GPT Image 2.5 i test

Den 8 september släppte OpenAI ChatGPT Images 2.5, fem månader efter Images 2.0. I ChatGPT blev den bildmodellen för alla användare. I API:et kom den som två modeller: GPT-Image-2.5 Flare, det snabba standardvalet, och GPT-Image-2.5 Sunburst, som tar längre tid för mer precist arbete.

OpenAI uppger att människor nu skapar mer än 3 miljarder bilder i veckan med företagets verktyg. Här är vad som har ändrats, vad modellen gör bra, var den fortfarande brister, vad den kostar och vad den betyder för ett varumärke som vill använda den.

Vad som har ändrats

De viktigaste löftena är skarpare detaljer, naturligare ljus och texturer och snabbare resultat, med upp till 50 procent kortare väntan än med Images 2.0. OpenAI säger också att motivet i ett referensfoto förblir mer igenkännbart och att modellen följer redigeringsinstruktioner mer pålitligt över flera omgångar, så att tidigare ändringar inte längre faller sönder.

I ChatGPT har modellen fått nya verktyg omkring sig. Med Sketch blir en grov teckning en färdig bild. Mallar låter en affisch eller ett produktfoto utgå från en struktur i stället för en tom prompt, och kommentarer kan placeras direkt på en bild för att styra en redigering.

Mycket av grunden lades redan i april med GPT Image 2. TechCrunch tyckte att den var ”förvånansvärt bra” på text, med en restaurangmeny som var trovärdig nog att använda, och OpenAI pekade på bättre återgivning av skriftsystem som japanska, koreanska, hindi och bengali. Den fick också ett tankesteg: modellen kan söka på webben, göra flera bilder utifrån en prompt och granska sitt eget resultat.

Kvalitet, text och redigering

I blindröstningar hamnar den överst. På Arenas topplista för text till bild, där människor jämför två anonyma bilder och väljer den bättre, låg Sunburst etta och Flare tvåa den 7 oktober, före GPT Image 2 och klart före Grok Imagine, Microsofts MAI-Image-2.6 och Googles Nano Banana 2.1. Sådana röster mäter vad människor föredrar vid en snabb blick, inte om en bild passar ett varumärke, men ledningen är konsekvent.

Det är i texten som framstegen syns mest. Rubriker, menyer, etiketter och gränssnittselement som kom ut förvrängda för två år sedan stavas nu oftast rätt. OpenAI:s egen dokumentation är försiktigare än lanseringsinlägget: modellen ”kan fortfarande ha svårt med exakt textplacering och tydlighet”. Enligt vår bedömning betyder det ja till utkast och mockups, och ja till slutlig förpackning eller juridisk text först när en människa har kontrollerat varje ord.

För ett varumärke är redigeringen viktigare än den första bilden. OpenAI säger att Images 2.5 är bättre på att ändra bara det som efterfrågades, så att en produkt, en bakgrund eller en textrad kan bytas ut medan kompositionen består. Dokumentationen nämner gränserna rakt ut. En mask är vägledning, inte en schablon, och modellen ”följer kanske inte dess exakta form med full precision”. Den kan också ha svårt att hålla återkommande karaktärer eller varumärkeselement konsekventa mellan genereringar, och att placera element exakt i layouter.

Den praktiska regeln följer av det. Behandla varje redigering som en ny återgivning av hela bilden och jämför den med originalet innan den går vidare. Där en produkt måste förbli exakt som den är, till exempel en flaska med en reglerad etikett, behåll det riktiga fotografiet och låt modellen bygga scenen runt den i stället för att rita om föremålet.

Hastighet, pris och gränser

Flare är den modell OpenAI rekommenderar för de flesta ändamål. Sunburst är avsedd för kampanjarbete där redigeringar måste hålla, och tar längre tid. Båda kostar lika mycket per token: 30 dollar per miljon bildtokens i utdata, plus indata. OpenAI:s egen kalkylator sätter en kvadratisk bild på 1'024 pixlar till ungefär en halv cent i låg kvalitet, ungefär 5 cent i hög kvalitet och ungefär 21 cent med den nya inställningen max.

Bilder kan bli upp till 3'840 pixlar på den långa sidan, men allt över 2'560 gånger 1'440 är fortfarande märkt som experimentellt, och komplexa prompter kan ta upp till två minuter. OpenAI kan kräva att en organisation verifierar sig innan den får använda bildmodellerna i API:et. Modeller fasas också ut snabbt: gpt-image-1 stängs av den 23 oktober, och GPT Image 1.5 och dess miniversion följer den 1 december. Varje arbetsflöde som bygger på en modell behöver testas om på nästa.

Mot Google och de andra

Google svarade den 6 oktober med Nano Banana 2.1, byggd på Gemini 3.6 Flash. Den tar emot upp till 14 referensbilder, håller upp till fyra karaktärer och tio objekt konsekventa, renderar upp till 4K och kostar, enligt The Decoder, 3,36 amerikanska cent per bild i 1K och 7,56 cent i 4K. Googles eget modellkort listar svagheterna: liten text som ofta är suddig i 1K, ofullständig likhet med referensbilderna och att vänster och höger ibland förväxlas.

Avvägningen är alltså tydlig. GPT Image 2.5 leder i vad människor föredrar överlag och i text, och redigeringen har blivit bättre. Google är billigare i hög upplösning, tar emot fler referenser på en gång och finns inne i Google Ads, Flow och Stitch. I The Decoders tester gav Googles äldre och dyrare Nano Banana Pro fortfarande ofta den mer naturliga bilden. Ingen modell vinner varje uppgift, och därför görs valet bäst per uppgift, inte en gång om året.

Vad det betyder för ett varumärke

Vårt omdöme: utifrån dagens underlag är GPT Image 2.5 den starkaste allmänna bildmodellen som finns, särskilt där text och layout spelar roll. Använd Flare för utkast, koncept och sociala format, och Sunburst för slutligt kampanjarbete. Kontrollera varje ord, behåll det riktiga produktfotot för allt som måste vara exakt, och ha en andra modell redo för uppgifter där Google är billigare eller bättre. OpenAI märker sina bilder med C2PA-metadata och en osynlig vattenstämpel, vilket främjar ärlighet.

Den är ändå inget varumärkessystem. Den känner inte till ditt ljus, ditt utsnitt eller dina färger om du inte visar dem, och den kan glida isär mellan genereringar. Det är den delen Reel är byggt för: stilar som låsts utifrån verkliga referenser, den bästa modellen vald för varje uppgift, med GPT Image och Gemini bland dem, en kvalitetskontroll av varje resultat och en människa som väljer vad som används. En bättre modell gör den processen snabbare. Den ersätter den inte.