Costes de la API de GPT Image 2.5: estima una carga de trabajo y diagnostica incidencias de facturación
Una estimación reproducible de una carga de trabajo con GPT Image 2.5 y una lista práctica para diagnosticar anomalías de costes y solicitudes.
Resumen · TL;DR
Utiliza las tarifas por token y una tasa de aceptación medida para estimar el coste de las imágenes utilizables. Diagnostica las discrepancias cotejando los resultados de las solicitudes, el uso y los cargos de la cuenta, sin interpretar los datos ausentes como si fueran cero.
Puntos clave
- La fuente proporcionada indica tarifas por token de OpenAI para Flare y Sunburst, pero la instantánea de precios publicada por OneMux no ofrece precios de entrada o salida comparables.
- Un coste ilustrativo de $0.141 por solicitud y una tasa de aceptación del 80% dan lugar a estimaciones de $17.63 para 100 imágenes utilizables y $176.25 para 1.000, antes de otros cargos.
- Una respuesta HTTP satisfactoria no demuestra que una imagen haya superado la revisión, y la ausencia de un campo de uso no demuestra que el uso sea cero.
- Investiga las incidencias de costes relacionando los ID de solicitud, las marcas de tiempo, el uso sin procesar, los resultados de aceptación, los reintentos y los cargos reales.
En esta página (7)
Para una carga de trabajo con GPT Image 2.5, calcula el presupuesto según las imágenes aceptadas, no solo según las solicitudes satisfactorias a la API. Parte de las tarifas aplicables del proveedor y del uso medido; después, incluye los reintentos y las ediciones facturados. Si una incidencia eleva los costes, compara el número de intentos, el uso de tokens y la tasa de aceptación antes de asumir que ha cambiado el precio.
Esta guía de costes la publica OneMux, que ofrece acceso a modelos mediante una API compatible con OpenAI. Las estimaciones desarrolladas a continuación utilizan tarifas indicadas por una fuente externa, no una cotización verificada de OneMux. Confirma las tarifas actuales de tu cuenta y la compatibilidad de los endpoints antes de aplicarlas en producción.
Establece una base de precios comparable
El artículo de Ofox sobre precios de GPT Image 2.5 indica las siguientes tarifas de OpenAI tanto para Flare como para Sunburst, consultadas el 9 de septiembre de 2026. Las unidades son dólares estadounidenses por millón de tokens; no son precios fijos por imagen. Son tarifas indicadas por la fuente, no precios actuales verificados de forma independiente.
| Categoría de cargo | Flare | Sunburst | Unidad |
|---|---|---|---|
| Entrada de texto | $5.00 | $5.00 | Por millón de tokens |
| Entrada de texto en caché | $1.25 | $1.25 | Por millón de tokens |
| Entrada de imagen | $8.00 | $8.00 | Por millón de tokens |
| Entrada de imagen en caché | $2.00 | $2.00 | Por millón de tokens |
| Salida de imagen | $30.00 | $30.00 | Por millón de tokens |
La fuente señala que las dos variantes tienen las mismas tarifas por token publicadas; eso no demuestra que tengan el mismo uso ni el mismo coste por imagen aceptada. También indica que una llamada externa a un modelo de lenguaje puede cobrarse por separado cuando la Responses API invoca una herramienta de generación de imágenes.
La instantánea del catálogo de OneMux, capturada el 20 de noviembre de 2026, no proporciona los precios necesarios para calcular la misma carga de trabajo en OneMux:
| Modelo | Entrada oficial | Salida oficial | Entrada de OneMux | Salida de OneMux | Ratio de precios publicado |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconocido | Desconocido | Desconocido | Desconocido | 0.1 |
La instantánea no especifica las unidades de facturación ni los precios por nivel o por uso de caché correspondientes a estos valores ausentes. Desconocido no significa cero. El ratio publicado se reproduce tal como figura; sin precios y condiciones comparables, no basta para calcular un cargo en dólares ni afirmar que hay ahorro. Consulta los precios actuales de OneMux y las condiciones aplicables a tu cuenta antes de comparar proveedores.
Calcula el coste de una solicitud y de una carga de trabajo
El siguiente es un cálculo ilustrativo, no una solicitud probada ni una cotización para un tamaño de imagen concreto. Supongamos que una solicitud utiliza 1.000 tokens de entrada de texto sin caché, 2.000 tokens de entrada de imagen sin caché y 4.000 tokens de salida de imagen. Supongamos que no hay uso de caché ni cargos adicionales.
| Componente | Cálculo con la tarifa indicada por la fuente | Coste |
|---|---|---|
| Entrada de texto | 1,000 × $5 / 1,000,000 | $0.005 |
| Entrada de imagen | 2,000 × $8 / 1,000,000 | $0.016 |
| Salida de imagen | 4,000 × $30 / 1,000,000 | $0.120 |
| Total por intento | Suma de los tres componentes | $0.141 |
Supongamos ahora que el 80% de los intentos produce una imagen que cumple tus criterios de aceptación y que cada intento cuesta lo mismo: $0.141. Divide el número objetivo de imágenes aceptadas entre 0,80 y, cuando sea necesario, redondea hacia arriba hasta obtener un número entero de solicitudes.
| Objetivo de imágenes aceptadas | Intentos estimados | Coste estimado del modelo de imagen |
|---|---|---|
| 100 | 125 | $17.625, o aproximadamente $17.63 |
| 1.000 | 1.250 | $176.25 |
Estas son previsiones para planificar, no garantías de entrega. Los intentos reales pueden tener distintos recuentos de tokens y las tasas de aceptación reales fluctúan. Añade, cuando corresponda, las llamadas a modelos de lenguaje facturadas por separado, las vistas previas, las ediciones u otros cargos. La fuente señala que la calculadora de tokens de salida de GPT Image 2.5 estima solo una parte del coste; entre las exclusiones que identifica están la entrada y las imágenes intermedias transmitidas por streaming.
Para un lote real, divide su importe total facturado entre el número de imágenes aceptadas. Incluye los intentos fallidos y las revisiones que se hayan facturado, pero no supongas que se cobró cada solicitud fallida. Si ninguna imagen fue aceptada, indica el coste del lote y que hubo cero imágenes aceptadas, en lugar de presentar un coste por imagen aceptada.
Diagnostica una incidencia de costes de la API de imágenes
Sigue esta secuencia cuando aumente el gasto por imagen aceptada o un trabajo de generación de imágenes deje de producir resultados utilizables. Son procedimientos de diagnóstico, no afirmaciones sobre una integración probada con OneMux.
- Define el periodo y la referencia. Compara el periodo afectado con una carga de trabajo similar: mismo proveedor, ID de modelo, dimensiones de imagen, ajuste de calidad, patrón de imágenes de referencia y reglas de aceptación. Registra los cambios en lugar de asumir que las solicitudes eran idénticas.
- Separa los fallos de transporte de los de calidad. Cuenta los errores HTTP y los tiempos de espera agotados por separado de las respuestas satisfactorias cuyas imágenes no superan la revisión. Una respuesta 200 aún puede producir una imagen inutilizable. Registra los reintentos y las ediciones facturados como intentos independientes.
- Coteja los registros antes de calcular. Relaciona cada intento con el ID de solicitud del proveedor, la marca de tiempo UTC, el uso sin procesar y el cargo de la cuenta, cuando estén disponibles. La fuente señala que el ID de un registro de consola y el ID de solicitud de una respuesta pueden ser identificadores diferentes. Si los cargos están agregados, concilia el lote completo en lugar de inventar una asignación por solicitud.
- Examina la composición del uso. Una mayor entrada de imágenes de referencia o más tokens de salida pueden elevar los costes aunque las tarifas no hayan cambiado. Comprueba si los tokens en caché están incluidos en el total de entrada antes de calcular el uso sin caché; nunca cobres los mismos tokens en ambas categorías. Reutilizar una imagen de referencia no demuestra por sí solo que se haya producido un acierto de caché.
- Comprueba la tarifa y el alcance. Confirma la variante del modelo, el proveedor, la tarifa efectiva, la moneda y cualquier uso de herramientas o modelos de lenguaje facturado por separado. Si faltan datos de uso, márcalos como desconocidos e investiga el registro de facturación; no los sustituyas por cero.
| Señal observable | Explicación plausible | Siguiente comprobación |
|---|---|---|
| Más intentos, coste por intento estable | Reintentos o una menor tasa de aceptación de imágenes | Compara los recuentos de errores, los resultados de revisión y los registros de reintentos |
| Intentos estables, mayor uso de entrada | Más entradas de referencia, entradas de mayor tamaño o un cambio en el patrón de solicitudes | Compara el uso de entrada de imagen y los metadatos de las solicitudes |
| La estimación de uso difiere del cargo de la cuenta | Tarifas aplicables distintas, tratamiento de la caché, cargos adicionales o datos incompletos | Concilia el uso sin procesar y las condiciones de la cuenta durante el mismo periodo de facturación |
| Aumentan las respuestas HTTP satisfactorias, pero disminuyen las imágenes aceptadas | La calidad de salida ya no cumple los criterios del flujo de trabajo | Revisa muestras con la misma lista de criterios de aceptación |
| Faltan campos de uso | La respuesta o el registro del proveedor están incompletos para este cálculo | Marca el dato como desconocido y utiliza la evidencia de facturación disponible a nivel de lote |
Estas señales ayudan a acotar la investigación; ninguna demuestra por sí sola una causa raíz. Conserva las evidencias depuradas de datos sensibles antes de cambiar los prompts o el comportamiento de los reintentos, y no incluyas claves de API ni identificadores de cuenta en los registros compartidos.
Convierte la estimación en un presupuesto operativo
Ejecuta un pequeño lote representativo con el proveedor y la cuenta que piensas utilizar. Registra el ID del modelo, las dimensiones, la calidad, el número de imágenes de referencia, los ID de solicitud, el uso devuelto, los importes facturados y las decisiones de aceptación. Incluye tareas habituales y difíciles. Después, sustituye los supuestos ilustrativos de $0.141 y 80% por el coste medio por intento y la tasa de aceptación que hayas observado; repite el proceso después de cambios importantes en el flujo de trabajo.
La API unificada de OneMux puede ser una opción para acceder a modelos y obtener visibilidad del gasto, pero la compatibilidad con un flujo de imágenes concreto depende de la compatibilidad documentada de endpoints y parámetros. El acceso directo al proveedor u otra pasarela también son referencias válidas. Compara las facturas reales solo después de equiparar la variante del modelo, las unidades, los ajustes de las solicitudes y los cargos incluidos.
Conclusión
Un presupuesto útil para GPT Image 2.5 consta de dos partes: una estimación reproducible del coste de los tokens y un coste medido por imagen aceptada. Durante una incidencia, mantén separados los resultados de las solicitudes, el uso y la evidencia de facturación hasta que puedas conciliarlos.
Fuentes
- Ofox: precios de la API de GPT Image 2.5 y estimaciones de cargas de trabajo — fuente de las tarifas de OpenAI indicadas, las limitaciones de la calculadora y los ejemplos de facturación.
- Instantánea del catálogo publicado de OneMux capturada el 20 de noviembre de 2026 — fuente de los precios desconocidos del catálogo y del ratio publicado que se muestran arriba.
Instantánea de precios publicados
Capturada el 2026-11-20T15:00:06.107Z del catálogo publicado de OneMux. Los precios conservan las unidades de facturación del sitio web; no es una comparativa en tiempo real. La facturación por niveles, caché o tiempo puede ser distinta. Los valores desconocidos no son cero.
| Modelo | Entrada oficial | Salida oficial | Entrada de OneMux | Salida de OneMux | Ratio de precios publicado |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconocido | Desconocido | Desconocido | Desconocido | 0.1 |
Precios actuales de OneMux. Compara los costes de las cargas de trabajo solo cuando coincidan las unidades de entrada, salida y facturación; consulta la página de cada modelo para conocer las condiciones por nivel.
FAQ
¿Cuánto cuesta GPT Image 2.5 por imagen?
Las tarifas proporcionadas no establecen un coste único por imagen. El coste depende del uso de tokens de entrada y salida, las tarifas aplicables del proveedor, el tratamiento de la caché y los servicios facturados por separado. El coste por imagen aceptada también incluye los reintentos y las ediciones facturados.
¿Tienen Flare y Sunburst las mismas tarifas por token de GPT Image 2.5?
El artículo de Ofox citado indica tarifas por token de OpenAI idénticas para las dos variantes, según la consulta del 9 de septiembre de 2026. Unas tarifas iguales no demuestran que el consumo de tokens ni el coste por imagen aceptada sean iguales.
¿Se puede utilizar el ratio publicado de OneMux para calcular el coste de esta carga de trabajo?
No solo con la instantánea proporcionada. Se desconocen sus precios de entrada y salida, las unidades de facturación y las condiciones pertinentes de caché o por nivel, por lo que el ratio no basta para calcular un cargo comparable.
¿Qué debo comprobar cuando aumentan los costes de la API de imágenes?
Compara los intentos, las tasas de aceptación, el uso de entrada y salida, los reintentos, las tarifas aplicables y los servicios facturados por separado durante el mismo periodo. Coteja los registros de solicitudes con los cargos de la cuenta cuando sea posible y trata el uso no indicado como desconocido.
Artículos relacionados
Guides
Costes de la API de Gemini 3.1 Flash Image: estimación de una carga de trabajo y lista de comprobación para incidentes
Estima el gasto de la API preview de Gemini 3.1 Flash Image con supuestos explícitos sobre tokens y utiliza señales de cada solicitud para investigar incidentes de coste y fiabilidad.
Guides
Costes de la API de GPT 6.2 Sol para el diagnóstico de incidentes: una estimación reproducible
Estima los costes por tokens de GPT 6.2 Sol para diagnosticar incidentes de API con supuestos explícitos sobre la carga de trabajo, los niveles de contexto, los reintentos y la caché.
Guides
Costes de la API de GPT Image 2.5 para la clasificación de casos de atención al cliente
Estima los costes de generación de imágenes con GPT Image 2.5 para clasificar casos de soporte, con supuestos explícitos sobre tokens, tasas de aprobación y cálculos reproducibles.
Guides
Costes de la API de Grok Imagine Image: estima cargas de generación de imágenes y diagnostica picos de gasto
Estima los costes de Grok Imagine Image por imagen generada, aclara los precios de tokens desconocidos e investiga incidentes de la API mediante indicadores observables.