GPT Image 2.5 于 2026 年 9 月 8 日发布，以两个模型取代了 GPT Image 2：Flare（Token 单价不变，延迟最多降低 50%）和 Sunburst（多轮编辑控制更严）。Token 价格没有变，但质量档位被重新划分：2.5 的 max 档成本相当于 GPT Image 2 的 high 档。在 Arena 2026 年 9 月的初步榜单上，Sunburst 得分 1421，GPT Image 2 为 1381。
这篇对比回答四个问题：OpenAI 改了什么、两代模型的单张成本到底是多少、三个模型在同一队列中运行五组相同提示词时表现如何，以及不同任务该选哪个模型。所有数据截至 2026 年 9 月 10 日，关键数字均附有来源链接。
GPT Image 2.5 是什么？它和 GPT Image 2 有什么不同？
GPT Image 2.5 是 OpenAI 于 2026 年 9 月 8 日以 ChatGPT Images 2.5 之名发布的图像生成模型系列。GPT Image 2 在 2026 年 4 月 21 日以单一模型形式发布，而 GPT Image 2.5 在 API 中是两个模型：gpt-image-2.5-flare 和 gpt-image-2.5-sunburst，快照日期均为 2026-09-08。两者都已上线 LoveGen AI 的 GPT Image 2.5 页面，可一键切换 Flare 与 Sunburst；原来的 GPT Image 2 也继续可用。
OpenAI 的发布文章把这次更新概括为“更锐利的细节、更快的生成、更精准的编辑，以及更好的创作与分享工具”（OpenAI，经 9to5Mac 报道，2026 年 9 月 8 日）。OpenAI 还表示，Images 2.5“光影更自然、质感更丰富，更能保留参考照片中的主体，并且在多轮编辑中更可靠地遵循指令”。
一张表看懂 Flare 与 Sunburst
| GPT Image 2.5 Flare | GPT Image 2.5 Sunburst | |
|---|---|---|
| OpenAI 的定位 | 适用于“大多数应用”的默认模型 | 面向“需要跨编辑严格控制的高端视觉工作流” |
| 相对 GPT Image 2 的质量 | 更高，且“延迟降低 50%” | 更高，但“生成时间比 Flare 更长” |
| 目标场景 | 创作者与社交内容、产品体验、视觉搜索、快速原型、大批量生成 | 正式投放的广告创意、精修产品图、多轮打磨 |
| API 标识 | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| Token 定价 | 与 GPT Image 2 相同 | 与 GPT Image 2 相同 |
来源：OpenAI 开发者社区公告 与 OpenAI 模型页面。
GPT Image 2.5 改了什么
根据 OpenAI 公告，相对 GPT Image 2 有五处新变化：
- 一个模型变成两个。 Flare 主打速度，Sunburst 主打精度，Token 单价相同。
- 新增两个质量档。
xhigh和max位于high之上；GPT Image 2 到high为止。两个 2.5 模型的默认值都是quality: auto（OpenAI 图像生成指南）。 - 定点编辑。 OpenAI 的说法是“基于批注的编辑，只改你想改的地方”以及“多次编辑之间细节保持一致”。
- 参考图保真度更高。 上传照片中的主体在换场景、换风格后依然可辨认。
- 新增
opaque背景选项，与auto、transparent并列。
在 ChatGPT 应用里，Images 2.5 还新增了 Sketch 草图工具（可手绘大致布局）、针对图片局部的批注、海报和周边等常用格式的模板，以及可分享的提示词（The Decoder，2026 年 9 月）。The Decoder 还指出，输出图片带有 Google DeepMind 的 SynthID 隐形水印。
哪些没有变
让 GPT Image 2 在 2026 年 4 月受到关注的能力都保留了下来。GPT Image 2 是 OpenAI 第一个带推理步骤的图像模型，会先规划构图再渲染；一条提示词最多可以返回 8 张风格一致的图片；对日文、韩文、中文、印地文、孟加拉文等非拉丁文字的渲染也远比前代可靠（OpenAI，2026 年 4 月；MacRumors，2026 年 4 月 22 日）。这些能力在 Images 2.5 中依然存在。
三个 API 模型的速率限制也完全一致。OpenAI 在 gpt-image-2、Flare 和 Sunburst 的模型页面上列出：Tier 1 为每分钟 100,000 Token、5 张图，到 Tier 5 提升为每分钟 8,000,000 Token、250 张图。
GPT Image 2.5 vs GPT Image 2：规格对照
| 规格 | GPT Image 2 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst | 来源 |
|---|---|---|---|---|
| 发布日期 | 2026 年 4 月 21 日 | 2026 年 9 月 8 日 | 2026 年 9 月 8 日 | OpenAI |
| API 标识 / 快照 | gpt-image-2 / 2026-04-21 | gpt-image-2.5-flare / 2026-09-08 | gpt-image-2.5-sunburst / 2026-09-08 | OpenAI 模型页面 |
| 质量档位 | low、medium、high | low、medium、high、xhigh、max、auto | low、medium、high、xhigh、max、auto | OpenAI 指南 |
| 官方延迟说法 | 基准 | 比 GPT Image 2 最多低 50% | 比 Flare 更长 | OpenAI |
| 自定义分辨率 | 边长为 16 的倍数，最长边 3840 px，总像素 655,360 至 8,294,400 | 相同 | 相同 | OpenAI 指南 |
| 宽高比范围 | 1:3 至 3:1 | 1:3 至 3:1 | 1:3 至 3:1 | OpenAI 指南 |
| 背景选项 | auto、transparent、opaque | auto、transparent、opaque | auto、transparent、opaque | fal.ai 参数说明 |
| 推理（“思考”）步骤 | 有 | 有 | 有 | OpenAI，2026 年 4 月 |
| 文本输入 / 图像输入 / 图像输出 | 每百万 Token $5 / $8 / $30 | 每百万 Token $5 / $8 / $30 | 每百万 Token $5 / $8 / $30 | OpenAI 模型页面 |
| Arena 文生图得分（2026 年 9 月） | 1381 ± 4（medium 档，78,731 票） | 1399 ± 13（2,856 票，初步） | 1421 ± 13（3,149 票，初步） | Arena |
| Artificial Analysis 排名（2026 年 9 月 10 日） | 第 1，Elo 1171（high 档） | 尚未收录 | 尚未收录 | Artificial Analysis |
| LoveGen AI 上的参考图数量 | 最多 4 张 | 最多 6 张 | 最多 6 张 | LoveGen AI 模型页面 |
| LoveGen AI 上的最大尺寸 | 2K | 3840×2160 | 3840×2160 | LoveGen AI 模型页面 |
| LoveGen AI 上的积分 | 每张固定 0.3 | 按质量和尺寸 0.1 至 3.4 | 与 Flare 相同 | LoveGen AI 模型页面 |
OpenAI 的指南对该系列所有模型都标注：高于 2560×1440 的分辨率属于实验性功能，并推荐 1024×1024、1536×1024 或 1024×1536 作为标准尺寸（OpenAI 图像生成指南）。
GPT Image 2.5 比 GPT Image 2 贵吗？
按 Token 算，不贵。按单张图算，取决于你选哪个质量档，因为 OpenAI 重新划分了档位。GPT Image 2.5 的 high 档生成一张图的成本，大致等于 GPT Image 2 的 medium 档；GPT Image 2.5 的 max 档，大致等于 GPT Image 2 的 high 档。
同一张 Token 价目表
三个模型的计费都是：文本输入每百万 Token $5（缓存命中 $1.25），图像输入每百万 Token $8（缓存命中 $2），图像输出每百万 Token $30。gpt-image-2.5-flare 与 gpt-image-2.5-sunburst 的模型页面明确写着“Token 单价与 GPT Image 2 一致”。同一页面也提醒，OpenAI 的 GPT Image 2 成本计算器“不能估算 GPT Image 2.5 的 Token 消耗”，这是每张图输出 Token 数已经变化的第一个信号。
质量档位被重新划分
fal.ai 为两个模型的每个“质量 × 尺寸”组合都公布了固定的单张价格，变化因此一目了然。下表为 fal.ai 截至 2026 年 9 月 9 日的列价。
| 质量档 | GPT Image 2，1024×1024 | GPT Image 2.5，1024×1024 | GPT Image 2，3840×2160 | GPT Image 2.5，3840×2160 |
|---|---|---|---|---|
| low | $0.006 | $0.006 | $0.012 | $0.011 |
| medium | $0.053 | $0.013 | $0.101 | $0.026 |
| high | $0.211 | $0.053 | $0.401 | $0.100 |
| xhigh | 不提供 | $0.094 | 不提供 | $0.178 |
| max | 不提供 | $0.211 | 不提供 | $0.400 |
来源：fal.ai 上的 GPT Image 2 与 fal.ai 上的 GPT Image 2.5 Flare。Flare 与 Sunburst 在 fal.ai 上共用同一份价目表（Sunburst 页面）。
顺着 GPT Image 2.5 那一列往下看，规律很清楚：2.5 的 high（$0.053）对应 GPT Image 2 的 medium（$0.053），2.5 的 max（$0.211）对应 GPT Image 2 的 high（$0.211）。The Decoder 得出了同样的结论，指出 2.5 的 max 档“与 Images 2.0 的 high 档成本一致”（The Decoder）。换句话说，OpenAI 是在原来的最高档之下插入了两个更便宜的档位，而不是在其上增加两个更贵的档位。
迁移现有集成时意味着什么
一个原本使用 gpt-image-2 加 quality: "high" 的请求，如果只把模型标识换成 gpt-image-2.5-flare，quality: "high" 会原样保留，但输出 Token 消耗会降至原来的四分之一左右。在 1024×1024 下，这相当于节省约 75% 的成本（fal.ai 列价从 $0.211 降到 $0.053），但模型投入的生成计算量也随之减少。想维持原有输出 Token 预算的团队，应改设 quality: "max"。依赖默认值的团队要注意，GPT Image 2.5 在 OpenAI API 中默认为 auto（OpenAI 指南），在 fal.ai 上则默认为 high（fal.ai 参数说明）。
在 LoveGen AI 上的积分价格
在 LoveGen AI 上，GPT Image 2 固定每张 0.3 积分，支持最多 4 张参考图，输出 2K。GPT Image 2.5 按质量和尺寸计价，从 0.1 积分起。默认的 1024×1024 下，Low 为 0.1，Medium 0.2，High 0.5，Extra High 0.8，Max 1.8 积分。3840×2160 从 Low 的 0.1 积分到 Max 的 3.4 积分。Flare 与 Sunburst 同价，从 1024×768、1920×1080、2560×1440 到 3840×2160 的所有尺寸都提供横版和竖版，并可选透明 PNG 背景。
实测：5 组提示词、3 个模型、同一平台
2026 年 9 月 10 日，也就是发布两天后，我们把五组固定提示词分别交给 GPT Image 2 和两个 GPT Image 2.5 模型，全部走 fal.ai 的队列 API，三者共用同一个服务商、同一条队列、同一个计时器。测试了四种配置：GPT Image 2 的 high 档（目前多数集成在用的基准）、Flare 的 high 档（直接换模型标识会得到的结果）、以及 Flare 和 Sunburst 的 max 档（按 fal.ai 列价，每张 1024×1024 图 $0.211，与基准成本对齐）。整轮测试生成 33 张图，零失败，按列价花费约 6 美元。
测试方法
- 尺寸：测试 1、2、3、5 为 1024×1024；测试 4 为 3840×2160，均以显式宽高提交。
- 计时：记录从提交到队列至生成完成的实际秒数。四种配置并行提交，排队等待从未超过 3 秒，因此数字基本等于 fal.ai 的处理时间。测试 5 取 3 次运行的中位数；其余均为单次运行，并已标注。
- 参考图：一只白底、带白色山形 logo 的藏青色陶瓷马克杯，用 Flare 的
high档生成一次，作为测试 2 和 3 中每个模型完全相同的输入。 - 评分：测试 1 统计五段文字共 37 个字符中的正确字符数；测试 2 和 3 统计整个编辑链中马克杯、logo 与背景出现的非预期改动数量；测试 4 比较小屋周围 1024×640 的 100% 裁切；测试 5 检查三次运行是否都能直接用作缩略图。
- 说明：fal.ai 的队列有自身开销，而且 LoveGen AI 上 GPT Image 2 与 GPT Image 2.5 走的是不同服务商，其他平台的绝对耗时会不同。模型之间的比值才是有用的信号。
测试 1：多语言海报文字
提示词要求生成一张扁平矢量风格的咖啡馆海报，包含五段精确文字：“MORNING BREW”、每日现磨咖啡、毎朝焙煎、“$4.50”、“Open 7am - 6pm”，并在右下角放价格标签。四种配置都正确渲染了全部 37 个字符，价格标签也放在了指定位置。Flare 的 max 档在标题和营业时间后各多加了一个句号；其余三个没有瑕疵。耗时方面，GPT Image 2 为 116.0 秒，Flare high 26.0 秒，Flare max 54.5 秒，Sunburst max 96.1 秒（单次运行）。文字渲染是 GPT Image 2 在 2026 年 4 月的招牌能力，这一能力完整延续到了 2.5，因此它不是在两代之间做选择的理由。
左上：GPT Image 2（high）。右上：GPT Image 2.5 Flare（high）。左下：GPT Image 2.5 Flare（max）。右下：GPT Image 2.5 Sunburst（max）。
测试 2：基于参考图的产品编辑
每个模型都收到同一张马克杯图片，指令是把它放到窗边的白色大理石台面上，晨光柔和，同时保持形状、颜色、把手位置和 logo 不变。四种配置都保住了 logo、颜色和把手。三个 GPT Image 2.5 的输出与参考图比例一致；GPT Image 2 把杯子画得比原图略矮胖。耗时为 GPT Image 2 137.2 秒，Flare high 36.6 秒，Flare max 68.9 秒，Sunburst max 107.9 秒（单次运行）。对于一次性的参考图编辑，每种配置都达到了可用于生产的水准。
测试 3：三轮编辑链
以每个模型在测试 2 的输出为起点，第二轮要求在杯子右侧加一个装在盘子里的可颂，其他一律不动；第三轮只要求把光线改成傍晚的暖色台灯光。我们数了每一处没有被要求的改动。
- GPT Image 2（high）：第二轮把整个场景重新渲染了一遍。杯子向左移动并缩小，绿植和砧板换了位置。第三轮保住了新布局，但窗外景色被重画。非预期改动 4 处；每轮约 136 秒。
- Flare（high）：第二轮给杯身加了一层淡淡的织物纹理，其他元素纹丝不动；第三轮只改了光线。非预期改动 1 处；每轮约 30 秒。
- Flare（max）：两轮下来杯身从哑光变成了交叉网格纹理，绿植和窗框在两轮中都发生了位移。非预期改动 4 处；每轮约 62 秒。
- Sunburst（max）：布局、杯子、绿植、罐子和砧板在两轮中全部保持原位，只有可颂和光线按要求变化。非预期改动 0 处；每轮约 107 秒。
Sunburst 完全兑现了 OpenAI 对多轮编辑的承诺。意外的是，Flare 的 max 档在这条编辑链里的偏移与 GPT Image 2 一样多，反而是 Flare 的 high 档更稳定。一条编辑链不足以构成统计结论，但足以说明：不要先入为主地认为档位越高越稳，最好先用自己的编辑序列测试两个 Flare 档位。
编辑链的最终帧。左上：GPT Image 2（high）。右上：GPT Image 2.5 Flare（high）。左下：GPT Image 2.5 Flare（max）。右下：GPT Image 2.5 Sunburst（max）。
测试 4：4K 风景细节
四种配置都返回了精确的 3840×2160 峡湾场景。缩放到适应屏幕时，四张几乎分不出差别。在小屋周围做 100% 裁切后，Sunburst 的 max 档最锐利：岩石上的地衣、屋顶的波纹、护栏的每一块木板都清晰可辨。Flare 的 max 档紧随其后。GPT Image 2 的 high 档把小屋的木板墙画得很干净，但树叶和岩石上留有一层油画般的涂抹感。Flare 的 high 档整体明显偏软，考虑到输出 Token 只有四分之一，这在预期之内。耗时为 GPT Image 2 105.4 秒，Flare high 31.0 秒，Flare max 75.1 秒，Sunburst max 91.5 秒（单次运行）。这几张图的 fal.ai 列价分别为 $0.401、$0.100、$0.400、$0.400（fal.ai）。
每张 3840×2160 渲染图的 1024×640 100% 裁切。左上：GPT Image 2（high）。右上：GPT Image 2.5 Flare（high）。左下：GPT Image 2.5 Flare（max）。右下：GPT Image 2.5 Sunburst（max）。
测试 5：用最便宜的可用档位做社交缩略图
提示词是黄色背景上俯拍的一碗拉面，1024×1024，每种配置运行三次。12 张输出全部可用。Flare 的 high 档三次都生成了干净、一致的拉面，中位耗时 25.1 秒，列价每张 $0.053。GPT Image 2 的 high 档中位耗时 152.6 秒，列价 $0.211，而且第一次运行把葱花撒到了碗外的背景上。Flare 的 max 档中位耗时 58.8 秒，Sunburst 的 max 档 128.4 秒，列价均为 $0.211。做缩略图，Flare 的 high 档只用 GPT Image 2 基准六分之一的时间、四分之一的价格就能交出可用的图。
每种配置三次运行中的第一次。左上：GPT Image 2（high）。右上：GPT Image 2.5 Flare（high）。左下：GPT Image 2.5 Flare（max）。右下：GPT Image 2.5 Sunburst（max）。
结果一览
| 测试 | GPT Image 2（high） | GPT Image 2.5 Flare（high） | GPT Image 2.5 Flare（max） | GPT Image 2.5 Sunburst（max） |
|---|---|---|---|---|
| 1. 海报文字：正确字符数，耗时 | 37/37，116.0 秒 | 37/37，26.0 秒 | 37/37 外加 2 个多余句号，54.5 秒 | 37/37，96.1 秒 |
| 2. 参考图编辑：主体是否保住，耗时 | 是（略矮胖），137.2 秒 | 是，36.6 秒 | 是，68.9 秒 | 是，107.9 秒 |
| 3. 编辑链：两轮非预期改动数，每轮耗时 | 4，约 136 秒 | 1，约 30 秒 | 4，约 62 秒 | 0，约 107 秒 |
| 4. 4K 细节：100% 裁切排名，耗时，列价 | 第 3，105.4 秒，$0.401 | 第 4，31.0 秒，$0.100 | 第 2，75.1 秒，$0.400 | 第 1，91.5 秒，$0.400 |
| 5. 缩略图：3 次中位耗时，列价 | 152.6 秒，$0.211 | 25.1 秒，$0.053 | 58.8 秒，$0.211 | 128.4 秒，$0.211 |
2026 年 9 月 10 日在 fal.ai 队列 API 上测得。耗时按从提交到完成的实际时间计算；除第 5 行外均为单次运行。价格为 fal.ai 每张输出图的列价，不含参考图的输入 Token。
GPT Image 2.5 比 GPT Image 2 快多少？
OpenAI 的说法是 Flare 相对 GPT Image 2“延迟最多降低 50%”（OpenAI）。发布后第三方给出的数字在同一区间或更高：WeShop 在相同设置下测得 Flare 快 30% 到 52%（WeShop）；Manus 在发布前于自家工作负载上测得 Flare 是 GPT Image 2 速度的两到四倍（BuildFastWithAI）。
我们在 fal.ai 同一队列里测到的差距比 OpenAI 的说法更大。1024×1024 下，Flare 的 high 档中位耗时 25.1 秒，GPT Image 2 的 high 档为 152.6 秒，降低 84%，约快六倍。与基准成本对齐的 Flare max 档为 58.8 秒，降低 61%。Sunburst 的 max 档为 128.4 秒，比 GPT Image 2 快 16%，同时给出了四者中最精细的输出。有一个反常现象：GPT Image 2 生成 1024×1024 缩略图的时间反而比 3840×2160 风景更长（152.6 秒对 105.4 秒），这或许说明它的耗时主要花在规划步骤而非像素数量上。这些都是单日在 fal.ai 队列上的数据，OpenAI 直连 API 的表现可能不同，所以请把这些比值当作参考，而非定论。
在独立基准上，GPT Image 2.5 比 GPT Image 2 更好吗？
早期投票的答案是肯定的，但要注意样本量。在 2026 年 9 月 7 日更新的 Arena 文生图榜单上，gpt-image-2.5-sunburst 以 1421 ± 13 领先，gpt-image-2.5-flare 以 1399 ± 13 排第二，两者都标注为初步结果。medium 档的 gpt-image-2 以 1381 ± 4 排第三。Sunburst 与 GPT Image 2 相差 40 分，但两个新条目分别只有 3,149 票和 2,856 票，GPT Image 2 则有 78,731 票，置信区间宽了三倍。
截至 2026 年 9 月 10 日，Artificial Analysis 文生图竞技场尚未收录任何一个 2.5 模型。其榜单仍以 GPT Image 2（high）居首，Elo 1171，样本 15,381 个，领先于 1144 分的 MAI-Image-2.6 和 1122 分的 Nano Banana 2。在 GPT Image 2.5 积累到足够票数之前，诚实的总结是：GPT Image 2 在一个独立榜单上仍是第一，GPT Image 2.5 在另一个榜单上以初步数据领先。
在 ChatGPT 里能选 Flare 或 Sunburst 吗？
不能。ChatGPT 没有提供在两个 Images 2.5 模型之间切换的选项。The Decoder 在发布后测试了面向普通用户的两个界面，发现 Chat 模式“经常”被分配到较弱的模型，而 Work 模式“始终”使用较强的模型，且 Chat 模式的编辑更常改动无关细节（The Decoder，2026 年 9 月）。OpenAI 的文档没有说明 ChatGPT 在什么情况下选用哪个版本。
Images 2.5 在发布当天就向所有 ChatGPT 套餐（包括免费版）以及 ChatGPT Work 和 Codex 推送，覆盖桌面、移动端和网页（OpenAI，经 9to5Mac 报道）。付费套餐换来的是更短的等待和更高的用量上限，而不是不同的模型。想要可复现的结果，只有通过 API 模型标识，或者使用明确展示切换开关的平台，才能确保用到 Flare 或 Sunburst。LoveGen AI 在 GPT Image 2.5 页面上把两个版本做成并排的卡片，每次生成用哪个一目了然。
该选哪个？按用途对比 GPT Image 2、Flare 与 Sunburst
| 用途 | 推荐模型 | 质量档 | 理由 |
|---|---|---|---|
| 社交缩略图、大批量变体 | GPT Image 2.5 Flare | medium 或 high | 每张可用图成本最低，实测生成最快 |
| 基于参考照片的电商产品编辑 | GPT Image 2.5 Sunburst（或 Flare high 档） | high 或 xhigh | 两者在编辑链测试中都保住了杯子、logo 和背景；Sunburst 最干净 |
| 多轮客户修改 | GPT Image 2.5 Sunburst | xhigh 或 max | 三轮编辑链中未出现非预期改动；GPT Image 2 和 Flare max 档各有四处 |
| 预算有限的 2K 多语言海报 | GPT Image 2 | high（LoveGen AI：0.3 积分） | 仍是 Artificial Analysis 第一；LoveGen AI 上固定 0.3 积分，低于 2.5 High 档的 0.5 |
| 印刷、主视觉、4K 壁纸 | GPT Image 2.5 Sunburst 或 Flare | max | 只有 2.5 开放 max 档；4K max 在 fal.ai 上 $0.400，与 GPT Image 2 high 档相同 |
| 需要吞吐量的 API 集成 | GPT Image 2.5 Flare | auto 或 high | 与 GPT Image 2 相同的速率限制，单张延迟更低 |
什么情况下继续用 GPT Image 2
你需要文字表现强的 2K 输出，并且在 LoveGen AI 上按积分付费：GPT Image 2 每张 0.3 积分，GPT Image 2.5 在同尺寸同档位下是 0.5。另外，如果某条流水线是针对 GPT Image 2 的输出调优的、还没有重新验证过，也应该先留在 GPT Image 2 上，因为 2.5 的编辑行为在设计上就不一样。
什么情况下选 GPT Image 2.5 Flare
速度和产量比最后那一点细节更重要。实测中 Flare 的 high 档生成一张 1024×1024 图的中位耗时为 25.1 秒，比 GPT Image 2 快六倍，而且三轮编辑链稳得住。OpenAI 把 Flare 定位为“创作者与社交内容、产品体验、视觉搜索、快速图像原型和大批量生成”的默认选择（OpenAI），Token 同价意味着这份速度不用额外付费。
什么情况下选 GPT Image 2.5 Sunburst
交付物会被反复修改，或者参考图中的主体必须在换风格、换场景后原封不动。Sunburst 是 OpenAI 为“需要跨编辑严格控制的高端视觉工作流”打造的模型；WeShop 的第三方测试发现它在目标区域之外的漂移比 Flare 少约 40%（WeShop，2026 年 9 月）；在我们的三轮编辑链中，它也是唯一未出现非预期改动的配置。四者之中，它的 4K 渲染也最锐利。
什么情况下 OpenAI 模型不是最优选择
如果编辑需要超过 6 张参考图，或者要用自然语言编辑照片、并在十几张输入之间保持人物身份一致，Google 的 Nano Banana Pro 在 LoveGen AI 上最多支持 14 张参考图。以排版为核心的版式，Ideogram 3 仍是专项选手；不含文字的影棚级写实照片，Flux 2 Pro 依然是有力的替代。这些模型都共用同一个积分余额，同一条提示词跨模型试一遍只需零点几个积分。
GPT Image 2 会被弃用吗？现在该迁移吗？
截至 2026 年 9 月 10 日，GPT Image 2 没有被弃用。OpenAI 的 弃用页面 没有为 gpt-image-2 列出下线日期，gpt-image-2 模型页面 仍在线，快照为 2026-04-21。OpenAI 没有说明 GPT Image 2 何时、或是否会像 DALL-E 系列那样退役。
新项目直接从 GPT Image 2.5 起步是合理的默认选择，OpenAI 自己的建议也是先用 Flare，只在质量要求确实需要时再换 Sunburst（OpenAI 开发者社区）。现有集成的迁移清单：
- 更换模型标识为
gpt-image-2.5-flare或gpt-image-2.5-sunburst。 - 重新映射
quality。 想维持相同的输出 Token 预算，旧的high对应新的max，旧的medium对应新的high。 - 显式设置
quality。 新模型默认为auto，由 OpenAI 决定档位。 - 重新检查编辑提示词。 2.5 只改你要求的部分；以前依赖 GPT Image 2 整图重绘的提示词，可能需要把想要的全局变化写清楚。
- 考虑
background: "opaque"，如果透明或 auto 背景曾带来意外。 - 用 fal.ai 或 OpenAI 的用量数据做预算，而不是 GPT Image 2 计算器，OpenAI 已说明它不覆盖 2.5。
常见问题
GPT Image 2.5 是什么时候发布的？
OpenAI 于 2026 年 9 月 8 日发布了 GPT Image 2.5，面向消费者的名称是 ChatGPT Images 2.5。API 提供两个模型，gpt-image-2.5-flare 和 gpt-image-2.5-sunburst，快照日期均为 2026-09-08。发布当天即向所有 ChatGPT 套餐（含免费版）以及 ChatGPT Work 和 Codex 推送，覆盖桌面、移动端和网页（OpenAI）。
GPT Image 2.5 Flare 和 Sunburst 有什么区别？
Flare 是 OpenAI 的默认模型：质量高于 GPT Image 2，延迟最多降低 50%，面向社交内容、产品体验和大批量生成。Sunburst 是更大的精度型模型，生成时间更长，为广告创意和多轮编辑而设计，每次修改都要让图片其余部分保持不动。两者 Token 定价相同（OpenAI）。
GPT Image 2.5 比 GPT Image 2 更好吗？
在 Arena 2026 年 9 月的初步文生图榜单上，GPT Image 2.5 Sunburst 得分 1421，Flare 1399，gpt-image-2（medium）为 1381，但新条目只有约 3,000 票，GPT Image 2 有 78,000 票（Arena）。OpenAI 宣称细节更锐利、光影更自然、参考图保真度更高、多轮编辑更可靠。Artificial Analysis 仍把 GPT Image 2 列在第一，因为 2.5 尚未被收录。
GPT Image 2.5 比 GPT Image 2 贵吗？
按 Token 不贵。两者都是文本输入每百万 Token $5、图像输入每百万 Token $8、图像输出每百万 Token $30（OpenAI）。按单张图，档位发生了平移：在 fal.ai 上，一张 1024×1024 的 GPT Image 2.5 图片 low 档约 $0.006、high 档 $0.053、max 档 $0.211；GPT Image 2 则是 low 档 $0.006、medium 档 $0.053、high 档 $0.211。
新增的 xhigh 和 max 质量档是什么？
GPT Image 2.5 在 high 之上增加了 xhigh 和 max；GPT Image 2 到 high 为止。两个 2.5 模型默认为 auto（OpenAI 指南）。fal.ai 的列价在 1024×1024 下 xhigh 为每张 $0.094、max 为 $0.211；在 3840×2160 下 xhigh 为 $0.178、max 为 $0.400（fal.ai）。max 档对应的正是 GPT Image 2 原来 high 档的输出成本。
GPT Image 2.5 支持 4K 吗？
支持。OpenAI 的图像生成指南允许自定义分辨率：每条边为 16 的倍数，最长边不超过 3840 像素，总像素在 655,360 到 8,294,400 之间，宽高比在 1:3 到 3:1 之间。高于 2560×1440 的分辨率被标注为实验性（OpenAI 指南）。在 LoveGen AI 上，GPT Image 2.5 直接提供 3840×2160 和 2160×3840，GPT Image 2 则限制在 2K。
在 ChatGPT 里能选 Flare 或 Sunburst 吗？
不能。ChatGPT 没有为 Images 2.5 提供模型选择器。The Decoder 报道称，Chat 模式经常被分配到较弱的版本，Work 模式则始终使用较强的版本，而且 Chat 模式的编辑更常改动无关细节（The Decoder）。想控制版本，请使用 API 模型标识，或使用 LoveGen AI 这类提供 Flare/Sunburst 切换的平台。
GPT Image 2 被弃用了吗？
没有。截至 2026 年 9 月 10 日，OpenAI 的 弃用页面 没有为 gpt-image-2 列出下线日期，其模型页面仍在线，快照为 2026-04-21。OpenAI 确实说明其 GPT Image 2 成本计算器不能估算 2.5 模型的 Token 消耗（OpenAI），所以切换前请单独做预算。
GPT Image 2.5 比 GPT Image 2 快多少？
OpenAI 表示 Flare 相对 GPT Image 2 延迟最多降低 50%（OpenAI）。WeShop 的第三方测试显示 Flare 在相同设置下快 30% 到 52%，Manus 在发布前于自家工作负载上测得快两到四倍（BuildFastWithAI）。我们 2026 年 9 月 10 日在 fal.ai 同一队列上的测试，1024×1024 单张中位耗时为：Flare high 档 25.1 秒，Flare max 档 58.8 秒，GPT Image 2 high 档 152.6 秒。
用参考照片做编辑，哪个模型更好？
GPT Image 2.5 Sunburst。OpenAI 为它设计了更严格的连续编辑控制，并且它更能让参考主体在新场景和新风格下保持可辨认（OpenAI）。WeShop 的测试发现 Sunburst 在目标区域之外的漂移比 Flare 少约 40%（WeShop）。在我们 2026 年 9 月 10 日的三轮编辑链中，Sunburst max 档未出现非预期改动，Flare high 档有 1 处，GPT Image 2 则有 4 处，因为它在第二轮重绘了整个场景。
GPT Image 2.5 在 LoveGen AI 上要多少积分？
每张从 0.1 积分起。默认的 1024×1024 High 档 0.5 积分，Extra High 0.8，Max 1.8；3840×2160 的 Max 档为上限 3.4 积分。Flare 与 Sunburst 同价。GPT Image 2 在 LoveGen AI 上固定每张 0.3 积分，支持最多 4 张参考图，因此 2K 工作仍然是它更便宜。
我该把 API 集成从 gpt-image-2 切换到 gpt-image-2.5 吗？
新项目应该切换，但要改一处：重新映射质量档。原本使用 gpt-image-2 加 quality: "high" 的请求，应改用 gpt-image-2.5-flare 加 quality: "max" 以维持相同的输出 Token 预算；如果保留 high，得到的是更便宜、Token 更少的图（fal.ai 定价）。还要注意新的 auto 默认值、opaque 背景选项，以及 Sunburst 会增加延迟。
结论
GPT Image 2.5 在编辑、参考图保真和速度上是对 GPT Image 2 的实质升级，而且 Token 单价不变。切换之前唯一要记住的是质量档的名字挪了位置：max 是新的 high，high 是新的 medium。Flare 是大多数工作的正确默认选择；当一个主体必须经受多轮编辑时，Sunburst 多花的那几十秒是值得的；而 GPT Image 2 在低成本的 2K 文字密集型工作上仍然值得保留，尤其是在 LoveGen AI 上只需 0.3 积分。
两代模型与其他主流模型并列在 LoveGen AI 的 AI 图像模型目录中，无需订阅，按张付费。截至本文撰写时，LoveGen AI 还提供 GPT Image 2.5 免费试用，这是用自己的素材运行上述五组提示词最省钱的方式。