Explora precios por token y ejemplos de generación o edición de GPT Image 2.5 Flare, incluyendo calidad, formatos de salida y ajustes de imágenes de referencia.
Entrada de texto
Precio oficial
Precio de API Hop Ahorro 20%
Entrada de texto en caché
Precio oficial
Precio de API Hop Ahorro 20%
Entrada de imagen
Precio oficial
Precio de API Hop Ahorro 20%
Entrada de imagen en caché
Precio oficial
Precio de API Hop Ahorro 20%
Salida de imagen
Precio oficial
Precio de API Hop Ahorro 20%
Precio de referencia no verificado de forma independiente. Consulta las tarifas actuales, unidades de facturación y condiciones aplicables del proveedor antes de comparar costes.
Inicia sesión para ejecutar con el saldo de tu cuenta.
Vista previa del ejemplo
{
"data": [
{
"url": "/examples/gpt-image-25-studio-product-gpt-image-2-5-flare.webp"
}
]
} Las imágenes siguientes se atribuyen a este modelo en la guía de prompts de OpenAI enlazada; no son resultados registrados de API Hop. Los prompts y ajustes son ejemplos reutilizables, no parámetros verificados de reproducción; los prompts adaptados están identificados. Compara geometría, letras y cambios no deseados con la entrada antes de usar una edición.
Create a product photograph of a nostalgic toy propeller airplane in clear blister packaging. Give the airplane rounded wings, a spinning nose propeller, and lightly worn painted-metal details. Use realistic plastic and metal textures, soft studio lighting, shallow depth of field, and crisp retail printing. Include only the packaging label "Christmas Memories Edition". Make the design original, with no trademarks or watermarks.
Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat. He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms. He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens. Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance. The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.
Give me a cool in culture ad / fashion shot for a brand called Thread. It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create." Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful. Use clean composition, strong color direction, natural poses, and premium fashion photography cues. Render the tagline exactly once, clearly and legibly, integrated into the ad layout. No extra text, no watermarks, no unrelated logos.
Create an original, non-infringing logo for a company called Field & Flour, a local bakery. The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space. Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential. Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.
Inicia sesión para ejecutar con el saldo de tu cuenta.
Vista previa del ejemplo
{
"data": [
{
"url": "/examples/gpt-image-25-extract-product-gpt-image-2-5-flare.webp"
}
]
} Registrado el 22 de octubre de 2026 mediante API Hop. Cada resultado es una solicitud del modelo y modo indicados, no una garantía de éxito, velocidad o calidad de producción. Las respuestas siguientes conservan su idioma original.
La comparación visual muestra un fondo blanco y el sujeto y la composición ampliamente conservados, con pequeños cambios en superficies y reflejos. El primer plano no es idéntico píxel a píxel. Compara el borde del vaso, el hielo, el nivel del líquido, el limón, la hoja y el pedestal con la imagen original.
Esta respuesta no repitió el nombre del modelo. El registro conserva el modelo solicitado y el ID exactos; no verifica de forma independiente el enrutamiento del proveedor.
POST /openai/v1/images/generations
{
"model": "gpt-image-2.5-flare",
"prompt": "Edit the supplied product photograph. Replace only the turquoise background with a plain white studio background. Keep the same clear glass, orange drink level, ice, pedestal, lemon wedge and green leaf, with their shapes, colors and relative positions unchanged. Preserve the full composition. No new objects, text, logos or watermarks.",
"image_urls": [
"https://api.apihop.ai/generated/364459846248173568/0.png"
],
"n": 1,
"size": "16:9",
"resolution": "1k",
"quality": "low",
"output_format": "png",
"stream": false
}{
"requestId": "0ad5f15bde10aa614ddcddcb92de5d2c",
"jobId": null,
"responseModel": null,
"responseAt": "2026-10-22T12:29:26.261Z",
"finishedAt": "2026-10-22T12:29:32.056Z",
"usage": {
"input_tokens": 1588,
"input_tokens_details": {
"cached_tokens": 0,
"image_tokens": 1508,
"text_tokens": 80
},
"output_tokens": 120,
"output_tokens_details": {
"image_tokens": 120,
"text_tokens": 0
},
"total_tokens": 1708
},
"outputSha256": null,
"responseEvidence": {
"sha256": "3d96458744456831cc560c668156c733e44354b29d28c2ffb24efed5ff91eec2",
"bytes": 317,
"phase": "submission",
"http": 200,
"requestId": "0ad5f15bde10aa614ddcddcb92de5d2c",
"observedAt": "2026-10-22T12:29:26.261Z"
},
"assets": [
{
"url": "/examples/requestbeam-2026-10-22/edit-flare-0.png",
"bytes": 1351789,
"sha256": "d7b191650099ac7780b15cf776bee65f1c316d1117626c81ce588abe3b3993d0",
"metadata": {
"programs": [],
"stream_groups": [],
"streams": [
{
"codec_name": "png",
"codec_type": "video",
"width": 1536,
"height": 864,
"r_frame_rate": "25/1"
}
],
"format": {
"size": "1351789"
}
},
"poster": null
}
]
}Las imágenes siguientes se atribuyen a este modelo en la guía de prompts de OpenAI enlazada; no son resultados registrados de API Hop. Los prompts y ajustes son ejemplos reutilizables, no parámetros verificados de reproducción; los prompts adaptados están identificados. Compara geometría, letras y cambios no deseados con la entrada antes de usar una edición.
Extract the product from the input image and isolate it on a fully transparent background. Output: centered product, crisp silhouette, no halos/fringing. Preserve product geometry and label legibility exactly. Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow. Do not restyle the product; remove the background and preserve clean alpha transparency.
Turn this drawing into a photorealistic image. Preserve the exact layout, proportions, and perspective. Choose realistic materials and lighting consistent with the sketch intent. Do not add new elements or text.
In this room photo, replace ONLY the white chairs with chairs made of wood. Preserve camera angle, room lighting, floor shadows, and surrounding objects. Keep all other aspects of the image unchanged. Photorealistic contact shadows and fabric texture.
Situamos GPT Image 2.5 Flare como un modelo de imágenes para generación cotidiana, producción de recursos comerciales e iteración visual rápida. OpenAI publicó la serie GPT Image 2.5 el 8 de septiembre de 2026 con dos versiones: Flare y Sunburst. Flare prioriza velocidad y eficiencia de costes, mientras Sunburst encaja mejor cuando se necesita más detalle y precisión de edición.
Frente a GPT Image 2, el valor principal de Flare no es solo generar imágenes atractivas, sino permitir varias rondas de experimentación con menos espera. OpenAI lo presenta como opción predeterminada para la mayoría de aplicaciones y afirma que su latencia es aproximadamente un 50% menor que la de GPT Image 2, mejorando también detalle, conservación de referencias y edición. Anuncio oficial de OpenAI
Creemos que conviene probar Flare primero si generas a menudo anuncios, recursos sociales, imágenes de producto y prototipos. Sin embargo, no creemos que supere a GPT Image 2 en todas las métricas visuales. Si tus exigencias de salida son menores y prima la velocidad, puede ser una buena elección.
GPT Image 2.5 Flare acepta texto e imágenes y genera imágenes nuevas. Puede crear contenido visual directamente desde descripciones o modificar fotografías, borradores de diseño y referencias existentes.
Creemos que estas capacidades sirven a flujos distintos. Para una imagen promocional nueva, describe sujeto, composición, iluminación y estilo. Si ya tienes una imagen que casi te satisface y solo quieres sustituir el fondo, ajustar la ropa o cambiar el texto, envía una URL de referencia al mismo endpoint Images generations de RequestBeam en vez de empezar de cero.
En la API, Flare admite low, medium, high, xhigh, max y auto. Las dimensiones son personalizables, con imágenes de hasta aproximadamente 4K dentro de los límites oficiales de píxeles. También genera PNG o WebP con fondo transparente.
Recomendamos elegir calidad y dimensiones según el uso final, en vez de usar directamente max en todo. Las miniaturas web y vistas previas sociales pueden empezar en medium; para imágenes principales de producto con mucho detalle, aumenta la calidad gradualmente.
Creemos que un cambio importante de GPT Image 2.5 Flare es prestar más atención a las partes que no deben modificarse.
Antes, la edición con IA presentaba a menudo un problema: querías cambiar solo el color de la ropa, pero también cambiaban rostro, fondo o composición. En diseño comercial, esto obliga a revisar de nuevo recursos ya aprobados.
En GPT Image 2.5, OpenAI se centró en mejorar ediciones locales, preservación del sujeto de referencia y revisiones sucesivas. En los materiales oficiales, Axultan Alimkulov, responsable de producto de Higgsfield AI, elogió específicamente la conservación de personas, composición e identidad visual al editar con Flare. Comentarios de primeros clientes de OpenAI
Creemos que esto aporta especial valor a fotografía de producto, modelos virtuales y recursos de marca. Por ejemplo, equipos de comercio electrónico pueden producir anuncios sucesivos con distintos fondos manteniendo forma, logotipo y etiqueta del producto.
No significa que conserve todo perfectamente píxel a píxel. Sigue siendo recomendable indicar qué puede cambiar y qué debe mantenerse, e inspeccionar el resultado, especialmente rostros, logotipos, envases y texto de productos.
Con RequestBeam queremos ayudarte a comprender más rápido el rendimiento de GPT Image 2.5 Flare en escenarios empresariales reales.
Inicia sesión, crea una API Key y añade un pequeño saldo para probar su generación con la herramienta en línea. Durante la evaluación no necesitas escribir antes una integración API ni comprar un plan fijo para una prueba breve. También reduces la administración de cuentas en distintas plataformas.
Creemos que una ventaja principal de GPT Image 2.5 Flare es reducir el tiempo de prueba y error creativo.
Para profesionales de publicidad y redes, que una imagen sea utilizable depende de muchos detalles: ángulo del producto, color del fondo, postura y estilo general. Incluso con una dirección clara, normalmente hay que generar varias versiones para elegir.
En las pruebas reales de API publicadas por OneWave el 8 de septiembre de 2026, la mediana de generación de Flare a 1024×1024 en high fue de 16,7 segundos, frente a 117,8 segundos de GPT Image 2. Creemos que esa diferencia cambia directamente la producción de recursos, porque probar una idea nueva exige mucha menos espera. Prueba práctica de OneWave
Para muchas variantes publicitarias, usa Flare durante la exploración: prepara varias direcciones de fondo, cámara y estilo a la vez, y elige las que merecen más trabajo.
La velocidad no sustituye la revisión de calidad. Comprueba descripciones de producto, elementos de marca y detalles humanos. No omitas la revisión humana final solo porque la generación sea más rápida.
GPT Image 2.5 Flare es adecuado para fotografía de producto, escenas de estilo de vida y recursos fotorrealistas. OpenAI destaca mejoras de iluminación natural, texturas y fidelidad a las referencias, que también consideramos perceptibles para usuarios cotidianos.
Un cliente compartió que un retrato generado con Flare en un solo intento le satisfizo sin más edición. Destacó especialmente iluminación y representación de materiales.
No todos obtienen su resultado ideal con Flare. Según nuestra experiencia, describe con claridad todos los detalles necesarios. Para una marca de café, por ejemplo, aporta una referencia del envase y exige conservar proporciones, logotipo, etiqueta y colores, en vez de introducir solo «genera un anuncio de café de alta calidad».
Según los comentarios de nuestros clientes, la edición supone una mayor parte del trabajo diario que la generación desde cero; los datos actuales muestran una proporción cercana a 3:1.
Por ejemplo, una imagen publicitaria ya puede tener composición y personajes terminados, pero el cliente quiere otro color de ropa o un fondo nuevo. Lo ideal es modificar solo lo especificado, conservando los demás detalles aprobados.
En una prueba independiente del 8 de septiembre de 2026, Genflick cambió una bufanda amarillo mostaza a azul cobalto, exigiendo mantener rostro, gafas, postura y fondo. Con la misma proporción de lienzo, las muestras medium y high de Flare completaron la edición preservando los demás elementos visuales principales. Prueba de edición de Genflick
Esta conservación representa similitud visual, no píxeles idénticos fuera de la región editada.
Para imágenes normales de producto, revisiones de carteles y cambios de ropa, prueba Flare primero. Para logotipos, estructuras complejas o recursos que exigen preservar estrictamente el original, prueba también Sunburst o combina el modelo con herramientas tradicionales para ajustes finos.
Creemos que las múltiples referencias aportan mucho a guiones gráficos de series breves, personajes de cómic, combinaciones de productos y producción visual de marca.
Supón que has preparado fichas de referencia de dos personas y un fondo de una escena fija. Después necesitas que ambos realicen una acción concreta allí conservando ropa y rasgos originales.
Un cliente de cómics animados describió una prueba con tres referencias: dos personajes y una escena. Pidió que uno entregara una taza al otro. En los resultados mostrados en medium y high, Flare conservó rasgos principales, ropa y entorno, y colocó posiciones y acciones como se había solicitado. Esto nos lleva a pensar que ya sirve para preproducción de algunos contenidos visuales secuenciales.
Muchos modelos anteriores producían carteles atractivos, pero cometían errores ortográficos y numéricos al incluir texto exacto, fechas o precios.
En pruebas reales de carteles de calzado y ropa de nuestros clientes de comercio electrónico, Flare representó correctamente titulares, subtítulos y precios indicados. La prueba muestra que GPT Image 2.5 Flare ya sirve para diseño práctico en este ámbito.
Además del texto, los fondos transparentes son útiles. El equipo de evaluación de Manus elogió sus mejoras en los materiales oficiales de lanzamiento de OpenAI.
Recomendamos Flare para primeros borradores de carteles, pegatinas de producto, ilustraciones web, tarjetas sociales e iconos sencillos. Para transparencias, puedes usar IA para desarrollar una herramienta que compruebe el canal alfa del archivo y evitar posibles errores.
En esta sección nos basamos principalmente en materiales oficiales de OpenAI y pruebas publicadas por OneWave, Genflick, HummingBytes, IMG.LY y Fuser.
Las resoluciones, calidades, prompts y entornos no son idénticos. Conservamos las condiciones importantes en vez de combinar directamente fuentes distintas en una sola clasificación.
En las pruebas independientes de OneWave del 8 de septiembre de 2026, tres modelos usaron el mismo prompt, resolución 1024×1024 y calidad high. Cada uno realizó 9 generaciones.
Los resultados fueron:
| Modelo | Mediana del tiempo de generación | Coste por imagen |
|---|---|---|
| GPT Image 1 | 30.3 segundos | $0.1669 |
| GPT Image 2 | 117.8 segundos | $0.2112 |
| GPT Image 2.5 Flare | 16.7 segundos | $0.0532 |
En este conjunto, Flare generó aproximadamente 7 veces más rápido que GPT Image 2, una ventaja clara. HummingBytes observó una tendencia similar: en sus 19 generaciones en high, Flare tardó de media unos 25,1 segundos frente a 128,4 de GPT Image 2. Los tiempos absolutos difirieron, pero ambas pruebas mostraron una ventaja clara de Flare en generación. Prueba de OneWave · Prueba de HummingBytes
Si tu negocio exige probar prompts frecuentemente, como una web de generación, una herramienta de marketing o imágenes de comercio electrónico, prueba Flare primero.
Para servicios que deben prometer un tiempo fijo, mide también latencias P95 y P99 e implementa tiempos de espera y reintentos adecuados. No trates los 16,7 segundos de estas pruebas como un tiempo de servicio estable.
Segundos · Más bajo es mejor
Resultados de prueba independiente, no tiempo de respuesta garantizado. No los combines con la prueba separada HummingBytes.
Fuente: OneWave · Escala desde cero
Segundos · Más bajo es mejor
Medias aproximadas, no medianas. Es una prueba separada con condiciones distintas.
Fuente: HummingBytes · Escala desde cero
Otra ventaja de Flare es su coste de generación.
Según los precios oficiales de API de OpenAI, el procesamiento estándar de GPT Image 2.5 Flare cuesta:
| Tipo de token | Precio por millón de tokens |
|---|---|
| Entrada de texto | $5.00 |
| Entrada de texto en caché | $1.25 |
| Entrada de imagen | $8.00 |
| Entrada de imagen en caché | $2.00 |
| Salida de imagen | $30.00 |
Flare y GPT Image 2 tienen los mismos precios por token. La diferencia real por imagen procede sobre todo del consumo durante la generación, no de una reducción del precio unitario. Precios del modelo Flare de OpenAI
En la prueba de OneWave, con el mismo prompt, resolución y high, Flare costó $0,0532 por imagen frente a $0,2112 de GPT Image 2. El coste real fue aproximadamente una cuarta parte del anterior.
Creemos que esto importa mucho para productos SaaS con generación a escala. Si una herramienta de marketing permite modificar prompts repetidamente, generar candidatas y seleccionar una versión final, el coste menor por imagen afecta directamente al margen bruto del producto.
Antes de integrar, prueba por separado calidad y consumo en medium, high y xhigh para encontrar el ajuste mínimo aceptable para los usuarios.
USD por imagen · Más bajo es mejor
Costes por imagen de esta prueba, no precios por millón de tokens ni de API Hop.
Fuente: OneWave · Escala desde cero
Consideramos la exactitud del texto en imágenes un indicador importante para incorporar un modelo a flujos de diseño comercial.
OneWave usó tres modelos para generar una tabla comparativa de precios con 24 elementos de texto especificados, incluidos números, decimales, precios y cadenas concretas.
GPT Image 2 y GPT Image 2.5 Flare generaron correctamente los 24 elementos, mientras GPT Image 1 solo acertó 19.
Además, algunos usuarios de comercio electrónico compararon recientemente tres tareas: un banner, una imagen de detalle de producto y un folleto. Flare generó correctamente los 583 caracteres solicitados en las tres imágenes.
Creemos que estos resultados muestran que Flare ya maneja muchos tipos de contenido visual con texto: carteles, menús, conceptos de envases y recursos sociales explicativos.
Para carteles promocionales generales, usa Flare para el primer borrador. Si el texto exige precisión estricta, recomendamos generar fondo y elementos visuales con Flare y añadir el texto final con composición programática, normalmente más fiable.
Elementos de texto correctos · Más alto es mejor
Una tarea, no tasa de precisión global. No incluye la prueba separada de cliente de 583 caracteres.
Fuente: OneWave · Escala desde cero
En diseño comercial real, un prompt no solo describe un sujeto: incluye múltiples requisitos simultáneos.
OneWave diseñó un prompt complejo de unos 1253 caracteres con 8 condiciones verificables, como cantidades de objetos, orden, posición del texto, dirección de la luz y elementos prohibidos.
En esta prueba:
| Modelo | Restricciones cumplidas |
|---|---|
| GPT Image 1 | 6/8 |
| GPT Image 2 | 7/8 |
| GPT Image 2.5 Flare | 8/8 |
| GPT Image 2.5 Sunburst | 8/8 |
Los resultados muestran que, en esta tarea, Flare entendió qué objetos generar y manejó sus relaciones espaciales y exclusiones. Prueba de prompt complejo de OneWave
Sin embargo, distinguimos este éxito del control completo del estilo artístico.
Un cliente trabajaba con guiones gráficos de nueve viñetas. Al pasar de GPT Image 2 a Flare, el mismo prompt generó las nueve en un intento, conservó rasgos principales y siguió en gran medida el orden de planos. Pero, aunque pedía ilustración, el resultado tendía claramente a imágenes cinematográficas fotorrealistas.
Comprender la estructura no garantiza seguir estrictamente cada requisito de estilo. Recomendamos prompts estructurados que describan por separado sujetos, posiciones, cantidades, texto y contenido que debe mantenerse. Suelen dar resultados más estables que descripciones sin estructura.
Si el proyecto exige estilo coherente, como cómics, ilustración de marca o guiones de animación, añade referencias para controlar mejor la salida.
Restricciones satisfechas · Más alto es mejor
Los resultados específicos de una tarea no acreditan control total del estilo artístico.
Fuente: OneWave · Escala desde cero
OpenAI presenta la edición precisa como mejora principal de GPT Image 2.5, pero creemos que resultados y velocidad deben examinarse por separado.
OneWave usó la misma imagen original en sus pruebas y obtuvo:
| Modelo | Mediana del tiempo de edición | Coste por edición |
|---|---|---|
| GPT Image 1 | 38.7 segundos | $0.1686 |
| GPT Image 2 | 15.3 segundos | $0.0143 |
| GPT Image 2.5 Flare | 17.0 segundos | $0.0143 |
Flare no fue más rápido que GPT Image 2: resultó algo más lento, con costes idénticos.
Por otro lado, las pruebas de Genflick de recoloración de bufandas con Flare y Sunburst mostraron que ambos cambiaban el color local conservando rasgos principales y proporción del lienzo. Su prueba de icono de tetera transparente también verificó que Flare produce PNG con un canal alfa real. Prueba de edición de OneWave · Pruebas de edición y transparencia de Genflick
Creemos que Flare aporta más valor de actualización si generas principalmente desde cero. Si los usuarios editan sucesivamente imágenes existentes, no hace falta cambiar inmediatamente solo por la novedad.
Mantén GPT Image 2 si ya satisface tus necesidades y amplía Flare cuando reduzca claramente cambios erróneos y retoques manuales.
Segundos · Más bajo es mejor
Flare fue algo más lento que GPT Image 2 en esta prueba de edición.
Fuente: OneWave · Escala desde cero
USD por edición · Más bajo es mejor
Flare y GPT Image 2 tuvieron el mismo coste en esta prueba. No son precios de API Hop.
Fuente: OneWave · Escala desde cero
Creemos que la ventaja principal de GPT Image 2.5 Flare sobre GPT Image 2 es generar calidad similar con menores costes de tiempo y tokens.
En las pruebas equivalentes de OneWave, la mediana de Flare fue 16,7 segundos frente a 117,8 de GPT Image 2. Los costes por imagen fueron $0,0532 y $0,2112.
Según estas cifras, preferimos Flare primero para proyectos nuevos que generan frecuentemente.
Sin embargo, al editar imágenes existentes, GPT Image 2 tuvo una mediana algo menor y ambos costaron lo mismo. La ventaja de velocidad de Flare no abarca todas las ediciones. Comparación de OneWave
Si usas GPT Image 2 para un producto de texto a imagen, prioriza probar la migración a Flare. Si ofreces principalmente modificaciones fotográficas, fondos y cambios locales, compara primero éxito de edición y conservación del sujeto.
Para proyectos nuevos, recomendamos poner Flare primero entre los candidatos por sus ventajas prácticas más marcadas de velocidad y coste.
GPT Image 2.5 Flare y Sunburst pertenecen a la misma familia, pero no se orientan exactamente al mismo trabajo.
OpenAI lo define claramente: Flare es un modelo menor que prioriza velocidad; Sunburst es un modelo base más centrado en calidad y precisión de edición.
En las 19 generaciones de HummingBytes en high, Flare tardó de media unos 25,1 segundos y Sunburst 36,3. Flare fue claramente más rápido en ese conjunto. Comparación práctica de HummingBytes
En el prompt complejo de OneWave, ambos cumplieron las 8 restricciones. Algunas pruebas de carteles simples y recoloración local de Genflick tampoco mostraron una ventaja clara de finalización al pasar a Sunburst.
Creemos que, cuando ya se cumple la calidad requerida, Sunburst puede añadir espera sin un beneficio suficientemente claro.
Recomendamos dos etapas: usar Flare para generar variantes creativas rápidamente y probar Sunburst para revisiones de alta precisión cuando el usuario haya elegido composición y estilo.
Por ejemplo, una herramienta publicitaria puede generar diez conceptos con Flare y perfeccionar con Sunburst los detalles de la imagen elegida. Así se equilibran eficiencia y calidad.
Nano Banana 2.1 de Google es uno de los modelos que creemos que merece evaluación junto a Flare.
El 6 de octubre de 2026, Fuser realizó cinco tareas prácticas para comparar Nano Banana 2.1 y GPT Image 2.5 Flare.
Nano Banana 2.1 rindió mejor en fotografía de producto, con fondos y sombras más precisos. Flare tuvo ventajas en coherencia de personajes, algunas escenas fotorrealistas y edición del fondo de productos. Ambos generaron correctamente el texto solicitado en el cartel. Prueba práctica de ambos modelos de Fuser
Creemos útiles estos resultados porque muestran cuánto dependen los puntos fuertes de la tarea concreta.
Si necesitas conservar rasgos faciales y ropa de un personaje virtual en escenas nuevas, prueba Flare primero.
Si trabajas principalmente en fotografía, presentaciones de producto e imágenes principales de comercio electrónico, prueba también Nano Banana 2.1, especialmente precisión de geometría, materiales e iluminación.
Para integrar comercialmente, usa tus propias imágenes como referencias y genera varias con cada modelo a igual resolución objetivo. Compara éxito al primer intento, utilidad final y coste real por imagen aceptable antes de decidir.
Creemos que FLUX.3 Image también merece compararse con Flare, especialmente en edición y recursos de marca.
En pruebas publicadas el 2 de octubre de 2026, Fuser comparó ambos con tres tareas de texto y dos de edición local.
En texto, FLUX.3 Image y GPT Image 2.5 Flare generaron correctamente los 583 caracteres indicados, sin diferencias apreciables.
Sin embargo, el rendimiento de FLUX.3 Image en edición local merece más atención.
Al sustituir un vaso de papel por una taza en una foto de cafetería, Fuser midió cambios superiores a la tolerancia fijada en el 7,7% de los píxeles fuera de la región indicada con Flare, frente a solo 0,4% con FLUX.3 Image. En otra revisión de fecha de un cartel, los cambios en zonas no objetivo fueron 25,0% y 12,9%, respectivamente. Comparación práctica de FLUX.3 Image de Fuser
Estas cifras sugieren que, aunque Flare ha mejorado la edición local, FLUX.3 Image puede tener ventaja cuando se exige preservar estrictamente el original.
Para generación general, creatividad publicitaria y diseño rápido, considera Flare primero. Si necesitas cambios diminutos en carteles terminados, fotos de producto o imágenes de marca conservando el resto al máximo, prioriza FLUX.3 Image como comparación.
En este último caso, nos importa más modificar con precisión la región indicada sin alterar contenido aprobado que generar imágenes atractivas.
Crea una clave API de API Hop para tu servidor y envía JSON a POST /openai/v1/images/generations con el ID del modelo de esta página y un prompt. Omite image_urls para crear una imagen nueva. Revisa el precio actual antes de enviar: la generación se factura y no es una prueba de conexión gratuita.
Envía el modelo seleccionado, un prompt de edición e image_urls a POST /openai/v1/images/generations. Incluye hasta 16 URL de imágenes HTTP(S) de acceso público. Este endpoint de API Hop usa JSON para generar y editar imágenes de referencia. Su contrato público actual no admite cargas multipart, URI de datos base64, máscaras ni una ruta /images/edits separada. Describe los cambios y los detalles que conservar, y revisa el resultado completo. Para otra edición, vuelve a enviar el resultado anterior como URL de referencia; el endpoint no conserva el historial de conversación.
Con stream: false, API Hop espera a que termine y devuelve las URL de imágenes en data[].url junto con la información de uso disponible. Revisa el estado HTTP y el cuerpo de la respuesta antes de leer el resultado. Usa el formato documentado para este endpoint, no un analizador de respuestas Base64 del proveedor. Descarga las imágenes terminadas a tu almacenamiento si tu aplicación necesita acceso duradero.
Con stream: true, lee los eventos SSE hasta image_generation.completed y [DONE], y gestiona los eventos de error. No se garantizan vistas previas parciales. Este endpoint Images generations no devuelve un ID de tarea para sondeo. Si la conexión termina antes de completarse, conserva cualquier ID de solicitud y revisa los registros y el uso de la cuenta antes de otra generación potencialmente facturable. La desconexión del cliente no demuestra que la generación se haya cancelado.
gpt-image-2.5-flaremodel es obligatorio; estos ejemplos usan el ID del modelo de esta página. Comprueba el acceso de tu clave API con GET /v1/models.
POST /openai/v1/images/generationscurl -X POST "https://api.apihop.ai/openai/v1/images/generations" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-image-2.5-flare","prompt":"Create a product photograph of a nostalgic toy propeller airplane in clear blister packaging.\nGive the airplane rounded wings, a spinning nose propeller, and lightly worn painted-metal details.\nUse realistic plastic and metal textures, soft studio lighting, shallow depth of field, and crisp retail printing.\nInclude only the packaging label \"Christmas Memories Edition\". Make the design original, with no trademarks or watermarks.","n":1,"size":"1:1","quality":"low","output_format":"png","stream":false,"resolution":"1k","image_urls":[],"background":"auto"}'Crea una clave API de API Hop para tu servidor y envía JSON a POST /openai/v1/images/generations con el ID del modelo de esta página y un prompt. Omite image_urls para crear una imagen nueva. Revisa el precio actual antes de enviar: la generación se factura y no es una prueba de conexión gratuita.
Envía el modelo seleccionado, un prompt de edición e image_urls a POST /openai/v1/images/generations. Incluye hasta 16 URL de imágenes HTTP(S) de acceso público. Este endpoint de API Hop usa JSON para generar y editar imágenes de referencia. Su contrato público actual no admite cargas multipart, URI de datos base64, máscaras ni una ruta /images/edits separada. Describe los cambios y los detalles que conservar, y revisa el resultado completo. Para otra edición, vuelve a enviar el resultado anterior como URL de referencia; el endpoint no conserva el historial de conversación.
Con stream: false, API Hop espera a que termine y devuelve las URL de imágenes en data[].url junto con la información de uso disponible. Revisa el estado HTTP y el cuerpo de la respuesta antes de leer el resultado. Usa el formato documentado para este endpoint, no un analizador de respuestas Base64 del proveedor. Descarga las imágenes terminadas a tu almacenamiento si tu aplicación necesita acceso duradero.
Con stream: true, lee los eventos SSE hasta image_generation.completed y [DONE], y gestiona los eventos de error. No se garantizan vistas previas parciales. Este endpoint Images generations no devuelve un ID de tarea para sondeo. Si la conexión termina antes de completarse, conserva cualquier ID de solicitud y revisa los registros y el uso de la cuenta antes de otra generación potencialmente facturable. La desconexión del cliente no demuestra que la generación se haya cancelado.
Referencia de la familia y el protocolo
GPT Image 2.5
Documentación completa de la APIGenera imágenes con Flare o edita imágenes de referencia con Sunburst.
https://api.apihop.ai/openai/v1/images/generations