Custos da API GPT Image 2.5: estime uma carga de trabalho e diagnostique incidentes de cobrança
Uma estimativa reproduzível para uma carga de trabalho com GPT Image 2.5, com uma lista prática para diagnosticar anomalias de custos e solicitações.
Resumo · TL;DR
Use as tarifas por token e uma taxa de aceitação medida para estimar o custo das imagens utilizáveis. Diagnostique divergências relacionando resultados das solicitações, uso e cobranças da conta, sem tratar dados ausentes como zero.
Principais pontos
- A fonte fornecida informa tarifas por token da OpenAI para Flare e Sunburst, mas o registro de preços publicado pela OneMux não apresenta preços de entrada ou saída comparáveis.
- Um custo ilustrativo de $0.141 por solicitação e uma taxa de aceitação de 80% resultam em estimativas de $17.63 para 100 imagens utilizáveis e $176.25 para 1.000, antes de outras cobranças.
- Uma resposta HTTP bem-sucedida não comprova que uma imagem foi aprovada na revisão, e um campo de uso ausente não comprova que o uso foi zero.
- Investigue incidentes de custo relacionando IDs de solicitação, registros de data e hora, dados brutos de uso, resultados de aceitação, novas tentativas e cobranças reais.
Nesta página (7)
Para uma carga de trabalho com GPT Image 2.5, faça o orçamento com base nas imagens aceitas, não apenas nas solicitações de API bem-sucedidas. Comece pelas tarifas aplicáveis do provedor e pelo uso medido; depois, inclua as novas tentativas e edições cobradas. Se um incidente elevar os custos, compare o número de tentativas, o uso de tokens e a taxa de aceitação antes de presumir que o preço mudou.
Este guia de custos é publicado pela OneMux, que oferece acesso a modelos por meio de uma API compatível com OpenAI. As estimativas detalhadas abaixo usam tarifas informadas por uma fonte externa, não uma cotação verificada da OneMux. Confirme as tarifas atuais da sua conta e o suporte ao endpoint antes de aplicá-las em produção.
Estabeleça uma base de preços comparável
O artigo da Ofox sobre preços do GPT Image 2.5 informa as seguintes tarifas da OpenAI para Flare e Sunburst, verificadas em 9 de setembro de 2026. As unidades são dólares americanos por milhão de tokens; não são preços fixos por imagem. Essas tarifas são informadas pela fonte e não são preços atuais verificados de forma independente.
| Categoria de cobrança | Flare | Sunburst | Unidade |
|---|---|---|---|
| Entrada de texto | $5.00 | $5.00 | Por milhão de tokens |
| Entrada de texto em cache | $1.25 | $1.25 | Por milhão de tokens |
| Entrada de imagem | $8.00 | $8.00 | Por milhão de tokens |
| Entrada de imagem em cache | $2.00 | $2.00 | Por milhão de tokens |
| Saída de imagem | $30.00 | $30.00 | Por milhão de tokens |
Segundo a fonte, as duas variantes têm as mesmas tarifas por token listadas; isso não comprova que tenham o mesmo uso ou custo por imagem aceita. A fonte também observa que uma chamada externa a um modelo de linguagem pode ser cobrada separadamente quando a Responses API invoca uma ferramenta de geração de imagens.
O registro do catálogo da OneMux, capturado em 20 de novembro de 2026, não fornece os preços necessários para calcular a mesma carga de trabalho na OneMux:
| Modelo | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preço publicada |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconhecido | Desconhecido | Desconhecido | Desconhecido | 0.1 |
O registro não especifica unidades de cobrança nem preços por faixa e de cache para esses valores ausentes. Desconhecido não é zero. A proporção publicada é reproduzida conforme listada; sem preços e condições comparáveis, ela não basta para calcular uma cobrança em dólares nem afirmar que há economia. Consulte os preços atuais da OneMux e os termos aplicáveis à sua conta antes de comparar provedores.
Calcule o custo de uma solicitação e de uma carga de trabalho
O cálculo a seguir é ilustrativo: não se trata de uma solicitação testada nem de uma cotação para um tamanho específico de imagem. Suponha que uma solicitação use 1.000 tokens de entrada de texto sem cache, 2.000 tokens de entrada de imagem sem cache e 4.000 tokens de saída de imagem. Suponha que não haja uso de cache nem cobranças adicionais.
| Componente | Cálculo pela tarifa informada pela fonte | Custo |
|---|---|---|
| Entrada de texto | 1.000 × $5 / 1.000.000 | $0.005 |
| Entrada de imagem | 2.000 × $8 / 1.000.000 | $0.016 |
| Saída de imagem | 4.000 × $30 / 1.000.000 | $0.120 |
| Total por tentativa | Soma dos três componentes | $0.141 |
Agora, suponha que 80% das tentativas produzam uma imagem que atenda aos seus critérios de aceitação e que cada tentativa tenha o mesmo custo de $0.141. Divida a meta de imagens aceitas por 0,80, arredondando para cima até obter um número inteiro de solicitações quando necessário.
| Meta de imagens aceitas | Tentativas estimadas | Custo estimado do modelo de imagem |
|---|---|---|
| 100 | 125 | $17.625, ou cerca de $17.63 |
| 1.000 | 1.250 | $176.25 |
Esses valores são expectativas para planejamento, não garantias de entrega. As tentativas reais podem ter quantidades diferentes de tokens, e as taxas de aceitação reais variam. Acrescente, quando aplicável, chamadas a modelos de linguagem cobradas separadamente, prévias, edições ou outras cobranças. Segundo a fonte, a calculadora de tokens de saída do GPT Image 2.5 estima apenas parte do custo; entre as exclusões identificadas estão a entrada e as imagens intermediárias transmitidas por streaming.
Para um lote real, divida o valor total cobrado pelo número de imagens aceitas. Inclua tentativas malsucedidas e revisões que tenham sido cobradas, mas não presuma que toda solicitação malsucedida foi cobrada. Se nenhuma imagem for aprovada, informe o custo do lote e o total de zero imagens aceitas, em vez de apresentar um custo por imagem aceita.
Diagnostique um incidente de custo da API de imagens
Use a sequência a seguir quando o gasto por imagem aceita aumentar ou quando uma tarefa de geração de imagens deixar de produzir resultados utilizáveis. São procedimentos de diagnóstico, não afirmações sobre uma integração testada com a OneMux.
- Defina o período e a referência de comparação. Compare o período afetado com uma carga de trabalho semelhante: mesmo provedor, ID do modelo, dimensões de imagem, configuração de qualidade, padrão de imagens de referência e regras de aceitação. Registre as mudanças em vez de presumir que as solicitações eram idênticas.
- Separe falhas de transporte de falhas de qualidade. Conte erros HTTP e tempos limite separadamente das respostas bem-sucedidas cujas imagens não passam na revisão. Uma resposta 200 ainda pode produzir uma imagem inutilizável. Registre novas tentativas e edições cobradas como tentativas separadas.
- Relacione os registros antes de calcular. Associe cada tentativa ao ID de solicitação do provedor, ao registro de data e hora em UTC, aos dados brutos de uso e à cobrança na conta, quando disponíveis. A fonte observa que o ID de um registro no console e o ID de solicitação de uma resposta podem ser identificadores diferentes. Se as cobranças estiverem agregadas, concilie o lote inteiro em vez de inventar uma distribuição por solicitação.
- Examine a composição do uso. Mais entradas de imagens de referência ou mais tokens de saída podem elevar os custos mesmo sem mudança nas tarifas. Verifique se os tokens em cache estão incluídos no total de entrada antes de calcular o uso sem cache; nunca cobre os mesmos tokens nas duas categorias. Reutilizar uma imagem de referência, por si só, não comprova um acerto de cache.
- Verifique a tarifa e o escopo. Confirme a variante do modelo, o provedor, a tarifa efetiva, a moeda e qualquer uso de ferramenta ou modelo de linguagem cobrado separadamente. Se os dados de uso estiverem ausentes, marque-os como desconhecidos e investigue o registro de cobrança; não os substitua por zero.
| Sinal observável | Explicação plausível | Próxima verificação |
|---|---|---|
| Mais tentativas, com custo estável por tentativa | Novas tentativas ou uma taxa menor de aceitação de imagens | Compare a contagem de erros, os resultados das revisões e os registros de novas tentativas |
| Tentativas estáveis, com maior uso de entrada | Mais entradas de referência, entradas maiores ou mudança no padrão de solicitações | Compare o uso de entrada de imagem e os metadados das solicitações |
| A estimativa de uso difere da cobrança na conta | Tarifas aplicáveis diferentes, tratamento de cache, cobranças extras ou dados incompletos | Concilie os dados brutos de uso e os termos da conta no mesmo período de cobrança |
| Respostas HTTP bem-sucedidas aumentam, mas imagens aceitas diminuem | A qualidade da saída já não atende aos critérios do fluxo de trabalho | Revise amostras usando a mesma lista de critérios de aceitação |
| Campos de uso ausentes | A resposta ou o registro do provedor está incompleto para esse cálculo | Marque como desconhecido e use as evidências de cobrança disponíveis para o lote |
Esses sinais ajudam a direcionar a investigação; nenhum deles comprova uma causa raiz por si só. Preserve evidências sem dados sensíveis antes de alterar prompts ou o comportamento das novas tentativas e não inclua chaves de API ou identificadores de conta em logs compartilhados.
Transforme a estimativa em um orçamento operacional
Execute um pequeno lote representativo no provedor e na conta que você pretende usar. Registre o ID do modelo, as dimensões, a qualidade, a quantidade de imagens de referência, os IDs de solicitação, o uso retornado, os valores cobrados e as decisões de aceitação. Inclua tarefas comuns e difíceis. Em seguida, substitua as premissas ilustrativas de $0.141 e 80% pelo custo médio por tentativa e pela taxa de aceitação observados; repita o processo após mudanças relevantes no fluxo de trabalho.
A API unificada da OneMux pode ser uma opção para acesso a modelos e visibilidade dos gastos, mas a compatibilidade com um fluxo específico de imagens depende do suporte documentado a endpoints e parâmetros. O acesso direto ao provedor ou outro gateway também são referências válidas. Compare faturas reais somente depois de alinhar a variante do modelo, as unidades, as configurações das solicitações e as cobranças incluídas.
Conclusão
Um orçamento útil para GPT Image 2.5 tem duas partes: uma estimativa reproduzível do custo de tokens e um custo medido por imagem aceita. Durante um incidente, mantenha separados os resultados das solicitações, o uso e as evidências de cobrança até que possam ser conciliados.
Fontes
- Ofox: preços da API GPT Image 2.5 e estimativas de carga de trabalho — fonte das tarifas informadas da OpenAI, das limitações da calculadora e dos exemplos de cobrança.
- Registro publicado do catálogo da OneMux capturado em 20 de novembro de 2026 — fonte dos preços desconhecidos do catálogo e da proporção publicada apresentada acima.
Registro de preços publicados
Capturado em 2026-11-20T15:00:06.107Z do catálogo publicado da OneMux. Os preços mantêm as unidades de cobrança do site; esta não é uma comparação em tempo real. A cobrança por faixas, cache ou tempo pode ser diferente. Valores desconhecidos não são zero.
| Modelo | Entrada oficial | Saída oficial | Entrada OneMux | Saída OneMux | Proporção de preço publicada |
|---|---|---|---|---|---|
| GPT Image 2.5 | Desconhecido | Desconhecido | Desconhecido | Desconhecido | 0.1 |
Preços atuais da OneMux. Compare custos de cargas de trabalho somente quando as unidades de entrada, saída e cobrança forem equivalentes; consulte a página de cada modelo para conhecer as condições por faixa.
Perguntas frequentes
Quanto custa o GPT Image 2.5 por imagem?
As tarifas fornecidas não estabelecem um custo único por imagem. O custo depende do uso de tokens de entrada e saída, das tarifas aplicáveis do provedor, do tratamento de cache e de quaisquer serviços cobrados separadamente. O custo por imagem aceita também inclui novas tentativas e edições cobradas.
Flare e Sunburst têm as mesmas tarifas por token do GPT Image 2.5?
O artigo citado da Ofox informa tarifas por token da OpenAI idênticas para as duas variantes, conforme verificado em 9 de setembro de 2026. Tarifas iguais não comprovam consumo igual de tokens nem custo igual por imagem aceita.
A proporção publicada pela OneMux pode ser usada para calcular o custo dessa carga de trabalho?
Não apenas com o registro fornecido. Seus preços de entrada e saída, unidades de cobrança e condições relevantes de cache ou de faixa são desconhecidos; portanto, a proporção não basta para calcular uma cobrança comparável.
O que devo verificar quando os custos da API de imagens aumentam?
Compare tentativas, taxas de aceitação, uso de entrada e saída, novas tentativas, tarifas aplicáveis e serviços cobrados separadamente no mesmo período. Relacione os registros das solicitações às cobranças da conta quando possível e trate dados de uso ausentes como desconhecidos.
Artigos relacionados
Guides
Custos da API Gemini 3.1 Flash Image: estimativa por carga de trabalho e checklist de incidentes
Estime os gastos com a API preview do Gemini 3.1 Flash Image com premissas explícitas de tokens e use sinais por requisição para investigar incidentes de custo e confiabilidade.
Guides
Custos da API GPT 6.2 Sol para diagnóstico de incidentes: uma estimativa reproduzível
Estime os custos de tokens do GPT 6.2 Sol para diagnóstico de incidentes de API com premissas explícitas de carga de trabalho, faixas de contexto, novas tentativas e cenários de cache.
Guides
Custos da API GPT Image 2.5 para triagem de atendimento ao cliente
Estime os custos de geração de imagens com GPT Image 2.5 para triagem de atendimento usando premissas explícitas sobre tokens, taxas de aprovação e cálculos reproduzíveis.
Guides
Guia de custos da API Hy4 Preview para diagnóstico de incidentes
Estime os custos do Hy4 Preview para diagnóstico de incidentes de API com premissas explícitas de tokens, preços comparáveis e exemplos reproduzíveis.