GuidesOneMux

Coût de l’API GPT Image 2.5 : une évaluation reproductible pour 100 ou 1 000 images utilisables

Estimez le coût d’une charge de travail GPT Image 2.5 à partir de tarifs par token explicites, de critères d’acceptation, de cas de test et des nouvelles tentatives facturées.

AI

Résumé · TL;DR

Utilisez un jeu de tests fixe, la consommation réellement facturée et une règle d’acceptation explicite pour estimer le coût de GPT Image 2.5 par image utilisable. Les tarifs de référence publiés permettent d’effectuer des calculs illustratifs, mais les prix du catalogue OneMux étaient inconnus dans l’instantané fourni.

Points clés

  • Établissez votre budget en fonction des images acceptées, et pas seulement des requêtes API réussies ; incluez les révisions et les tentatives infructueuses facturées.
  • La source fournie indique des tarifs par token identiques pour Flare et Sunburst, mais cela ne signifie pas que leurs coûts de traitement sont identiques.
  • Dans l’instantané des prix OneMux, les prix en entrée et en sortie sont inconnus ; le ratio publié de 0.1 ne permet pas à lui seul de déterminer un prix en dollars.
  • Fixez des limites de requêtes et de dépenses avant une évaluation à petite échelle, puis remplacez les hypothèses illustratives par la consommation et les taux d’acceptation mesurés.
Sur cette page (9)

L’essentiel : budgéter les images acceptées, pas les requêtes

Pour GPT Image 2.5, estimez le coût de votre charge de travail en divisant le montant facturé pour un ensemble représentatif de tentatives par le nombre d’images qui répondent à vos critères d’acceptation. Incluez les révisions et les tentatives infructueuses facturées : une réponse HTTP réussie ne suffit pas à établir qu’une image est utilisable.

Dans le scénario illustratif ci-dessous, une requête coûte $0.141 et 80 % des images générées sont acceptées. Cela représente environ $0.17625 per accepted image, soit $17.625 for 100 et $176.25 for 1,000, hors services facturés séparément. Il s’agit d’hypothèses de calcul, et non d’un devis ou d’un taux de réussite mesuré.

OneMux publie ce guide et donne accès à des modèles par l’intermédiaire d’une API compatible avec OpenAI. Le calcul est tout aussi utile avec un autre fournisseur ; utilisez les prix et les relevés de facturation qui s’appliquent réellement à votre compte.

Tarifs de GPT Image 2.5 : distinguer les tarifs de référence de votre facture

L’article d’Ofox sur les tarifs indique qu’OpenAI affichait les tarifs suivants pour GPT Image 2.5 Flare et Sunburst lors d’une vérification effectuée le 9 septembre 2026. Il s’agit de dollars par million de tokens, et non de prix fixes par image. Cette source est un compte rendu secondaire ; vérifiez les tarifs actuels et la disponibilité des modèles auprès du fournisseur choisi avant d’engager un budget.

Catégorie de facturationTarif officiel rapporté, Flare et SunburstUnité
Texte en entrée non mis en cache$5.00Par million de tokens
Texte en entrée mis en cache$1.25Par million de tokens
Images en entrée non mises en cache$8.00Par million de tokens
Images en entrée mises en cache$2.00Par million de tokens
Images en sortie$30.00Par million de tokens

L’instantané du catalogue OneMux capturé le 21 novembre 2026 ne fournissait pas de prix en dollars pour les entrées ou les sorties de GPT Image 2.5. Il indiquait un ratio de 0.1, mais sans connaître les prix et les unités sous-jacents, ce ratio ne suffit pas à calculer un montant facturé ou une économie.

ModèleEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
GPT Image 2.5Inconnu dans l’instantané du catalogueInconnu dans l’instantané du catalogueInconnuInconnu0.1

Inconnu ne signifie pas zéro. Les tarifs rapportés par la source ci-dessus et l’instantané du catalogue sont deux éléments distincts, relevés à des dates différentes ; aucun des deux n’établit le montant actuellement facturé sur votre compte OneMux. Consultez les tarifs OneMux actuels, les paliers applicables aux modèles, les conditions de mise en cache et les conditions de votre compte. Utilisez les mêmes unités de facturation pour comparer les fournisseurs.

Calculer le coût d’une requête, puis l’extrapoler à la charge de travail

Cet exemple suppose qu’une requête utilise 1 000 tokens de texte en entrée non mis en cache, 2 000 tokens d’image en entrée non mis en cache et 4 000 tokens d’image en sortie. Il suppose qu’il n’y a ni consommation mise en cache ni autres frais. Ces nombres de tokens sont illustratifs : ils ne constituent pas des mesures pour une taille, une qualité ou une variante de modèle particulière.

ComposanteCalcul au tarif de référence rapportéCoût
Texte en entrée1,000 × $5 / 1,000,000$0.005
Images en entrée2,000 × $8 / 1,000,000$0.016
Images en sortie4,000 × $30 / 1,000,000$0.120
TotalSomme des trois composantes$0.141

Si la consommation comprend des entrées mises en cache, chiffrez séparément les parties mises en cache et non mises en cache. Vérifiez la définition des champs du fournisseur : un total de tokens en entrée peut déjà inclure les tokens mis en cache. Ne comptez pas ces tokens deux fois, ne supposez pas que le renvoi d’une image de référence donne droit à une réduction liée au cache et ne considérez pas qu’une catégorie de consommation absente vaut zéro.

Supposons maintenant que chaque tentative coûte en moyenne $0.141 et que 80 % des images passent la vérification :

Objectif d’images acceptéesNombre estimé de tentatives avec un taux d’acceptation de 80 %Coût estimé du modèle d’image
100100 / 0.80 = 125125 × $0.141 = $17.625
1 0001,000 / 0.80 = 1,2501,250 × $0.141 = $176.25

Pour les objectifs qui ne donnent pas un nombre entier de tentatives, arrondissez l’estimation au nombre entier de requêtes supérieur. Un taux d’acceptation de 80 % est une prévision, pas une garantie de livraison. Ajoutez, le cas échéant, les appels à un modèle de langage, les aperçus en streaming, les taxes et les autres frais facturés séparément. Selon la source, le calculateur de sortie GPT Image 2.5 estime la consommation et le coût en sortie, mais exclut le texte en entrée, les images en entrée et les images intermédiaires diffusées en streaming ; il ne fournit donc pas une estimation complète de la requête.

Mener une évaluation encadrée et reproductible

Avant les tests, confirmez l’accès à la variante exacte du modèle, les paramètres d’image pris en charge, les tarifs actuels du compte, les données de consommation disponibles et les éventuels services facturés séparément. L’accès OneMux compatible avec OpenAI ne suffit pas à établir que chaque endpoint d’image ou paramètre est pris en charge ; vérifiez l’endpoint et les paramètres documentés pour votre compte. Ce guide ne prétend pas avoir testé une intégration OneMux.

Utilisez un petit ensemble fixe représentatif du travail que vous souhaitez faire réaliser. Par exemple, définissez ces trois cas avant d’effectuer des appels :

CasEntrée fixeExemple de règle d’acceptation
Image de produitMême description du produit, même cadrage, même taille et même qualitéLe produit et l’arrière-plan demandés sont présents ; aucune partie supplémentaire évidente sur le produit
Mise en page de texteMême courte phrase fournie en anglais et même instruction de mise en pageChaque caractère correspond à la phrase fournie et est lisible
Modification d’une image de référenceMême fichier de référence et même instruction de modificationLa modification demandée apparaît ; la couleur et la texture spécifiées du premier plan restent inchangées

Il s’agit de protocoles d’évaluation, et non de résultats mesurés avec GPT Image 2.5. Consignez à l’avance les prompts exacts, les fichiers de référence, la taille, la qualité et les règles d’acceptation. Si vous comparez Flare et Sunburst, exécutez les mêmes cas dans les mêmes conditions et présentez les résultats de chaque variante séparément. La source rapporte des tarifs par token égaux, et non une qualité, une consommation ou un coût total identiques.

Fixer des limites avant le premier appel

Pour un premier pilote illustratif, prévoyez jusqu’à 30 requêtes au total, révisions comprises, avec une seule révision au maximum par tentative sur un cas. Fixez un plafond de dépenses sur le compte ou un seuil d’arrêt opérationnel que vous pouvez faire respecter, et arrêtez dès que l’une des limites est atteinte. Si la plateforme ne peut pas imposer de plafond strict, surveillez le solde et arrêtez manuellement ; prévoyez une marge pour les frais encore en cours de traitement. Ne supposez pas que les requêtes infructueuses sont toujours facturées ou toujours gratuites.

Pour chaque tentative, consignez : le fournisseur, l’identifiant exact du modèle, l’heure UTC, l’identifiant de la requête, les entrées et les paramètres, la consommation renvoyée, les tarifs applicables, le montant réellement facturé s’il est disponible, ainsi que le résultat de l’évaluation. Indiquez comme inconnus les données de consommation ou les frais indisponibles. Si la facturation regroupe plusieurs requêtes, rapprochez les données pour le groupe plutôt que d’inventer une répartition par requête. Supprimez les identifiants d’authentification et de compte avant de partager les relevés.

Transformer les observations en décision

Pour l’ensemble du pilote, divisez le coût réellement facturé par le nombre d’images acceptées. Si le fournisseur n’a pas encore finalisé les frais, indiquez qu’il s’agit d’une estimation et rapprochez les chiffres ultérieurement. Présentez le nombre de tentatives et d’images acceptées à côté du résultat : un petit pilote peut révéler des modes d’échec, mais il ne peut pas garantir de manière fiable le taux d’acceptation d’une production de 1 000 images. Si aucune image n’est acceptée, le coût par image acceptée n’est pas défini ; revoyez la tâche ou les critères d’acceptation plutôt que de diviser par zéro.

Examinez les échecs par cas. Une première image peu coûteuse peut revenir cher une fois les modifications répétées incluses ; inversement, une tentative plus coûteuse peut valoir la peine si elle est acceptée plus souvent. N’élargissez le test qu’après avoir vérifié que le coût observé et les modes d’échec sont compatibles avec le budget.

Conclusion

Utilisez les tarifs par token rapportés pour comprendre les calculs, et non pour remplacer un devis propre à votre compte. Un jeu de tests fixe, des limites d’arrêt explicites et les frais réels par image acceptée permettent d’établir un budget mieux justifié qu’un prix générique par image.

Sources

Instantané des prix publiés

Capturé le 2026-11-21T15:00:06.439Z à partir du catalogue publié par OneMux. Les prix conservent les unités de facturation du site ; il ne s’agit pas d’une comparaison en temps réel. La facturation par paliers, avec mise en cache ou fondée sur le temps peut différer. Les valeurs inconnues ne sont pas nulles.

ModèleEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
GPT Image 2.5InconnuInconnuInconnuInconnu0.1

Prix OneMux actuels. Ne comparez les coûts de traitement que lorsque les unités d’entrée, de sortie et de facturation correspondent ; consultez la page de chaque modèle pour connaître les conditions des paliers.

FAQ

Combien coûte GPT Image 2.5 par image ?

Aucun prix unique n’est établi pour toutes les requêtes. Le coût dépend des tarifs applicables, du texte et des images en entrée, des images en sortie, de la mise en cache et des services facturés séparément. Divisez les frais réels de la charge de travail par le nombre d’images acceptées pour estimer le coût par image utilisable.

GPT Image 2.5 Flare et Sunburst coûtent-ils le même prix ?

La source Ofox fournie rapporte les mêmes tarifs officiels par token pour les deux variantes au 9 septembre 2026. Cela ne signifie pas que leur consommation de tokens, leurs taux d’acceptation ou leurs coûts totaux de traitement sont identiques.

Le ratio de prix publié par OneMux permet-il de déterminer le prix en dollars de GPT Image 2.5 ?

Non. L’instantané du catalogue du 21 novembre 2026 indique un ratio publié de 0.1, mais les prix en dollars des entrées et des sorties restent inconnus. Vérifiez les prix actuels propres à votre compte et les unités de facturation.

Articles liés