GPT Image 2.5 API: preços de Flare e Sunburst

GPT Image 2.5 API: preço por imagem e escolha do modelo

Na Orux AI, a GPT Image 2.5 API cobra um valor fixo de 5.4 Credits ($0.027) por imagem 1K, 9 Credits ($0.045) por imagem 2K e 14.4 Credits ($0.072) por imagem 4K. Flare e Sunburst têm o mesmo preço. A OpenAI não publica um valor fixo por imagem para esses modelos: cobra $30 por milhão de tokens de saída de imagem, portanto o custo depende da qualidade e do tamanho. A seguir estão os preços, as diferenças entre os modelos, uma requisição Python e a análise de um exemplo salvo, examinado no artigo original.

Preço por imagem da GPT Image 2.5

A Orux AI cobra um preço fixo por imagem concluída, definido por resolution. A tabela compara esse valor com a cobrança por tokens da OpenAI e uma oferta de terceiros por imagem, conforme consulta de 29 de outubro de 2026.

Deslize para os lados para ver toda a tabela.

Fontes: OpenAI GPT Image 2.5 Sunburst, OpenAI GPT Image 2.5 Flare, preços da API getimg.ai e páginas Orux de Flare e Sunburst. A Orux AI cobra em Credits, com equivalência fixa de 1 Credit = $0.005. Os dólares entre parênteses servem apenas para comparação.

Há duas ressalvas antes de interpretar os preços:

• Na OpenAI, o custo depende de quantos tokens de saída são produzidos pela combinação de qualidade e tamanho. A empresa oferece qualidades de low a max, além de auto, e informa que a calculadora GPT Image 2 não estima o consumo da GPT Image 2.5. Sem uma quantidade publicada de tokens por imagem, não é possível afirmar uma economia em condições equivalentes frente à OpenAI direta.
• O esquema de requisição desses modelos na Orux AI não tem quality. É possível escolher resolução e proporção, mas não a faixa de qualidade da OpenAI. Se seu fluxo depende de low para rascunhos baratos, considere usar a OpenAI diretamente.

O preço fixo facilita o orçamento: 1,000 imagens 2K custam 9,000 Credits ($45). Gerações com falha não são cobradas; uma tarefa de imagem só é faturada quando chega a SUCCESS. Se o custo for a prioridade, Nano Banana 2.1 custa menos na Orux em todos os tamanhos: 3.6 / 5.4 / 8.1 Credits para 1K / 2K / 4K. A lista completa está em APIs de geração de imagens mais baratas, em inglês.

Flare ou Sunburst: o que muda

O preço não muda, e ambos aceitam os mesmos parâmetros na Orux AI. As diferenças estão no posicionamento da OpenAI e nas observações históricas de duração registradas pelo artigo original.

Deslize para os lados para ver toda a tabela.

As médias de 67 e 125 segundos foram publicadas nas páginas dos modelos em outubro de 2026, com apenas cinco tarefas concluídas para cada um. Sunburst levou mais tempo nessa amostra, mas as condições não eram controladas. Esses dados não definem um vencedor geral nem garantem o tempo atual. Carga, prompt e resolução podem alterar a espera.

A OpenAI posiciona Sunburst para trabalhos que exigem edição precisa. Seguindo esse posicionamento, Flare pode ser um ponto de partida para rascunhos, fotos de produto e várias opções entre as quais escolher; sua média histórica foi aproximadamente metade da outra. Considere Sunburst para editar imagens existentes ou finalizar textos pequenos e detalhes. Isso é uma sugestão de teste baseada no fabricante e em observações limitadas, não uma classificação de qualidade obtida em comparação controlada. O mesmo preço por imagem também não significa que a espera seja a única diferença no custo total de produção.

Gerar uma imagem com Python

A geração na Orux AI é assíncrona: você envia uma tarefa, consulta o status e baixa o resultado. Esse endpoint de tarefas não oferece callbacks, e as URLs de resultado são temporárias. Salve o arquivo assim que a tarefa terminar com sucesso.

# 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)

O exemplo original não define um prazo total para a consulta de status. Em produção, acrescente um limite global e uma estratégia de cancelamento. Os principais campos são:

• prompt: assunto, cena, estilo e iluminação. Cada requisição produz uma imagem.
• resolution: 1K, 2K ou 4K. É o campo que altera esse preço por imagem.
• aspect_ratio: auto, 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9; também há 27:16, 16:27, 9:8 e 8:9, disponíveis apenas em 1K.
• image_urls: até 16 referências. Omita para gerar a partir de texto; inclua para editar ou combinar imagens.

A edição usa a mesma requisição com referências adicionadas. Por exemplo, para mudar o estilo de uma foto de produto existente:

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
})

As URLs de referência precisam estar acessíveis ao serviço. Use links públicos ou assinados, não caminhos de arquivos locais.

Caso: uma livraria em miniatura dentro de um livro

Examinar um resultado com atenção é mais útil que discutir qualidade de forma abstrata. Este é o exemplo salvo “Miniature bookshop” da página GPT Image 2.5 Sunburst. Já existia na Orux e foi analisado para o artigo original; nenhuma imagem nova foi gerada para esta tradução.

Os parâmetros salvos são resolution="2K" e aspect_ratio="3:2"; o arquivo público mede 2048 × 1365. Essa é a dimensão observada naquele arquivo, não uma garantia para todas as saídas 2K. O prompt original é:

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.

Três pistas tornam essa escala impossível compreensível. A lombada vertical à esquerda continua parecendo um livro comum. As páginas empilhadas acima da loja formam um telhado e transformam o livro em edifício. Nas janelas, prateleiras e luminárias bem menores indicam um interior habitável. Sem uma dessas pistas, a composição pode virar apenas “livro” ou “loja”, sem reunir as duas ideias. O toldo listrado e as plantas trepadeiras conectam as escalas sem acrescentar uma paisagem separada.

O prompt faz o mesmo com palavras: a capa dura fornece a estrutura; “paper diorama”, as bordas táteis de papel; e “honey-colored windows”, a sugestão de um interior acolhedor. O toldo desse resultado diz “Orux AI” com todos os caracteres corretos. Um acerto observado não garante que os textos seguintes sempre estarão certos.

Como referência, o exemplo “Desert architecture” na página Flare também usa 2K e 3:2. Seu arquivo também mede 2048 × 1365, e a pequena placa de latão traz “Orux AI” corretamente. Como os prompts são diferentes, isso não é uma comparação controlada entre modelos. Só mostra que cada um acertou uma vez um texto curto com essas configurações.

Se adaptar a ideia para uma semana de leitura, mude a metáfora espacial antes de acumular objetos decorativos. Uma biblioteca móvel dentro de um atlas aberto, usando dobras do mapa como paredes e uma única porta para marcar a escala, seria uma proposta diferente. Não geramos essa imagem: é uma direção criativa para experimentar.

Conferir texto e dimensões antes de publicar

Toda imagem com texto precisa de leitura humana antes da entrega. Estas quatro verificações ajudam:

Deslize para os lados para ver toda a tabela.

A última é fácil de automatizar porque o Python acima já abre a imagem com Pillow. Adicione uma asserção sobre img.size antes de enviar o arquivo ao CMS. Isso não substitui a conferência das letras. Datas, preços e textos legais importantes devem continuar como texto real da página. As letras dentro da imagem podem ser decorativas, mas ainda precisam de revisão.

FAQ

Q.Quanto custa a GPT Image 2.5 por imagem?

Na consulta de 29 de outubro de 2026, Flare e Sunburst custam na Orux AI 5.4 Credits ($0.027) em 1K, 9 Credits ($0.045) em 2K e 14.4 Credits ($0.072) em 4K. A OpenAI não publica um preço fixo por imagem: cobra $30 por milhão de tokens de saída de imagem, e o custo varia com qualidade e tamanho.

Q.Devo usar Flare ou Sunburst?

O posicionamento do fabricante sugere testar Flare para várias propostas e Sunburst para edição precisa e detalhes finais. O preço Orux é igual. Em outubro de 2026, cinco tarefas concluídas por modelo tiveram médias de 67 e 125 segundos. Essas pequenas amostras históricas não garantem a velocidade atual nem estabelecem superioridade de qualidade.

Q.A resolução muda o preço?

Sim, é o campo que altera esse preço por imagem na Orux AI. Ambos os modelos custam 5.4 Credits em 1K, 9 em 2K e 14.4 em 4K. Proporção, comprimento do prompt e número de referências não mudam essa tarifa por imagem.

Q.Posso editar uma imagem existente?

Sim. Envie até 16 URLs de imagens acessíveis publicamente em image_urls, com um prompt que explique o que manter e o que modificar. A OpenAI posiciona Sunburst para tarefas em que a precisão da edição importa. O formato da requisição e o preço são iguais aos da geração a partir de texto.

Q.Quanto tempo demora a geração?

Nas amostras de outubro de 2026 citadas no original, Flare levou cerca de um minuto e Sunburst cerca de dois: médias de 67 e 125 segundos em cinco tarefas de cada modelo. Isso não é um prazo atual garantido. Consulte o status a cada poucos segundos e baixe o resultado logo, pois as URLs expiram.

Fontes e próximo passo

Abra os exemplos salvos de GPT Image 2.5 Flare e GPT Image 2.5 Sunburst, ou consulte os preços da Nano Banana 2.1 API, em inglês. Preços verificados em 2026-10-29; oferta getimg.ai verificada em 2026-10-30. Fontes: documentação OpenAI, preços OpenAI, getimg.ai.