Comment prompter GPT Image 2.5 : typographie, espace négatif et choix entre high, xhigh ou max
La plupart des prompts défaillants envoyés à GPT Image 2.5 échouent pour la même raison : ils sont rédigés pour des modèles de diffusion de 2022 au lieu d'une architecture conditionnée par le langage de 2026. Lorsque vous injectez une liste de mots-clés séparés par des virgules ("coffee dripper, 8k, hyperrealistic, octane render, studio lighting, award winning") dans un point de terminaison capable d'accepter 32 000 caractères de langage naturel, vous laissez 90 % des décisions spatiales du cadre au hasard statistique.
Sur E2X, OpenAI GPT Image 2.5 est proposé à travers deux familles de modèles spécialisées :
- GPT Image 2.5 Sunburst (
openai/gpt-image-2.5-sunburst/text-to-imageetopenai/gpt-image-2.5-sunburst/edit-image) : prend en charge les résolutions1K,2Ket4Kainsi que les cinq paliers de qualité :low,medium,high,xhighetmax. - GPT Image 2.5 Flare (
openai/gpt-image-2.5-flare/text-to-imageetopenai/gpt-image-2.5-flare/edit-image) : prend en charge les résolutions1K,2Ket4Kavec les trois paliers de qualité standards :low,mediumethigh.
GPT Image 2.5 n'a pas besoin d'adjectifs de qualité. Il a besoin d'un brief spatial clair rédigé en phrases déclaratives complètes, associé aux bons paramètres de schéma (aspect_ratio, resolution et quality : high sur Flare ou Sunburst, ou xhigh / max sur Sunburst). Et lorsque vous passez de /models/openai/gpt-image-2.5-sunburst/text-to-image (ou Flare) à /models/openai/gpt-image-2.5-sunburst/edit-image, les règles s'inversent : redécrire toute la scène dans un appel d'édition provoque une dérive indésirable, tandis qu'un prompt en delta strict verrouille votre image de référence en place.
Voici la structure exacte de prompt en quatre parties que nous utilisons dans nos pipelines de production sur E2X, accompagnée de réécritures avant/après, des règles de formatage typographique, de la réservation d'espace négatif et d'un guide pratique pour choisir entre high, xhigh et max alors que tous les paliers de qualité coûtent les mêmes $0.0525 en 1K.

La structure de phrase en 4 parties à laquelle GPT Image 2.5 obéit le mieux
Avec une limite de 32 000 caractères sur GPT Image 2.5 Sunburst text-to-image (et GPT Image 2.5 Flare text-to-image) et de 50 000 caractères sur GPT Image 2.5 Sunburst edit-image (et GPT Image 2.5 Flare edit-image), vous n'avez jamais besoin de télégraphier vos instructions en fragments tronqués. Rédigez des phrases complètes dans l'ordre exact où vous souhaitez voir le canevas se construire. Les premières propositions ancrent la géométrie de la caméra et l'objet principal ; les propositions suivantes affinent l'éclairage, la typographie et les marges vides.
Suivez cet ordre en quatre parties :
- Sujet + matériau + position : nommez le médium et l'objet principal, sa finition de surface tactile et son emplacement dans le cadre (
"Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter"). - Source lumineuse physique + direction : indiquez ce qui produit la lumière, l'angle sous lequel elle arrive et la manière dont les ombres tombent (
"afternoon sunlight from camera left casting sharp shadows across the brackets"). - Texte entre guillemets + traitement de la police et de la surface : lorsque le cadre inclut de la signalétique, des étiquettes ou des éléments d'interface (UI), entourez les caractères exacts de guillemets doubles et décrivez le style de lettrage ainsi que le matériau du support (
"crisp white sans-serif lettering reading \"PLATFORM 4 — EXPRESS TO GENEVA\" on deep Prussian blue enamel"). - Réservation explicite d'espace négatif : indiquez au modèle quel tiers ou quelle moitié du canevas doit rester vide afin que votre équipe de design puisse y superposer du texte HTML ou Figma par la suite (
"Keep the right third of the frame an uncluttered warm plaster wall for headline copy").
Avant et après : soupe de mots-clés vs brief spatial déclaratif
Comparez ce qui se passe lorsque vous remplacez une liste générique de tags par la structure de phrase en quatre parties sur trois tâches commerciales courantes.
Tâche 1 : Bannière hero e-commerce avec espace pour le texte
Weak prompt (keyword soup):
pour-over coffee maker, digital scale, minimalist kitchen, copy space on right,
product photography, 8k, photorealistic, soft lighting, clean background
Strong prompt (declarative brief):
Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.
Pourquoi la réécriture fonctionne : écrire "copy space on right" dans une liste séparée par des virgules empêche rarement un modèle d'image d'accrocher une étagère, une plante ou un cadre de fenêtre dans ce coin. Nommer le matériau exact de la zone vide ("an uncluttered warm plaster wall") donne au modèle une surface concrète à générer sur le tiers droit du canevas.
Tâche 2 : Signalétique architecturale avec texte intégré
Weak prompt (unquoted text and vague style):
vintage blue train station sign that says platform 4 express to geneva,
retro typography, brass brackets, sunny day, ultra detailed
Strong prompt (exact quotes and surface physics):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.
Pourquoi la réécriture fonctionne : laisser les mots cibles en minuscules et sans guillemets (says platform 4 express to geneva) invite le modèle à paraphraser, à omettre la ponctuation ou à inventer des noms de gares supplémentaires. Entourer "PLATFORM 4 — EXPRESS TO GENEVA" de guillemets doubles et spécifier "crisp white sans-serif lettering" verrouille à la fois la casse et la géométrie des glyphes.
Tâche 3 : Mise en scène de bureau multi-objets (flatlay)
Weak prompt (flat inventory list):
desk flatlay with anodized keyboard, walnut desk, orange escape key,
notebook, brass pen, daylight, sharp legends
Strong prompt (spatial hierarchy):
Overhead editorial photograph of an anodized aluminum mechanical keyboard centered on a dark walnut desk. Keycaps in matte charcoal with a single signal-orange Esc key at the top left corner of the board. Closed cream linen notebook resting parallel to the right edge of the keyboard, brass fountain pen centered on the cover. Soft north-window daylight from the upper left, crisp key legends, no other props.
Pourquoi la réécriture fonctionne : chaque objet secondaire est ancré par rapport au sujet principal ("at the top left corner of the board", "parallel to the right edge"), ce qui évite les géométries qui se chevauchent.
Réserver de l'espace négatif pour les titres et les superpositions UI
L'une des erreurs les plus coûteuses dans les pipelines automatisés de publicités et de pages de destination (landing pages) consiste à générer une composition carrée centrée en 16:9 en espérant qu'un développeur frontend pourra faire flotter du texte blanc sur la marge gauche ou droite. Tant que vous ne revendiquez pas l'espace vide dans votre prompt, GPT Image 2.5 remplira toute la largeur du cadre avec des accessoires secondaires, du flou de profondeur de champ encombré ou des dégradés d'ombres spectaculaires qui ruinent le contraste du texte.
Voici le prompt du porte-filtre à café exécuté sur GPT Image 2.5, montrant comment le modèle réagit lorsque vous attribuez explicitement une surface murale au tiers droit du cadre :
Matte ceramic pour-over coffee dripper centered on a brushed steel digital scale on a pale ash wood counter. Keep the right third of the frame an uncluttered warm plaster wall for headline copy.

Observez la façon dont la scène se divise sur l'axe horizontal :
- Les nervures en céramique mate du porte-filtre et le plateau de pesée en acier brossé occupent les zones gauche et centre-gauche sans être coupés au bord du cadre.
- Le comptoir en bois de frêne clair se prolonge proprement jusqu'au bord droit, ancrant la scène pour qu'elle ne ressemble pas à un collage d'écran scindé.
- La zone supérieure droite reste une surface d'enduit chaud uniforme avec une douce transition tonale, prête à recevoir une typographie HTML sombre avec ou sans empattement sans nécessiter de bandeau sombre semi-transparent derrière les mots.
Lorsque vous rédigez des instructions d'espace négatif, associez toujours la fraction spatiale ("the right third", "the upper quarter", "the left half") au matériau d'arrière-plan spécifique qui doit l'occuper ("uncluttered warm plaster wall", "clear pale overcast sky", "seamless slate-gray studio sweep"). Dire à un modèle ce qui se trouve dans l'espace vide fonctionne de manière beaucoup plus fiable que de simplement écrire "leave empty space".
Mettre le texte exact entre guillemets et contrôler la typographie de surface
GPT Image 2.5 est le modèle le plus performant du catalogue E2X pour générer une signalétique de plusieurs mots, des étiquettes d'emballage, des couvertures de livres et des cartes UI. Pour obtenir un lettrage propre dès le premier passage, suivez quatre règles mécaniques chaque fois que votre prompt contient du texte :
- Entourez toujours les caractères exacts de guillemets doubles : écrivez
"PLATFORM 4 — EXPRESS TO GENEVA"exactement dans la casse (majuscules ou mixte) que vous souhaitez voir rendue. - Décrivez la police par sa famille visuelle et sa graisse, et non par des noms de fichiers de polices propriétaires : utilisez des descripteurs comme
"condensed bold grotesque sans-serif","high-contrast editorial Didone serif"ou"hand-painted gold leaf sign-painter capitals". - Précisez comment le texte s'intègre au matériau physique : indiquez si les lettres sont
"screen-printed in matte black ink","stamped in recessed gold foil","enameled white on Prussian blue steel"ou"backlit acrylic channel letters". - Empêchez le charabia aléatoire en arrière-plan : si votre scène comporte des devantures, des bocaux ou des livres en arrière-plan qui ne doivent pas afficher de mots inventés au hasard, terminez votre prompt par
"no other text or logos in the frame".
Voici le prompt du panneau de gare ferroviaire généré sur GPT Image 2.5 en appliquant exactement ces règles :
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.

Dans ce rendu, le modèle préserve l'espacement autour du tiret entre PLATFORM 4 et EXPRESS TO GENEVA, maintient une épaisseur de trait sans-serif blanche uniforme sur toute la plaque horizontale et génère de subtils reflets spéculaires de soleil d'après-midi à la fois sur le glaçage émaillé bleu et sur les lettres peintes en blanc. Parallèlement, les fixations en laiton patiné aux angles montrent des détails d'oxydation et de boulonnerie sans empiéter sur la bordure intérieure du panneau.
Choisir entre les qualités high (Flare & Sunburst) et xhigh / max (Sunburst) sur E2X
Sur E2X, le paramètre quality est réparti entre les deux familles de modèles GPT Image 2.5 :
- GPT Image 2.5 Sunburst (
/models/openai/gpt-image-2.5-sunburst/text-to-imageet/models/openai/gpt-image-2.5-sunburst/edit-image) accepte les cinq valeurs de qualité :low,medium,high(par défaut),xhighetmax. - GPT Image 2.5 Flare (
/models/openai/gpt-image-2.5-flare/text-to-imageet/models/openai/gpt-image-2.5-flare/edit-image) accepte les trois valeurs de qualité standards :low,mediumethigh(par défaut).
Avant de décider quel réglage envoyer, comprenez comment E2X facture ce paramètre. Chaque appel part d'un tarif de base catalogue de $0.03, que notre remise permanente de 75 % abaisse à $0.0075. À partir de là :
- Chaque réglage de
quality(low,medium,high,xhighetmax) applique exactement le même multiplicateur ×7. resolutionapplique un multiplicateur ×1 en1K($0.0525), ×2 en2K($0.1050) et ×3 en4K($0.1575).
Les prix et les conditions des produits peuvent évoluer. Vérifiez les tarifs actuels de chaque fournisseur avant de prendre une décision d'achat. La tarification Google Batch ou Flex n'est pas directement équivalente à une requête API standard à la demande, car la planification, la disponibilité et les conditions de traitement diffèrent ; elle est donc exclue de cette comparaison. Il s'agit d'une comparaison ciblée et non d'une affirmation selon laquelle E2X serait l'option la moins chère au monde dans toutes les configurations.
Comme low, high, xhigh et max coûtent tous exactement les mêmes $0.0525 en 1K ($0.105 en 2K, $0.1575 en 4K), il n'y a aucune raison financière d'envoyer low ou medium. Votre véritable compromis technique entre high (sur Flare ou Sunburst) et xhigh / max (sur Sunburst) se joue entre la latence d'inférence et le raffinement des détails fins :
| Réglage de qualité | Famille de modèles | Prix E2X 1K | Prix E2X 4K | Meilleur cas d'usage |
|---|---|---|---|---|
high (défaut) | Flare & Sunburst | $0.0525 | $0.1575 | Aperçus interactifs rapides, photos produit à sujet unique, arrière-plans propres avec espace négatif |
xhigh | Sunburst | $0.0525 | $0.1575 | Enseignes de magasin, étiquettes de flacons cosmétiques, compositions de table multi-objets, portraits avec grain de peau ou tissage fin |
max | Sunburst | $0.0525 | $0.1575 | Affiches denses sur plusieurs lignes, coupes mécaniques/architecturales détaillées, rendus masters finaux en 2K/4K |
En pratique, utilisez quality: "high" avec resolution: "1K" sur Flare ou Sunburst lorsqu'un utilisateur attend de manière interactive devant un canevas UI et que votre prompt ne comporte pas de texte en petit corps. Utilisez quality: "xhigh" sur Sunburst en 1K ($0.0525) dès que votre prompt inclut de la typographie entre guillemets ou plusieurs objets en interaction. Passez à quality: "max" sur Sunburst en 2K ($0.105) ou 4K ($0.1575) lors du rendu du master de production final dans une file d'attente de workers en arrière-plan.
Prompting en delta pour edit-image vs prompting de scène complète pour text-to-image
Prompter GPT Image 2.5 Sunburst edit-image et GPT Image 2.5 Flare edit-image demande un modèle mental différent du prompting text-to-image. Lorsque vous transmettez une ou plusieurs images sources dans image_urls, la scène visuelle existe déjà. Si votre prompt redécrit toute la pièce, l'éclairage et l'objectif de la caméra depuis zéro, le modèle traite ces phrases comme des instructions pour régénérer ces régions, introduisant une légère dérive dans les visages, les textures ou la perspective.
Rédigez un prompt edit-image sous la forme d'un delta strict en trois composantes :
- Indexez explicitement la ou les images sources : lorsque vous passez plusieurs URL dans
image_urls, faites-y référence par"image 1","image 2"et"image 3". - Indiquez la modification exacte : décrivez uniquement l'élément qui change, y compris le texte de remplacement entre guillemets si vous mettez à jour une enseigne ou une étiquette.
- Verrouillez tout le reste : listez explicitement les éléments environnants qui doivent rester intacts.
Comparez un prompt text-to-image de scène complète avec son prompt delta edit-image correspondant :
Full-scene prompt (for openai/gpt-image-2.5-sunburst/text-to-image):
Vintage enamel railway station platform sign in deep Prussian blue with crisp white sans-serif lettering reading "PLATFORM 4 — EXPRESS TO GENEVA", weathered brass mounting brackets, afternoon sunlight.
Delta edit prompt (for openai/gpt-image-2.5-sunburst/edit-image):
In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read "PLATFORM 9 — NIGHT TRAIN TO MILAN" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.
Soumettez cet appel d'édition en delta via POST https://api.e2x.ai/v1/jobs/submit, en conservant aspect_ratio: "auto" afin que la sortie corresponde aux dimensions de votre image d'entrée :
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/edit-image",
"input": {
"prompt": "In image 1, change the white sans-serif lettering on the Prussian blue enamel sign to read \"PLATFORM 9 — NIGHT TRAIN TO MILAN\" in the exact same font weight, kerning, and enamel surface gloss. Keep the weathered brass mounting brackets, afternoon sunlight angle, and background masonry completely unchanged.",
"image_urls": [
"https://assets.e2x.ai/assets/posts/gpt-image-2-5-prompting-guide/example-2.jpg"
],
"aspect_ratio": "auto",
"resolution": "2K",
"quality": "max"
}
}'
Gardez deux règles de schéma à l'esprit lorsque vous passez de la génération à l'édition sur E2X :
openai/gpt-image-2.5-sunburst/edit-imageetopenai/gpt-image-2.5-flare/edit-imageacceptent des prompts jusqu'à 50 000 caractères (contre 32 000 surtext-to-image), ce qui permet aux scripts de localisation automatisés de transmettre des règles de mise en page complètes sans troncature.- Aucun des points de terminaison GPT Image 2.5 n'inclut
background: "transparent". Si un packshot détouré nécessite un canal alpha en un seul appel API, orientez cette tâche vers GPT Image 2 text-to-image ou GPT Image 2 edit-image au même tarif de $0.0525 (1K).
Pour des comparatifs détaillés entre modèles, lisez nos analyses GPT Image 2.5 vs Nano Banana 2.1 et GPT Image 2.5 vs FLUX.2 Pro et Max, ou consultez notre guide de prompting Nano Banana. Vous pouvez également inspecter les schémas de paramètres bruts dans la spécification llms.txt text-to-image et la spécification llms.txt edit-image, ou parcourir tous les modèles dans le catalogue E2X.
Questions fréquentes
Quel est le meilleur ordre des phrases pour un prompt GPT Image 2.5 ?
Commencez par le sujet principal, sa finition matérielle et sa position dans le cadre. Poursuivez avec la source lumineuse physique et la direction des ombres, puis précisez tout texte exact intégré à l'image entre guillemets doubles avec sa police et son traitement de surface, et terminez en réservant explicitement l'espace négatif (en nommant à la fois la zone du cadre et la surface d'arrière-plan dégagée).
Pourquoi GPT Image 2.5 fait-il des fautes d'orthographe lorsque je n'utilise pas de guillemets ?
Lorsque les mots cibles sont écrits au fil du texte sans guillemets, la couche de conditionnement linguistique peut les traiter comme des descriptions thématiques plutôt que comme des chaînes de caractères littérales. Entourer la chaîne exacte de guillemets doubles (reading "PLATFORM 4 — EXPRESS TO GENEVA"), nommer le style de police ("crisp white sans-serif lettering") et régler quality sur xhigh ou max sur GPT Image 2.5 Sunburst indique au modèle de dessiner exactement ces glyphes.
Dois-je toujours utiliser la qualité max sur GPT Image 2.5 Sunburst puisqu'elle coûte le même prix que high ?
Sur E2X, low, medium, high, xhigh et max portent tous le même multiplicateur ×7 ($0.0525 en 1K, $0.105 en 2K, $0.1575 en 4K). Utilisez xhigh ou max sur Sunburst chaque fois que votre prompt contient de la typographie intégrée, des textures fines de peau ou de tissu, ou des contraintes spatiales à plusieurs objets. Restez sur high (sur Flare ou Sunburst) lorsque vous souhaitez un temps de réponse plus rapide sur des brouillons simples à sujet unique ou des fonds épurés.
Comment réserver un espace propre pour superposer du texte HTML ?
Indiquez à la fois la fraction du cadre et la surface physique exacte qui doit remplir cette zone vide, par exemple "Keep the right third of the frame an uncluttered warm plaster wall for headline copy" ou "Keep the upper half a clear pale overcast sky with no clouds or objects". Nommer la surface empêche le modèle de remplir l'espace avec des accessoires d'arrière-plan aléatoires.
En quoi un prompt edit-image doit-il différer d'un prompt text-to-image ?
Pour /models/openai/gpt-image-2.5-sunburst/text-to-image et /models/openai/gpt-image-2.5-flare/text-to-image, décrivez toute la scène depuis zéro (jusqu'à 32 000 caractères). Pour /models/openai/gpt-image-2.5-sunburst/edit-image et /models/openai/gpt-image-2.5-flare/edit-image (jusqu'à 50 000 caractères), n'écrivez que le delta : référencez le fichier d'entrée par son numéro ("In image 1..."), indiquez l'élément exact ou le texte entre guillemets qui change, et demandez explicitement au modèle de garder tous les autres objets, l'éclairage et les angles de caméra inchangés.