GPT Image 2.5 vs Nano Banana 2.1 : test avec le même prompt et prix

Le 26 octobre 2026, nous avons passé les mêmes quatre prompts sur GPT Image 2.5 Sunburst, GPT Image 2.5 Flare et Nano Banana 2.1. Sunburst gagne le menu, Flare la photo produit, et deux tests finissent à égalité. Une image 2K a coûté environ $0.50 aux tarifs d'OpenAI avec GPT en qualité high, et environ $0.056 à ceux de Google pour Nano Banana 2.1.

GPT Image 2.5 Flare a produit la meilleure photo produit, mais a dessiné un phare non demandé sur le menu et s'est trompé sur les deux bocaux. Il a les mêmes tarifs par token que Sunburst et n'a pas été plus rapide lors de nos exécutions.

Les trois sont sur OmniaKey : GPT Image 2.5 Sunburst, GPT Image 2.5 Flare et Nano Banana 2.1.

Notre méthode de test

• Modèles : gpt-image-2.5-sunburst, gpt-image-2.5-flare et gemini-nano-banana-2.1 sur OmniaKey. OpenAI publie aussi des instantanés datés, gpt-image-2.5-sunburst-2026-09-08 et gpt-image-2.5-flare-2026-09-08 ; nous avons utilisé les identifiants sans date.
• Réglages : Sunburst et Flare avec size 2048x2048 et quality high, Nano Banana 2.1 avec image_size 2K, aspect_ratio 1:1 et sa réflexion par défaut. Toutes les images font 2048×2048.
• Date : 26 octobre 2026. Le menu a tourné deux fois sur Sunburst et Nano Banana 2.1 et une fois sur Flare, chaque autre test une fois par modèle. Avec l'image source de la retouche et trois exécutions de qualité en plus, cela fait 18 appels, tous réussis du premier coup.
• L'image source de la retouche a été produite avec GPT Image 2, un modèle plus ancien, et les trois modèles ont reçu le même fichier.
• Le temps va de la création de la tâche à sa fin, interrogée toutes les 4 s via l'API média asynchrone d'OmniaKey, il inclut donc la file d'attente.
• Le jugement s'est fait en taille réelle : chaque mot et chaque prix, les objets comptés dans des recadrages agrandis, le respect de chaque ligne du prompt, et pour la retouche les éléments restés identiques.
• OmniaKey revend l'accès API aux trois modèles, les tests sont donc passés par lui. Tous les prix ci-dessous sont les tarifs catalogue d'OpenAI et de Google, pas les nôtres.
• Sources : les pages modèle d'OpenAI GPT Image 2.5 Sunburst et Flare, ses tarifs API, son guide de génération d'images et son journal des changements ; côté Google les tarifs de l'API Gemini, la génération d'images et le journal des changements, tous consultés le 25 octobre 2026.

Une ou deux images par prompt et par modèle, c'est un petit échantillon : chaque résultat est un exemple à regarder.

Quatre tests, mêmes prompts

Test 1 : menu de café avec six prix (1:1)

Ce test lit chaque mot et chaque prix d'une carte de menu imprimée et vérifie si les prix tiennent dans une seule colonne.

Prompt :

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

Ce que demande le prompt : une carte de menu de café posée à plat sur une table en marbre, photographiée à la verticale. La carte est en papier crème avec une encre vert foncé, le grand titre dit "HARBOR CAFÉ", et dessous six plats, un par ligne, le prix aligné à droite. En bas, en petits caractères italiques, "Open daily 7am–3pm", avec la lumière d'une fenêtre, des ombres douces et un brin de romarin sur un coin de la carte.

• GPT Image 2.5 Sunburst (36.7 s et 34.3 s) : chaque mot et chaque prix justes aux deux exécutions, y compris "CAFÉ" et le tiret demi-cadratin de "7am–3pm". Les deux ont supprimé les tirets cadratins et posé les prix en colonne alignée à droite, comme sur un menu imprimé. Le romarin est sur le coin de la carte, en partie hors de la carte ; la première exécution a ajouté une tasse et un verre d'eau sur les bords, la seconde une tasse.
• GPT Image 2.5 Flare (42.9 s) : chaque mot et chaque prix justes, tirets cadratins supprimés, prix alignés à droite, avec un filet fin entre les lignes et un cadre autour de la carte. Il a ajouté un petit dessin de phare et d'oiseaux au-dessus du titre, plus une tasse et un verre d'eau.
• Nano Banana 2.1 (36.5 s et 32.8 s) : chaque mot et chaque prix justes aux deux exécutions, et le romarin sur le coin de la carte comme demandé. Il a gardé les tirets cadratins, donc les prix ne s'alignent jamais : la première exécution a des lignes de points de longueurs différentes, la seconde aucun alignement à droite.

Verdict : GPT Image 2.5 Sunburst. Les cinq menus écrivent chaque mot et chaque prix correctement, donc match nul sur le texte. Sunburst a transformé les lignes "Flat White — $4.50" en vrai menu avec une colonne de prix alignée à droite, deux fois, sans rien ajouter sur la carte elle-même. Nano a gardé les tirets au pied de la lettre, ses prix ne s'alignent donc jamais, et Flare a dessiné un phare que personne n'avait demandé.

Test 2 : compter des objets sur une étagère (1:1)

Ce test vérifie deux comptes exacts dans une seule image et si l'étagère reste comme demandé.

Prompt :

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

Ce que demande le prompt : une photo studio d'une étagère en bois devant un mur gris clair. De gauche à droite, un bocal en verre transparent avec exactement cinq billes rouges, un bocal vide et un bocal avec exactement trois citrons jaunes. Une petite étiquette en papier blanc est suspendue au bocal du milieu, avec le chiffre "2" écrit au marqueur noir, et une plume bleue unique est posée devant le bocal de droite. Lumière douce et régulière, rien d'autre.

• GPT Image 2.5 Sunburst (32.9 s) : exactement 5 billes rouges dans le bocal de gauche et un bocal du milieu vide avec l'étiquette "2". Le bocal de droite montre 3 citrons devant et un quatrième à moitié caché derrière, donc 4. La plume est devant, entre le bocal du milieu et celui de droite.
• GPT Image 2.5 Flare (37.7 s) : 6 billes en pyramide et 4 citrons à droite, 3 devant et un à moitié caché. Le bocal du milieu est vide avec l'étiquette "2".
• Nano Banana 2.1 (37.5 s) : 7 billes dans le bocal de gauche et exactement 3 citrons à droite, empilés contre la paroi. Le bocal du milieu est vide avec l'étiquette "2", et les bocaux sont plus hauts, type bocal Mason.

Verdict : match nul entre Sunburst et Nano Banana 2.1. Aucun modèle n'a réussi les deux bocaux : Sunburst a caché un quatrième citron, Nano en a mis sept billes, et Flare s'est trompé sur les deux. Si les quantités comptent, vérifiez chaque image et demandez les objets côte à côte ("three lemons in a row, none behind").

Test 3 : photo produit d'une chaussure de running en cuir blanc (1:1)

Ce test vérifie si un brief studio tient jusqu'au bout : reflets brillants, néon hors focus, pas de texte et pas de logo.

Prompt :

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

Ce que demande le prompt : une photo produit d'une chaussure de running en cuir blanc sur de l'asphalte noir mouillé, la nuit, angle bas et gros plan. Des enseignes néon roses et turquoise sont floues en arrière-plan et leur couleur se reflète dans les flaques et sur les surfaces brillantes de la chaussure. De petites gouttes d'eau sur l'embout, une mise au point nette sur la chaussure, une faible profondeur de champ, une photo commerciale réaliste, sans logo et sans texte.

• GPT Image 2.5 Sunburst (41.5 s) : asphalte mouillé, reflets néon rose et turquoise, gouttes sur l'embout, un fini brillant façon vernis et aucun texte. Mais la chaussure est portée : une cheville et un pantalon de jogging noir entrent dans le cadre, c'est donc une photo de lifestyle et pas la photo produit demandée.
• GPT Image 2.5 Flare (41.8 s) : une chaussure seule sur l'asphalte mouillé, la nuit, angle bas, néon flou derrière, couleurs dans les flaques et sur le fini brillant, gouttes sur l'embout, ni texte ni logo. C'est ce qui colle le mieux à chaque ligne du brief.
• Nano Banana 2.1 (47.3 s) : une chaussure seule en cuir mat perforé, la plus proche du vrai cuir des trois, avec des gouttes sur l'embout. La ligne "sans texte" a lâché : le néon rose flou du fond a la forme d'un mot, le sol paraît scintillant plutôt que mouillé, et la chaussure n'est pas brillante.

Verdict : GPT Image 2.5 Flare. C'est le seul à livrer une photo produit simple, avec des reflets brillants et sans texte. Sunburst a mis la chaussure au pied de quelqu'un, et Nano a fait la chaussure la plus proche du cuir mais ajouté un néon en forme de mot.

Test 4 : retouche d'une pièce (1:1)

Ce test vérifie une retouche qui conserve la pièce : seul le canapé change et une plante arrive.

Prompt :

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

Ce que demande le prompt : remplacer le canapé par du velours vert foncé et poser à sa gauche un grand figuier lyre en pot. Tout le reste reste exactement pareil : les murs, la fenêtre, la table basse, les livres, le tapis, la lumière et l'angle de la caméra.

L'image source a été produite avec GPT Image 2, un modèle plus ancien, à partir d'un prompt décrivant un canapé trois places en tissu gris clair devant un mur blanc, une table basse ronde en chêne avec deux livres, un tapis en laine crème et une grande fenêtre à droite avec des voilages, dans la lumière de l'après-midi. Les trois modèles ont reçu le même fichier.

• GPT Image 2.5 Sunburst (43.1 s) : un canapé en velours vert foncé et un grand figuier lyre dans un panier à gauche. Les murs, les deux cadres, la fenêtre, les rideaux, les coussins, le plaid, la table en chêne, les deux livres, les lettres du dos, le tapis, la lumière et l'angle correspondent à la source. L'étagère tout à gauche a disparu et la plante occupe sa place.
• GPT Image 2.5 Flare (37.5 s) : le même résultat que Sunburst, avec le figuier à gauche, chaque élément demandé et les lettres du dos conservés, et l'étagère en moins.
• Nano Banana 2.1 (33.2 s) : un canapé en velours vert foncé et un figuier dans un pot blanc à gauche, avec l'étagère conservée. Mais il a raccourci le canapé en déplaçant son extrémité gauche vers la droite pour faire tenir la plante avec le plaid et les coussins, et transformé les lettres du dos en d'autres lettres illisibles. Table, tapis, fenêtre et lumière n'ont pas bougé.

Verdict : match nul entre Sunburst et Flare. Les deux ont conservé chaque élément demandé, jusqu'aux lettres du dos, et ont fait de la place à la plante en retirant l'étagère. Nano a gardé l'étagère mais raccourci le canapé et changé les lettres du dos, alors que le prompt demandait que les livres restent identiques.

Résultats par test

Chaque menu écrit chaque mot et chaque prix correctement, donc la mise en page a décidé de ce test : GPT a traité les tirets cadratins comme des séparateurs et aligné les prix, Nano les a gardés. Chaque modèle a aussi lâché une ligne d'un brief : Sunburst a fait une photo de lifestyle au lieu d'une photo produit, Flare a dessiné sur le menu, et Nano a mis un néon en forme de mot dans une photo "sans texte".

Prix et vitesse

OpenAI facture GPT Image 2.5 au token et ne publie pas de prix par image, les chiffres ci-dessous sont donc les tokens facturés pour nos images multipliés par les tarifs d'OpenAI.

OpenAI facture $30 par million de tokens de sortie image, une image en high coûte donc 16,640 × $30 par million = $0.4992, plus 79–160 tokens de texte en entrée à $5 par million, au plus $0.0008.

Sur un téléphone les trois se ressemblent ; en taille réelle, le menu en low est un peu plus doux. C'est un seul prompt, à prendre comme une indication.

Sunburst et Flare ont facturé les mêmes tokens à qualité égale : 16,640 en high, 4,224 en medium. La retouche en high a ajouté 1,659 tokens d'image en entrée à $8 par million et 56 tokens de texte, environ $0.51.

Les tarifs catalogue de Google, consultés le 25 octobre 2026, sont $30 par million de tokens de sortie image, $7.50 par million de tokens de sortie texte et réflexion, et $1.50 par million de tokens d'entrée.

Notre retouche avec Nano a utilisé 258 tokens de réflexion et une image d'entrée de 1,120 tokens, environ $0.054. En high, GPT Image 2.5 coûte environ 9 fois plus par image 2K, en medium environ 2.3 fois plus, et en low il coûte moins : $0.033 contre $0.056.

Nano coûte plus que le prix image affiché par Google parce que la réflexion est active par défaut en medium et facturée comme sortie texte à $7.50 par million. Notre test Qwen Image 3 vs Nano Banana 2.1 a mesuré le même effet.

Les deux fournisseurs facturent la moitié du tarif standard pour les tâches Batch.

Les qualités low et medium n'ont pas rendu GPT plus rapide : les menus en low et medium ont pris 37.3 s sur Sunburst et 37.8 s sur Flare en medium. Pour les tarifs actuels d'OmniaKey, voyez les pages Sunburst, Flare et Nano Banana 2.1.

Sunburst ou Flare ?

Sunburst pour le texte, les mises en page et le comptage, Flare pour les photos produit ; au token, ils coûtent pareil. Le conseil d'OpenAI lui-même est "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation." Ses pages modèle étiquettent Sunburst "Highest" à vitesse "Medium" et Flare "Higher" à "Very fast", aux mêmes tarifs par token.

Dans nos exécutions, les deux ont facturé des tokens identiques et donné des retouches presque identiques, et Flare a produit la meilleure photo produit. Flare a aussi dessiné sur le menu, raté les deux bocaux et affiché la médiane la plus lente, 41.8 s. La documentation d'OpenAI liste deux niveaux de qualité de plus, xhigh et max, que nous n'avons pas testés, et ce qui a changé par rapport à la génération précédente est dans GPT Image 2.5 vs GPT Image 2.

Points forts et points faibles

GPT Image 2.5 Sunburst

• Points forts : chaque mot juste aux deux exécutions du menu avec des prix alignés, le bon nombre de billes, une retouche qui a gardé chaque élément demandé, et la médiane la plus rapide à 35.5 s.
• Points faibles : a mis la chaussure au pied d'une personne, caché un quatrième citron, ajouté une tasse et un verre d'eau à la scène du menu, et coûte environ $0.50 par image 2K en high.

GPT Image 2.5 Flare

• Points forts : la meilleure photo produit, et une retouche aussi bonne que celle de Sunburst.
• Points faibles : a dessiné un phare non demandé sur le menu, raté les deux bocaux, et affiché la médiane la plus lente à 41.8 s malgré l'étiquette "Very fast" d'OpenAI.

Nano Banana 2.1

• Points forts : chaque mot juste, exactement trois citrons, le romarin à l'endroit demandé, l'étagère conservée, et environ $0.056 par image 2K. La documentation de Google lui donne le 4K et jusqu'à 14 images de référence, ce que Nano Banana 2.1 vs Pro mesure face à Pro.
• Points faibles : garde les tirets cadratins donc les prix ne s'alignent jamais, sept billes au lieu de cinq, un néon en forme de mot dans une photo "sans texte", un canapé raccourci et des lettres du dos changées dans la retouche, et des tokens de réflexion sur chaque image.

Quel modèle pour quel travail

Lancer le même test via une seule API

Ceci envoie le prompt du menu du test 1 à Sunburst en 2048×2048 et qualité high, comme lors du test :

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. La réponse est 202 avec un identifiant de tâche.
2. Interrogez https://api.omniakey.com/v1/media/tasks/{id} toutes les quelques secondes jusqu'à ce que status vaille succeeded.
3. Téléchargez l'image depuis assets[0].url.

Remplacez model par gpt-image-2.5-flare pour Flare. Sur OmniaKey, quality accepte low, medium, high ou auto, et medium a fait passer nos tokens de sortie de 16,640 à 4,224.

Pour Nano Banana 2.1, mettez model sur gemini-nano-banana-2.1 et parameters sur {"aspect_ratio": "1:1", "image_size": "2K"}, car OmniaKey refuse size sur ce modèle. Pour retoucher, mettez operation sur edit et envoyez la source en input.image avec {"data": "<base64>", "mime_type": "image/jpeg"}, en gardant la requête entière à 1 MiB maximum. Les modèles GPT Image renvoient du PNG et ceux de Gemini, le plus souvent du JPEG.

Partez des pages GPT Image 2.5 Sunburst, GPT Image 2.5 Flare et Nano Banana 2.1, et voyez la documentation de l'API image pour chaque paramètre.

Questions fréquentes

GPT Image 2.5 est-il meilleur que Nano Banana 2.1 ?

Par test : Sunburst gagne le menu, Flare la photo produit, et le comptage et la retouche de la pièce finissent à égalité. Le prix va dans l'autre sens, environ $0.50 contre environ $0.056 par image 2K en high. Prenez les modèles GPT pour les mises en page et les retouches à conserver, Nano quand la facture pèse davantage.

Quelle est la différence entre GPT Image 2.5 Sunburst et Flare ?

OpenAI place Sunburst sur la précision de retouche et Flare sur la génération rapide du quotidien, en étiquetant Sunburst "Highest" à vitesse "Medium" face à "Higher" et "Very fast" pour Flare. Les deux utilisent les mêmes tarifs par token et ont facturé les mêmes tokens dans nos exécutions. Flare a donné la meilleure photo produit, Sunburst la mise en page de menu la plus propre.

Combien de tokens utilise une image GPT Image 2.5 ?

En 2048×2048, les nôtres ont facturé 1,088 tokens de sortie en low, 4,224 en medium et 16,640 en high, et la retouche a ajouté 1,659 tokens d'image en entrée. Le calculateur d'OpenAI n'estime pas la consommation de 2.5 : mesurez un premier lot puis multipliez par $30 par million de tokens de sortie.

Pourquoi Nano Banana 2.1 coûte-t-il plus que son prix image affiché ?

Parce que la réflexion est active par défaut en medium et facturée comme sortie texte à $7.50 par million. Nos quatre générations ont utilisé une médiane de 730 tokens de réflexion, environ $0.0055 en plus des $0.0504 de l'image.

gpt-image-2 est-il obsolète ?

Non. La page des modèles obsolètes d'OpenAI n'a aucune ligne pour gpt-image-2, et le guide image le documente toujours. Les plus anciens gpt-image-1-mini, gpt-image-1.5 et chatgpt-image-latest quittent l'API le 1er décembre 2026, avec Sunburst ou Flare comme remplacement, et gpt-image-1 a été arrêté le 23 octobre 2026.

Journal des mises à jour

• 26 octobre 2026 : première version, les quatre tests au même prompt ont été faits le jour même.