Test approfondi de GPT Image 2 : qualité d'image, texte et vitesse en conditions réelles

Cette Review conserve les trois séries de tests comparatifs réels réalisés en mai 2026 sur HiAPI. Chaque prompt et chaque modèle n'a généré qu'une seule image ; ce qui suit décrit donc les performances observées dans cet échantillon à ce moment-là, sans les généraliser en garantie à long terme du modèle.

Commençons par la conclusion. Dans les trois tests, GPT Image 2 a rempli les tâches de texte en anglais, de relations spatiales et de détails réalistes, avec un rendu plus réaliste et plus sombre. Il a aussi révélé deux points d'attention : le comptage précis ne dépasse pas systématiquement celui de la génération précédente ; et le temps de génération enregistré alors était nettement plus long. GPT Image 1.5 étant retiré, cette comparaison sert désormais à comprendre l'évolution du modèle et à évaluer l'expérience d'attente, et n'a plus de rôle dans le choix du modèle actuel.

Contexte de sortie et cadre du modèle actuel

La page des modèles API d'OpenAI liste le snapshot gpt-image-2-2026-04-21. L'ID de modèle canonique actuel est gpt-image-2, que la documentation officielle décrit comme un modèle d'image prenant en charge la génération et l'édition d'images, les dimensions flexibles et les entrées d'images à haute fidélité.

Il faut ici distinguer l'interface produit du contrat API. La requête /v1/tasks de HiAPI n'a pas de paramètre thinking ; il ne faut donc pas écrire le nom de produit ou le mode de l'interface comme champ de requête HiAPI, ni expliquer le temps de génération historique de cet article par un champ inexistant.

Sur HiAPI, l'ID canonique actuel de génération texte-vers-image est gpt-image-2/text-to-image, et celui d'image-vers-image est gpt-image-2/image-to-image. standard, beta et ext ont chacun leurs propres règles de paramètres et de prix ; les requêtes actuelles doivent se conformer aux Docs correspondantes.

Conditions de test de 2026-05

Les enregistrements CMS d'origine conservent la date des tests, la configuration par défaut et les images de résultat, mais pas les task ID ni le payload complet des requêtes. Pour ne pas inventer de preuves inexistantes, cette fusion n'utilise que les informations vérifiables à partir du texte original et des images.

Élément	Enregistrement de l'époque
Date des tests	2026-05
Plateforme	Compte de test HiAPI
Objets de comparaison	GPT Image 2 et GPT Image 1.5
Route	Ligne texte-vers-image par défaut de l'époque, sans beta ni ext ; correspond à la norme standard texte-vers-image selon la nomenclature actuelle
Taille de l'échantillon	1 image par modèle et par prompt
Paramètres	Configuration par défaut, sans niveau de qualité supplémentaire spécifié
Dimensions de test	Rendu de texte, instructions spatiales, détails réalistes, temps par image

Les trois prompts étaient respectivement une affiche de café en anglais, un coin lecture avec des contraintes explicites de position et de quantité, et une macro de gouttes d'eau sur une feuille d'érable rouge. Les trois images de comparaison originales de la Review principale sont conservées ci-dessous.

Trois sorties réelles

P1 : rendu de texte en anglais

Le prompt demandait à l'affiche d'indiquer le titre "MORNING BREW" et le sous-titre "Freshly roasted since 2026". Dans ce test, les deux modèles ont correctement affiché le titre et le sous-titre, avec un texte lisible. Ce résultat montre que GPT Image 2 a accompli cette tâche de court texte en anglais, mais un seul échantillon ne suffit pas à en déduire un taux de précision global, ni à affirmer qu'il dépasse systématiquement la génération précédente sur le texte.

Si l'activité nécessite des affiches multilingues, des emballages ou des infographies, il faut toujours effectuer des tests en lot avec les textes réels et vérifier chaque caractère avant livraison.

P2 : relations spatiales et comptage précis

Le prompt spécifiait un chat sur le rebord de fenêtre à gauche, trois livres à droite et une plante en pot au sol. Les deux modèles ont conservé les trois relations spatiales. GPT Image 2 présentait dans cette image un rendu photographique réaliste, tandis que GPT Image 1.5 était plus illustratif et chaleureux.

Sur le détail des quantités, les trois livres de GPT Image 1.5 étaient plus faciles à compter, tandis que le nombre de livres empilés chez GPT Image 2 était plus ambigu. Ce contre-exemple mérite d'être conservé : le degré d'accomplissement d'instructions complexes doit être vérifié point par point, et la qualité globale du modèle ne peut remplacer la validation des quantités, du texte et des positions.

P3 : détails réalistes et lumière

Les deux images montrent la réfraction des gouttes d'eau et la texture des feuilles. GPT Image 2 était plus sombre et plus contrasté dans cette image, GPT Image 1.5 plus chaleureux et plus lumineux. Un seul échantillon ne peut que montrer que les deux ont accompli cette tâche macro, sans permettre de conclure à un « écrasement en qualité d'image » ni à un style fixe.

Pour évaluer GPT Image 2 aujourd'hui, il est recommandé de retester avec vos propres prompts métier sur la page du modèle GPT Image 2, en enregistrant ensemble la cohérence du sujet, le texte précis, les quantités, la composition et le temps d'attente.

Comment interpréter les données de vitesse historiques

Les temps par image enregistrés dans la Review originale sont les suivants.

Modèle	Enregistrement par image de 2026-05
GPT Image 2	environ 107 secondes
GPT Image 1.5	environ 18–36 secondes

C'est la différence historique la plus nette de cet article, et aussi la plus facile à mal utiliser. La taille de l'échantillon n'était que d'une image par prompt, et l'enregistrement original ne contenait ni task ID, ni état de file d'attente, ni paramètres de requête complets ; les lignes et la charge de la plateforme changeront également par la suite. Les 107 secondes servent donc à rappeler à la conception produit de prévoir une attente asynchrone et un retour d'état, et non de temps moyen actuel ni de SLA.

L'interface de tâches de HiAPI est elle-même asynchrone. L'interface de production doit afficher l'état de la tâche, lire le résultat dans data.output[] en cas de succès, et le télécharger ou le transférer avant expireAt. Les détails d'implémentation actuels se conforment aux Docs texte-vers-image et image-vers-image.

Décision de migration après le retrait de 1.5

GPT Image 1.5 a été retiré de HiAPI en juin 2026 ; les recommandations de l'ancienne page du type « continuez à choisir 1.5 pour la prévisualisation en temps réel » ne sont plus valables. Dans cet article, il ne sert que de comparaison historique pour 2026-05 et n'apparaît plus dans les recommandations ou CTA actuels.

Le prix de $0.05/image enregistré dans l'ancien article est un instantané des prix de l'époque, sans détail de route, resolution ni quality, et ne doit pas servir à calculer l'écart de prix actuel. Lors de la vérification des prix du 31 août 2026, les routes standard texte-vers-image et image-vers-image de HiAPI étaient respectivement de $0.03, $0.04 et $0.06 pour 1K, 2K et 4K ; la route beta texte-vers-image était à $0.02 ; ext est facturé selon la combinaison de quality et resolution, et ext image-vers-image inclut également un élément dynamique d'images de référence. Pour le budget, consultez les prix actuels des routes GPT Image 2 et exemples de coûts, et fiez-vous en dernier ressort au Pricing en temps réel.

Les nouveaux projets peuvent choisir la ligne actuelle selon leurs besoins. Pour la génération texte-vers-image, commencez par les paramètres et exemples de requête texte-vers-image de GPT Image 2 ; pour l'édition avec image de référence, consultez les champs image-vers-image de GPT Image 2 et les règles des images de référence. Si l'ancien code utilise encore 1.5 ou des alias précoces, nettoyez d'abord les noms de modèles en vous référant à l'historique des modèles et le mapping de migration du GPT Image API Hub en anglais, puis effectuez des tests de régression.

FAQ

GPT Image 2 met-il encore environ 107 secondes pour générer une image actuellement ?

On ne peut pas le déduire ainsi. Les 107 secondes proviennent d'un petit échantillon historique de 2026-05, sans preuves suffisantes pour reproduire la file d'attente et les paramètres de l'époque. Veuillez mesurer à nouveau P50, P95 et les cas de nouvelle tentative en échec sur la route actuelle avec vos prompts métier.

Le GPT Image 2 de HiAPI prend-il en charge le Thinking Mode ?

Le schéma actuel de /v1/tasks de HiAPI n'a pas de champ thinking. Images with thinking est une capacité du produit ChatGPT et ne doit pas être écrit comme paramètre de tâche HiAPI.

GPT Image 2 prend-il en charge l'image-vers-image ?

Oui. La route standard image-vers-image utilise gpt-image-2/image-to-image et input_urls ; ext utilise le même modèle de base avec route: "ext" au niveau supérieur, et le champ d'images de référence est image_urls. Les deux lignes acceptent actuellement 1 à 6 images de référence ; les limites précises se conforment aux Docs image-vers-image.

Peut-on demander directement un fond transparent ?

OpenAI Images API propose déjà l'aperçu de background: "transparent", et la sortie doit être au format PNG ou WebP. Le schéma de tâche actuel de GPT Image 2 sur HiAPI n'expose pas background ; il n'est donc pas possible de transmettre directement ce champ dans une requête HiAPI.

Conclusion

Les trois images réelles ont encore une valeur de référence. GPT Image 2 a accompli dans ce test les tâches de texte en anglais, de relations spatiales et de détails macro, avec un rendu plus réaliste et plus sombre ; le comptage précis et le temps d'attente historique nous rappellent que la validation de livraison et l'expérience asynchrone doivent encore être conçues séparément.

La décision d'intégration actuelle est claire : revérifier les échantillons métier avec la route GPT Image 2 actuelle, envoyer les requêtes selon les Docs correspondantes, et établir le budget selon le Pricing en temps réel. GPT Image 1.5 n'est conservé que comme comparaison historique et n'est plus une option appelable.