OpenAI rinnova in modo sostanziale la generazione visuale di ChatGPT con ChatGPT Images 2.5, intervenendo su alcuni degli aspetti che pesano maggiormente nell’impiego professionale dell’AI generativa: fedeltà ai soggetti di riferimento, precisione delle modifiche, coerenza fra revisioni successive, qualità delle composizioni e velocità di esecuzione.
La riduzione della latenza arriva fino al 50% rispetto a Images 2.0, mentre illuminazione e texture risultano più naturali e i dettagli distintivi dei soggetti forniti come riferimento vengono conservati con maggiore affidabilità. A cambiare è anche il modo in cui si costruisce e si modifica un’immagine: Sketch permette di partire da un disegno, i template strutturano la richiesta, i commenti applicati direttamente alle immagini circoscrivono le revisioni e i prompt possono essere condivisi e riutilizzati da altre persone.
La scala raggiunta dal servizio rende ancora più rilevante l’aggiornamento. Secondo OpenAI, ogni settimana utenti e aziende generano oltre 3 miliardi di immagini attraverso ChatGPT Images e i modelli GPT-Image disponibili tramite API. Per gli sviluppatori arrivano contemporaneamente GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst, due varianti che condividono la stessa generazione tecnologica ma rispondono a esigenze differenti: velocità e volumi nel primo caso, maggiore controllo nelle lavorazioni visuali più curate nel secondo.
Più fedeltà quando l’immagine cambia
Uno dei principali interventi riguarda la fedeltà alle immagini di riferimento, un aspetto cruciale quando il contenuto deve essere trasformato senza perdere i tratti che lo rendono riconoscibile. Images 2.5 conserva meglio le caratteristiche distintive di persone e altri soggetti quando vengono trasferiti in nuove ambientazioni, stili o composizioni, con risultati particolarmente rilevanti per ritratti e immagini personali, dove la somiglianza tende facilmente a deteriorarsi durante le trasformazioni.
La maggiore fedeltà si accompagna a illuminazione più naturale, texture più ricche e, soprattutto, a un editing più selettivo. Una modifica circoscritta dovrebbe incidere con minore frequenza sulle parti che l’utente vuole lasciare intatte: diventa quindi più semplice cambiare un prodotto, lo sfondo o una porzione di testo senza alterare involontariamente soggetto, composizione e trattamento visuale circostante.
Per un workflow aziendale questo passaggio conta almeno quanto la qualità della prima generazione. Un’immagine destinata ad advertising, e-commerce, comunicazione o presentazioni attraversa normalmente più revisioni; poter intervenire su un singolo elemento senza modificare colori, impaginazione, prodotto o identità del soggetto riduce la necessità di ricostruire l’asset dopo ogni correzione.
Il vero banco di prova sono le revisioni successive
La maggiore precisione si estende alle conversazioni multi-turn, cioè alle sequenze in cui la stessa immagine viene modificata più volte attraverso richieste successive. Images 2.5 conserva con maggiore affidabilità gli interventi già effettuati e utilizza lo stato raggiunto come base per le modifiche successive, rendendo più gestibili sessioni nelle quali vengono ruotati oggetti, aggiornati elementi di un’infografica o introdotte variazioni circoscritte senza perdere quanto definito nei passaggi precedenti.
È un cambiamento significativo perché l’editing generativo, soprattutto in ambito professionale, assume sempre più la forma di una sessione di lavoro anziché di una singola generazione. Si parte da una prima versione, si corregge la struttura, si sostituiscono elementi, si affinano stile e contenuti e si arriva progressivamente all’asset finale, mantenendo per quanto possibile continuità fra un intervento e l’altro.
La consistenza, però, non è ancora assoluta. La documentazione sulla generazione di immagini tramite API segnala che il sistema può incontrare difficoltà nel mantenere perfettamente personaggi ricorrenti o elementi di brand attraverso generazioni separate, così come nel collocare con precisione gli oggetti in composizioni sottoposte a vincoli di layout particolarmente rigidi.
Infografiche e layout, la qualità passa anche dai contenuti
OpenAI ha lavorato anche sulla capacità di interpretare istruzioni visuali complesse e di rappresentare informazioni legate al mondo reale con maggiore accuratezza, intervenendo contemporaneamente sulla gestione di strutture articolate e layout complessi.
Le infografiche sono uno degli ambiti in cui questo miglioramento diventa più evidente, perché la qualità non dipende soltanto dalla resa estetica: occorre mantenere corretti dati, relazioni, gerarchie, etichette e disposizione degli elementi, evitando che il modello produca un risultato visivamente plausibile ma informativamente impreciso.
Lo stesso lavoro riguarda la capacità di seguire una direzione stilistica più definita. Nei workflow aziendali, dove un visual deve spesso rispettare un linguaggio coerente con altri asset, Images 2.5 dovrebbe conservare con maggiore continuità stile, composizione e dettagli anche quando il brief diventa progressivamente più articolato, facilitando la produzione di serie coordinate, concept di interfacce, immagini per presentazioni e materiali di comunicazione.
Restano comunque alcuni limiti. Il rendering del testo, pur migliorato, può ancora presentare problemi di leggibilità e precisione nel posizionamento, mentre le composizioni fortemente strutturate continuano a essere fra i casi più difficili da controllare.
Quando descrivere non basta, c’è Sketch
Con Sketch OpenAI aggiunge una modalità alternativa al prompt esclusivamente testuale, utile quando la posizione, la forma o il rapporto fra gli elementi risultano più semplici da mostrare che da descrivere. L’utente può disegnare direttamente in ChatGPT e utilizzare la bozza come riferimento visuale per la generazione, affiancandola alle indicazioni testuali necessarie per definire stile, materiali, colori e dettagli.
Un rapido disegno può così stabilire la disposizione di una stanza, il profilo di un capo di abbigliamento, la struttura di un diagramma, una planimetria, il concept di un rendering o l’impostazione di un poster. Non serve che la bozza sia accurata: il suo ruolo è soprattutto fornire un vincolo spaziale e compositivo che il modello utilizzerà per costruire il risultato finale.
La funzione può essere richiamata in ChatGPT digitando @Sketch, integrando quindi direttamente nel flusso di lavoro una modalità più vicina al disegno concettuale che alla descrizione verbale.
Dai prompt liberi ai template riutilizzabili
I template introducono invece una struttura più guidata per le categorie di contenuti ricorrenti, come poster, merchandising, loghi, infografiche, thumbnail, illustrazioni, advertising, flyer e immagini di prodotto.
In questo caso l’utente non deve necessariamente costruire da zero un prompt capace di includere ogni variabile. Il template raccoglie informazioni da comunicare, elementi grafici, stile e altre caratteristiche necessarie, accompagnando il processo con domande mirate che aiutano a esplicitare requisiti che in una richiesta libera potrebbero rimanere impliciti.
Per le aziende il vantaggio riguarda soprattutto la ripetibilità. Una struttura ben definita può essere riutilizzata più volte modificando soltanto prodotti, contenuti o altri parametri, senza dover ricostruire ogni volta l’intera istruzione e senza dipendere esclusivamente dall’abilità del singolo utente nel formulare il prompt.
Le correzioni si appuntano direttamente sull’immagine
Un ulteriore passaggio riguarda i commenti inseriti direttamente sulle immagini, che permettono di associare una modifica alla zona interessata anziché affidarsi soltanto alla descrizione testuale della sua posizione.
La funzione riduce l’ambiguità nelle revisioni più circoscritte: diventa più semplice indicare quale oggetto sostituire, quale parte del layout correggere, dove intervenire sullo sfondo o quale dettaglio modificare lasciando invariato tutto il resto. Insieme al miglioramento del modello nell’editing, i commenti lavorano quindi sullo stesso problema da due lati: l’utente specifica con maggiore precisione dove intervenire, mentre Images 2.5 dovrebbe eseguire più fedelmente che cosa cambiare.
Condividere un’immagine significa anche condividere il metodo
La condivisione si estende ora anche al prompt utilizzato per generare l’immagine, che può accompagnare il risultato e diventare così una base riutilizzabile da altre persone. Chi riceve il contenuto può partire dalla stessa struttura sostituendo immagini, informazioni o parametri e produrre una propria variante senza dover ricostruire il procedimento da zero.
Il valore della funzione emerge soprattutto nei gruppi di lavoro, dove un prompt particolarmente efficace può diventare una procedura condivisa per asset che devono mantenere formato, stile o impostazione coerenti. La condivisione non riguarda quindi soltanto l’output finale, ma anche il metodo che ha permesso di ottenerlo.
Flare per i volumi, con la velocità in primo piano
Sul versante Images API, GPT-Image-2.5 Flare viene indicato da OpenAI come la scelta predefinita per la maggior parte delle applicazioni, combinando i progressi di Images 2.5 in qualità ed editing con una latenza inferiore del 50% rispetto a GPT-Image-2.
La variante è destinata soprattutto ai workflow in cui throughput e rapidità hanno un peso rilevante: contenuti per creator e social media, esperienze di prodotto, visual search, prototipazione rapida e generazione ad alto volume.
Nei propri test, Manus riferisce che Flare ha prodotto immagini di qualità elevata con una velocità da due a quattro volte superiore a GPT-Image-2, mostrando allo stesso tempo progressi nella produzione di sfondi trasparenti; caratteristiche che la società considera utili per asset di brand, presentazioni e siti web.
I due dati vanno tenuti distinti: il 2–4× deriva dalle valutazioni effettuate da Manus sulla propria piattaforma, mentre la riduzione del 50% della latenza è il confronto pubblicato da OpenAI.
Sunburst sceglie il controllo, anche a costo di aspettare di più
GPT-Image-2.5 Sunburst si colloca invece sul versante opposto, privilegiando il controllo fine delle modifiche nelle lavorazioni in cui la qualità della rifinitura conta più della rapidità. OpenAI lo indirizza a casi come creatività pubblicitarie pronte per la produzione e immagini di prodotto particolarmente curate, dove la precisione dell’intervento può essere più importante del throughput.
Questa impostazione comporta tempi di generazione più lunghi rispetto a Flare, senza che OpenAI quantifichi il divario fra i due. La distinzione consente quindi agli sviluppatori di scegliere il modello in funzione del workflow: Flare quando prevalgono velocità e volumi, Sunburst quando la priorità è il controllo dell’asset nelle fasi più avanzate della lavorazione.
Tra i primi utilizzatori c’è già Adobe Firefly
Fra i primi utilizzatori figura Adobe, che ha inserito i nuovi modelli GPT-Image-2.5 all’interno di Adobe Firefly e sottolinea in particolare la maggiore velocità e la migliore consistenza della risoluzione durante le revisioni successive, due aspetti utili per preservare nitidezza e resa fotorealistica mentre l’immagine viene modificata.
Higgsfield AI, piattaforma utilizzata per contenuti video, user-generated content e advertising, concentra invece l’attenzione sulla capacità di Flare di comprendere quali elementi non debbano essere cambiati durante una modifica, mantenendo carattere, composizione e identità visuale dell’immagine originale.
Le valutazioni di Higgsfield, Adobe e Manus convergono quindi su un punto centrale per l’impiego professionale: il valore di un sistema di generazione non dipende più soltanto dalla qualità del primo output, ma dalla possibilità di controllare e revisionare l’asset senza perdere caratteristiche già approvate nel corso del lavoro.
Dall’xhigh al 4K, cosa cambia nelle API
Con le API di GPT Image, GPT-Image-2.5 Flare e Sunburst offrono i livelli di qualità low, medium, high, xhigh e max, oltre all’impostazione automatica.
Le dimensioni raccomandate sono 1024×1024 pixel per il formato quadrato, 1536×1024 per il landscape e 1024×1536 per il portrait, ma l’API accetta anche dimensioni personalizzate. Larghezza e altezza devono essere multipli di 16, il rapporto fra i lati deve rimanere compreso tra 1:3 e 3:1 e nessun lato può superare 3840 pixel.
Il limite complessivo è di 8.294.400 pixel, equivalente alla fascia 4K, anche se OpenAI considera ancora sperimentali le risoluzioni superiori a 2560×1440.
Gli sviluppatori possono inoltre scegliere il formato di output fra PNG, JPEG e WebP, con caratteristiche operative differenti. PNG è il formato predefinito e, insieme a WebP, supporta lo sfondo trasparente; JPEG non offre la trasparenza, ma viene generato più rapidamente del PNG, motivo per cui OpenAI suggerisce di privilegiarlo nelle applicazioni in cui la latenza è più importante.
JPEG e WebP permettono anche di impostare tramite output_compression un livello di compressione compreso tra 0 e 100%. WebP combina quindi trasparenza e controllo della compressione, mentre PNG rimane l’opzione predefinita per gli output che richiedono un canale alpha senza ricorrere ai formati compressi configurabili.
La scelta del formato diventa così un parametro operativo del workflow: JPEG quando conta soprattutto la rapidità, PNG come output predefinito con supporto alla trasparenza, WebP quando servono insieme trasparenza e controllo della compressione.
Il salto generazionale si paga: token al doppio del prezzo
Flare e Sunburst condividono lo stesso listino delle API OpenAI. Per un milione di token immagine OpenAI applica 8 dollari in input, 2 dollari per il cached input e 30 dollari in output; per il testo il prezzo è invece di 5 dollari per milione di token in input e 1,25 dollari per il cached input.
GPT-Image-2 costa rispettivamente 4, 1 e 15 dollari per i token immagine e 2,50 e 0,625 dollari per quelli testuali, quindi le tariffe per token di Images 2.5 sono esattamente doppie rispetto alla generazione precedente.
Questo non significa, però, che ogni immagine costi automaticamente il doppio. Flare, Sunburst e GPT-Image-2 possono utilizzare quantità differenti di token in funzione del modello, della qualità e delle dimensioni richieste, per cui il costo effettivo dipende dal consumo generato dalla singola operazione.
Anche lo streaming delle immagini parziali incide sul conteggio: ogni partial image aggiunge 100 image output token.
Il 50% di latenza in meno non elimina i tempi lunghi
La riduzione della latenza fino al 50% non significa che ogni generazione diventi immediata. Fra i limiti documentati dell’API, OpenAI avverte che i prompt complessi possono richiedere fino a due minuti, soprattutto quando la richiesta combina numerosi vincoli visuali, testuali e compositivi.
Restano inoltre margini di miglioramento nel rendering e nel posizionamento preciso del testo, nella consistenza di personaggi o elementi di brand attraverso generazioni differenti e nel controllo millimetrico di composizioni fortemente strutturate.
Si tratta di limiti particolarmente rilevanti proprio perché Images 2.5 viene indirizzato a utilizzi professionali come poster, advertising, UI concept, infografiche e materiali di brand, ambiti nei quali testo, struttura e ripetibilità devono rispettare vincoli molto più rigidi rispetto alla generazione visuale libera.
Più realismo, più attenzione ai deepfake
I progressi nel mantenimento dell’identità dei soggetti hanno anche conseguenze sul fronte della sicurezza. La system card di ChatGPT Images 2.5 riconosce esplicitamente che il maggiore realismo può rendere possibili deepfake più convincenti di persone, luoghi o eventi reali, comprese immagini politiche, sessuali o comunque sensibili.
Per questo il sistema applica controlli in più passaggi: la richiesta testuale viene analizzata prima della generazione, eventuali immagini in input vengono esaminate prima dell’editing e anche il risultato finale viene sottoposto a verifica prima di essere mostrato all’utente.
OpenAI pubblica inoltre i risultati di un test avversariale costruito con richieste concepite per sollecitare violazioni delle policy. La quota di immagini non sicure che ha superato l’intero sistema di protezione è risultata dell’1,09% per Sunburst e dell’1,41% per Flare, rispetto all’1,64% di ChatGPT Images 2.0. L’azienda precisa però che le differenze nell’output non sicuro mostrato agli utenti non raggiungono la significatività statistica nel test utilizzato e che il dataset avversariale non rappresenta la frequenza di questi prompt nel traffico reale.
Nelle valutazioni previste dal Preparedness Framework, né Flare né Sunburst raggiungono la soglia High per i rischi biologici o cyber; OpenAI applica comunque in via precauzionale al dominio biologico mitigazioni corrispondenti a un livello High, come già avveniva con Images 2.0.
C2PA e SynthID, due livelli per tracciare la provenienza
Per la provenienza dei contenuti OpenAI continua a utilizzare i metadati C2PA, lo standard che permette di associare a un file informazioni verificabili sulla sua origine e sulle trasformazioni subite, affiancandoli a SynthID di Google DeepMind, che incorpora nell’immagine un watermark invisibile.
SynthID viene applicato ai contenuti generati attraverso ChatGPT, Codex e OpenAI API. Le due tecnologie intervengono quindi su livelli differenti: C2PA utilizza metadati associati al contenuto, mentre SynthID incorpora direttamente nell’immagine un segnale che può aggiungere un ulteriore livello di resilienza quando i metadati vengono rimossi.
Dal rollout globale a ChatGPT Work e Codex
ChatGPT Images 2.5 è in distribuzione dall’8 settembre 2026 a livello globale per tutti i tier di ChatGPT, su desktop, mobile e web, ed è utilizzabile anche in ChatGPT Work e Codex.
OpenAI indica inoltre un miglioramento dei limiti di utilizzo, senza quantificare nel materiale pubblico i nuovi valori o le differenze fra i vari piani, mentre per gli sviluppatori GPT-Image-2.5 Flare e GPT-Image-2.5 Sunburst sono già disponibili tramite API.
Con Images 2.5 la generazione visuale di ChatGPT assume così una struttura sempre più vicina a un ambiente di produzione: l’idea può partire da testo o disegno, essere organizzata attraverso un template, affinata con commenti e revisioni successive e infine condivisa insieme al procedimento che l’ha generata. Il passaggio decisivo, soprattutto per l’uso professionale, è la capacità di mantenere sotto controllo questa successione di interventi – soggetti, composizione, stile e dettagli già definiti – senza dover ricostruire ogni volta l’asset da capo.
