OpenAI выпустила ChatGPT Images 2.5 — новую версию генератора изображений, которая быстрее предшественника до 50% и точнее следует инструкциям в многошаговых диалогах. В API появились два новых идентификатора модели, и от правильного выбора между ними зависит, получите ли вы точное редактирование или просто быструю генерацию.
Зачем вообще переходить на 2.5
Предыдущее поколение справлялось с простыми промптами, но плохо держало контекст при редактировании: попросить «убери фон, но сохрани позу» означало рисковать потерять всё, что важно. Images 2.5 заявляет улучшенное сохранение субъекта из референсных фото — это критично для продуктовых команд, которые генерируют вариации на основе реальных изображений (упаковка, персонаж, брендовый объект).
Параллельно OpenAI сообщает, что совокупно через ChatGPT Images и API уже сгенерировано более 3 миллиардов изображений. Это не просто маркетинговая цифра — она объясняет, почему компания вкладывается в скорость: инфраструктурная нагрузка огромная.
Два идентификатора: в чём разница
В API доступны два варианта модели:
| Идентификатор | Для чего | Когда выбирать |
|---|---|---|
| `gpt-image-2.5-sunburst` | Точное редактирование, сложные инструкции | Работа с референсами, многошаговые правки |
| `gpt-image-2.5-flare` | Быстрая повседневная генерация | Прототипирование, черновики, массовый поток |
Sunburst — более «тяжёлый» вариант, который оптимизирован под точность. Flare — быстрый, подходит там, где скорость важнее идеальной детализации.
Быстрый старт через Python CLI
Simon Willison обновил свой CLI-инструмент openai_image.py, который позволяет передавать референсные изображения прямо из командной строки. Проще способа попробовать модель в деле нет.
Запуск через uv (менеджер Python-окружений) — никакой установки, одна команда:
uv run https://tools.simonwillison.net/python/openai_image.py \
'add a raccoon scientist studying the chart thoughtfully' \
-i https://static.simonwillison.net/static/2026/openai-agent-usage.webp \
-m gpt-image-2.5-sunburstЧто здесь происходит:
uv run <url>— скачивает и запускает скрипт без ручной установки зависимостей- первый позиционный аргумент — текстовый промпт
-i— URL или локальный путь к референсному изображению (можно передать несколько флагов-i)-m— идентификатор модели
Если uv ещё не установлен:
curl -LsSf https://astral.sh/uv/install.sh | shТот же запрос через Python SDK
Если нужно встроить генерацию в свой пайплайн, а не запускать CLI:
import openai
import base64
from pathlib import Path
client = openai.OpenAI() # читает OPENAI_API_KEY из окружения
# Загружаем референс локально
image_data = base64.b64encode(Path("chart.webp").read_bytes()).decode()
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=image_data,
prompt="add a raccoon scientist studying the chart thoughtfully",
)
# Сохраняем результат
output = base64.b64decode(response.data[0].b64_json)
Path("result.png").write_bytes(output)
print("Готово: result.png")Где ломается
Референс по URL работает не всегда. CLI Willison принимает URL напрямую, но API при редактировании ожидает base64 или файловый объект. Если передаёте ссылку — убедитесь, что скрипт скачивает изображение перед отправкой, иначе получите ошибку формата.
Размер референса имеет значение. Слишком маленькое или слишком большое изображение снижает качество сохранения субъекта. Оптимальный диапазон — от 512×512 до 2048×2048 пикселей.
Flare не заменяет Sunburst при правках. Если попытаться сделать точечное редактирование через gpt-image-2.5-flare, модель может проигнорировать детали инструкции и перегенерировать слишком много. Для итеративной работы с референсом — только Sunburst.
Лимиты API не изменились. Rate limits и ценообразование наследуются от предыдущего поколения GPT-Image — проверьте квоту в dashboard перед запуском массовой генерации.
Что попробовать дальше
Следующий логичный шаг — протестировать многошаговое редактирование: сначала попросить добавить объект, затем изменить фон, затем скорректировать освещение — всё в одной сессии. Именно в этом сценарии 2.5 обещает наибольший прирост по сравнению с предыдущей версией.
Также стоит обратить внимание на новую функцию Sketch в интерфейсе ChatGPT: она позволяет нарисовать грубый набросок прямо в чате и использовать его как референс для генерации. В API аналога пока нет, но это хороший способ быстро прототипировать идею перед тем, как переносить её в код.
FAQ
Чем gpt-image-2.5-sunburst отличается от gpt-image-2.5-flare?
Sunburst оптимизирован под точность: лучше сохраняет детали референсного изображения и точнее следует сложным инструкциям. Flare быстрее и подходит для повседневной генерации без строгих требований к деталям.
Нужно ли обновлять openai Python SDK для работы с новыми моделями?
Достаточно передать новый идентификатор модели в параметре model. Если SDK актуальный (1.x), никаких дополнительных обновлений не требуется — новые идентификаторы работают через те же эндпоинты.
Можно ли передать несколько референсных изображений одновременно?
Да, CLI Willison поддерживает несколько флагов -i. В Python SDK через images.edit передача нескольких референсов зависит от версии API — проверьте актуальную документацию OpenAI по параметру image.
Насколько Images 2.5 быстрее предыдущей версии?
По данным OpenAI, латентность снижена до 50% по сравнению с Images 2.0. На практике разница особенно заметна при генерации в высоком разрешении.
Sketch доступен через API?
Нет, на момент релиза Sketch — только интерфейсная функция ChatGPT. В API референс передаётся как изображение через images.edit, но рисовать набросок прямо в запросе нельзя.
