OpenAI 8 сентября 2026 года обновила ChatGPT Images до версии 2.5. Это свежий продуктовый и модельный релиз вокруг генерации изображений: в ChatGPT появились новые способы создавать и редактировать картинки, а в API отдельно задокументированы две модели семейства GPT Image 2.5 — Flare и Sunburst.
Если коротко, OpenAI двигает генерацию изображений от режима «напиши длинный промпт и надейся» к нормальному творческому рабочему процессу. Можно стартовать с шаблона, нарисовать набросок, открыть готовое изображение на мобильном и оставить комментарии к конкретным правкам. Для разработчиков важнее другое: GPT Image 2.5 теперь представлен не одной абстрактной возможностью, а двумя разными API-моделями под разные режимы работы.
Что именно вышло
В официальных release notes OpenAI описывает релиз как ChatGPT Images 2.5. Компания заявляет три базовых улучшения: более резкие детали, более точное редактирование и более быструю генерацию изображений. Это аккуратная формулировка без публичного benchmark, поэтому я бы не превращал её в универсальную гарантию качества. Но направление понятно: модель должна лучше сохранять детали и меньше ломать картинку при последовательных правках.
В пользовательском интерфейсе появилось несколько новых сценариев.
Первый — шаблоны. Пользователь открывает раздел Images, выбирает Templates и настраивает детали под свою задачу. ChatGPT может задавать уточняющие вопросы, чтобы довести запрос до нормального вида. Это полезно для людей, которые не хотят каждый раз собирать промпт с нуля.
Второй — Sketch. На мобильном можно ввести @ в поле сообщения, выбрать Sketch, нарисовать идею и словами объяснить, какое изображение нужно получить. Важный момент: это не просто загрузка картинки как референса, а более естественный способ задать композицию, форму или расположение объектов.
Третий — редактирование и комментарии. На мобильном готовое изображение можно открыть на весь экран, отредактировать или добавить комментарии с тем, что нужно изменить. Для обычного пользователя это выглядит как маленькая UX-деталь. Для реальной работы с картинками это как раз та часть, которая экономит время: не приходится описывать «правый верхний угол рядом с той штукой» длинными фразами.
Четвёртый — шаринг промпта. Можно поделиться промптом от сгенерированного изображения, чтобы другой человек сделал свою версию. Это небольшой, но правильный шаг к повторяемости: в визуальных генераторах часто теряется не только файл, но и рецепт, по которому он был получен.
Почему Sketch важнее, чем кажется
Текстовый промпт плохо описывает геометрию. Им удобно задавать стиль, настроение, предметную область, ограничения и детали. Но если нужно объяснить расположение элементов, позу, форму мебели, примерный кадр или схему объекта, текст быстро становится громоздким.
Sketch закрывает именно этот разрыв. Человек рисует грубую форму, а модель достраивает визуальный результат по словам. Это не делает каждого дизайнером, но убирает одну лишнюю стену между намерением и результатом. Раньше приходилось или мучительно описывать композицию, или искать референс, который хотя бы примерно похож. Теперь можно дать модели простую пространственную подсказку прямо в чате.
Для сайта, рекламы, презентации или продуктового прототипа это практично. Например, можно накидать расположение карточек на обложке, форму иконки, примерный план баннера, схему упаковки или сцену для иллюстрации. Модель не обязана буквально копировать рисунок, но она получает направление, которое текстом было бы сложно передать.
Я бы особенно смотрел на Sketch как на инструмент для первых итераций. Финальный визуал всё равно нужно проверять руками: композицию, артефакты, текст на картинке, соответствие бренду и юридические ограничения. Но стартовать с наброска быстрее, чем спорить с моделью через пять абзацев промпта.
Точное редактирование становится главным полем боя
Генерация «с нуля» уже давно впечатляет на демо. Сложнее другое: взять готовую картинку и изменить только один фрагмент, не испортив всё остальное. Именно здесь у визуальных моделей часто возникают раздражающие ошибки. Просишь поменять цвет объекта — меняется лицо. Просишь убрать мелкую деталь — перестраивается фон. Просишь сохранить человека или товар — модель внезапно делает похожую, но другую версию.
OpenAI в релизе подчёркивает более точное редактирование. В API-документации это разделение видно ещё яснее: Flare описана как быстрая модель для повседневной генерации, а Sunburst — как более способная модель для генерации и редактирования, особенно там, где важна точность правок.
Это важная продуктовая логика. Для черновика рекламной идеи нужна скорость. Для финальной обложки, карточки товара, серии изображений в одном стиле или редакционного коллажа важнее контролируемость. Если модель сохраняет объект, ракурс и детали между итерациями, она становится не игрушкой, а рабочим инструментом.
В реальном процессе ценность измеряется не красотой первого результата, а числом ручных исправлений после него. Если модель делает красивую картинку, но каждый раз ломает руки, предметы, фон или стиль серии, дизайнер всё равно тратит время на спасение результата. Если же она предсказуемо правит конкретный участок, появляется нормальный цикл: промпт, результат, точечный комментарий, уточнение, финальная проверка.
Что появилось для разработчиков
В API у OpenAI теперь есть две модели GPT Image 2.5.
gpt-image-2.5-flare описана как самая быстрая модель OpenAI для повседневной высококачественной генерации изображений. Она принимает текстовые и графические входы, выдаёт изображения и поддерживает настройки качества low, medium, high, xhigh, max и auto. Её можно выбирать напрямую в Image API или использовать как модель инструмента генерации изображений в Responses API.
gpt-image-2.5-sunburst описана как наиболее способная модель OpenAI для генерации и редактирования изображений. Её логично брать там, где важнее точность правки, чем скорость. Формально набор входов и настроек качества похож: текст и изображение на входе, изображение на выходе, те же уровни качества и те же варианты подключения через Image API или Responses API.
По ценам на момент проверки OpenAI показывает для обеих моделей одинаковую таблицу: текстовый input — 5 долларов за миллион токенов, cached input — 1,25 доллара; image input — 8 долларов за миллион токенов, cached image input — 2 доллара; image output — 30 долларов за миллион токенов. Это не «цена картинки», а токенная ставка: фактическая стоимость зависит от размера, качества, входных изображений и задачи.
Отдельно стоит заметить, что OpenAI документирует датированные snapshot-модели. Для Sunburst в документации указан gpt-image-2.5-sunburst-2026-09-08. Для production-интеграций это полезнее, чем просто undated alias: можно зафиксировать поведение модели и обновляться осознанно, а не получить изменение качества в неподходящий момент.
Чем Flare отличается от Sunburst на практике
Я бы разделял их не по принципу «одна хорошая, другая плохая», а по типу работы.
Flare — модель для потока. Быстро сделать варианты обложки, набросать концепт, собрать визуал для презентации, получить несколько направлений перед ручной доработкой. В таких задачах важны скорость, стоимость и достаточно стабильное качество.
Sunburst — модель для аккуратной правки. Она интереснее, когда уже есть изображение, референс, серия, брендовая стилистика или требование сохранить объект. Например: доработать конкретный фрагмент hero-картинки, адаптировать визуал под формат, поменять окружение без изменения главного предмета, собрать серию карточек в одном языке.
Это похоже на нормальную производственную развилку. Черновая генерация и финальное редактирование — разные режимы, и хорошо, когда инструмент не заставляет использовать один молоток для всех задач.
Что это значит для сайтов и контента
Для сайта главное не то, что теперь можно сделать ещё одну красивую картинку. Главное — уменьшается трение между редакторской задачей и готовым визуалом.
В блоге обложка должна не просто украшать страницу, а объяснять тему. В лендинге изображение должно держать композицию первого экрана. В карточке услуги важно не получить случайный техно-коллаж, а сохранить понятную метафору и не увести внимание от текста. Чем точнее модель понимает набросок и локальные комментарии, тем ближе она к рабочему инструменту редактора.
Есть и обратная сторона. Чем проще генерировать изображения, тем больше будет одинакового визуального шума: псевдоинтерфейсы, неоновые панели, бессмысленные провода, лица без задачи, декоративные «AI-узоры». Поэтому процесс всё равно нужен. Перед публикацией картинку надо смотреть глазами: нет ли текста, чужих логотипов, водяных знаков, лишних пальцев, поломанной перспективы, случайных символов и визуального обещания, которого нет в статье.
Для меня здоровый сценарий такой: сначала описать роль изображения в статье, затем сделать один или два наброска композиции, затем сгенерировать варианты, потом точечно отредактировать лучший, после чего прогнать обычный визуальный QA. Images 2.5 делает этот путь удобнее, но не отменяет редактора.
Как попробовать
В ChatGPT стоит открыть Images и проверить доступность новых возможностей в своём аккаунте. Шаблоны ищутся через Images → Templates. Sketch в официальном описании указан для мобильного сценария: в поле сообщения нужно набрать @, выбрать Sketch, нарисовать идею и описать, что должно получиться. Для правок на мобильном готовое изображение открывается на весь экран, после чего можно редактировать его или оставлять комментарии.
Ограничения тоже важны. OpenAI отдельно пишет, что шаблоны пока недоступны в Work mode, а существующие лимиты генерации изображений не изменились. Ещё компания упоминает разные варианты loading experience: часть пользователей увидит анимированные точки или игру Snake во время генерации, но Snake недоступна в Work mode. Это не техническое ядро релиза, но хороший пример того, как OpenAI пытается сгладить ожидание при генерации.
Разработчикам нужно смотреть API-документацию по gpt-image-2.5-flare и gpt-image-2.5-sunburst, а не угадывать модель по названию из интерфейса ChatGPT. Для серьёзного проекта я бы начал с маленького теста: одинаковый набор промптов, несколько референсов, задачи на локальную правку, сравнение Flare и Sunburst по качеству, времени, стоимости и числу ручных исправлений.
Что пока не стоит додумывать
В официальных материалах нет публичного универсального benchmark, который доказывает, что Images 2.5 лучше Images 2.0 во всех типах задач. Есть релизные формулировки OpenAI, новые пользовательские функции и API-документация моделей. Этого достаточно, чтобы считать запуск реальным и свежим, но недостаточно, чтобы обещать «идеальную генерацию» или «безошибочное редактирование».
Не стоит также смешивать пользовательское название ChatGPT Images 2.5 и API-модели без уточнения. В ChatGPT человек видит продуктовую функцию. В API разработчик выбирает конкретный model id, качество, входные изображения и endpoint. Ошибка в этом месте потом превращается в странные расходы, нестабильные результаты и сложности с воспроизведением.
И последнее: Sketch не заменяет авторское направление. Набросок помогает модели понять композицию, но не решает за человека, какой визуальный язык нужен проекту. Если у сайта нет системы образов, новая модель просто ускорит производство случайных картинок. Если система есть, Images 2.5 может стать нормальным инструментом для быстрых, но контролируемых визуальных итераций.
Источник
Официальные материалы OpenAI: ChatGPT release notes, 8 сентября 2026, документация gpt-image-2.5-flare, документация gpt-image-2.5-sunburst и страница цен OpenAI API.