O GPT-Image-2.5 Sunburst é o modelo base e de maior qualidade da OpenAI na família de API GPT Image 2.5. Ele gera imagens a partir de texto, transforma imagens fornecidas e realiza edições localizadas. A OpenAI o recomenda quando o GPT Image 2 não atende a um requisito complexo de qualidade ou quando um fluxo de trabalho precisa do controle mais rigoroso sobre o que muda entre revisões.
O modelo concentra-se na fidelidade do sujeito, na iluminação e nas texturas naturais, nos detalhes visuais finos e na preservação da composição entre edições. Isso importa em fluxos de trabalho nos quais uma mudança aparentemente pequena pode invalidar o ativo — por exemplo, alterar o rótulo de um produto sem remodelar a embalagem, trocar uma peça de roupa sem mudar a identidade da pessoa retratada, ou atualizar o clima mantendo o ângulo da câmera e a cena existentes.
O Sunburst usa tempos de geração mais longos que o Flare. Essa troca o torna mais adequado para ativos finais de campanha, cenas de produto refinadas, visuais principais, ilustrações de livros e edições de várias rodadas do que para cada prévia em um aplicativo interativo. Ele oferece suporte aos mesmos seis valores de qualidade e controles flexíveis de tamanho que o Flare, incluindo resoluções experimentais acima de 2560×1440 e saídas máximas de 4K em paisagem ou retrato.
| Especificação |
GPT-Image-2.5 Sunburst |
| Provedor |
OpenAI |
| ID do modelo |
gpt-image-2.5-sunburst |
| Snapshot fixado |
gpt-image-2.5-sunburst-2026-09-08 |
| Entradas e saída |
Entradas de texto + imagem; saída de imagem |
| Tarefas principais |
Geração, transformação e edição precisa de imagens |
| Controles de qualidade |
auto, low, medium, high, xhigh, max |
| Controle de resolução |
Tamanhos padrão ou personalizados de até 4K dentro dos limites suportados |
| Opções de fundo |
auto, opaque, transparent |
| Formatos de arquivo |
PNG, JPEG, WebP |
GPT-Image-2.5 Sunburst vs. Nano Banana Pro, GPT Image 2 e Flare
As alternativas mais próximas do Sunburst resolvem diferentes partes do fluxo de trabalho de imagem profissional. Compare-as com uma lista de verificação de aceitação fixa em vez de julgar uma única amostra atraente.
| Modelo |
Melhor indicação |
Ponto forte distinto |
Considere antes de escolher |
| GPT-Image-2.5 Sunburst |
Geração final detalhada e revisão estritamente delimitada |
Maior qualidade de imagem da família OpenAI; precisão extra em edições |
Leva mais tempo para gerar que o Flare |
| GPT-Image-2.5 Flare |
Criação cotidiana, prévias rápidas e volume |
Modelo 2.5 padrão da OpenAI voltado à velocidade |
Use o Sunburst se o Flare não atender a um requisito rigoroso de detalhe ou preservação |
| GPT Image 2 |
Manter um fluxo de trabalho de imagem já validado |
Comportamento familiar de geração e edição com as mesmas taxas oficiais de tokens |
O Sunburst oferece maior qualidade e adiciona xhigh e max |
| Nano Banana Pro |
Design orientado por raciocínio, criação em vários turnos e visuais factuais |
Fundamentação no Google Search, renderização avançada de texto e saída 1K/2K/4K |
Usa ferramentas, prompts e comportamento de API específicos do Gemini |
Escolha o Sunburst quando o ativo precisar preservar identidade, posicionamento de tipografia, geometria de embalagem ou uma composição aprovada ao longo de várias revisões. Escolha o Nano Banana Pro quando informações visuais fundamentadas em busca ou um fluxo de trabalho em vários turnos centrado no Gemini forem essenciais. Escolha o Flare quando os mesmos critérios de aceitação puderem ser atendidos com menos espera.
Um teste de qualidade para Sunburst vs. Flare
Execute um teste A/B antes de encaminhar todas as solicitações para o modelo mais lento. Mantenha o prompt, as imagens de entrada, as dimensões, o formato, o fundo e a configuração de qualidade idênticos. Avalie cada resultado com base em quatro critérios: cumprimento da instrução, preservação de regiões inalteradas, fidelidade do sujeito, e detalhe utilizável no tamanho final.
Comece com o Sunburst quando o GPT Image 2 já tiver falhado na tarefa. Se o Sunburst passar, envie a mesma solicitação ao Flare. Encaminhe chamadas futuras ao Flare somente quando ele também passar e a melhoria de latência importar. Mantenha o Sunburst para as solicitações em que sua vantagem de qualidade muda o resultado de negócio. Esse teste evita que uma decisão subjetiva de “parece melhor” transforme toda imagem em uma chamada de maior latência.
Guia de prompts do GPT-Image-2.5 Sunburst para edição precisa
Escreva instruções de edição como uma lista de mudanças visuais. Primeiro identifique o alvo exato, depois declare a nova condição e, em seguida, bloqueie todas as regiões que devem permanecer intocadas. Evite solicitações amplas como “deixe melhor”, porque elas dão ao modelo permissão para reinterpretar a imagem inteira.
Revisão de embalagem:
Substitua apenas o nome do sabor no rótulo frontal por “Blood Orange”. Preserve o formato da garrafa, a tampa, o logotipo, o texto dos ingredientes, as dimensões do rótulo, os reflexos, a posição da câmera, o fundo e a sombra de contato. Mantenha todos os outros pixels visualmente consistentes.
Transformação do sujeito de referência:
Coloque a pessoa referenciada em um vagão de trem de inverno tranquilo na hora azul. Preserve as proporções faciais, a cor dos olhos, o penteado e a idade. Combine a luz fria da janela com o rosto de forma natural. Mantenha o enquadramento na altura da cintura e não adicione texto nem logotipos.
Revise a primeira saída no tamanho final de exibição antes de solicitar outra edição. Em turnos posteriores, repita os elementos bloqueados e altere uma condição por vez. Isso dá ao Sunburst um limite de preservação mais claro e torna regressões mais fáceis de identificar.
Acesso à API do GPT-Image-2.5 Sunburst no GPTProto
Chame gpt-image-2.5-sunburst quando quiser o alias atual, ou fixe gpt-image-2.5-sunburst-2026-09-08 para uma avaliação repetível. O GPTProto aplica 5% de desconto sobre as taxas de tokens listadas da OpenAI e permite que o mesmo saldo da conta cubra outros modelos. Como Sunburst e Flare podem consumir quantidades diferentes de tokens de saída na mesma qualidade nominal, compare o uso registrado, bem como a latência e os resultados visuais.