Costo GPT Image 2.5: quanto si paga davvero per ogni immagine

Il costo GPT Image 2.5 per immagine non è una cifra fissa: Sunburst e Flare applicano entrambi $8 per milione di token di input immagine, $2 per quelli in cache, $30 per l'output immagine, $5 per l'input testuale e $1.25 per l'input testuale in cache. Per ottenere un costo unitario attendibile bisogna partire dall'uso riportato in ogni risposta e includere ogni modifica fatturabile, immagine parziale e nuovo tentativo, non affidarsi a una vecchia tabella di GPT Image 2.

Costo GPT Image 2.5 per immagine: la formula

Il dato davvero utile si calcola dividendo l'utilizzo totale fatturabile dei token per il numero di immagini approvate. OpenAI GPT Image 2.5 Sunburst e Flare hanno le stesse tariffe pubblicate, quindi nessuno dei due modelli è automaticamente più economico per immagine. Il costo finale dipende dai token consumati, dalle impostazioni e dal numero di tentativi.

Questi prezzi sono stati verificati il 9 settembre 2026 sulla pagina ufficiale dei prezzi API di OpenAI e sulle pagine aggiornate di entrambi i modelli.

Non esiste un addebito separato per l'output testuale, perché questi modelli producono immagini. Per una richiesta diretta alla Image API, il calcolo è:

Costo della richiesta = input testuale standard + input testuale in cache + input immagine standard + input immagine in cache + output immagine.

Ogni quantità di token va moltiplicata per la relativa tariffa per milione. In una normale richiesta text-to-image originale non compare alcuna voce di input immagine. In una modifica, invece, l'immagine di riferimento deve essere elaborata e quindi diventa un input. Se la chiamata all'immagine viene orchestrata dalla Responses API, bisogna aggiungere anche i token usati dal modello principale. La guida alla generazione di immagini di OpenAI specifica che le richieste Responses comportano questo utilizzo aggiuntivo.

Il campo usage della risposta è la fonte da seguire. Un prompt o un riferimento ripetuto non va considerato in cache se l'utilizzo riportato non lo conferma. E se il team scarta metà dei risultati, dividere la spesa per il numero di richieste dà una misura fuorviante: un flusso creativo acquista asset approvati, non chiamate API.

Esempi di costo per immagine con ipotesi esplicite

Un esempio teorico serve solo se le ipotesi restano ben visibili. Nessuno dei conteggi di token che seguono viene presentato come consumo tipico di Sunburst o Flare: vanno sostituiti con i valori delle proprie risposte.

Nuova generazione. Supponiamo che una richiesta utilizzi 200 token testuali non in cache e 2,000 token di output immagine, senza input immagine. Il testo costa 200 × $5 / 1,000,000 = $0.001. L'output costa 2,000 × $30 / 1,000,000 = $0.060. Il totale teorico della richiesta è $0.061.

Modifica di un'immagine di riferimento. Supponiamo 250 token testuali non in cache, 6,000 token di input immagine non in cache e 2,000 token di output. Le tre componenti costano $0.00125, $0.048 e $0.060. Il totale teorico della modifica è $0.10925.

Modifica ripetuta con cache dichiarata. Manteniamo gli stessi conteggi, ma supponiamo che la risposta indichi come memorizzati in cache tutti gli input testuali e visivi. Le componenti di input scendono a $0.0003125 e $0.012, mentre l'output resta a $0.060. Il totale teorico della ripetizione è $0.0723125.

Su mille asset approvati, queste ipotesi producono budget molto diversi: $61 per generazioni nuove riuscite al primo tentativo, $109.25 per modifiche riuscite al primo tentativo oppure $183 quando ogni risultato approvato richiede tre tentativi fatturabili da $0.061. L'unità corretta per le previsioni è quindi:

Costo per asset approvato = costo totale di tutti i tentativi fatturabili / numero di output che superano la revisione.

Questo denominatore intercetta ciò che una tabella di tariffe non mostra: nuovi tentativi dopo il prompt, cicli di modifica, varianti abbandonate e anteprime in streaming. Un modello con un costo medio per chiamata più alto può comunque risultare più conveniente se arriva all'approvazione in meno tentativi.

1. 1

   Bloccare il modello

   Annotare l'ID esatto del modello. Quando serve uno snapshot stabile, usare gpt-image-2.5-flare-2026-09-08 oppure gpt-image-2.5-sunburst-2026-09-08, evitando di mescolare in silenzio revisioni future nello stesso campione di costo.

2. 2

   Fissare le impostazioni di output

   Durante la misurazione, scegliere dimensioni e qualità esplicite invece di auto. Entrambi i modelli supportano low, medium, high, xhigh e max; cambiare impostazione può modificare il consumo di token.

3. 3

   Registrare ogni risposta fatturabile

   Salvare modello, tipo di attività, input testuale, input immagine, input in cache, output immagine, utilizzo delle immagini parziali e l'eventuale utilizzo del modello principale restituito da Responses.

4. 4

   Classificare l'esito creativo

   Contrassegnare ogni risultato come approvato, modificato, rigenerato o scartato. In questo modo la spesa infrastrutturale diventa una metrica della produzione creativa.

5. 5

   Confrontare gli asset approvati

   Sommare tutto l'utilizzo fatturabile di ciascun modello e dividerlo per gli output approvati. Scegliere il modello e le impostazioni con il minor costo per asset approvato che soddisfano comunque lo standard qualitativo.

Prezzi di GPT Image 2.5 Sunburst

Sunburst non applica una tariffa token maggiorata. Usa gli stessi prezzi di Flare: $8 per l'input immagine, $2 per l'input immagine in cache, $30 per l'output immagine, $5 per l'input testuale e $1.25 per l'input testuale in cache.

La differenza sta nel compito per cui è stato progettato. OpenAI presenta Sunburst come il suo modello più capace per generare e modificare immagini, con particolare attenzione alla precisione nell'editing. La velocità indicata è media. Anche Vercel lo colloca come l'opzione più lenta, ma dal controllo più rigoroso per i lavori creativi dettagliati.

Sunburst diventa quindi la scelta predefinita più razionale per correggere un'immagine di prodotto, preservare un personaggio o intervenire su un layout delicato, quando un altro tentativo respinto costerebbe più dell'attesa. Non è invece automaticamente l'opzione più economica per l'ideazione su larga scala. La regola del pareggio è semplice: conviene scegliere Sunburst quando il suo costo medio per chiamata, moltiplicato per i tentativi necessari a ottenere un asset approvato, è inferiore al risultato di Flare sullo stesso brief.

Prezzi di GPT Image 2.5 Flare

Flare costa quanto Sunburst per token. La sua convenienza economica dipende quindi dalla velocità e dalla capacità di sostenere molte iterazioni, non da una tariffa scontata. OpenAI definisce Flare il suo modello più veloce per la generazione quotidiana di immagini di alta qualità e ne classifica la velocità come molto elevata.

Flare è il punto di partenza più efficace per moodboard, esplorazioni rapide della composizione, varianti social e altri lavori nei quali un designer prevede di confrontare più direzioni. Accetta anche immagini in input ed esegue modifiche. La pagina dei prezzi, però, non garantisce un minor numero di token o di tentativi per uno specifico brief.

Si può usare Flare nella fase di bozza e mantenerlo per l'output finale solo se il registro degli asset approvati conferma la scelta. Spostare automaticamente ogni finale su Sunburst fa perdere tempo quando Flare supera già la revisione; affidare a Flare ogni modifica che richiede massima fedeltà può invece far spendere di più se i tentativi aggiuntivi annullano il vantaggio di velocità.

Quanto costa modificare immagini con GPT Image 2.5

Una modifica costa più del solo output, perché l'immagine sorgente diventa un input fatturabile. È qui che il prezzo sintetico smette più spesso di coincidere con la fattura.

L'esempio pubblicato da Vercel rende concreto il flusso di lavoro. La prima richiesta crea una boccetta di profumo su una pietra chiara, illuminata dalla luce del mattino. Quella successiva passa l'immagine a Sunburst, chiede di trasformare il tappo in oro e di preservare tutto il resto. La seconda chiamata contiene così tre flussi a pagamento: il testo dell'istruzione, l'immagine di riferimento e il nuovo output immagine.

Con le ipotesi esplicite usate sopra, il riferimento incide per $0.048 su una richiesta da $0.10925. Se in una revisione successiva viene indicato come dato in cache, la componente teorica di input immagine scende a $0.012. Nell'esempio l'output continua a costare $0.060: la cache riduce soltanto il lato input e non rende gratuita una rigenerazione.

Lo standard qualitativo riguarda la fedeltà, non il semplice successo tecnico della risposta. Occorre verificare che sagoma della boccetta, geometria dell'etichetta, direzione della luce, ritaglio e sfondo sopravvivano alla modifica del tappo. Se cambiano, la chiamata correttiva successiva è un altro tentativo fatturabile. Quando un'immagine contiene testo, ogni carattere va controllato alla dimensione finale. Per gli asset trasparenti, la guida richiede PNG o WebP con lo sfondo impostato su trasparente.

GPT Image 2.5 restituisce un output raster, cioè una griglia fissa di pixel, nei formati PNG, JPEG o WebP. Se il deliverable richiede tracciati vettoriali modificabili per un logo o un marchio destinato alla produzione, l'immagine generata va trattata come direzione creativa e ricostruita in uno strumento vettoriale. Un PNG pulito può essere pronto per molte applicazioni di campagna, ma resta adatto solo a una moodboard quando l'elaborato deve conservare una struttura modificabile.

Il prezzo per immagine di GPT Image 2 non vale per 2.5

La vecchia tabella dei prezzi per immagine di GPT Image 2 non può essere riutilizzata come listino di Sunburst o Flare. La guida di OpenAI riporta per l'output immagine di GPT Image 2 stime da $0.005 a $0.211 nelle dimensioni mostrate e con qualità low, medium e high; precisa poi separatamente che i dettagli del modello precedente non si applicano a Sunburst o Flare.

L'attuale pagina del modello Sunburst è ancora più esplicita: le tariffe token coincidono con quelle di GPT Image 2, ma il calcolatore non stima il consumo di token di GPT Image 2.5. Lo stesso prezzo unitario non dimostra che i modelli consumino lo stesso numero di unità.

Esiste uno sconto confermato per il modello precedente, che va distinto con chiarezza. Nella colonna Batch, OpenAI indica attualmente per GPT Image 2 $4 di input immagine, $1 di input immagine in cache, $15 di output immagine, $2.50 di input testuale e $0.625 di input testuale in cache per milione di token. Se il suo consumo coincidesse con la richiesta teorica da 200 token testuali e 2,000 token di output, il risultato aritmetico sarebbe $0.0305. È un confronto ipotetico con il precedente GPT Image 2, non un prezzo di Sunburst o Flare.

Le pagine dei modelli 2.5 elencano l'endpoint Batch, ma la pagina aggiornata dei prezzi OpenAI non pubblica tariffe Batch per 2.5. Una previsione che dimezza senza verifica i prezzi di Sunburst o Flare non è attendibile e non dovrebbe essere approvata.

Prezzi API GPT Image 2.5: i costi nascosti

Le tariffe base dei token sono soltanto la prima riga della fattura. Sei scelte operative incidono sul costo di ogni immagine approvata.

Orchestrazione con Responses. Quando un modello principale decide quando o come richiamare la generazione di immagini, il suo utilizzo di input e output viene fatturato in aggiunta a quello del modello visivo. È preferibile usare direttamente la Image API se il passaggio di generazione è fisso e non richiede una pianificazione conversazionale; Responses ha senso quando quell'orchestrazione giustifica il costo separato.

Impostazioni automatiche. Per entrambi i modelli la qualità predefinita è auto e anche le dimensioni possono essere automatiche. È una soluzione pratica per un output generico, ma poco adatta a un confronto controllato dei prezzi. Le dimensioni raccomandate nella documentazione sono 1024x1024, 1536x1024 e 1024x1536. Durante la misurazione, dimensioni e qualità vanno impostate in modo esplicito.

Anteprime in streaming. L'API può restituire da zero a tre immagini parziali. Ogni immagine parziale ricevuta aggiunge 100 token di output immagine, pari a $0.003 alla tariffa di output attuale. Tre anteprime ricevute aggiungono $0.009 prima degli altri consumi dell'immagine finale. Un'interfaccia percepita come più rapida comporta quindi un piccolo costo reale per le anteprime.

Nuovi tentativi fatturabili. Tre tentativi con la richiesta teorica da $0.061 producono un asset approvato da $0.183. Bisogna conteggiare soltanto le chiamate la cui telemetria riporta un utilizzo, ma includerle tutte anche quando il team creativo scarta l'immagine.

Crediti prepagati. Le indicazioni di OpenAI sulla fatturazione prepagata fissano l'acquisto iniziale minimo a $5, il valore predefinito a $10 e attivano automaticamente la ricarica durante la configurazione. I crediti acquistati scadono dopo un anno e non sono rimborsabili. Non esiste uno sconto annuale self-service che compensi la scadenza. Inoltre, gli acquisti manuali non concorrono al limite facoltativo di ricarica automatica.

Limiti di saldo e capacità. Il saldo prepagato non è un blocco rigido e istantaneo. OpenAI spiega che un ritardo nella contabilizzazione dell'utilizzo può produrre un saldo negativo, che verrà sottratto dall'acquisto successivo. Separatamente, entrambe le pagine dei modelli 2.5 indicano che il livello Free non è supportato e pubblicano la stessa scala di capacità: Tier 1 con 100,000 token e 5 immagini al minuto; Tier 2 con 250,000 e 20; Tier 3 con 800,000 e 50; Tier 4 con 3,000,000 e 150; Tier 5 con 8,000,000 e 250. Un saldo positivo non consente di superare questi limiti.

Prezzi API OpenAI e Vercel AI Gateway a confronto

Vercel AI Gateway non riduce le tariffe base per token di Sunburst o Flare. Vercel dichiara di applicare i prezzi del provider senza rincari e di non addebitare commissioni di inferenza della piattaforma, anche quando si utilizza una propria chiave OpenAI.

La scelta è operativa. L'accesso diretto a OpenAI ha meno livelli intermedi e restituisce la risposta autorevole del modello. Vercel AI Gateway aggiunge monitoraggio della spesa, tracce delle richieste, budget, routing, failover e nuovi tentativi configurabili tramite i nomi openai/gpt-image-2.5-flare e openai/gpt-image-2.5-sunburst.

Questa osservabilità può migliorare il denominatore, mostrando quali prompt e percorsi producono asset approvati. Può anche nascondere sprechi se i tentativi automatici non entrano nel registro dei costi a livello di asset. Il gateway va scelto per il controllo e la tracciabilità, non per un presunto sconto sui token.

L'accesso consumer è un prodotto diverso, con limiti differenti. Va escluso dal foglio di calcolo delle API; la guida separata ai prezzi di ChatGPT affronta quella scelta.

Quale modello dovrebbe scegliere un team di design?

Il punto di partenza è Flare per le esplorazioni rapide e Sunburst per le modifiche in cui preservare dettagli e fedeltà è essenziale. Se però i dati sul costo per asset approvato indicano il contrario, devono prevalere sui valori predefiniti.

Per un social team che produce molte direzioni visive ancora aperte conta il tempo necessario a ottenere le prime opzioni, e il posizionamento di Flare sulla velocità è adatto allo scopo. Per un brand team che corregge un solo elemento in una composizione già approvata, il valore rilevante è il maggiore controllo di Sunburst sull'editing. Uno studio impegnato a mantenere coerenti personaggi o scene di prodotto dovrebbe confrontarli sullo stesso brief ricco di riferimenti, non su prompt campione estranei al lavoro reale.

La decisione finale spetta comunque alla revisione creativa. Vanno controllati tipografia, mani, integrità dei bordi, geometria dei prodotti, variazioni nella composizione e compatibilità del formato di output con le modifiche successive. La guida più ampia ai modelli AI per modificare immagini mantenendo la coerenza del brand è utile quando la continuità conta più della fedeltà a un unico fornitore.

Da lunedì, conviene fissare lo snapshot di un modello, scegliere dimensioni e qualità esplicite, assegnare un ID asset a ogni generazione e modifica e archiviare l'utilizzo della risposta insieme all'esito della revisione. A fine settimana, si divide la spesa di ciascun modello per gli asset approvati. Quello è il prezzo che un piano di produzione può sostenere con dati alla mano.

FAQ sui prezzi di GPT Image 2.5

Quanto costa gpt-image 2 per immagine?

Per il precedente GPT Image 2, la guida di OpenAI indica stime dell'output immagine da $0.005 a $0.211 nelle dimensioni e impostazioni di qualità mostrate, prima di aggiungere l'input testuale o visivo. Questi valori non rappresentano il prezzo di GPT Image 2.5 Sunburst o Flare.

Quanto costano 1000 token?

Per GPT Image 2.5, 1,000 token standard di input immagine costano $0.008; l'input immagine in cache costa $0.002, l'output immagine $0.03, l'input testuale standard $0.005 e l'input testuale in cache $0.00125.

gpt-image 2 è illimitato?

No. GPT Image 2 prevede limiti di token e immagini al minuto legati al livello dell'account, mentre l'utilizzo è misurato. Le pagine dei modelli GPT Image 2.5 pubblicano la stessa scala di capacità.

gpt-image 2 è disponibile gratis?

No. La pagina ufficiale del modello GPT Image 2 non prevede un livello API Free permanente. Anche le pagine di Sunburst e Flare indicano che Free non è supportato.

Quanto è valido GPT Image 2?

OpenAI descrive GPT Image 2 come un modello rapido e di alta qualità per generare e modificare immagini, con dimensioni flessibili e input visivi ad alta fedeltà. GPT Image 2.5 è ora suddiviso in due proposte: Flare privilegia la velocità e Sunburst la precisione nelle modifiche. È quindi preferibile confrontare gli output approvati sul proprio brief, senza usare il numero di versione come punteggio di qualità.

Esiste un generatore di immagini AI gratuito al 100%?

GPT Image 2.5 non lo è. Un account può ricevere crediti promozionali, ma il livello Free del modello non è supportato e il prodotto pubblico addebita l'utilizzo.

Esiste un generatore di immagini AI gratis e senza limiti?

Non nella API di GPT Image 2.5. Anche l'accesso a pagamento prevede limiti di token e immagini al minuto collegati al livello di utilizzo dell'account.

Si può vendere legalmente arte generata dall'AI?

Il Services Agreement di OpenAI stabilisce che, nel rapporto tra OpenAI e un cliente API e nella misura consentita dalla legge, il cliente è proprietario dell'output. Restano a carico del cliente la responsabilità dei diritti sugli input e dell'uso dell'output, che potrebbe non essere unico. Questa formulazione contrattuale non sostituisce una consulenza su diritto d'autore, marchi, diritti della personalità o norme vigenti nella propria giurisdizione.

Quale AI è completamente gratuita?

Non esiste una risposta universale e duratura, perché disponibilità e limiti dei prodotti cambiano. GPT Image 2.5 non è del tutto gratuito: ogni alternativa va quindi valutata secondo le condizioni aggiornate del relativo fornitore, non sulla base di un elenco di strumenti gratis.

GPT Image 2.5 prevede uno sconto studenti?

Non risulta pubblicato uno sconto studenti per la API di GPT Image 2.5. L'attuale offerta OpenAI per studenti riguarda la fatturazione di ChatGPT Plus, non l'utilizzo di immagini via API.

Qual è la politica di rimborso di GPT Image 2.5?

Il modello di immagini non ha un piano di rimborso separato. OpenAI dichiara che i crediti API prepagati acquistati non sono rimborsabili, scadono dopo un anno e non possono essere prorogati.

GPT Image 2.5 ha cambiato i prezzi dei token immagine?

No, non a livello di listino: OpenAI afferma che le tariffe token di Sunburst e Flare coincidono con quelle di GPT Image 2. La spesa per immagine può comunque variare, perché il consumo di token dipende da modello, qualità, dimensioni, input per la modifica e numero di tentativi.

Serve un modo più chiaro per verificare il flusso che circonda queste chiamate? Puoi ottenere la checklist per l'audit dei workflow AI iscrivendoti alla newsletter.