OpenAI lanza GPT-4o-mini para imágenes: dos modelos, una incógnita en costes
Flare y Sunburst mejoran la edición selectiva y reducen la latencia. Las tarifas por token son idénticas, pero la compañía no explica cómo estimar el consumo real de cada modelo.
OpenAI ha publicado GPT-Image-2.5, una actualización que divide la generación de imágenes en dos vías distintas: Flare y Sunburst. El cambio principal no está solo en la calidad visual, sino en la capacidad de editar zonas concretas sin alterar el resto de la composición, algo que hasta ahora obligaba a regenerar el activo completo.
El anuncio llega con una promesa técnica clara: mayor fidelidad en las referencias y una precisión quirúrgica en los prompts. Según OpenAI, los desarrolladores podrán modificar un producto, un fondo o un texto superpuesto manteniendo la coherencia de la escena original. Esto reduce la fricción en flujos de trabajo que requieren múltiples iteraciones, permitiendo que el modelo siga instrucciones complejas en rondas sucesivas sin perder el contexto visual.
Latencia frente a precisión
La diferencia entre los dos modelos es funcional, no solo de rendimiento. Flare se posiciona como la opción por defecto para la mayoría de las aplicaciones. OpenAI asegura que ofrece una calidad superior a la generación de GPT-Image-2 con una latencia un 50% inferior. Está pensado para cargas de trabajo diarias: contenido para redes sociales, prototipado rápido o búsqueda visual.
Sunburst, en cambio, apunta a flujos creativos de alto nivel donde el control estricto es crítico. Ofrece mayor precisión en las ediciones, pero a costa de tiempos de generación más largos. El problema para quien despliega es que la compañía no cuantifica cuánto más lento es Sunburst ni asegura que la diferencia de coste se mantenga neutral en la práctica.
La incógnita del coste
Aquí reside el punto doloroso para los arquitectos de infraestructura y los responsables de billing. On paper, las tarifas son idénticas para ambos modelos: 5 dólares por millón de tokens de entrada de texto, 8 dólares por millón de tokens de entrada de imagen y 30 dólares por millón de tokens de salida de imagen.
Sin embargo, OpenAI ha sido explícito al decir que su calculadora de costes existente para GPT-Image-2 no estima el consumo de tokens de la versión 2.5. No hay una fórmula documentada para predecir cuántos tokens consumirá una operación de edición específica en Flare frente a Sunburst. Siendo las tarifas base iguales, el coste final dependerá enteramente del consumo de tokens, el cual varía según la complejidad de la edición y el modelo elegido.
Esto significa que no hay forma de presupuestar con antelación si Sunburst será más caro que Flare para el mismo activo. La compañía no ha publicado benchmarks de consumo ni una nueva herramienta de cálculo. Los desarrolladores tendrán que instrumentar sus propias métricas en entornos de staging para verificar si la mayor precisión de Sunburst conlleva un sobrecoste oculto en el volumen de tokens impuestos por la API.
La mejora técnica en la edición selectiva es evidente y necesaria. Pero la falta de transparencia en la estimación de costes y la ausencia de datos concretos sobre la penalización de latencia en Sunburst obligan a probar ambos modelos antes de migrar cargas productivas.
