Model and Modality Playbooks13 septembre 2026Flatkey Team

GPT Image vs Imagen API : unités de tarification et vérifications des requêtes

Une comparaison actuelle de GPT Image et du parcours de génération d’images post-Imagen de Google, avec les unités de tarification, les vérifications des requêtes, les vérifications des limites de débit et des conseils de migration.

Si vous comparez GPT Image vs Imagen API : unités de tarification et vérifications des requêtes en septembre 2026, commencez par une correction : Imagen n’est plus la voie actuelle de génération d’images de Google dans l’API Gemini. La page des dépréciations de Google indique que les modèles de l’API Imagen 4 ont été arrêtés le 17 août 2026, avec gemini-3.1-flash-image comme remplacement recommandé. Google présente désormais Nano Banana comme la famille native de génération d’images de Gemini.

Cela change la question d’achat. Une comparaison utile n’est pas « quel point de terminaison actif a la plus jolie galerie d’exemples ? » C’est : comment les unités GPT Image d’OpenAI se comparent-elles aux unités Nano Banana actuelles de Google, et quelles vérifications des requêtes une équipe média ou produit doit-elle effectuer avant de déplacer du trafic ?

Ce guide s’appuie sur des documents de première main vérifiés le 13 septembre 2026 :

La documentation actuelle d’OpenAI sur la génération d’images et la tarification pour gpt-image-2.5-sunburst, gpt-image-2.5-flare et gpt-image-2.
La documentation actuelle de l’API Gemini de Google pour Nano Banana, la tarification des images Gemini, les limites de débit et les dépréciations d’Imagen.
Le flux en direct des modèles/tarification de Flatkey et ses pages produit publiques pour le routage, la facturation et les vérifications de la famille de points de terminaison.

Réponse rapide

Pour les nouveaux travaux, comparez GPT Image avec les modèles Nano Banana actuels de Google, et non avec les routes Imagen 4 retirées.

Point de décision	GPT Image	Génération d’images Google après Imagen	Ce qu’il faut vérifier avant le lancement
Famille d’images actuelle	`gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` et `gpt-image-2` dans la documentation OpenAI	Modèles Nano Banana tels que `gemini-3.1-flash-image`, `gemini-3.1-flash-lite-image` et `gemini-3-pro-image`	Confirmez l’ID du modèle, la route, l’accès au compte et l’état de dépréciation le jour où vous déployez
Unité de tarification	Taux de jetons texte et image par 1 M de jetons	Taux de jetons texte/image plus des équivalents de sortie d’image dérivés de la résolution	Normalisez le coût par image acceptée, et pas seulement selon le prix affiché par le fournisseur
Génération en un seul envoi	API Image d’OpenAI	API Gemini Interactions avec sortie d’image	Validez les champs requis, le ratio d’aspect, la taille de l’image, le format de sortie et le comportement du nombre de sorties
Modifications itératives	Outil image de l’API Responses d’OpenAI ou point de terminaison Image Edits	Interactions Gemini multi-tours avec `previous_interaction_id`	Stockez les ID de réponse ou d’interaction précédents uniquement lorsque vous avez besoin d’itération
Structure des limites de débit	RPM, RPD, TPM, TPD, IPM et des limites de compte/projet peuvent s’appliquer	RPM, TPM, RPD et IPM peuvent s’appliquer, avec IPM pour les modèles d’image Nano Banana	Considérez les limites de débit comme faisant partie de la politique de routage, et non comme une réflexion après coup
Risque de migration	Changements de modèle/version au sein de la famille GPT Image	Les routes héritées de l’API Imagen ont déjà dépassé leur date d’arrêt du 17 août 2026	Bloquez les anciennes routes `imagen-4.0-*` dans les vérifications de production

Si vous avez besoin d’un guide pratique de déploiement d’API d’images, associez cette comparaison au guide de Flatkey sur les API de génération d’images. Si vous modélisez les dépenses sur plusieurs familles d’IA, utilisez aussi le guide de tarification de l’API Gemini et le guide de routage multimodal.

Pourquoi Imagen a besoin d’une vérification de migration maintenant

Les internautes utilisent encore « Imagen API » parce qu’Imagen était la ligne d’API texte vers image nommée de Google. Mais la documentation actuelle de Google indique aux équipes de déplacer le centre de gravité vers Nano Banana.

La vérification de migration est concrète :

Famille de modèle héritée	Statut Google vérifié le 13 septembre 2026	Remplacement recommandé dans la documentation Google	Résultat pratique
`imagen-4.0-generate-001`	Arrêté le 17 août 2026	`gemini-3.1-flash-image`	Ne construisez pas de nouveau trafic de production sur cette route
`imagen-4.0-ultra-generate-001`	Arrêté le 17 août 2026	`gemini-3.1-flash-image`	Traitez les anciens modèles de requête comme une dette de migration
`imagen-4.0-fast-generate-001`	Arrêté le 17 août 2026	`gemini-3.1-flash-image`	Utilisez les modèles d’images Gemini actuels pour une nouvelle évaluation
`gemini-2.5-flash-image`	Déprécié, date d’arrêt le 2 octobre 2026	`gemini-3.1-flash-image` ou `gemini-3.1-flash-lite-image`	Migrez avant la fin de la fenêtre d’arrêt

C’est le premier contrôle de requête dans tout flux de travail GPT Image vs Imagen API : unités de tarification et vérifications des requêtes : assurez-vous que le côté « Imagen » de la comparaison n’est pas déjà un identifiant de modèle retiré.

Unités de tarification : GPT Image

OpenAI facture les modèles GPT Image actuels par modalité. Le tableau de tarification vérifié le 13 septembre 2026 indique les prix par 1 M de jetons pour les surfaces image et texte.

Modèle OpenAI	Modalité	Entrée	Entrée mise en cache	Sortie
`gpt-image-2.5-sunburst`	Image	$8.00 / 1M tokens	$2.00 / 1M tokens	$30.00 / 1M tokens
`gpt-image-2.5-sunburst`	Texte	$5.00 / 1M tokens	$1.25 / 1M tokens	Non indiqué
`gpt-image-2.5-flare`	Image	$8.00 / 1M tokens	$2.00 / 1M tokens	$30.00 / 1M tokens
`gpt-image-2.5-flare`	Texte	$5.00 / 1M tokens	$1.25 / 1M tokens	Non indiqué
`gpt-image-2`	Image	$8.00 / 1M tokens	$2.00 / 1M tokens	$30.00 / 1M tokens
`gpt-image-2`	Texte	$5.00 / 1M tokens	$1.25 / 1M tokens	Non indiqué

La page de tarification d'OpenAI affiche également une tarification Batch pour gpt-image-2, où l'entrée d'image, l'entrée mise en cache et la sortie sont indiquées à $4.00, $1.00 et $15.00 par 1M tokens. N'appliquez pas cette ligne Batch à gpt-image-2.5-sunburst ou gpt-image-2.5-flare à moins que la page de tarification en direct n'indique ces modèles sous l'onglet Batch à votre date de consultation.

Le point important est la forme de l'unité : la tarification de GPT Image n'est pas un simple montant fixe « par requête ». Les équipes produit doivent estimer le texte du prompt, l'entrée d'image si elles modifient une image ou utilisent des références, la sortie d'image générée, le comportement du cache et la question de savoir si la charge de travail peut tolérer la latence du traitement par lots.

Unités de tarification : Google après Imagen

La documentation actuelle de Google sur la génération d'images Gemini décrit Nano Banana comme la capacité native de génération d'images de Gemini. La page de tarification actuelle indique la sortie d'image en tokens, puis fournit des équivalents par image en fonction de la résolution de sortie.

Modèle Google	Unité d'entrée payante	Unité de sortie payante	Équivalent par image affiché par Google
`gemini-3.1-flash-image` / Nano Banana 2	$0.50 / 1M tokens pour l'entrée texte/image	$60.00 / 1M tokens pour les images	$0.045 à 0.5K, $0.067 à 1K, $0.101 à 2K, $0.151 à 4K
`gemini-3.1-flash-lite-image` / Nano Banana 2 Lite	$0.25 / 1M tokens pour l'entrée texte/image/vidéo	$30.00 / 1M tokens pour les images	$0.0336 à 1K
`gemini-3-pro-image` / Nano Banana Pro	$2.00 / 1M tokens pour l'entrée texte/image, avec un équivalent d'entrée image de $0.0011 par image	$120.00 / 1M tokens pour les images	$0.134 à 1K/2K, $0.24 à 4K

Google indique également une tarification Batch pour les modèles d'image Gemini actuels. Par exemple, la page de tarification montre la sortie d'image Batch de gemini-3.1-flash-image à $30.00 par 1M tokens et la sortie d'image Batch de gemini-3.1-flash-lite-image à $15.00 par 1M tokens. Cela peut être important pour les travaux de variantes créatives à grand volume qui n'ont pas besoin d'une latence interactive.

La leçon sur les unités est similaire à GPT Image, mais pas identique. OpenAI présente GPT Image sous forme de tarification par jetons de texte et d’image. Google présente Nano Banana sous forme de tarification par jetons, plus des équivalents d’images basés sur la résolution. Si votre tableau de bord ne comptabilise que les « requêtes », il masquera les facteurs de coût qui font réellement varier la facture.

Vérifications des requêtes avant de comparer les résultats

Avant de lancer un test comparatif de qualité, faites passer les deux côtés par la même liste de contrôle des requêtes.

Vérification	GPT Image	Parcours d’image actuel de Google	Pourquoi c’est important
ID de modèle actif	Utilisez `gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` ou un autre modèle GPT Image actuellement documenté	Utilisez un modèle Nano Banana actuel comme `gemini-3.1-flash-image` ; bloquez les IDs `imagen-4.0-*` retirés du service	Évite de comparer un parcours en production à un parcours obsolète ou arrêté
Surface API	Utilisez l’Image API pour les générations/retouches en une seule étape ; utilisez la Responses API pour les flux en plusieurs tours	Utilisez l’API Gemini Interactions pour la génération d’images, l’édition et les workflows multi-tours	La forme de l’API modifie la gestion de l’état et la politique de reprise
Contraintes de sortie	Vérifiez `n`, la qualité, la taille, le format, la compression et si la vérification de l’organisation est requise	Vérifiez `response_format`, `aspect_ratio`, `image_size`, le mode de sortie et les limitations spécifiques au modèle	De mauvais défauts de paramètres peuvent fausser les tests de coût et de qualité
Images de référence	Confirmez la gestion des images d’entrée pour les retouches ou les workflows Responses API	Confirmez le type MIME, la charge utile base64 et les limites du nombre d’images de référence pour le modèle sélectionné	Les workflows créatifs et e-commerce dépendent souvent des références
Sécurité et droits	Appliquez des contrôles de politique pour les actifs téléversés et le contenu généré	Appliquez les consignes de Google sur les droits/la sécurité et l’attente de filigrane SynthID	Les équipes médias ont besoin d’un processus de validation, pas seulement de fichiers générés
Limites de débit	Inspectez RPM, RPD, TPM, TPD, IPM, les limites projet/org et le comportement de `Retry-After`	Inspectez RPM, TPM, RPD, IPM, les limites au niveau du projet et les limites des modèles en aperçu	Un prompt gagnant dans un test n’est pas un plan de capacité en production
Comptabilisation de l’utilisation	Enregistrez le texte d’entrée, l’image d’entrée, l’image de sortie, le cache, les échecs et l’état d’image acceptée	Enregistrez les unités d’entrée, la résolution de l’image de sortie, les équivalents en jetons d’image, les frais de grounding de recherche s’ils sont utilisés, les échecs et l’état d’image acceptée	La finance a besoin du coût par actif accepté, pas du coût par tentative

Exécutez d’abord ces vérifications. Si elles échouent, la comparaison des modèles sera trompeuse.

Le coût par image acceptée l’emporte sur le coût par requête

Le coût de génération d’images n’est pas finalisé lorsque le fournisseur renvoie un fichier. Pour un workflow média, une requête « réussie » signifie généralement que l’image a passé la revue et peut être utilisée.

Utilisez cette métrique normalisée :

cost_per_accepted_image =
  (all_generation_cost + edit_cost + retry_cost + grounding_or_tool_cost)
  / accepted_images

Puis segmentez-la :

Segment	Ce qu’il faut mesurer
Génération de brouillons	Coût par concept exploitable, latence jusqu’au premier résultat, taux de rejet des prompts
Retouche d’image	Coût par modification acceptée, fidélité à la référence, nombre d’itérations
Variantes de campagne	Coût par variante approuvée, temps d’attente en file batch, charge de relecture humaine
Images de produits	Taux d’objet erroné, échecs des règles de marque, retouches requises
Médias générés par des agents	Coût par tâche, taux de secours, et si l’agent réessaie à l’aveugle

C’est ici qu’un routeur multi-modèles devient important. Le positionnement de Flatkey est un seul identifiant, un seul solde et un seul registre d’utilisation pour les appels aux modèles et aux outils. Pour une équipe qui exécute la génération d’images à côté de flux de travail de chat, de vidéo, de voix ou d’agents, l’avantage opérationnel ne se limite pas à l’accès aux modèles. Il s’agit de voir chaque requête, type de jeton, famille de point de terminaison et échec au même endroit.

Comment Flatkey s’intègre dans cette comparaison

Flatkey ne doit pas être présenté comme un interrupteur magique de réduction pour tous les flux de travail d’images. L’affirmation la plus solide est plus simple et appuyée par des sources : Flatkey offre aux équipes une couche API unique pour de nombreux modèles et outils officiels, un seul solde, une seule facture, et un registre de l’utilisation des modèles et des outils.

Pour ce sujet, les vérifications utiles de Flatkey sont :

Vérification Flatkey	Résultat du flux en direct du 13 septembre 2026	Comment l’utiliser
Famille de point de terminaison	`image-generation` est सूची avec `POST /v1/images/generations`	Confirme qu’une famille de routes de génération d’images existe dans le flux public du routeur
Lignes GPT Image	`gpt-image-2.5-sunburst`, `gpt-image-2.5-flare` et `gpt-image-2` apparaissent sous les types de point de terminaison image-generation/OpenAI-compatible	Utilisez Flatkey lorsque vous souhaitez que le trafic GPT Image soit sous la même couche de facturation et de registre que les autres routes IA
Lignes d’images Gemini	`gemini-3.1-flash-image`, `gemini-3.1-flash-lite-image`, `gemini-3-pro-image` et `gemini-2.5-flash-image` apparaissent sous les types de point de terminaison Gemini/OpenAI-compatible	Utilisez le flux pour valider la disponibilité actuelle des modèles côté Google et éviter des hypothèses obsolètes sur Imagen
Lignes Imagen retirées	Aucune route image-generation actuelle `imagen-4.0-*` n’a été confirmée lors de la vérification du flux	N’insinuez pas que les routes Flatkey prennent en charge le trafic de l’API Imagen retirée, sauf si une future vérification du flux le confirme

Si le flux de travail n’est qu’un prototype autonome GPT Image, une intégration directe du fournisseur peut suffire. Si le flux de travail s’inscrit dans une pile de production plus large avec des prompts de chat, des retouches d’images, des plafonds d’utilisation, des tentatives et une revue des coûts, une passerelle comme Flatkey donne à l’équipe un endroit unique pour standardiser les vérifications des requêtes et les dépenses.

Pour l’examen de la disponibilité des modèles et de la facturation, commencez par le répertoire de modèles Flatkey et la tarification Flatkey.

Un flux de travail d’évaluation pratique

Utilisez ce flux de travail pour GPT Image vs Imagen API : unités de tarification et vérifications des requêtes avant d’acheminer le trafic de production.

Remplacez le libellé obsolète d'Imagen. Si une spécification, un ticket ou un prompt indique imagen-4.0-*, mettez-le à jour avec le modèle Google actuel testé, généralement un modèle Nano Banana.
Figez trois tâches représentatives. Incluez une génération simple, une modification basée sur une référence et une révision créative en plusieurs tours.
Normalisez les exigences de sortie. Fixez le ratio d'aspect, la taille de l'image, le format, la résolution et les critères de revue avant de tester.
Estimez les unités du fournisseur. Pour GPT Image, modélisez les jetons de texte et d'image. Pour Nano Banana, modélisez les jetons d'entrée et les équivalents de résolution de sortie.
Enregistrez les tentatives échouées. Comptez séparément les requêtes invalides, les blocages de sécurité, les limites de débit, les expirations de délai et les échecs de revue.
Calculez l'économie des images acceptées. Utilisez le coût par actif accepté, et non le coût par requête brute.
Vérifiez la disponibilité de l'itinéraire. Confirmez l'ID du modèle, la famille d'endpoint, le niveau du compte, les limites de l'organisation/projet et le statut de dépréciation le jour du lancement.
Décidez de la politique de routage. Conservez une intégration directe pour des tests étroits avec un seul fournisseur ; utilisez une passerelle lorsque plusieurs modèles, équipes ou budgets partagent le flux de travail.

Quelle API une équipe média doit-elle choisir ?

Choisissez d'abord GPT Image lorsque votre équipe veut les modèles d'image actuels d'OpenAI, lorsque votre application existante utilise déjà les schémas SDK d'OpenAI, ou lorsque le flux de travail a besoin de la séparation entre l'Image API et la Responses API.

Choisissez d'abord le chemin Nano Banana actuel de Google lorsque votre équipe développe déjà dans Gemini, a besoin des fonctionnalités image spécifiques à Gemini, ou ցանկանում pour tester les modèles d'image actuels de Google après l'arrêt d'Imagen.

Utilisez Flatkey lorsque la réponse n'est pas un seul fournisseur. C'est courant pour les équipes média, car les piles de production réelles mélangent génération d'images, modifications, invites de chat, revue d'actifs, variantes de campagne et reporting des coûts. Une couche de routage partagée permet à l'équipe de tester les fournisseurs tout en conservant des contrôles d'utilisation et une comptabilité cohérents.

Questions fréquentes

L'API Imagen est-elle toujours active dans l'API Gemini ?

La page de dépréciation de Google consultée le 13 septembre 2026 indique que les modèles de génération Imagen 4 ont une date d'arrêt au 17 août 2026. Pour les nouveaux travaux de génération d'images sur Google, utilisez la famille actuelle de modèles Nano Banana documentée sous Gemini image generation.

GPT Image est-il facturé par image ou par jeton ?

Le tableau de tarification actuel de GPT Image d'OpenAI répertorie les modèles de génération d'images par modalité, avec des tarifs de texte et d'image par million de jetons. Les estimations de coût doivent inclure le texte du prompt, l'image d'entrée pour les modifications ou les références, la sortie d'image générée, le comportement du cache et toute hypothèse de lot.

Pourquoi la page de tarification de Google affiche-t-elle des nombres par image ?

Google indique la sortie d'image de Nano Banana en jetons, puis fournit des équivalents par image en fonction de la résolution de sortie. Par exemple, la sortie d'image de gemini-3.1-flash-image est facturée 60 $ par million de jetons, avec des équivalents listés pour des images de 0,5K, 1K, 2K et 4K.

Que dois-je enregistrer pour une comparaison d'API d'image ?

Enregistrez l'ID du modèle, l'endpoint, la longueur du texte du prompt, le nombre d'images de référence, la taille de sortie, la sortie en jetons d'image ou l'équivalent par image, les en-têtes ou erreurs de limite de débit, le motif de la nouvelle tentative, le résultat de la revue et le statut d'image acceptée.

Où Flatkey aide-t-il ?

Flatkey est utile lorsque la génération d’images fait partie d’un flux de travail produit IA plus large. Au lieu de suivre des clés de fournisseur, des factures et des tableaux de bord d’utilisation distincts, les équipes peuvent acheminer les appels de modèle via une seule clé et consulter l’utilisation à partir d’un solde et d’un registre partagés.