GPT Image 2.5 hivatalosan megjelent: új funkciók, Flare/Sunburst különbségek és árak

A GPT Image 2.5 hivatalosan 2026. szeptember 8-án jelent meg. Az OpenAI ezzel együtt frissítette a ChatGPT Images szerkesztési élményét, és az API-ban elérhetővé tette a gpt-image-2.5-flare és a gpt-image-2.5-sunburst modelleket: az előbbi a gyors, mindennapi, kiváló minőségű generálásra, az utóbbi a részletgazdag alkotásra és szerkesztési vezérlésre összpontosít. A hivatalos bejelentés megerősítette ezt a két modellt.

Ha plakátot készítesz, termékképet módosítasz, vagy cikkhez illusztrációt generálsz, először a létrehozási belépési pontokat és a szerkesztési funkciókat nézd meg; ha az alkalmazásodba építenéd be a képgenerálást, akkor a modelleket és a díjszabást tekintsd át. Ez a cikk a hivatalos anyagok alapján készült a 2026. szeptember 9-i állapot szerint; a modell teljesítményére és sebességjavulására vonatkozó adatok a hivatalos megfogalmazást tükrözik.

Mit hozott a GPT Image 2.5?

A frissítés középpontjában a „generálás utáni további módosítás” áll. Az OpenAI három javítást emelt ki: a referenciaképen szereplő fő témát könnyebb felismerhetően megtartani, a lokális szerkesztés jobban követi a módosítási tartományt, több körös módosításnál pedig jobban megőrzi a korábban már rögzített részleteket. A hivatalos tájékoztatás szerint a generálási késleltetés az Images 2.0-hoz képest legfeljebb 50 százalékkal csökkenhet; ez a szám nem egyedi, képenként garantált időigéret.

Éles munkafolyamatokban ezeket a változásokat úgy értheted: termékképnél megmaradnak a termék jellegzetességei, plakátmódosításnál jobban megmarad az elrendezés, folyamatos módosításnál ritkábban kell az egész képet újragenerálni. A végső anyagban mindig ellenőrizd a szöveget, a részleteket és a módosítások körét.

A ChatGPT alkotási belépési felülete több segédeszközzel is bővült:

• Sketch (vázlat): egyszerű vonalakkal add meg a kompozíciót, majd egészítsd ki szöveges instrukciókkal.
• Sablonok: plakát-, termékbemutató- vagy hasonló formákból kiindulva töltsd ki az alkotási adatokat.
• Képes megjegyzések: tedd a módosítási kéréseket közvetlenül a képre, és jelöld meg pontosan a módosítandó helyet.
• Promptmegosztás: oszd meg az alkotási promptot, hogy mások saját változatot készíthessenek belőle.

Ezek termékfunkciók és hivatalos képességleírások, nem számíthatók át közvetlenül valamely feladat sikerességi arányára vagy átdolgozási gyakoriságára.

Miben különbözik a GPT Image 2.5 a GPT Image 2-től?

A GPT Image 2 modelloldal és az új dokumentáció alapján a két generáció közötti különbség két részre bontható: modellképességekre és alkotási felületre.

Ez a táblázat a hivatalos leírásokat veti össze. Meglévő munkafolyamatoknál valósabb próba, hogy a módosítás után megmaradnak-e az eredetileg megfelelő fő témák és szövegek, illetve mennyi az összes várakozási idő és összköltség ugyanazon feladat elvégzéséhez. A „frissítés” nem jelenti azt, hogy minden generálás gyorsabb lesz, vagy hogy minden részlet változatlan marad.

Miben különbözik a Flare és a Sunburst?

Mindkét modell képes szöveg és referenciaképek alapján képeket generálni és szerkeszteni. Az alábbi összefoglaló a Flare modelloldal és a Sunburst modelloldal alapján segít a választásban.

Egy könnyen használható választási módszer: először sorold fel a nem változtatható elemeket (például termékkontúr, logó, szöveg és elrendezés), majd döntsd el, hogy az adott feladatnál fontosabb-e a várakozási idő vagy a módosítás pontossága. Ha sok kísérletre van szükség, kezdd a Flare-rel; ha a részletek már rögzítettek, és közel van a végleges átadás, a Sunburst jöhet szóba. A tényleges minőséget és időtartamot saját anyagokkal érdemes ellenőrizni.

Mennyibe kerül a GPT Image 2.5?

A cikk ellenőrzési időpontjában a két modell standard API-token egységára azonos. Az alábbi értékek USD / egymillió tokenben értendők, az OpenAI API árak oldal és a fent említett modelloldalak alapján.

Az azonos token-egységár nem jelenti azt, hogy minden kép költsége azonos. A tényleges költség az adott hívás bemeneti, kimeneti és gyorsítótárazott tokenjeitől függ, ez pedig az anyagoktól és a generálási beállításoktól függően változik. A hivatalos kalkulátorban a konkrét 2.5-ös modellt, minőséget és méretet válaszd; ne a GPT Image 2 képenkénti költségbecslését vedd át közvetlenül.

Ezért költségvetés tervezésekor jegyezd fel a valós kérések usage értékét, és vezesd a hibákat és átdolgozásokat is, végül számold ki az egyes leadható képekre jutó költséget. Ne olvasd a fenti táblázat „millió tokenenkénti” értékeit úgy, mintha „képenkénti” árak lennének, és ne kezeld az egyetlen API-hívás költségét a teljes tervezési feladat költségeként.

A ChatGPT-csomagban elérhető képgenerálást és a nyilvános API díjszabását külön kell megnézni; a csomagok és a mögöttes modellköltségek alapvető különbségeiről a Fiókok, csomagok és modellköltségek ismertetése oldalon olvashatsz.

Hogyan használd a ChatGPT-ben?

A ChatGPT Images hivatalos súgója szerint a párbeszédben közvetlenül leírhatod a generálandó képet, de választhatod az Images belépési pontot is; ha feltöltesz egy meglévő képet, és leírod, mit módosítsunk, máris szerkesztési folyamatba kerülsz. A normál Images funkció minden csomagban elérhető; a gondolkodást használó képgenerálás jelenleg a Plus, Pro és Business előfizetőknek érhető el, az Enterprise és Edu támogatás később érkezik; a pontos állapot a fiókodban látható.

Ha kipróbálnád az új belépési pontokat, válassz egy jól körülhatárolt kis feladatot:

1. Vázlatkészítés Sketchkel: mobil alkalmazásban írd be a(z) @ jelet, válaszd a Sketch opciót, rajzold meg nagyjából az elrendezést, majd írd le a stílust és a tartalmat.
2. Sablonos létrehozás: nyisd meg az Images → Templates menüt, válassz típust, és töltsd ki az adatokat; a hivatalos leírás szerint a sablonok egyelőre nem érhetők el Work módban.
3. Helyi módosítás: nyisd meg a képet, jelölj ki területet vagy fűzz hozzá megjegyzést, és írd le pontosan, mit kell megtartani.

Az alábbi egy kipróbálható szerkesztési prompt, amely a módosítási kört írja le; nem garantálja az eredményt:

Change only the background to a warm cream studio backdrop.
Keep the product shape, logo, label text, camera angle, and composition unchanged.
Do not add objects or rewrite any text.

Körönként csak egy dolgot módosíts; így könnyebb ellenőrizni az eredményt. Az ellenőrzéskor hasonlítsd össze az eredményt az eredeti képpel: nézd meg a fő téma körvonalát, a szöveget és a széleket, és mentsd el a megfelelő változatot. A hivatalos súgó arra is figyelmeztet, hogy a szerkesztés túlléphet a kijelölt területen.

A GPT Image 2.5 néhány felhasználási módja: a generálástól a többlépcsős finomításig

A hivatalos képalkotási útmutató lefedi a szövegből képet, a referenciaképes alkotást, a helyi módosítást és a több körös párbeszédet. Az alábbiakban feladattípusonként mutatjuk be a használatot; az API-paramétereket a hivatalos dokumentáció alapján rendeztük, a példák a kérés szerkezetét illusztrálják, és nem teszteltük őket egyenként nyilvános API Key-jel.

1. Szövegből kép: egy mondatnyi leírással kezdve

Cikkek illusztrációihoz, plakátvázlatokhoz, termékbemutató-hátterekhez és design-jelöltekhez hasznos. Először fogalmazd meg egyértelműen a célt, a fő témát, a stílust, a kompozíciót és a megjelenő szöveget, majd válaszd ki a méretet és a minőséget; elsőre nem kell minden beállítást maximumra venni.

Az Images API önállóan is tud képet generálni, és az n paraméterrel több jelöltet is kérhetsz. Az alábbi egy illusztrációt generáló kérés törzsének vázlata, amelyet API Key-hitelesítéssel küldesz a nyilvános API /v1/images/generations végpontjára:

{
  "model": "gpt-image-2.5-flare",
  "prompt": "A warm editorial illustration of a ceramic cup beside an open book. Landscape composition, no text.",
  "size": "1536x1024",
  "quality": "medium",
  "n": 1
}

Az eredmény kézhezvétele után ellenőrizd, hogy a kép dekódolható, a darabszám a vártnak megfelel-e, majd nézd át a fő témát és a szöveget. A több jelölt nagyobb választékot ad, de növeli a generálási felhasználást is.

A következő bögrés kép az OpenAI hivatalos útmutatójából származik, és a szövegalapú képgenerálás eredményét mutatja be; nem a fenti paraméterpélda tényleges futtatásának eredménye.

Forrás: OpenAI hivatalos képalkotási útmutató.

2. Referenciaképes alkotás: meglévő anyagok kombinálása új képpé

Például több termékfotóból egy ajándékdoboz-bemutató képet állítasz össze, vagy ugyanahhoz a termékhez készítesz különböző jeleneteket. Oszd el egyértelműen az egyes referenciaképek szerepét: melyik adja a fő témát, melyik a stílust, és melyik csak az elrendezéshez ad támpontot.

A hivatalos képszerkesztési API támogatja a képek generálását vagy módosítását bemeneti képek alapján; a Responses API pedig kép URL-lel, Base64 data URL-lel vagy a Files API fájlazonosítójával kaphat referenciát. Feltöltés után mondd meg, mely jellemzőket kell feltétlenül megtartani, hogy a „stílusreferencia” ne tévedjen a „fő téma cseréje” irányába.

A hivatalos referenciaképes példa négy különálló terméket kombinál egy ajándékdobozzá. A bemeneti anyagok külön megtekinthetők: testápoló, szappan, füstölőkészlet és fürdőbomba; lent bal oldalon a négy referenciakép látható, jobb oldalon a kombinált eredmény; keskeny képernyőn az eredménykép a referenciaképek után jelenik meg.

Forrás: OpenAI hivatalos képalkotási útmutató.

3. Lokális szerkesztés maszkkal: csak a kép egy részét alakítod

Olyankor hasznos, ha cserélni akarsz egy tárgyat a háttérben, módosítani egy helyi dekorációt, vagy igazítani a termék körüli jelenetet. Készítsd elő az eredeti képet és egy alpha csatornás maszkot; az átlátszó terület jelölje a szerkesztend részt, majd add hozzá a szöveges elvárásokat.

Az eredeti kép és a maszk méretének és formátumának egyeznie kell, és meg kell felelnie az API fájlkorlátainak; több bemeneti kép esetén a maszk az első képre vonatkozik. A maszk szerkesztési útmutató, nem pixelpontos zárolást garantál. Befejezés után is ellenőrizd a nem kijelölt területeket, nem történt-e váratlan változás.

A hivatalos dokumentáció egy medencés jelenettel mutatja be a maszkos szerkesztést: előbb az eredeti kép érkezik, majd a maszk kijelöli a medencében módosítandó területet, végül egy flamingó alakú úszógumi kerül a képbe. Az „eredeti kép → maszk → eredmény” sorrendben könnyebb megérteni a módosítás hatókörét.

Forrás: OpenAI hivatalos képalkotási útmutató.

4. Többkörös párbeszédes szerkesztés: folyamatos finomítás ugyanazon a képen

Például először generálj egy illusztrációt, majd kérj realisztikusabb változatot, végül állítsd át a fényeket. A Responses API a(z) previous_response_id segítségével viszi tovább a kontextust, de az előző képalkotási elemeket vagy képazonosítókat is be lehet adni a következő kérésekbe.

Az action a viselkedést vezérli: az auto a modellre bízza a döntést, a generate új kép létrehozását kéri, az edit pedig meglévő kép szerkesztését. Kötelező szerkesztéskor képkontextust kell adni, különben hiba történik. Minden körben válaszd külön a „most módosítandó részt” és a „megtartandó részt”.

A hivatalos többkörös példa először egy „narancssárga sálat viselő vidrát ölelő szürke tigrismacskát” generál, majd hozzáfűzi: „legyen realisztikusabb”. Az alábbi két kép két egymást követő szerkesztési kört mutat, nem két modell minőségének összehasonlítása.

Forrás: OpenAI hivatalos képalkotási útmutató.

5. Streamelt előnézet: köztes eredmények megtekintése várakozás közben

A streamelt generálás interaktív tervezőeszközökhöz való: kapcsold be a(z) stream értéket, és a(z) partial_images paraméterrel kérj köztes előnézeteket, 0–3 tartományban. Ha 0-ra állítod, csak a végső képet kapod; még akkor is kevesebb érkezhet, ha több előnézetet kérsz, mert a generálás gyors.

Az alkalmazás a köztes képeket előnézetként jelölje meg, és a befejező eseményben érkező képet használja végleges átadásra. Minden egyes köztes előnézet további 100 kimeneti képtokenbe kerül, ezért az előnézetek száma költségtényező.

A hivatalos anyag a „fehér bagolytollakból álló folyó” témával mutatja be a streamelt generálást. Az első két kép köztes előnézet, a harmadik a végső eredmény; megfigyelhető, hogyan alakulnak ki fokozatosan a tollformák és az előtér részletei.

Forrás: OpenAI hivatalos képalkotási útmutató.

6. A végtermék kézben tartása: méret, minőség, átlátszó háttér és formátum

A 2.5-ös egyedi szélességnek és magasságnak 16 többszörösének kell lennie, a képarány 1:3 és 3:1 között lehet, az egyes oldalak legfelebb 3840 képpontosak, az összes képpont 655 360 és 8 294 400 lehet; a 2560x1440 feletti felbontás továbbra is kísérleti jellegű. JPEG és WebP esetén az output_compression beállítással szabályozható a tömörítés; webes feltöltés előtt ellenőrizd a fájlméretet és az élességet.

7. Képgenerálás beépítése az alkalmazásba: melyik API-t válaszd?

Ha egyszerre csak önálló képeket dolgozol fel, az Images API egyszerűbb; ha a képeket egy párbeszéden keresztül folyamatosan szerkesztenéd, a Responses API jobban szervezi a kontextust. A két módban a képmodell helye eltér:

{
  "model": "gpt-6-astra",
  "input": "Create a warm editorial illustration of a ceramic cup beside a book.",
  "tools": [
    {"type": "image_generation", "model": "gpt-image-2.5-sunburst"}
  ]
}

A Responses nyelvi modellje módosíthatja az eredeti promptot; a revised_prompt mezőben nézheted meg a ténylegesen használt leírást. Reprodukcióhoz mentsd el az eredeti és az átírt promptot is. A költség ilyenkor a fő modell feldolgozását és a képgenerálási felhasználást is tartalmazza.

Hiba esetén jegyezd fel a kérés azonosítóját, és először különítsd el az autentikációs, kvóta-, sebességkorlát- és a bemenet módosítását igénylő hibákat. Az átmeneti szolgáltatáshibákra visszavárással próbálkozhatsz újra; egyenleg hiánya vagy image_generation_user_error esetén előbb az okot kell kezelni, nem szabad változatlanul és vég nélkül újraküldeni. A tartalommoderációs paraméterekről és a régi modellre jellemző paraméterekről külön dokumentációból tájékozódj; a régi input_fidelity beállítást ne vidd át közvetlenül az új modellre.

Responses használatakor a legfelső szintű nyelvi modell és az eszközben lévő képmodell más-más feladatot lát el; a modellválasztást és a költségeket ezért külön kell érteni. Ha a jelenlegi nyelvi modelleket is összehasonlítanád, olvasd el a GPT-6 Astra és Claude Fable 5.1 összehasonlítását.

A 2026. szeptember 9-i állapot szerint az általunk tesztelt Codex-előfizetés képgenerálása még mindig alapértelmezésben a GPT Image 2-t (gpt-image-2-codex) adja vissza; a hivatalos későbbi frissítésre várunk.

Gyakori kérdések (FAQ)

Mikor jelent meg a GPT Image 2.5?

Az OpenAI hivatalos megjelenési dátuma 2026. szeptember 8.; a ChatGPT-termék neve ChatGPT Images 2.5, az API-ban pedig Flare és Sunburst modell érhető el.

Melyik jobb a mindennapi használatra, a Flare vagy a Sunburst?

Hivatalos besorolás szerint a Flare a gyors, mindennapi alkotásra való, a Sunburst pedig azokra a feladatokra, ahol a precíz szerkesztés fontosabb. Először saját jellemző anyagaidon tesztelj, és utána döntsd el az alapértelmezett modellt.

Ingyenes a GPT Image 2.5?

A ChatGPT normál Images funkciója minden előfizetési csomagban elérhető, de ebből nem következik, hogy korlátlanul használható; a nyilvános API a használat alapján számláz.

Drágább a Sunburst token-egységára?

Jelenleg a két modell standard token-egységára azonos; az egyes képek tényleges költsége mégis eltérhet, ezért a valós kérések felhasználását kell megnézni.

ChatGPT-ben kötelező a Flare vagy a Sunburst kiválasztása?

A hivatalos súgóban az Images szerkesztési belépőpont szerepel; a két modellazonosítót az API-dokumentáció adja meg. ChatGPT-ben a tényleges felület szerint járj el; nem kell a nyelvimodell-választót képmodell-választóként használni.