8 सितंबर 2026 को OpenAI ने GPT Image 2.5 नाम से इमेज मॉडल की एक नई पीढ़ी जोड़ी, और यह एक नहीं बल्कि दो मॉडल के रूप में आई: gpt-image-2.5-sunburst, जो दोनों में ज़्यादा सक्षम है और उन वर्कफ़्लो के लिए बना है जहाँ एडिटिंग की सटीकता सबसे ज़्यादा मायने रखती है, और gpt-image-2.5-flare, जो रोज़मर्रा की उच्च-गुणवत्ता वाली इमेज जनरेशन के लिए तेज़ मॉडल है। बिज़नेस मालिक के लिए व्यावहारिक निष्कर्ष यह है: अब आप स्टूडियो में दोबारा फ़ोटोशूट बुक करने या पूरी इमेज दोबारा जनरेट करके उसके मिलते-जुलते निकलने की उम्मीद करने के बजाय, अपने पास पहले से मौजूद प्रोडक्ट फ़ोटो के अंदर किसी खास हिस्से को एडिट कर सकते हैं।

OpenAI ने असल में क्या घोषणा की

OpenAI के आधिकारिक डॉक्यूमेंटेशन में मॉडल पेजों के अनुसार, दोनों मॉडल टेक्स्ट और इमेज इनपुट स्वीकार करते हैं और आउटपुट में सिर्फ़ इमेज देते हैं। हर मॉडल का एक पिन किया हुआ स्नैपशॉट है जिस पर लॉन्च के दिन की ही तारीख है: gpt-image-2.5-sunburst-2026-09-08 और gpt-image-2.5-flare-2026-09-08। यह बात ऑपरेशन के लिहाज़ से अहम है, क्योंकि स्नैपशॉट पिन करने का मतलब है कि जिस दिन प्रोवाइडर मॉडल अपडेट करेगा, उस दिन आपका आउटपुट चुपचाप नहीं बदलेगा।

दोनों मॉडल छह क्वालिटी सेटिंग्स सपोर्ट करते हैं: low, medium, high, xhigh, max और auto। और दोनों दो रास्तों से काम करते हैं: जनरेशन और एडिट एंडपॉइंट वाले Image API के ज़रिए, या Responses API के अंदर एक टूल के रूप में, जब आप ऐसा मल्टी-टर्न अनुभव चाहते हैं जिसमें यूज़र बातचीत करते हुए इमेज को बेहतर बनाता है। अगर आपको एक प्रॉम्प्ट से एक इमेज चाहिए तो पहला रास्ता काफ़ी है। अगर आप ऐसी स्क्रीन बना रहे हैं जहाँ मार्केटिंग का कोई कर्मचारी इमेज को कदम-दर-कदम एडिट करता है, तो आपको दूसरा रास्ता चाहिए।

Sunburst या Flare? नियम सीधा है

नाम देखकर नहीं, काम की प्रकृति देखकर चुनें। अगर काम में एडिटिंग की सटीकता चाहिए — किसी बोतल का रंग बदलना, बैकग्राउंड से कोई एलिमेंट हटाना, पैकेज पर लिखा टेक्स्ट बदलना, प्रोडक्ट का आकार बिल्कुल वैसा ही बनाए रखना — तो यह Sunburst का इलाका है, वह मॉडल जिसे OpenAI इमेज जनरेशन और एडिटिंग के लिए अपना सबसे सक्षम मॉडल बताता है। अगर काम मात्रा और रफ़्तार का है — दर्जनों कैंपेन बैकग्राउंड, लेखों के लिए इलस्ट्रेशन, किसी दिशा को मंज़ूरी मिलने से पहले जल्दी बने विज़ुअल ड्राफ़्ट — तो Flare तार्किक चुनाव है।

असल इस्तेमाल में ज़्यादातर टीमों को दोनों की ज़रूरत होती है: एक्सप्लोरेशन के दौरान Flare, जहाँ मात्रा मायने रखती है और गलतियाँ सस्ती पड़ती हैं, और फिर अंतिम चरण के लिए Sunburst, जब इमेज ऐसे प्रोडक्ट पेज पर जाती है जिसे पैसे देने वाला ग्राहक देखेगा।

असली बदलाव जनरेशन नहीं, आंशिक एडिटिंग है

टेक्स्ट से इमेज बनाना अब न नया है, न दुर्लभ। यहाँ ध्यान देने लायक है inpainting का सपोर्ट — किसी मौजूदा इमेज के अंदर एक तय हिस्से को दोबारा बनाना, जबकि इमेज का बाकी हिस्सा अछूता रहता है। इससे टूल इमेज जनरेटर से इमेज एडिटर बन जाता है, और दोनों के बीच का अंतर वही है जो मार्केटिंग टीम का मनोरंजन करने वाली चीज़ और असली प्रोडक्शन लाइन में शामिल होने वाली चीज़ के बीच होता है।

एक ठोस उदाहरण: तीन सौ SKU वाला एक स्टोर, जिसके सभी प्रोडक्ट सफ़ेद बैकग्राउंड पर शूट किए गए हैं, हल्के ग्रे रंग की विज़ुअल पहचान अपनाने का फ़ैसला करता है। पुराना तरीका है नया शूट शेड्यूल करना, इन्वेंटरी इधर-उधर ले जाना, फ़ोटोग्राफ़र को भुगतान करना, यानी दो हफ़्ते। नया तरीका है एक ही निर्देश के साथ इमेज को API से गुज़ारना और नतीजों की इंसानी समीक्षा जोड़ना, यानी एक कार्यदिवस। वही फ़ोटो, वही प्रोडक्ट, सिर्फ़ आसपास का माहौल बदला।

लागत इमेज में नहीं, टोकन में गिनी जाती है

यह बात कई बिज़नेस मालिकों को उलझा देती है, क्योंकि यह डिज़ाइन सेवाओं की कीमत जैसी नहीं है। दोनों मॉडल के लिए OpenAI की कीमतों के अनुसार, दोनों की दर एक जैसी है: टेक्स्ट इनपुट प्रति दस लाख टोकन पाँच डॉलर और कैश्ड होने पर एक डॉलर पच्चीस सेंट, इमेज इनपुट प्रति दस लाख टोकन आठ डॉलर और कैश्ड होने पर दो डॉलर, और इमेज आउटपुट प्रति दस लाख टोकन तीस डॉलर। टेक्स्ट आउटपुट का बिल बिल्कुल नहीं बनता, क्योंकि ये मॉडल टेक्स्ट नहीं बल्कि इमेज आउटपुट करते हैं। OpenAI यह भी बताता है कि टोकन दरें पिछली GPT Image 2 पीढ़ी जैसी ही हैं।

व्यावहारिक सलाह: कागज़ पर अनुमान न लगाएँ। आप जिन सेटिंग्स का इस्तेमाल करना चाहते हैं, ठीक उन्हीं के साथ अपने कैटलॉग की सौ असली इमेज का एक ट्रायल बैच चलाएँ, इनवॉइस पढ़ें, फिर गुणा करें। सौ असली इमेज पर आधारित अनुमान किसी भी कैलकुलेटर से ज़्यादा ईमानदार होता है, खासकर इसलिए कि आप जो क्वालिटी लेवल चुनते हैं वह सीधे खपत बदल देता है।

पाँच इस्तेमाल जो पहले हफ़्ते में ही फ़ायदा देते हैं

  • कैटलॉग में एकरूपता: अलग-अलग समय पर और अलग-अलग परिस्थितियों में शूट किए गए सैकड़ों आइटम में एक जैसे बैकग्राउंड, लाइटिंग और एंगल।
  • कैंपेन वेरिएंट: एक ही फ़ोटो का गर्मियों वाला वर्ज़न, रमज़ान वाला वर्ज़न और White Friday वाला वर्ज़न, हर मौके के लिए अलग शूट के बिना।
  • प्रिंट से पहले पैकेजिंग प्रीव्यू: प्रिंट रन तय करने से पहले पैकेज पर अरबी टेक्स्ट या नया लोगो विज़ुअली टेस्ट करें।
  • पुरानी इमेज को ठीक करना: आर्काइव फ़ोटो को फेंकने के बजाय उनसे ध्यान भटकाने वाले एलिमेंट, रिफ़्लेक्शन या पुराने निशान हटाएँ।
  • कंटेंट इमेजरी: अपने ब्लॉग और न्यूज़लेटर के लिए इलस्ट्रेशन, उन्हीं स्टॉक फ़ोटो के बजाय जिन्हें आपके प्रतिस्पर्धी भी इस्तेमाल करते हैं।

इस पर कुछ बनाने से पहले तीन बातें

पहली, ऑर्गनाइज़ेशन वेरिफ़िकेशन। OpenAI का डॉक्यूमेंटेशन कहता है कि GPT Image मॉडल इस्तेमाल करने से पहले आपको अपने डेवलपर कंसोल से API ऑर्गनाइज़ेशन वेरिफ़िकेशन पूरा करना पड़ सकता है। इस कदम को शुरुआत से ही टाइमलाइन में रखें, ताकि यह लॉन्च के दिन आपको अचानक न घेर ले।

दूसरी, इंसानी समीक्षा वैकल्पिक नहीं है। पब्लिश होने वाली हर प्रोडक्ट इमेज को किसी व्यक्ति की मंज़ूरी चाहिए। मॉडल नहीं जानता कि उसने जो रंग एडजस्ट किया वह आपकी ब्रांड पहचान में दर्ज रंग है, और न ही वह जानता है कि एडिट की वजह से प्रोडक्ट अपने असली आकार से बड़ा दिखने लगा। किसी प्रोडक्ट को ऐसी इमेज के साथ दिखाना जो असलियत से मेल नहीं खाती, तकनीकी समस्या होने से पहले एक व्यावसायिक और नियामक समस्या है।

तीसरी, लोगों की फ़ोटो अपलोड न करें। ग्राहकों या कर्मचारियों की फ़ोटो प्रयोगों का कच्चा माल नहीं हैं। अपनी टीम के लिए नियम साफ़ कर दें: प्रोडक्ट, जगहें और मार्केटिंग सामग्री हाँ; लोग नहीं, जब तक कि आपके पास स्पष्ट निजी डेटा नीति के तहत दस्तावेज़ों में दर्ज स्पष्ट सहमति न हो।

यह साइड टूल बने रहने के बजाय आपके सिस्टम में कैसे आए

इन मॉडल से फ़ायदा उठाने वाली कंपनी और सिर्फ़ इनके बारे में बात करने वाली कंपनी के बीच का अंतर यह है कि मॉडल कहाँ इस्तेमाल होते हैं। अगर वे किसी ब्राउज़र टैब में रहते हैं जिसे कोई कर्मचारी हाथ से फ़ाइल डाउनलोड करने के लिए खोलता है, तो फ़ायदा छोटा होता है और पहली छुट्टी के साथ गायब हो जाता है। असली मूल्य तब दिखता है जब आप API को अपने सिस्टम से जोड़ते हैं: कैटलॉग में नया आइटम आता है, उसके विज़ुअल वेरिएंट हर चैनल की ज़रूरत के साइज़ में अपने-आप जनरेट होते हैं, समीक्षा कतार में जाते हैं, और एक मंज़ूरी क्लिक से पब्लिश हो जाते हैं। इस मुकाम पर आप इमेज नहीं खरीद रहे, बल्कि एक विज़ुअल प्रोडक्शन लाइन बना रहे हैं जो रोज़ाना निगरानी के बिना चलती है।

Origami में हम क्लाइंट्स के लिए जो सिस्टम बनाते हैं, उनमें ठीक इसी तरह का कनेक्शन बनाते हैं: प्रोडक्ट डेटाबेस से जुड़ा API, साफ़ अनुमतियों वाली समीक्षा कतार, और एक लॉग जो दिखाता है कि किस इमेज को किसने और कब मंज़ूरी दी। तकनीक आज उपलब्ध है, और निर्णायक चीज़ खुद फ़ैसला है: क्या आप इसे एक नया खिलौना मानते हैं, या एक ऐसी ऑपरेशनल प्रक्रिया का कदम जिसका एक ज़िम्मेदार व्यक्ति और सफलता का एक पैमाना हो।

स्रोत

  • OpenAI का आधिकारिक डॉक्यूमेंटेशन — GPT-Image-2.5 Sunburst मॉडल पेज: developers.openai.com
  • OpenAI का आधिकारिक डॉक्यूमेंटेशन — GPT-Image-2.5 Flare मॉडल पेज: developers.openai.com
  • OpenAI इमेज जनरेशन गाइड: developers.openai.com