GPT Image 2.5 使用指南：Flare 与 Sunburst 怎么选、API 调用与价格

使用 GPT Image 2.5，可以直接让 ChatGPT 生成图片，也可以通过 Images API 调用 gpt-image-2.5-flare 或 gpt-image-2.5-sunburst。 想快速试稿，先用 Flare；更在意修改精度、愿意多等一会儿，可以选 Sunburst。下面用一张产品照说明怎样写需求、做局部修改，以及导出前该检查什么。

OpenAI 于 2026 年 9 月 8 日发布 ChatGPT Images 2.5 (opens in a new tab)，面向 ChatGPT、ChatGPT Work 和 Codex 各套餐推出。它可以根据文字和参考图生成新图片，也能修改已有图片。你还可以打开 VizGPT 的图片工作区 (opens in a new tab)，开始制作自己的图片。

Name

Soren Atelier

发布于 2026/9/8

更新于 2026/9/21

封面图片：OpenAI 发布的 ChatGPT Images 2.5 官方示例。 (opens in a new tab)

GPT Image 2.5 有哪些变化？

据 OpenAI 介绍，GPT Image 2.5 相比 Images 2.0 的生成延迟最高降低 50%，同时改善了参考图主体保留、自然光照、材质纹理和连续编辑的一致性。这个延迟数字来自官方对比，不代表每张图片都有固定的生成时间。本次发布还在 ChatGPT 中加入了 Sketch、图片评论、模板和提示词分享功能。来源：OpenAI 发布公告 (opens in a new tab)。

实际使用时，更值得检查的是改动一处之后，其他部分还能不能用。如果只是换了背景，产品标签就变形了，这张图仍然需要返工。

官方示例：保留人像，更换服装

图片来自 OpenAI 的 Images 2.5 发布示例 (opens in a new tab)，本文使用重新托管的文件。这些是官方示例，并非我们自行生成的结果。对照时，除了服装，还可以检查脸部、蓝色背景和印刷照片的边缘是否保留。

Flare 和 Sunburst 怎么选？

这个选择建议基于 OpenAI 对 Flare (opens in a new tab) 和 Sunburst (opens in a new tab) 的官方定位。两者都接受文字和图片输入，支持 low、medium、high、xhigh、max 和 auto 质量设置。建议用最难处理的图片比较高质量设置的效果，再决定是否值得使用，无需每张草稿都开到最高。

OpenAI 官方列出的差异到底有哪些

以下内容于 2026 年 9 月 20 日对照官方模型页面核查。两个变体的所有公开参数完全一致，官方写明的差异只有定位描述，以及速度和性能标签。

由此可以得出三个实际结论：

• 不存在不带后缀的 gpt-image-2.5 模型 ID。 API 的模型枚举只包含两个变体名称及其 -2026-09-08 快照。传入 model="gpt-image-2.5" 的请求会返回 model-not-found 错误。
• OpenAI 自己的 token 估算器只有一个条目："GPT Image 2.5 (Sunburst and Flare)"。 OpenAI 没有发布按变体区分的 token 表。9 月 8 日和 18 日发布的第三方测试显示，同一提示词在两个变体上得到的 usage.output_tokens 相同，但这只是第三方观察，不是 OpenAI 的承诺。请检查你自己响应中的 usage 字段。
• 按工作流选，而不是按价格选。 单价相同，目前 token 数量也相同，所以真正的取舍是时间和编辑精度。先用 Flare；只有当某次修改反复破坏你要求保留的部分时，再把这个需求换到 Sunburst。

来源：Flare 模型页 (opens in a new tab)、Sunburst 模型页 (opens in a new tab)、图片生成指南 (opens in a new tab)。

先生成产品图，再做一次局部修改

1. 写清图片需求

打开 ChatGPT (opens in a new tab)，让它生成一张图片。如果需要保留特定主体，请上传参考照片。先确定一个交付目标，把构图讲清楚，再补充装饰细节。OpenAI 的图片提示词指南 (opens in a new tab)建议明确写出画面文字、各参考图的用途，以及必须保留的内容。

下面是本文编写的提示词，可以按需修改：

生成一张方形影棚产品照片，主体是一只钴蓝色陶瓷马克杯。
杯子放在画面中间偏右的位置，杯柄朝右。
使用浅灰色背景，柔光从左侧照射。
左上角四分之一区域留空，我会在后期添加标题。
保留可见的陶瓷纹理。不要添加文字、标志或其他物品。

后期添加标题，方便修改宣传文案，不用重新生成整张照片。如果画面中必须包含文字，就把准确文字用引号标出，并说明放置位置。

2. 每次只改一件事

在同一对话中，继续编辑选中的图片。可以试试这个指令：

只把背景从浅灰色改成暖米色。
保留马克杯的形状、钴蓝色、杯柄方向、位置、陶瓷纹理、光照和阴影。
左上角继续留空。不要添加新物品或文字。

如果空间位置很难用文字描述，可以在 ChatGPT 中输入 @Sketch，画出布局参考。图片评论可以标明需要修改的区域。这些操作方式见官方发布公告 (opens in a new tab)。

3. 继续修改之前，先检查结果

开始下一次修改前，先保存已经满意的版本。这份清单是建议采用的检查流程，并非基准测试结果。

通过 API 使用 GPT Image 2.5

生成单张图片时，可以使用 Images API。如果应用需要在对话中连续编辑图片，可以使用 Responses API 的图片生成工具。采用后一种方式时，图片模型应填在工具的 model 字段中，请求顶层则填写受支持的主模型。官方 API 指南 (opens in a new tab)。

先在你的环境中安装 Python SDK：

python -m pip install --upgrade openai

设置环境变量 OPENAI_API_KEY，然后把下面的代码保存为 generate_image.py：

import base64
from pathlib import Path
from openai import OpenAI
 
client = OpenAI()
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt=(
        "Create a square studio product photo of a cobalt-blue ceramic mug. "
        "Pale gray background, soft light from the left, handle on the right. "
        "Leave the upper-left quarter empty. No text or extra objects."
    ),
    size="1024x1024",
    quality="medium",
)
 
Path("mug.png").write_bytes(base64.b64decode(result.data[0].b64_json))

运行脚本，请求生成图片，并把返回数据写入 PNG 文件：

python generate_image.py

把模型字符串改成 gpt-image-2.5-sunburst，即可用相同需求进行比较。本示例已对照 9 月 8 日的文档核查；我们的实际请求在 API 身份验证阶段停止，因此没有完成成功生成图片的测试。如果身份验证失败，请先检查密钥和 API 项目访问权限，再考虑调整提示词。

GPT Image 2.5 价格是多少？

官方模型页面为 Flare 和 Sunburst 列出了相同的费率，单位是美元／百万 token：

来源：Flare 价格 (opens in a new tab)和 Sunburst 价格 (opens in a new tab)。这是 token 单价，不是每张图片的固定价格。OpenAI 表示，GPT Image 2 计算器不能估算 2.5 的 token 消耗，因此不应把旧模型的单张图片估价当成 2.5 报价。

一张图片消耗多少 token？

OpenAI 没有以表格形式公布单张图片的估算值，而是在图片生成指南 (opens in a new tab)的 "GPT Image 2.5 and GPT Image 2 output tokens" 部分提供了一个交互式计算器。下表数值于 2026 年 9 月 20 日从该计算器读取，覆盖三种推荐尺寸。费用按输出 token × 每百万 $30 计算，不包含文字提示词、参考图片和流式输出的部分图片。

和上一代对比：在同一个计算器中，GPT Image 2 在 1024×1024 下的 low / medium / high 分别消耗 196 / 1,756 / 7,024 token。也就是说，GPT Image 2.5 的 high 相当于 GPT Image 2 的 medium 价格，2.5 的 max 相当于旧版的 high。价格真正上涨的是两个新档位 xhigh 和 max，建议只用在最终宣传图上，草稿阶段不要开。

以上文马克杯需求为例，quality="medium"、1024×1024：439 个输出 token × $30 / 1,000,000 = 每张约 $0.013，加上提示词大约 60 个文字输入 token × $5 / 1,000,000 ≈ $0.0003。如果编辑时把上一张图作为参考图回传，还要按每百万 $8 计算图片输入 token；OpenAI 尚未公布 2.5 每张参考图的 token 数，请从 usage 中实际测量。

还需要考虑的额外费用和限制：

• 流式输出的部分图片：每张部分图片额外消耗 100 个输出 token（$0.003）。
• Responses API：主模型自身的输入和输出 token 会在图片 token 之外另行计费。
• 免费层级：两个模型页都标注 "Free: Not supported"；Tier 1 每分钟 5 张图片，Tier 5 每分钟 250 张。
• 组织验证：指南提到，使用 GPT Image 模型前可能需要先完成 API Organization Verification，遇到 403 先确认这一步。
• auto 质量：auto 会按每张图片自动选择档位，所以上面的估算要求显式指定 quality；如果需要真实的单张成本，请在每个请求中记录 usage.output_tokens。

在 VizGPT 开始制作下一张图片

打开 VizGPT 的图片工作区 (opens in a new tab)，选择生成器中显示的模型，把马克杯提示词改成自己的主体。先获得可用的构图，选出喜欢的结果，再一次修改一个细节。

如果图片包含数据图表，请用绘图工具保证数值准确，把图片生成用于周围的插画。我们的 Python 数据可视化指南介绍了适合绘制准确数据图表的工具库。

常见问题

GPT Image 2.5 的 API 模型名称是什么？

使用 gpt-image-2.5-flare 或 gpt-image-2.5-sunburst。模型页面也列出了日期为 2026 年 9 月 8 日的快照版本。

GPT Image 2.5 一定快一倍吗？

不一定。OpenAI 表示，与 Images 2.0 相比，延迟最高降低 50%。这不保证每种提示词或设置都能获得固定的速度提升。

应该先用哪个模型？

快速试稿先用 Flare。如果主要要求是在编辑过程中保留细节，再用 Sunburst 比较效果。

Sunburst 比 Flare 更贵吗？

按 token 单价看不是。两个变体的计费相同：文字输入每百万 $5，图片输入每百万 $8，图片输出每百万 $30，OpenAI 的估算器也把它们视为同一个条目。费用差异来自你选择的质量设置、尺寸和编辑输入。

一张 1024×1024 图片要多少钱？

按 OpenAI 估算器：low 约 $0.006，medium 约 $0.013，high 约 $0.053，xhigh 约 $0.094，max 约 $0.211，不含提示词和参考图片的 token。

相关指南

• Python 数据可视化工具库
• Codex 使用指南
• 用 PyGWalker 将数据表转成可交互图表