ChatGPT Images 2.5: szybciej, ale dane o bezpieczeństwie nie są istotne

Kilka dni po zapowiedzi GPT-6 Astra, 8 września 2026 roku OpenAI przedstawiło ChatGPT Images 2.5, nowy model generowania obrazów dostępny w ChatGPT, ChatGPT Work i Codeksie. Oferta dla deweloperów rozdwaja się w API: GPT-Image-2.5 Flare jest ustawiony domyślnie i nastawiony na szybkość (udokumentowano snapshot gpt-image-2.5-flare-2026-09-08), a GPT-Image-2.5 Sunburst celuje w precyzyjną kontrolę i edycję. Aktualizacja wprowadza między innymi narzędzie Sketch, które pozwala rysować bezpośrednio w ChatGPT, by pokierować generowaniem, szablony na plakaty i gadżety, a także komentarze do wybranych fragmentów obrazu przy edycji punktowej. Przy deklarowanym wolumenie ponad 3 miliardów obrazów tworzonych tygodniowo na platformie i przez API dostawca podaje w najlepszym przypadku spadek opóźnień do 50% wobec Images 2.0: liczba z oficjalnej zapowiedzi pochodzi wprost od firmy, nie z niezależnych testów porównawczych.

Po stronie kosztów API cennik ustala 5 dolarów za milion tokenów wejścia tekstowego (1,25 przy cache), 8 dolarów za wejście obrazowe (2 przy cache) i 30 dolarów za milion tokenów wyjścia, identycznie dla Flare i Sunburst. Ponieważ liczenie tokenów różni się od poprzedniego modelu, a kalkulatora na obraz brakuje, faktycznej kwoty za pojedyncze generowanie nie da się ustalić z góry. W kwestii bezpieczeństwa automatyczna ocena adwersarialna opisana w system card pokazuje odsetek niebezpiecznych treści wyświetlonych użytkownikowi na poziomie 1,09% dla Sunburst i 1,41% dla Flare, wobec 1,64% dla Images 2.0. Ten sam dokument OpenAI wprost przyznaje jednak, że żadna z tych różnic nie spełnia progu istotności statystycznej p poniżej 0,05, i przypomina, że testy opierają się na stałym zestawie, a automatyczne etykiety mogą zawierać błędy.

Raport Deployment Safety Hub przyznaje też, że większy realizm modelu może sprzyjać bardziej przekonującym deepfake'om z udziałem prawdziwych osób, miejsc czy wydarzeń. Przeciw takim naruszeniom wytycznych OpenAI stosuje filtry na poziomie promptu i obrazu, wsparte metadanymi C2PA oraz niewidocznym znakiem wodnym SynthID od Google DeepMind. W ramach Preparedness Framework ani Flare, ani Sunburst nie przekraczają progów ryzyka Bio High i Cyber High, choć firma zapobiegawczo utrzymuje zabezpieczenia przewidziane dla wysokich zdolności biologicznych.

Trzy miejsca po przecinku różnicy w wewnętrznym teście nie czynią modelu bezpieczniejszym, i OpenAI mówi to jako pierwsze. Główną nowością pozostaje skrócenie czasu oczekiwania deklarowane przez firmę, do 50% w najlepszym przypadku. Otwarte zostaje pytanie, jak filtry wytrzymają zderzenie z obrazami coraz trudniejszymi do odróżnienia od rzeczywistości.

— Olya