ChatGPT Images 2.5: più veloce, ma i dati sulla sicurezza non sono significativi
A pochi giorni dall'annuncio di GPT-6 Astra, l'8 settembre 2026 OpenAI ha presentato ChatGPT Images 2.5, il nuovo modello di generazione immagini disponibile su ChatGPT, ChatGPT Work e Codex. L'offerta per gli sviluppatori si sdoppia sull'API tra la variante GPT-Image-2.5 Flare, impostata come predefinita e focalizzata sulla velocità (di cui è documentato lo snapshot gpt-image-2.5-flare-2026-09-08), e la GPT-Image-2.5 Sunburst, orientata al controllo di precisione e all'editing. L'aggiornamento introduce funzioni come lo strumento Sketch, che permette di disegnare direttamente in ChatGPT per guidare la generazione, modelli per manifesti e merchandising, oltre ai commenti puntuali su porzioni di immagine per l'editing mirato. A fronte di un volume dichiarato che supera i 3 miliardi di immagini create a settimana tra piattaforma e API, il fornitore indica una riduzione della latenza fino al 50% rispetto a Images 2.0 nel caso migliore: un dato citato nell'annuncio ufficiale che proviene direttamente dall'azienda e non da benchmark terzi indipendenti.
Sul versante dei costi API, la struttura dei listini fissa 5 dollari per milione di token per l'input di testo (1,25 in caso di cache), 8 dollari per l'input di immagini (2 in cache) e 30 dollari per milione di token per l'output, con valori identici per Flare e Sunburst. Poiché il conteggio dei token differisce dal modello precedente e manca un calcolatore per immagine, l'importo effettivo per singola generazione non è determinabile a priori. Sotto il profilo della sicurezza, la valutazione avversariale automatizzata riportata nel system card evidenzia una quota di contenuti non sicuri mostrati all'utente pari all'1,09% per Sunburst e all'1,41% per Flare, contro l'1,64% di Images 2.0. Tuttavia, lo stesso documento di OpenAI ammette esplicitamente che nessuna di queste differenze rispetta la soglia di significatività statistica p inferiore a 0,05, ricordando che i test si basano su un set fisso e che le etichette automatiche possono contenere errori.
Il report del Deployment Safety Hub riconosce anche che il realismo accresciuto del modello può favorire la creazione di deepfake più convincenti su persone, luoghi o eventi reali. Per contrastare queste violazioni delle linee guida, OpenAI applica filtri a livello di prompt e di immagine, affiancati da metadati C2PA e dal watermarking invisibile SynthID di Google DeepMind. Riguardo al Preparedness Framework, né Flare né Sunburst superano le soglie di rischio Bio High o Cyber High, sebbene l'azienda mantenga in via precauzionale le mitigazioni previste per le capacità biologiche elevate.
Tre decimali di differenza su un test interno non fanno un modello più sicuro, e OpenAI è la prima a dirlo. La novità principale rimane la riduzione dei tempi di attesa dichiarata dall'azienda, fino al 50% nel caso migliore, lasciando aperto l'interrogativo sulla tenuta dei filtri di fronte a immagini sempre più indistinguibili dalla realtà.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Ho letto il system card ufficiale su deploymentsafety.openai.com (dominio OpenAI): da lì vengono le percentuali di sicurezza, la nota sulla significatività statistica e le frasi su realismo e deepfake. La documentazione API su developers.openai.com conferma i prezzi per milione di token, gli endpoint e lo snapshot datato 2026-09-08. Come conferme indipendenti ho aperto 9to5Mac (8 settembre 2026) e Unite.AI: data, nomi dei due modelli API, funzioni lato utente e citazione sulla latenza. La pagina di annuncio su openai.com ha risposto HTTP 403 al nostro accesso automatico: nessun fatto dell'articolo si appoggia a essa. Ho scartato il dato sull'output 4K, presente solo su circuiti di comunicati stampa a pagamento.
- Incertezze
- Il calo dei contenuti non sicuri mostrati (da 1,64% a 1,09%/1,41%) è dichiarato dalla stessa OpenAI come non statisticamente significativo: si può dire che il nuovo modello non risulta peggiore sul test usato, non che sia più sicuro. Tutte le cifre di sicurezza vengono da un test avversariale interno a set fisso, con etichettatura automatica che OpenAI ammette fallibile e nessuna verifica indipendente. Il -50% di latenza è dichiarato dal fornitore, non misurato da terzi; i confronti di velocità citati nell'annuncio arrivano da partner commerciali. Senza calcolatore per immagine e con un conteggio dei token diverso da GPT Image 2, il costo per singola generazione resta non determinabile a priori. Le affermazioni su un output 4K circolate su siti di comunicati a pagamento non hanno conferma ufficiale. Non è verificabile quanto C2PA e SynthID resistano a ricompressione, screenshot o rimozione dei metadati.
- Perché pubblicarla
- È il rilascio di un modello di punta con documentazione tecnica e di sicurezza completa e verificabile, raccontabile senza dipendere da rumor. Soprattutto è un caso di scuola di lettura critica dei numeri: l'azienda pubblica un miglioramento delle metriche di sicurezza e nello stesso documento dichiara che quel miglioramento non è statisticamente significativo, mentre ammette che il maggiore realismo rende i deepfake più convincenti. Il lettore italiano ha bisogno che qualcuno distingua ciò che è misurato da ciò che è dichiarato, anche in vista degli obblighi di trasparenza dell'AI Act sui contenuti sintetici. Il tema della generazione di immagini, inoltre, non è ancora coperto dall'archivio.