大家好，我是晚安code。
9 月 9 日凌晨，OpenAI 把 GPT-Image-2.5 摆上了桌——消费端叫 ChatGPT Images 2.5，API 端多了 Flare 和 Sunburst 两个新模型。这次它没把所有升级塞进一个旗舰，而是把「快」和「精」拆成两条线，token 价格还按住不动。调 API 的人第一次要在速度和精度之间按工作负载做分流，往下看怎么选。
一、为什么 2.5 这次值得 API 用户关注
GPT-Image-2.5：OpenAI 于 2026 年 9 月 8 日（美东）发布的图像生成模型，是 GPT-Image-2 系列的增量升级，消费端名为 ChatGPT Images 2.5，API 端拆为 Flare 与 Sunburst 两个姊妹模型。你可以把它理解为「上一代旗舰被拆成了速度档和精度档」。
我盯着这条线有一阵了。OpenAI 在四月发布 GPT-Image-2 后，它在 Artificial Analysis 文生图排行榜上一直以 Elo 1178 占着榜首，图像编辑榜也排第二。这次 2.5 不是简单把分数再刷高一档——厂商选择把「旗舰」这个概念拆开，让 API 用户按工作负载选模型，这是产品战略层面的变化（来源：OpenAI 官方博客，2026-09-08）。
说真话的部分先放这里：截至 9 月 9 日，这两个 2.5 模型在 Artificial Analysis 排行榜上还没有条目，也没有可复现的第三方跑分。速度和质量数据全部来自 OpenAI 自己和它点名的 Adobe、Manus、Higgsfield AI——后续判断都得带这个限定。
二、三方面升级：速度、精度、交互各提升了什么
OpenAI 把这次升级归到三个标题下：更清晰的细节、更强的风格遵循、对编辑的更多控制。我按你关心的六个核心亮点拆开说。
1）生成速度：延迟最多降 50%，Flare 吞吐 2-4 倍
消费端 ChatGPT Images 2.5 的生成延迟比 Images 2.0 最多降低 50%。API 端的 Flare 更猛——OpenAI 内部评估称生成速度约为 GPT-Image-2 的两到四倍，早期客户 Manus 在自家评测中也给出了 2-4 倍加速的独立佐证，并提到透明背景输出更好。这是六个亮点里目前唯一有合作伙伴背书的数字。
2）精准编辑：只改要改的，不碰不该改的
这是 2.5 编辑方案的核心卖点。模型更擅长只改用户指定的元素，保留画面其余部分——即便背景复杂、主体繁杂也不容易误伤。Higgsfield AI 给的反馈是模型「明白什么不该改」，这句话基本概括了整个 2.5 编辑方案的定位。
3）草图成真：@Sketch 把手绘当参考
消费端新增 Sketch 功能，用户在聊天里输入「@Sketch」就能直接画草图作为生成参考。这是把「草图成图」从专业工具搬进了对话界面——以前要开 Procreate 或 Figma 起稿，现在在 ChatGPT 里画几笔就行。API 端是否能直接调这个能力，官方公告没明说，标待核实。
4）多轮一致：早期编辑不再被后续指令冲掉
长对话里，前几轮的编辑更稳定地保留下来，每条新指令基于前面的成果，而不是让无关区域退化。这点对对话式生成场景特别重要——以前多轮改图最大的痛点就是「改了后面忘了前面」。
5）参考保真：参考图里的脸和辨识细节会延续
参考照片中的主体保留更好——面部特征、辨识性细节会延续到生成结果里，而不是每次重新造一个。对品牌素材、人物一致性场景，这个改进直接可用。
6）易用性：模板、评论、分享 prompt
模板提供 Flyer、Product Photo、Poster、Merch 等常见格式的起手点；用户可以在生成图上直接加评论做精准指引；还能把某张图背后的 prompt 分享出去，让别人用自己的照片和细节重跑一遍。这些不是参数级的硬升级，但能切实降低使用门槛。
可能有人会问：Sketch 和模板是 API 能力还是消费端独占？
据 9 月 8 日官方公告，Sketch、模板、评论、prompt 分享均面向 ChatGPT 消费端用户（桌面、移动、网页全平台）。API 端目前暴露的是 Images API 的生成和编辑调用，参数范围扩大（见下一节），但 Sketch 这类交互功能没有对应接口——是否后续开放官方没说，标待核实。
三、Flare 与 Sunburst：两个 API 模型怎么选
两个新模型 ID 是 gpt-image-2.5-flare 和 gpt-image-2.5-sunburst，沿用 Images API 的生成和编辑端点，但参数范围比 GPT-Image-2 扩大。
| 维度 | GPT-Image-2.5 Flare | GPT-Image-2.5 Sunburst |
|---|---|---|
| 定位 | 默认选项，快速 | 精度优先 |
| API 标记 | 小型模型 | 基础模型 |
| 速度 | 比 GPT-Image-2 延迟最多降 50%，吞吐 2-4 倍 | 生成时间更长 |
| 最佳工作负载 | 创作者/社交、产品体验、视觉搜索、快速原型、高吞吐量品牌素材 | 制作级广告创意、精致商品图、营销物料、品牌准确性要求高的设计 |
| 编辑控制 | 强 | 最强——为连续编辑的精细控制而建 |
| Token 费率 | 30 每百万 | 30 每百万 |
| 独立评分 | 暂无 | 暂无 |
API 端的能力范围也在这次扩大。quality 参数从 GPT-Image-2 的 auto/low/medium/high 扩到六档：auto（默认）、low、medium、high，以及新增的 xhigh、max。size 突破 2048×2048 上限，最高支持 3840×2160（横）和 2160×3840（纵）；约束是边长不超 3840、尺寸须为 16 的倍数、宽高比不大于 3:1、总像素数在 655,360 到 8,294,400 之间——最大输出略超 800 万像素，属 4K 级。background 参数接受 auto、opaque、transparent，透明 PNG 走这个。
我的建议是：大多数团队先从 Flare 入手，只有当某项编辑要经得起细看时才升到 Sunburst。Flare 是默认，延迟低，相同 token 价格下更划算；Sunburst 用速度换精度，给制作级场景留的。由于两个模型共用同一组 API 端点和相同 token 费率，分流只是一次配置变更，不是迁移。
四、价格不变背后的账
OpenAI 把 token 费率保持与 GPT-Image-2 一致，这是这次发布最聪明的一步：
| 计费项 | 费率 |
|---|---|
| 图像输入 | $8.00 / 百万 token |
| 缓存图像输入 | $2.00 / 百万 token |
| 图像输出 | $30.00 / 百万 token |
| 文本输入 | $5.00 / 百万 token |
| 缓存文本输入 | $1.25 / 百万 token |
（来源：OpenAI 定价页，2026-09-08）
但这里有个坑要说：token 费率不变，不等于单张图价格不变。OpenAI 图像模型按实际 token 消耗计费，而 2.5 模型每张图到底烧多少 token——发布时还没公开。GPT-Image-2（high）按 Artificial Analysis 报价约 $0.21/张（1024×1024），2.5 如果 token 消耗更高，单图成本也会跟着涨。
所以盯预算的人真正要看的数字是每张图 token 消耗，不是 token 费率。等真实用量数据出来之前，过去那种「每张 1024×1024 图多少美元」的指标才是该盯的。
五、一句话判断
先说我的判断：GPT-Image-2.5 这次的最大看点不是模型多强，而是 OpenAI 把旗舰拆成两条产品线——对 API 用户来说，从「调哪个图像模型」变成「这个工作负载该走哪条线」，分流决策会直接决定延迟和成本。
如果你已经在用 GPT-Image-2，从 Flare 入手是合理默认路径——相同 API 形态、相同 token 价格、纸面速度更快。只有工作涉及需要经得起细看的编辑，Sunburst 才值得切过去。但所有速度和精度声明都得等独立基准出来才作数，现在看到的都是厂商和合作伙伴自报。GPT-Image-2.5 的真正价值，要等可复现数据出来才算数。
我是 晚安code，持续分享编程干货。觉得有用的话记得点赞收藏和关注~也欢迎在评论区聊聊：你现在的图像生成 pipeline 会首选 Flare，还是直接上 Sunburst？
