OpenAI a ajouté GPT Image 2.5 Sunburst et GPT Image 2.5 Flare à sa page de tarification API, et ce qui retient l'attention, c'est le chiffre.

Les prix

Les deux variantes sont listées à 8 $ par million de jetons d'image en entrée et 30 $ par million de jetons d'image en sortie. L'entrée d'image mise en cache est à 2 $. L'entrée texte est à 5 $ par million, avec le texte mis en cache à 1,25 $.

Comparé aux anciens modèles de la même famille, le tableau est contrasté. Le prédécesseur direct, GPT Image 2, est au même prix, soit 8 $ en entrée, 2 $ en cache et 30 $ en sortie. Plus en arrière, GPT Image 1.5 coûte 8 $ en entrée et 32 $ en sortie, et GPT Image 1 coûte 10 $ en entrée et 40 $ en sortie. Le petit GPT Image 1-mini reste le moins cher, à 2,50 $ et 8 $.

Pourquoi c'est notable

Une nouvelle génération arrive normalement avec une prime de prix et fait baisser celle qui la précède. Ici, les nouveaux modèles maintiennent leur prix face à leur prédécesseur immédiat et restent en dessous des deux générations précédentes sur le prix de sortie, ce qui est précisément là où se concentrent les coûts réels de génération d'image.

L'explication probable est d'ordre concurrentiel plutôt que technique. La génération d'image est la catégorie la plus encombrée du marché, avec de solides options à poids ouverts et une longue liste de fournisseurs qui distribuent leurs modèles via des agrégateurs. Facturer plus cher que le modèle de l'année précédente est difficile lorsqu'un utilisateur peut changer de fournisseur au sein d'une même interface.

Ce que cela signifie en pratique

Si vous utilisez encore GPT Image 1 ou 1.5 en production, vous payez plus cher pour un modèle plus ancien. C'est une situation rare et facile à vérifier.

La leçon plus générale concerne la rapidité avec laquelle ce secteur évolue. La tarification des modèles d'image est devenue véritablement volatile, si bien qu'une estimation de coût établie il y a six mois a peu de chances d'être encore exacte. Vérifiez à nouveau la page de tarification avant de vous engager auprès d'un fournisseur, et privilégiez les plateformes qui permettent de changer de modèle sous-jacent sans reconstruire votre pipeline.