Flare, Sunburst і WaveSpeedAI: маршрутизація bulk-зображень у Bubble без втрати consistency

Чому це зараз

У digest з’явились ChatGPT Images 2.5 (моделі gpt-image-2.5-flare і gpt-image-2.5-sunburst), масштаб >3 млрд зображень на тиждень (разом ChatGPT + GPT-Image API — не лише API) і окремо WaveSpeedAI з таблицями $/image. Це шар поверх уже відомих тем async/batch і latency: питання не «який ratio PNG», а куди слати bulk і як не зламати consistency, якщо в одному Bubble-workflow є кілька endpoint’ів. Схожий розбір: Bubble.io і bubble.io price: який. Поруч із цим: Meta Muse Image на fal.

Flare vs Sunburst на основному провайдері (OpenAI)

За публічними матеріалами (launch 2026-09-08):

• Flare — позиціонування під everyday / high-volume: заявлено до ~50% нижча latency vs Images 2.0.
• Sunburst — precision-heavy creative/editing, довший час генерації.

List price між Flare і Sunburst однаковий (token rates: $5/M text in, $8/M image in, $30/M image out на офіційному pricing). Вибір — швидкість vs edit fidelity, не «дешевша модель».

Практично для Bubble:

• Bulk text-to-image → за замовчуванням Flare (latency, IPM, об’єм).
• Hero, складний edit, multi-step refinement → Sunburst лише для явно позначених job’ів або коли Flare не проходить ваш golden-set.

WaveSpeedAI: коли дивитись на ціну

WaveSpeed — third-party host з окремими REST endpoint’ами (Flare/Sunburst × text-to-image/edit), async predict → poll, іншими іменами параметрів (resolution 1k/2k/4k, aspect_ratio vs OpenAI size, quality) і опублікованими таблицями за зображення (наприклад, text-to-image medium @1K — $0.024; Flare і Sunburst на WaveSpeed за цією таблицею однакові).

WaveSpeed явно попереджає: quality tier names не 1:1 між GPT Image 2 і 2.5 — rebaseline на medium, не переносити старі пресети вслепую.

Коли має сенс WaveSpeed для bulk:

• Потрібні передбачувані COGS за зображення і burst offload.
• Ви вже прогнали golden-set на mapped settings і прийняли visual parity (часто для bulk — лише Flare).

Коли не варто:

• Активний multi-turn edit chain — тримайте один vendor + один pinned snapshot.
• Потрібна continuity через Responses API / conversation state на OpenAI — offload ламає ланцюг.

Матриця маршрутизації (high-volume Bubble / BIAIG-стиль)

Публічної документації BIAIG у пакеті немає; правила нижче — inferred з OpenAI/WaveSpeed docs і digest. Перевіряйте на своєму connector’і.

Сценарій	Маршрут	Чому
Bulk text-to-image, бренд не критичний	Flare, primary (OpenAI)	Latency, limits, один стек параметрів
Bulk з фіксованим $/image COGS	WaveSpeed Flare (після golden-set)	Таблична ціна; async poll у workflow
Multi-step edit / «той самий персонаж/фон»	Один vendor, pinned gpt-image-2.5-*-2026-09-08 (або ваш snapshot)	OpenAI: same quality ≠ same output across models; тестуйте повний ланцюг
Hero / precision edit	Sunburst, той самий vendor що й наступні кроки	Не чергуйте Flare→Sunburst→інший host між кроками без тесту
Економія через Batch	gpt-image-2 Batch (якщо ще прийнятна якість) окремим шаром	Інше покоління моделі — consistency trade-off; ізолюйте non-brand слоти
2.5 через Batch «напівтариф»	Verify-before-production	На model pages є Batch endpoint для Flare/Sunburst, але публічне pricing/acceptance для 2.5 ID у вересні 2026 суперечливе — не закладайте 50% економії в COGS без офіційного batch row

Consistency checklist (перед prod routing)

1. Pin model ID (dated snapshot), не «latest» у production.
2. Фіксуйте prompt, references, dimensions/quality — і логуйте vendor + endpoint у Bubble (Custom state / Thing) для кожного кроку edit chain.
3. Не змінюйте vendor/model між кроками одного ланцюга; для pixel-identical regions — compositing (згідно з OpenAI image prompting guidance).
4. Мапінг OpenAI ↔ WaveSpeed: окремий translation layer у API Connector (size/quality ↔ resolution/aspect_ratio); один раз задокументуйте в internal runbook.
5. Прогон golden-set (ваші реальні промпти) на primary vs WaveSpeed; порівняння лише при однакових mapped tier (старт з medium).
6. IPM/TPM і черги: routing — не лише ціна; при лімітах — async queue на Bubble side або offload, але не mix у одному edit thread.
7. Compliance: verification для GPT Image на OpenAI; у third-party — окремо перевірте retention/region/policy.

Відкриті питання (не вигадуйте відповіді в COGS-моделі)

• Чи /v1/batch реально приймає 2.5 flare/sunburst з документованим half-rate.
• Чи WaveSpeed дає еквівалентні weights/snapshots і moderation vs direct OpenAI.
• Точний breakpoint: token billing OpenAI sync vs WaveSpeed $/image для вашого mix quality/resolution — потрібен калькулятор + ваші виміри.

Короткий висновок

Flare — default для bulk на primary; Sunburst — вузький premium для edit-heavy job’ів; WaveSpeed — опціональний шар передбачуваної ціни після parity-тестів, не заміна для multi-turn ланцюгів. Consistency дорожча за $0.024/image — плануйте vendor boundaries так само ретельно, як batch/async.