L'8 settembre 2026 OpenAI ha aggiunto una nuova generazione di modelli di immagine con il nome GPT Image 2.5, ed è arrivata come due modelli anziché uno: gpt-image-2.5-sunburst, il più capace dei due, pensato per i flussi di lavoro in cui la precisione della modifica conta di più, e gpt-image-2.5-flare, quello più veloce, per la generazione quotidiana di immagini di alta qualità. Il punto pratico per un imprenditore: ora puoi modificare un'area specifica all'interno di una foto prodotto che possiedi già, invece di prenotare un nuovo shooting in studio o rigenerare l'intera immagine sperando che venga simile.

Cosa ha annunciato davvero OpenAI

Secondo le pagine dei modelli nella documentazione ufficiale di OpenAI, entrambi i modelli accettano input di testo e immagine e producono solo immagini in output. Ognuno ha uno snapshot fissato con la data del giorno stesso del lancio: gpt-image-2.5-sunburst-2026-09-08 e gpt-image-2.5-flare-2026-09-08. Questo dettaglio conta a livello operativo, perché fissare uno snapshot significa che i tuoi risultati non cambiano a tua insaputa il giorno in cui il fornitore aggiorna il modello.

Entrambi i modelli supportano sei livelli di qualità: low, medium, high, xhigh, max e auto. Ed entrambi funzionano in due modi: tramite la Image API con i suoi endpoint di generazione e modifica, oppure come strumento all'interno della Responses API quando vuoi un'esperienza a più turni in cui l'utente perfeziona l'immagine dialogando con essa. Il primo modo basta se ti serve un'immagine da un prompt. Il secondo è quello che ti serve se stai costruendo una schermata in cui un addetto al marketing modifica un'immagine passo dopo passo.

Sunburst o Flare? La regola è semplice

Non scegliere in base al nome, scegli in base alla natura del lavoro. Se il compito richiede precisione nella modifica — cambiare il colore di una bottiglia, rimuovere un elemento dallo sfondo, sostituire il testo su una confezione, mantenere la forma del prodotto esattamente com'è — quello è territorio di Sunburst, il modello che OpenAI descrive come il suo più capace per la generazione e la modifica di immagini. Se il compito riguarda volume e velocità — decine di sfondi per campagne, illustrazioni per articoli, bozze visive rapide prima che una direzione venga approvata — Flare è la scelta logica.

Nell'uso reale la maggior parte dei team ha bisogno di entrambi: Flare durante l'esplorazione, dove conta la quantità e gli errori costano poco, poi Sunburst per il passaggio finale, quando l'immagine finisce su una pagina prodotto che vedrà un cliente pagante.

Il vero cambiamento è la modifica parziale, non la generazione

Generare immagini da testo non è più né una novità né una rarità. Ciò che merita attenzione qui è il supporto all'inpainting: ridisegnare un'area definita all'interno di un'immagine esistente mentre il resto dell'immagine rimane intatto. Questo trasforma lo strumento da generatore di immagini in editor di immagini, e la differenza tra i due è la differenza tra qualcosa che diverte il team marketing e qualcosa che entra in una vera linea di produzione.

Un esempio concreto: un negozio con trecento SKU, tutti fotografati su sfondo bianco, decide di passare a un'identità visiva grigio chiaro. La strada vecchia è pianificare un nuovo shooting, spostare la merce, pagare un fotografo: due settimane. La strada nuova è far passare le immagini attraverso l'API con un'unica istruzione e aggiungere una revisione umana dei risultati: una giornata lavorativa. Stessa foto, stesso prodotto, è cambiato solo il contesto.

Il costo si conta in token, non in immagini

Questo punto confonde molti imprenditori perché non somiglia ai prezzi dei servizi di design. Secondo il listino di OpenAI per entrambi i modelli, la tariffa è identica per i due: input di testo a cinque dollari per milione di token e un dollaro e venticinque in cache, input di immagine a otto dollari per milione di token e due dollari in cache, e output di immagine a trenta dollari per milione di token. L'output di testo non viene fatturato affatto, perché questi modelli producono immagini e non testo. OpenAI osserva inoltre che le tariffe per token coincidono con quelle della generazione precedente, GPT Image 2.

Il consiglio pratico: non fare la stima sulla carta. Fai un lotto di prova di cento immagini reali del tuo catalogo con le impostazioni esatte che intendi usare, leggi la fattura e poi moltiplica. Una stima basata su cento immagini reali è più onesta di qualsiasi calcolatore, soprattutto perché il livello di qualità che scegli cambia direttamente i consumi.

Cinque usi che si ripagano nella prima settimana

  • Coerenza del catalogo: sfondi, illuminazione e angolazioni uniformi su centinaia di articoli fotografati in momenti diversi e in condizioni diverse.
  • Varianti di campagna: una versione estiva, una per il Ramadan e una per il White Friday della stessa foto, senza uno shooting per ogni occasione.
  • Anteprima della confezione prima della stampa: prova visivamente un testo in arabo o un nuovo logo sulla confezione prima di impegnarti in una tiratura.
  • Restauro di immagini vecchie: rimuovi elementi di disturbo, riflessi o marchi superati dalle foto d'archivio invece di scartarle.
  • Immagini per i contenuti: illustrazioni per il tuo blog e la tua newsletter invece delle stesse foto stock che usano anche i tuoi concorrenti.

Tre note prima di costruirci sopra

Primo, la verifica dell'organizzazione. La documentazione di OpenAI afferma che potrebbe essere necessario completare la verifica dell'organizzazione API dalla tua console sviluppatori prima di usare i modelli GPT Image. Inserisci questo passaggio nella tabella di marcia fin dall'inizio, così non ti coglie di sorpresa il giorno del lancio.

Secondo, la revisione umana non è facoltativa. Ogni immagine prodotto che verrà pubblicata deve essere approvata da una persona. Il modello non sa che il colore che ha regolato è quello registrato nella tua identità di marca, e non sa che la modifica ha fatto sembrare il prodotto più grande di quanto sia. Mostrare un prodotto con un'immagine che non corrisponde alla realtà è un problema commerciale e normativo prima ancora che tecnico.

Terzo, non caricare foto di persone. Le foto di clienti o dipendenti non sono materia prima per esperimenti. Rendi la regola esplicita per il tuo team: prodotti, luoghi e materiale di marketing sì; persone no, a meno che tu non abbia un consenso esplicito documentato nell'ambito di una chiara policy sui dati personali.

Come far entrare tutto questo nel tuo sistema invece di lasciarlo uno strumento a parte

La differenza tra un'azienda che trae vantaggio da questi modelli e una che ne parla soltanto sta in dove vengono usati. Se vivono in una scheda del browser che un dipendente apre per scaricare un file a mano, il guadagno è piccolo e sparisce alle prime ferie. Il valore emerge quando colleghi l'API al tuo sistema: un nuovo articolo entra nel catalogo, le sue varianti visive vengono generate automaticamente nei formati richiesti da ogni canale, entrano in una coda di revisione e vengono pubblicate con un clic di approvazione. A quel punto non stai comprando immagini, stai costruendo una linea di produzione visiva che funziona senza supervisione quotidiana.

In Origami costruiamo esattamente questo tipo di collegamento nei sistemi che sviluppiamo per i clienti: un'API collegata al database dei prodotti, una coda di revisione con permessi chiari e un registro che mostra chi ha approvato quale immagine e quando. La tecnologia è disponibile oggi, e il fattore decisivo è la decisione stessa: la tratti come un giocattolo nuovo o come un passaggio di un processo operativo con un responsabile e una metrica di successo?

Fonti