbeitung. Aus dieser Einordnung ergibt sich eine mögliche Vorgehensweise: Flare zunächst für Entwürfe, Produktfotos oder mehrere Auswahlvarianten ausprobieren; sein historischer Mittelwert lag ungefähr bei der Hälfte. Sunburst kommt für die Bearbeitung vorhandener Bilder und Endfassungen mit kleinen Texten oder feinen Details infrage. Das ist eine Empfehlung zum Ausprobieren auf Grundlage der Herstellerpositionierung und begrenzter Beobachtungen, kein kontrolliertes Qualitätsranking. Gleiche Bildpreise bedeuten außerdem nicht, dass allein die Wartezeit die gesamten Produktionskosten unterscheidet.

Mit Python ein Bild generieren

Die Bildgenerierung bei Orux AI läuft asynchron: Aufgabe senden, Status abfragen, Ergebnis herunterladen. Dieser Aufgaben-Endpunkt unterstützt keine Callbacks. Ergebnis-URLs sind nur vorübergehend gültig; speichere die Datei nach erfolgreichem Abschluss.

# pip install requests pillow
import io, os, time, requests
from PIL import Image

BASE = "https://orux.top/api/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['ORUX_API_KEY']}"}

PRICE = {"1K": 5.4, "2K": 9.0, "4K": 14.4}  # Credits per image, Flare and Sunburst, 2026-10-29

job = {
    "model": "gpt-image-2.5-flare",  # or "gpt-image-2.5-sunburst"
    "input": {
        "prompt": "Studio product photograph of a small matte purple ceramic vase "
                  "on a warm white background, soft natural shadow, no text.",
        "resolution": "2K",
        "aspect_ratio": "3:2",
    },
}

r = requests.post(f"{BASE}/tasks", headers=HEADERS, json=job, timeout=60)
r.raise_for_status()  # 401 bad key, 402 top up your balance, 429 back off and retry
task_id = r.json()["task_id"]
print("submitted", task_id, "| charged only on SUCCESS:", PRICE[job["input"]["resolution"]], "Credits")

while True:
    time.sleep(5)
    t = requests.get(f"{BASE}/tasks/{task_id}", headers=HEADERS, timeout=30).json()
    if t["status"] not in ("QUEUED", "RUNNING"):
        break

if t["status"] != "SUCCESS":
    raise RuntimeError(t.get("error") or t["status"])  # FAILED / EXPIRED are not charged

for i, url in enumerate(t["result"]):
    data = requests.get(url, timeout=120).content  # temporary URL: download now
    img = Image.open(io.BytesIO(data))
    print(f"out_{i}: {img.size[0]}x{img.size[1]}")
    with open(f"out_{i}.{img.format.lower()}", "wb") as f:
        f.write(data)

Der ursprüngliche Beispielcode hat keine maximale Gesamtdauer für die Statusabfragen. Ergänze im produktiven Einsatz ein Gesamtzeitlimit und eine Abbruchstrategie. Die wichtigsten Felder:

• prompt: Motiv, Szene, Stil und Licht. Eine Anfrage erzeugt ein Bild.
• resolution: 1K, 2K oder 4K. Dieses Feld verändert den hier beschriebenen Bildpreis.
• aspect_ratio: auto, 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 sowie 27:16, 16:27, 9:8 und 8:9, die nur mit 1K verfügbar sind.
• image_urls: bis zu 16 Referenzbilder. Für Text-zu-Bild weglassen, zum Bearbeiten oder Kombinieren hinzufügen.

Für die Bearbeitung ergänzt du dieselbe Anfrage um Referenzen. So lässt sich etwa ein vorhandenes Produktfoto umgestalten:

job["model"] = "gpt-image-2.5-sunburst"
job["input"].update({
    "prompt": "Keep the vase exactly as shown. Replace the background with pale linen "
              "and add a soft window shadow from the left.",
    "image_urls": ["https://example.com/your-vase.png"],  # publicly reachable URL
})

Die Referenz-URLs müssen für den Dienst erreichbar sein. Verwende öffentliche oder signierte Links statt lokaler Dateipfade.

Beispiel: eine Miniaturbuchhandlung in einem Buch

Ein einzelnes Ergebnis genau zu betrachten ist hilfreicher als ein pauschales Qualitätsurteil. Hier sehen wir das gespeicherte Beispiel „Miniature bookshop“ auf der Modellseite von GPT Image 2.5 Sunburst. Es war bereits bei Orux vorhanden und wurde für den Originalartikel geprüft. Für diese Übersetzung entstand kein neues Bild.

Gespeichert sind resolution="2K" und aspect_ratio="3:2"; die öffentliche Datei misst 2048 × 1365 Pixel. Das ist die gemessene Größe dieser Datei, keine Zusage für jede 2K-Ausgabe. Der ursprüngliche Prompt lautet:

A whimsical miniature bookshop built inside a giant teal hardcover book, glowing honey-colored windows, tiny green plants, detailed handcrafted paper diorama on a cream background. The front awning clearly reads exactly "Orux AI". Warm playful illustration, cinematic studio lighting, tactile paper textures.

Drei Größenhinweise machen die unmögliche Szene verständlich. Der aufrechte Rücken links wirkt weiterhin wie ein normales Buch. Die gestapelten Seiten über dem Laden bilden ein Dach und machen das Buch zum Gebäude. Deutlich kleinere Regale und Lampen hinter den Fenstern zeigen einen bewohnbaren Innenraum. Fehlt ein Hinweis, bleibt womöglich nur „Buch“ oder „Laden“ übrig statt beidem. Gestreifte Markise und Kletterpflanzen verbinden die Maßstäbe, ohne eine unabhängige Landschaft hinzuzufügen.

Der Prompt macht dasselbe sprachlich: Das Hardcover liefert die Struktur, „paper diorama“ die fühlbaren Papierkanten und „honey-colored windows“ die einladende Innenwirkung. Auf der Markise steht „Orux AI“ mit allen Zeichen korrekt. Ein korrekter Einzelfall ist eine Beobachtung und garantiert keine generell fehlerfreie Schrift.

Zum Vergleich verwendet das vorhandene Beispiel „Desert architecture“ auf der Flare-Modellseite ebenfalls 2K und 3:2. Auch diese Datei misst 2048 × 1365, und auf dem kleinen Messingschild steht „Orux AI“ richtig. Wegen unterschiedlicher Prompts ist das kein kontrollierter Modellvergleich. Es zeigt lediglich, dass beide mit diesen Einstellungen einmal einen kurzen Schriftzug korrekt erzeugt haben.

Für eine Leseaktionswoche solltest du bei einer Übernahme eher die räumliche Metapher ändern als Dekoration stapeln. Eine mobile Bibliothek in einem aufgeschlagenen Atlas, dessen Kartenfalten Wände bilden und dessen einzelne Tür den Maßstab vorgibt, wäre ein wesentlich anderer Entwurf. Diese Idee wurde nicht generiert; sie ist ein Vorschlag zum Ausprobieren.

Schrift und Dateigröße vor der Veröffentlichung prüfen

Jedes Bild mit Schrift braucht vor der Ausgabe eine menschliche Prüfung. Vier Kontrollen helfen:

Horizontal wischen, um die ganze Tabelle zu sehen.

Die letzte Prüfung lässt sich leicht automatisieren, weil der Python-Code die Datei bereits mit Pillow öffnet. Ergänze eine Assertion für img.size, bevor sie das CMS erreicht. Das ersetzt keine Schriftprüfung. Wichtige Angaben wie Termine, Preise und Rechtstexte gehören als echter Text auf die Seite. Schrift im Bild ist Dekoration, die trotzdem korrekturgelesen werden muss.

FAQ

Q.Was kostet GPT Image 2.5 pro Bild?

Nach dem Preisstand vom 29. Oktober 2026 kosten Flare und Sunburst bei Orux AI jeweils 5.4 Credits ($0.027) in 1K, 9 Credits ($0.045) in 2K und 14.4 Credits ($0.072) in 4K. OpenAI veröffentlicht keinen festen Bildpreis und berechnet $30 je Million Bild-Ausgabetokens; der Bildpreis variiert mit Qualität und Größe.

Q.Sollte ich Flare oder Sunburst verwenden?

Nach Herstellerpositionierung eignet sich Flare als Ausgangspunkt für mehrere Entwürfe und Sunburst als Kandidat für präzise Bearbeitung und detaillierte Endfassungen. Bei Orux sind sie gleich teuer. Die historischen Stichproben vom Oktober 2026 enthielten je fünf fertige Aufgaben mit 67 beziehungsweise 125 Sekunden im Mittel. Sie garantieren weder heutige Geschwindigkeit noch eine Qualitätsrangfolge.

Q.Ändert die Auflösung den Preis?

Ja. Sie ist das Feld, das diesen Bildpreis bei Orux AI verändert. Beide Modelle kosten 5.4 Credits in 1K, 9 in 2K und 14.4 in 4K. Seitenverhältnis, Promptlänge und Anzahl der Referenzbilder ändern diese Bildtarife nicht.

Q.Kann ich ein vorhandenes Bild bearbeiten?

Ja. Übergib bis zu 16 öffentlich erreichbare Bild-URLs in image_urls und beschreibe, was bleiben und was sich ändern soll. OpenAI positioniert Sunburst für Aufgaben mit hoher Bearbeitungspräzision. Anfrageformat und Preis entsprechen der Text-zu-Bild-Generierung.

Q.Wie lange dauert eine Generierung?

Die im Original genannten Oktober-2026-Stichproben lagen bei ungefähr einer Minute für Flare und zwei Minuten für Sunburst: im Mittel 67 und 125 Sekunden bei je fünf fertigen Aufgaben. Das ist keine aktuelle Fristzusage. Frage den Status alle paar Sekunden ab und lade das Ergebnis rasch herunter, da die URLs ablaufen.

Quellen und nächster Schritt

Öffne die gespeicherten Beispiele für GPT Image 2.5 Flare und GPT Image 2.5 Sunburst oder die Nano Banana 2.1 API-Preise, auf Englisch. Preisprüfung: 2026-10-29; getimg.ai-Angebot: 2026-10-30. Quellen: OpenAI-Modelldokumentation, OpenAI-Preise, getimg.ai.