gpt-image-1.5 vs GPT Image 2
Quale scegliere e quando — verdetto curato, non una tabella di benchmark
L'input costa gli stessi $5 per milione su entrambi e l'output differisce solo per un arrotondamento ($32 contro $30), quindi il prezzo non è il motivo per scegliere. gpt-image-2 allarga l'inquadratura: dimensioni arbitrarie con lati fino a 3840x2160 in multipli di 16 e rapporti fino a 3:1, contro un set fisso 1024x1024 / 1536x1024 / 1024x1536 / auto su gpt-image-1.5. Scegli gpt-image-1.5 solo se vuoi anche del testo in risposta — elenca text tra i suoi output, mentre gpt-image-2 restituisce solo immagini; altrimenti prendi le risoluzioni.
Prezzi
| gpt-image-1.5 | GPT Image 2 | Δ | |
|---|---|---|---|
| Input / 1M token | $5 | $5 | = |
| Output / 1M token | $32 | $30 | 1.1× |
Le tariffe provengono dal catalogo live al momento della build; la pagina di ciascun modello riporta la scheda attuale.
Dove si posizionano — prezzo di output per 1M di token rispetto a tutti gli 8 modelli generazione di immagini con questa unità di fatturazione (scala logaritmica)
Specifiche
| gpt-image-1.5 | GPT Image 2 | |
|---|---|---|
| Modalità di input | testo immagine | testo immagine |
| Modalità di output | testo immagine | immagine |
| Rilascio | 2026-02-10 | 2026-04-21 |
| Dimensioni di output |
|
|
| Modalità di input | text-to-image, image edit with mask inpainting | text-to-image, image edit with mask inpainting |
| Immagini per richiesta | 10 | 10 |
| Formati | png, jpeg, webp | png, jpeg, webp |
| Note | 1024x1024 / 1024x1536 / 1536x1024, quality low/medium/high edits endpoint supported better instruction following than gpt-image-1 | Flexible resolutions: edges up to 3840px in multiples of 16, ratio <=3:1, ~0.65-8.3MP total (incl. 4K 3840x2160) editing with mask inpainting all image inputs processed at high fidelity significantly improved text rendering (precise placement can still struggle) |
Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: gpt-image-1.5 · GPT Image 2
Un solo prompt, entrambi i modelli — misurati attraverso il gateway
Un prompt, una richiesta per modello, nessun nuovo tentativo e nessun cherry-picking — il primo risultato restituito da ciascun modello. Né le dimensioni né la durata sono state fissate: ogni modello ha utilizzato il proprio default, perché una richiesta modellata per adattarsi a tutti non renderebbe giustizia a nessuno. I file qui sono stati ricodificati per il web, quindi valutate la composizione e l'aderenza al prompt, non la compressione.
Passa dall'uno all'altro con una sola riga
Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.images.generate(
model="gpt-image-1.5",
# model="gpt-image-2", # decommenta questa riga, commenta quella sopra
prompt="a watercolor lighthouse at dawn",
size="1024x1024",
)
print(resp.data[0].b64_json[:80])import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.images.generate({
model: "gpt-image-1.5",
// model: "gpt-image-2", // decommenta questa riga, commenta quella sopra
prompt: "a watercolor lighthouse at dawn",
size: "1024x1024",
});
console.log(resp.data?.[0]?.b64_json?.slice(0, 80));curl https://synthorai.io/v1/images/generations \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-1.5",
# "model": "gpt-image-2", # decommenta questa riga, commenta quella sopra
"prompt": "a watercolor lighthouse at dawn",
"size": "1024x1024"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Images.Generate(context.TODO(), openai.ImageGenerateParams{
Model: "gpt-image-1.5",
// Model: "gpt-image-2", // decommenta questa riga, commenta quella sopra
Prompt: "a watercolor lighthouse at dawn",
Size: "1024x1024",
})
fmt.Println(resp.Data[0].B64JSON[:80])
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.images.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ImagesResponse resp = client.images().generate(
ImageGenerateParams.builder()
.model("gpt-image-1.5")
// .model("gpt-image-2") // decommenta questa riga, commenta quella sopra
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));FAQ
Qual è più economico, gpt-image-1.5 o GPT Image 2?
Riportano lo stesso valore per input / 1m token ($5), quindi il prezzo non è decisivo in questo caso — vedi le specifiche e le funzionalità di seguito.
Posso fare un A/B test di gpt-image-1.5 contro GPT Image 2 senza due integrazioni?
Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.
Il prezzo cambia in base alla dimensione dell'immagine?
Dipende da come il modello fattura. I modelli con fatturazione per immagine addebitano lo stesso importo indipendentemente dalla dimensione del prompt o dell'output; i modelli fatturati a token scalano con la risoluzione renderizzata, quindi un'immagine 4K costa un multiplo di una piccola. La tabella sopra mostra quale si applica a ciascuno.