API GPT Image 2.5 Sunburst pour générer et modifier des images
Consultez les tarifs des tokens et exemples de modification d’images de référence GPT Image 2.5 Sunburst. Vérifiez les formats de génération, la qualité et les limites d’entrée.
Tarifs et facturation de l’API GPT Image 2.5 Sunburst
Prix de référence non vérifié indépendamment. Consultez les tarifs actuels, unités de facturation et conditions applicables de l’éditeur avant de comparer les coûts.
Outil d’image en ligne GPT Image 2.5 Sunburst
Paramètres d’image
Connectez-vous pour utiliser le solde de votre compte.
Les images ci-dessous sont attribuées à ce modèle dans le guide OpenAI lié ; ce ne sont pas des résultats enregistrés sur API Hop. Les prompts et paramètres affichés sont des exemples réutilisables, pas des paramètres de reproduction vérifiés ; les prompts adaptés sont signalés. Comparez géométrie, lettrage et changements involontaires avec l’entrée avant d’utiliser une modification.
Voir le prompt
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.
Enregistré le 22 octobre 2026 via API Hop. Chaque résultat correspond à une requête pour le modèle et le mode indiqués, sans garantie de taux de réussite, de vitesse ou de qualité de production. Les réponses ci-dessous restent dans leur langue d’origine.
La comparaison visuelle montre un fond blanc, un sujet et une composition globalement préservés, avec de légers changements de surfaces et de reflets. Le premier plan n’est pas identique pixel par pixel. Comparez le bord du verre, les glaçons, le niveau du liquide, le citron, la feuille et le socle avec l’original.
Cette réponse n’a pas répété le nom du modèle. Le relevé conserve le modèle demandé et l’ID exacts de la requête ; il ne vérifie pas indépendamment le routage en amont.
Requête et entrée complètes
POST /openai/v1/images/generations
{
"model": "gpt-image-2.5-sunburst",
"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
}
Les images ci-dessous sont attribuées à ce modèle dans le guide OpenAI lié ; ce ne sont pas des résultats enregistrés sur API Hop. Les prompts et paramètres affichés sont des exemples réutilisables, pas des paramètres de reproduction vérifiés ; les prompts adaptés sont signalés. Comparez géométrie, lettrage et changements involontaires avec l’entrée avant d’utiliser une modification.
Voir le prompt
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.
Le modèle phare d'OpenAI pour la génération et la retouche d'images de haute précision
GPT Image 2.5 Sunburst est un modèle de génération et de retouche d'images lancé par OpenAI le 8 septembre 2026. C'est aussi la version de la famille GPT Image 2.5 qui privilégie davantage la qualité visuelle et la précision des retouches.
Selon nous, la principale évolution de Sunburst n'est pas seulement de produire des images plus soignées, mais de comprendre plus précisément ce que l'utilisateur veut modifier et ce qui doit rester inchangé.
Par exemple, pour une publicité de produit, vous pouvez souhaiter uniquement changer l'angle du produit, ajuster l'éclairage du fond ou remplacer un texte, sans modifier l'apparence du produit ni la composition entière. Sunburst est optimisé pour ce travail exigeant un contrôle précis.
OpenAI présente Sunburst comme un modèle destiné à la création avancée et à la retouche détaillée. Par rapport à Flare, de la même famille, il consacre davantage de temps à la génération pour améliorer la précision du résultat.
Nous recommandons de tester Sunburst en premier si votre activité dépend surtout d'images finales de haute qualité, comme la photographie commerciale, la conception publicitaire ou les visuels de marque. Pour générer simplement un grand nombre d'images rapidement, Flare peut être plus adapté.
Un modèle visuel pour la génération à partir de texte, la retouche avec références et la composition multi-image
GPT Image 2.5 Sunburst ne se limite pas à la génération d'images à partir de texte. Il accepte aussi des images existantes et des instructions textuelles pour les retoucher, transférer des styles et combiner plusieurs références.
Nous estimons que cette capacité se rapproche davantage du vrai travail de conception que la seule génération textuelle, car les utilisateurs se satisfont rarement de la première image et doivent continuer à affiner les détails.
Vous pouvez par exemple fournir un personnage, un décor intérieur et une référence vestimentaire, puis demander au modèle de recréer la scène avec les positions et relations indiquées.
Dans les tests de Genflick de septembre 2026, la famille GPT Image 2.5 a réussi une composition de personnage et de scène avec trois références, en préservant les vêtements du personnage, les caractéristiques du décor et les positions gauche-droite spécifiées.
Cela ne signifie évidemment pas que les compositions complexes seront toujours justes. Nous recommandons de fournir des originaux nets et de préciser les caractéristiques à conserver lorsqu'il s'agit de produits, de l'identité d'un personnage ou de logos.
Un modèle de génération avec six niveaux de qualité et des résolutions personnalisées
GPT Image 2.5 Sunburst propose six réglages de qualité : low, medium, high, xhigh, max et auto, avec auto par défaut.
Les résolutions officiellement recommandées sont 1024x1024, 1536x1024 et 1024x1536. Des résolutions personnalisées sont aussi acceptées si elles respectent les contraintes de dimensions. Le modèle produit jusqu'à un nombre de pixels approximativement équivalent à la 4K, mais les résolutions élevées restent soumises à des limites expérimentales.
Pour nous, l'intérêt essentiel des réglages de qualité est de permettre aux développeurs de maîtriser les coûts selon les besoins, au lieu de choisir max partout. Comme nous l'avons souvent indiqué pour d'autres modèles, le niveau de raisonnement le plus élevé ne donne pas nécessairement le meilleur résultat.
Par exemple, medium ou high peuvent suffire à des illustrations ordinaires d'articles web. Pour des images commerciales devant montrer les détails d'un produit, vous pouvez aussi tester xhigh et max.
Un niveau supérieur ne garantit pas une meilleure réponse à chaque exigence. Certains essais pratiques ont même constaté l'ajout d'éléments décoratifs non demandés aux réglages élevés.
Nous recommandons de fixer la composition et le contenu avec un réglage moins coûteux, puis d'augmenter la qualité pour les visuels finaux. Cette démarche est plus raisonnable.
Les outils en ligne et l'API GPT Image 2.5 Sunburst de RequestBeam
Avec RequestBeam, nous souhaitons vous aider à essayer GPT Image 2.5 Sunburst plus tôt dans des situations professionnelles réelles, sans consacrer d'abord beaucoup de temps à l'intégration d'une API.
Connectez-vous à RequestBeam, créez une clé API et ajoutez un petit crédit pour commencer l'évaluation avec les outils en ligne. Vous n'avez ni code API à écrire au préalable ni forfait fixe à acheter pour un essai court, et vous réduisez la gestion de comptes sur plusieurs plateformes de modèles.
Principales capacités et domaines d'excellence de GPT Image 2.5 Sunburst
Retouche précise : modifier uniquement le contenu indiqué en préservant autant que possible les autres détails
Nous considérons la retouche précise comme la capacité la plus remarquable de GPT Image 2.5 Sunburst.
Avec les modèles antérieurs, il arrivait assez souvent qu'une demande de modification minime change aussi le visage d'une personne, la forme du produit, voire tout le décor.
Sunburst est optimisé pour cette situation. OpenAI souligne sa capacité à effectuer des retouches locales dans des sujets et décors complexes, tout en préservant autant que possible le sujet original, la composition et les éléments de marque.
Un de nos clients du commerce électronique nous a transmis une comparaison de Sunburst et Flare. Avec la même instruction de produit à plusieurs niveaux de qualité, il a observé que Sunburst conservait plus régulièrement la perspective, les reflets et la composition, alors que Flare remaniait plus volontiers l'image selon le réglage.
Cette capacité nous paraît bien adaptée aux images de produits, aux supports publicitaires et aux modifications locales de créations existantes.
Cohérence des personnages et des références : adaptée aux créations suivies et aux visuels de personnages
La cohérence des personnages a toujours été importante pour les utilisateurs qui créent des bandes dessinées, des illustrations narratives et des supports marketing avec l'IA.
Nous cherchons surtout à savoir si Sunburst conserve les traits essentiels d'un personnage, notamment la structure du visage, la coiffure, les accessoires et le style visuel général, lorsqu'il change sa pose, sa tenue ou le décor.
Lors du lancement, OpenAI a précisément montré comment déplacer un personnage de référence vers d'autres scènes, modifier son apparence et effectuer des retouches successives.
Un de nos clients produisant des séries courtes nous a indiqué que des instructions auparavant insatisfaisantes donnaient des résultats nettement meilleurs avec l'API Sunburst, en saluant particulièrement la cohérence des personnages et la qualité des images.
Selon nous, Sunburst convient à plusieurs images promotionnelles d'un même personnage, à des illustrations narratives en séquence et à des personnages de marque devant garder une identité visuelle cohérente.
Nous recommandons de valider d'abord une image de référence du personnage, puis de l'utiliser dans différentes scènes. Assurer la cohérence des ressources de base avant de générer les images finales donne de meilleurs résultats.
Photographie commerciale : éclairage, matières et détails de produit plus naturels
La photographie commerciale de produits nous semble être une autre application importante de Sunburst.
Avec GPT Image 2.5, OpenAI a travaillé sur l'éclairage naturel, les textures et la conservation des détails des références. Sunburst renforce encore la priorité donnée aux visuels finaux de haute qualité.
Par exemple, un client du commerce électronique produisant des images promotionnelles pour un soin de la peau a fourni une référence à Sunburst pour créer plusieurs arrière-plans. Il exigeait de conserver les proportions du flacon, les couleurs de l'emballage et le logo. Il s'est déclaré très satisfait.
Bien sûr, évaluer une photographie commerciale ne revient pas seulement à juger son attrait. Everypixel a mené en septembre 2026 un test à l'aveugle sur 48 scénarios commerciaux. Face à Qwen Image 2, Sunburst a obtenu 69.0% de préférence pour le photoréalisme. Face à GPT Image 2, il n'a toutefois obtenu que 52.7%, avec un intervalle de confiance incluant 50% : il ne s'agit donc pas d'un avantage clair en photoréalisme.
Nous trouvons ce résultat utile. Les atouts de Sunburst peuvent davantage résider dans le respect des instructions et la maîtrise des retouches que dans un réalisme nettement supérieur de chaque image.
Pour le commerce électronique, nous recommandons de contrôler séparément la forme du produit, le texte de l'emballage, la vraisemblance des ombres et lumières et les détails du fond. Le produit réel doit correspondre à sa présentation ; un écart peut nuire à la confiance envers la marque.
Texte et mises en page complexes : affiches, infographies et conception visuelle de produits
Pour les affiches publicitaires et les images marketing, le modèle doit générer l'image tout en traitant correctement le texte, les nombres et la mise en page.
Nous pensons que Sunburst présente déjà un intérêt pratique considérable dans ce domaine.
Plusieurs clients nous ont signalé des résultats satisfaisants pour des tâches concrètes, comme les affiches et les storyboards en neuf cases, avec beaucoup moins de corrections et parfois un résultat juste dès le premier essai.
Au vu de ces usages précis, Sunburst mérite selon nous d'être utilisé réellement pour des visuels promotionnels contenant peu de texte clairement spécifié. Les images très textuelles, les mises en page complexes ou les exigences de marque strictes nécessitent encore une vérification humaine.
Nous recommandons de préciser le texte, sa position, les tailles relatives et les éléments à ne pas ajouter. Une instruction structurée est préférable et peut améliorer les images générées.
Retouches successives et production de visuels de marque : réduire les générations répétées
Nous nous intéressons davantage à l'intégration de Sunburst dans un véritable processus de conception qu'à sa capacité à produire une seule belle image.
Dans un cadre commercial, les designers créent généralement une première version, puis la corrigent plusieurs fois selon les retours : déplacement du produit, changement de couleurs du fond, remplacement de texte et déclinaisons pour plusieurs canaux.
La famille GPT Image 2.5 améliore la conservation des détails au fil des retouches, tandis que Sunburst insiste davantage sur la précision.
Un client développeur utilisant depuis longtemps l'API GPT Image a déclaré avoir généré auparavant plus d'environ 80,000 images et avoir constaté, lors de l'essai de la nouvelle version, des améliorations dans l'utilisation des références et les éléments d'interface par rapport à GPT Image 2.5.
Nous pensons que la vraie question pour les équipes marketing est de savoir si moins de corrections sont nécessaires entre la première version et le visuel final.
Évaluations et performances de GPT Image 2.5 Sunburst
Cette section s'appuie sur les données publiées par Artificial Analysis, Arena, Everypixel et Quantslant, ainsi que sur certaines expériences de clients.
Qualité texte-image : 1198 Elo sur AA-Image-T2I v2.0
Dans le classement AA-Image-T2I v2.0 d'Artificial Analysis, GPT Image 2.5 Sunburst a obtenu 1198 Elo au réglage max, ce qui le plaçait alors en tête.
Dans le même classement, GPT Image 2.5 Flare Max obtenait 1191 Elo et GPT Image 2 High, 1172 Elo.
Cette évaluation compare anonymement des paires d'images et calcule les scores Elo selon les préférences humaines ; elle se rapproche donc du jugement des utilisateurs sur la qualité globale des images.
Nous notons néanmoins que les intervalles de confiance à 95% de Sunburst et Flare se chevauchent, ce qui indique une qualité globale texte-image relativement proche.
Nous recommandons de tester Flare d'abord si votre activité repose surtout sur la génération courante à partir de texte, puis d'inclure Sunburst pour les visuels exigeant une meilleure qualité finale.
Qualité de retouche : 1183 Elo sur AA-Image-Editing v2.0
Sur AA-Image-Editing v2.0 d'Artificial Analysis, Sunburst Max obtient 1183 Elo, contre 1163 Elo pour Flare Max et 1125 Elo pour GPT Image 2 High.
Ce résultat nous semble mieux refléter le positionnement de Sunburst que son score texte-image.
La retouche ne consiste pas à créer une image de zéro, mais à répondre aux attentes à partir d'une image et de changements demandés. Selon les données de clients, le rapport entre retouche et création de zéro est d'environ 3:1. Ces résultats indiquent donc un avantage relativement clair de Sunburst en retouche.
Nous recommandons de tester Sunburst en priorité pour un éditeur IA, un outil de remplacement de fond de produit ou de retouche de zones, plutôt que de choisir uniquement selon le classement texte-image.
Retouche multi-référence : 1535 sur Arena Multi Image Edit
Dans le classement Multi Image Edit d'Arena, GPT Image 2.5 Sunburst a obtenu 1535±9, Flare 1501±8 et GPT Image 2 Medium 1454±4. Ces résultats étaient encore qualifiés de préliminaires.
Nous estimons ce score particulièrement pertinent pour les applications combinant plusieurs références.
Pour réunir par exemple des personnes, des vêtements et des décors provenant d'images différentes, le modèle doit comprendre chaque image mais aussi gérer les positions, proportions et relations visuelles entre les objets.
Les scores d'Arena reflètent cependant des préférences, pas une reproduction exacte de chaque objet. Pour les compositions de produits, les portraits de groupe et les scènes complexes, nous recommandons donc toujours une vérification humaine indispensable des détails.
Test commercial à l'aveugle : seulement 52.7% de préférence en photoréalisme face à GPT Image 2
Everypixel a testé 48 scénarios de photographie commerciale, évalués anonymement par 13 membres d'équipes de production.
Entre Sunburst et GPT Image 2, les trois principaux résultats sont 52.7% de préférence en photoréalisme, 55.2% pour le respect des instructions et 56.7% pour l'esthétique.
Cette étude rappelle selon nous que 52.7% ne démontre pas un avantage statistiquement clair en photoréalisme. Sunburst bénéficie d'un léger avantage pour les instructions et l'esthétique, mais il reste relativement limité.
Nous recommandons donc aux équipes utilisant déjà GPT Image 2 pour des visuels commerciaux de ne pas tout migrer précipitamment. Commencez par les retouches précises, les compositions complexes et le texte, puis décidez de changer ou non.
Everypixel · Évaluation indépendantePréférence pour Sunburst face à GPT Image 248 scènes de photographie commerciale · 13 évaluateurs de production · Test à l’aveugle
Part de préférence (%) · Plus élevé est préférable · 50% = préférence égale
0255075100
Photoréalisme52.7%
Respect du prompt55.2%
Esthétique56.7%
L’intervalle de confiance du réalisme inclut 50% : aucun avantage statistiquement net. Les autres gains de préférence restent modestes.
Vitesse et coût : environ 28 secondes en High et 78 en Max
Quantslant a testé la vitesse et le coût de Sunburst et Flare avec une même instruction.
À une résolution de 1536×864, les résultats étaient les suivants :
Qualité
Durée Sunburst
Durée Flare
Coût par image
Moyenne
14.0 secondes
12.8 secondes
$0.0086
Élevée
27.8 secondes
17.9 secondes
$0.033
Maximale
77.8 secondes
37.6 secondes
$0.130
Ces données proviennent d'un environnement précis, avec peu d'échantillons au niveau moyen. Elles ne doivent pas être considérées comme des délais stables de plateforme ni comme des tarifs fixes.
L'essentiel est selon nous que Sunburst et Flare utilisent les mêmes tarifs officiels par token, mais que Sunburst prend nettement plus de temps aux réglages élevés. Passer de High à Max augmente aussi beaucoup le coût sans amélioration nécessairement proportionnelle. Nous l'avons souvent souligné : davantage de raisonnement prend plus de temps sans garantir le meilleur résultat. C'est un point contre-intuitif sur lequel nous insistons auprès de nos clients.
Nous recommandons de commencer en High pour les images courantes. Essayez Max pour une publicité à forte valeur ou un visuel final devant conserver des détails complexes. Pour une génération rapide et des prévisualisations répétées, nous privilégions Flare.
GPT Image 2.5 Sunburst face à Flare, GPT Image 2, Nano Banana 2.1 et MAI-Image-2.6
Face à GPT Image 2.5 Flare : privilégier la précision des retouches ou la vitesse
Sunburst et Flare sont selon nous les modèles les plus naturels à comparer, car ils appartiennent à la même génération, mais ils sont optimisés pour des besoins professionnels différents.
Les tests indépendants d'Artificial Analysis montrent un écart limité en texte-image : Sunburst Max obtient 1198 Elo et Flare Max, 1191 Elo.
En retouche, l'avantage de Sunburst est plus net, avec respectivement 1183 et 1163 Elo.
Pour la vitesse, Quantslant constate que Flare est nettement plus rapide en High, avec un écart encore plus grand en Max.
Nous ne voyons pas une simple relation de mise à niveau et de remplacement entre eux ; leurs usages ne sont pas identiques.
Pour un générateur d'illustrations de blog, un site généraliste texte-image ou des visuels sociaux en volume, nous recommandons de privilégier Flare.
Si votre produit permet d'importer des références et de retoucher précisément et à plusieurs reprises des personnes, produits et zones d'image, nous recommandons plutôt Sunburst.
Sur une plateforme réunissant génération et retouche, nous conseillons Flare pour la création rapide et Sunburst pour les finitions détaillées. Pour les deux, commencez les essais en high.
Face à GPT Image 2 : mieux adapté à la retouche, sans justifier la migration de toute image commerciale
GPT Image 2 est une référence importante pour Sunburst, car beaucoup d'applications utilisant déjà les images d'OpenAI doivent décider si la mise à niveau vaut la peine.
Dans les évaluations d'Artificial Analysis, Sunburst obtient des scores Elo supérieurs à GPT Image 2 aussi bien en texte-image qu'en retouche.
Le test commercial à l'aveugle d'Everypixel apporte toutefois une autre perspective : Sunburst n'a pas montré d'avance statistiquement claire en photoréalisme.
Nous pensons que cela situe l'intérêt principal de la nouvelle version dans les demandes complexes et la retouche, plutôt que dans des images nettement plus séduisantes pour tous les usages commerciaux.
Les réglages diffèrent aussi. GPT Image 2 va jusqu'à High, tandis que Sunburst ajoute XHigh et Max, offrant davantage d'options pour les sorties finales.
Aux équipes utilisant déjà GPT Image 2, nous conseillons de migrer en priorité la retouche et la composition multi-référence. Pour les images de présentation de produits et illustrations d'articles déjà stables, gardez d'abord l'ancien modèle comme point de comparaison.
Nous ne recommandons pas de remplacer toutes les tâches simplement parce que Sunburst est plus récent. Décider après avoir testé vos usages est la bonne démarche.
Face à Nano Banana 2.1 : meilleure préférence en retouche contre coûts de génération réduits
Nano Banana 2.1 est le modèle de génération et de retouche de Google, une option d'une autre plateforme à considérer pour évaluer Sunburst.
Sur AA-Image-T2I v2.0 d'Artificial Analysis, Sunburst Max obtient 1198 Elo, contre 1160 Elo pour Nano Banana 2.1.
En retouche, leurs scores sont respectivement 1183 et 1137 Elo.
Ces deux résultats avantagent Sunburst dans les tests indépendants de préférence.
Le coût reste toutefois un autre critère. Dans les configurations normalisées correspondantes, Artificial Analysis indique environ $210.7 pour mille images avec Sunburst et $33.6 avec Nano Banana 2.1. Ces montants ne valent que pour ces configurations, et ne sont pas des coûts fixes pour toutes les résolutions et qualités.
Nous pensons que Sunburst peut être testé en priorité pour une meilleure qualité de retouche. Pour de gros volumes d'images, l'avantage économique de Nano Banana 2.1 mérite une évaluation attentive.
Face à MAI-Image-2.6 : précision visuelle ou production de visuels en volume
MAI-Image-2.6 est le modèle de génération de Microsoft AI et mérite lui aussi de figurer dans les essais de sélection pour les images commerciales.
Dans le classement texte-image d'Artificial Analysis, Sunburst Max obtient 1198 Elo, contre 1151 Elo pour MAI-Image-2.6. En retouche, les scores sont respectivement 1183 et 1139 Elo.
Les deux tests placent Sunburst en tête des préférences humaines. Dans la même évaluation, les coûts normalisés pour mille images sont respectivement d'environ $210.7 et $38.9.
Sunburst mérite selon nous la priorité pour des publicités haut de gamme, des photos détaillées de produits ou des visuels de marque retouchés à plusieurs reprises.
Mais pour produire en volume les fonds d'un grand catalogue ou beaucoup d'illustrations en continu pour un site de contenu, MAI-Image-2.6 peut être plus économique.
Pour les applications à fort volume, nous conseillons de définir d'abord la qualité minimale acceptable, puis de choisir le modèle qui l'atteint au coût total le plus faible, plutôt que de prendre simplement le premier du classement.
Questions fréquentes sur l’intégration de l’API GPT Image 2.5 Sunburst
Comment appeler ce modèle via API Hop ?
Créez une clé API API Hop pour votre serveur et envoyez du JSON à POST /openai/v1/images/generations avec l’ID du modèle affiché sur cette page et un prompt. Omettez image_urls pour une nouvelle image. Vérifiez le tarif actuel avant l’envoi : la génération est facturée, ce n’est pas un test de connexion gratuit.
Comment modifier une image de référence via API Hop ?
Envoyez le modèle choisi, un prompt de modification et image_urls à POST /openai/v1/images/generations. Fournissez jusqu’à 16 URL d’images HTTP(S) accessibles publiquement. Cet endpoint API Hop utilise JSON pour la génération et la modification d’images de référence. Son contrat public actuel ne prend pas en charge les envois multipart, les URI de données base64, les masques ou une route /images/edits distincte. Décrivez les changements et les détails à préserver, puis vérifiez le résultat complet. Pour une nouvelle modification, renvoyez le résultat précédent comme URL de référence ; cet endpoint ne conserve pas l’historique de conversation.
Où se trouve l’URL de l’image générée ?
Avec stream: false, API Hop attend la fin et renvoie les URL d’images dans data[].url, avec les informations d’utilisation disponibles. Vérifiez le statut HTTP et le corps de la réponse avant de lire le résultat. Utilisez le format documenté pour cet endpoint, pas un parseur Base64 du fournisseur. Téléchargez les images terminées dans votre propre stockage si votre application nécessite un accès durable.
Comment lire un résultat en streaming ?
Avec stream: true, lisez les événements SSE jusqu’à image_generation.completed et [DONE], et gérez les erreurs. Les aperçus partiels ne sont pas garantis. Cet endpoint Images generations ne renvoie pas d’ID de tâche pour le polling. Si la connexion s’interrompt avant la fin, conservez tout ID de requête et vérifiez les journaux et l’utilisation du compte avant de soumettre une autre génération potentiellement payante. Une déconnexion du client ne prouve pas l’annulation de la génération.
curl -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-sunburst","prompt":"Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.\nHe has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.\nHe 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.\nSoft coastal daylight, shallow depth of field, subtle film grain, natural color balance.\nThe image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.","n":1,"size":"1:1","quality":"low","output_format":"png","stream":false,"resolution":"1k","image_urls":[],"background":"auto"}'
Limites des requêtes et réponses API Hop
Créez une clé API API Hop pour votre serveur et envoyez du JSON à POST /openai/v1/images/generations avec l’ID du modèle affiché sur cette page et un prompt. Omettez image_urls pour une nouvelle image. Vérifiez le tarif actuel avant l’envoi : la génération est facturée, ce n’est pas un test de connexion gratuit.
Envoyez le modèle choisi, un prompt de modification et image_urls à POST /openai/v1/images/generations. Fournissez jusqu’à 16 URL d’images HTTP(S) accessibles publiquement. Cet endpoint API Hop utilise JSON pour la génération et la modification d’images de référence. Son contrat public actuel ne prend pas en charge les envois multipart, les URI de données base64, les masques ou une route /images/edits distincte. Décrivez les changements et les détails à préserver, puis vérifiez le résultat complet. Pour une nouvelle modification, renvoyez le résultat précédent comme URL de référence ; cet endpoint ne conserve pas l’historique de conversation.
Avec stream: false, API Hop attend la fin et renvoie les URL d’images dans data[].url, avec les informations d’utilisation disponibles. Vérifiez le statut HTTP et le corps de la réponse avant de lire le résultat. Utilisez le format documenté pour cet endpoint, pas un parseur Base64 du fournisseur. Téléchargez les images terminées dans votre propre stockage si votre application nécessite un accès durable.
Avec stream: true, lisez les événements SSE jusqu’à image_generation.completed et [DONE], et gérez les erreurs. Les aperçus partiels ne sont pas garantis. Cet endpoint Images generations ne renvoie pas d’ID de tâche pour le polling. Si la connexion s’interrompt avant la fin, conservez tout ID de requête et vérifiez les journaux et l’utilisation du compte avant de soumettre une autre génération potentiellement payante. Une déconnexion du client ne prouve pas l’annulation de la génération.
