OpenAI 发布 GPT-Image-2.5：生图提速，API 分为 Flare 与 Sunburst
OpenAI 推出 ChatGPT Images 2.5，并在 API 提供 GPT-Image-2.5 Flare 与 Sunburst。新版本强化参考图主体保留、精准局部编辑和多轮一致性，生成延迟最多降低 50%，同时加入 Sketch、模板与图片批注功能。
OpenAI 于 2026 年 9 月 8 日发布 ChatGPT Images 2.5，并为开发者推出 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst 两个 API 模型。更新重点落在实际创作流程：参考图中的主体更容易保持一致，局部修改更少波及画面其他区域，多轮编辑也更稳定。官方称，图像生成延迟相比 Images 2.0 最多降低 50%。
这次发布同时改造了 ChatGPT 内的创作入口。用户可以直接画草图作为构图参考，在图片上添加评论来指定修改位置，也可以从海报、商品图等模板开始创作。Images 2.5 正在向桌面端、移动端和网页端的 ChatGPT、ChatGPT Work 与 Codex 各档用户推出；两个 API 模型也已经开放。
升级重点是“改得准”，不只是第一张图更好看
AI 生图进入工作流后，最费时间的环节往往不是生成第一稿，而是围绕同一张图反复修改。换一个商品、改一处背景、调整一段文案时，如果模型顺手改变人物、构图或品牌风格，团队就得重新生成并再次筛选。
Images 2.5 针对这类问题加强了三项能力：
- 参考主体保留：根据人物、商品或场景照片制作变体时，主体特征更容易延续到新的风格与构图中。
- 精准局部编辑：修改指定元素时，尽量保留没有被点名的主体、背景、版式和视觉风格。
- 多轮编辑一致性：较长的对话和连续修改中，早先确认的改动更不容易丢失，画质也不易随着轮次增加而退化。
模型还改善了自然光照、纹理、复杂视觉指令和透明背景生成。对于商品素材、品牌系列图、演示视觉和 UI 概念图，这些变化比单次展示图的观感更关键，因为它们直接影响一套素材能否持续迭代。
ChatGPT 把草图和图片批注带进对话
新的 Sketch 功能允许用户在 ChatGPT 中直接画出粗略布局，再补充风格与细节描述，让模型据此完成图像。调用方式是在对话中输入 @Sketch。它适合用来说明难以用文字精确表达的空间关系，例如房间布置、服装轮廓或页面结构。
图片评论则把修改指令绑定到画面中的具体位置。用户可以在目标区域旁提出“删除这一块”或“改成蓝色”等要求，减少用长提示词解释方位的成本。模板提供海报、商品等常见格式的起点；分享图片时，用户还可以选择附带提示词，让其他人使用自己的照片和细节复用同一创意。
这些功能把“描述—生成—指出问题—局部修改”的循环集中到同一个界面。对没有专职设计师的团队来说，沟通成本可能比单纯提高生成速度更值得测试。
Flare 与 Sunburst 怎么选
API 不再只提供一个统一定位的模型。OpenAI 将速度优先和精细控制拆成两条路径：
模型 | 官方定位 | 更适合的任务 | 主要取舍 |
|---|---|---|---|
| 快速、高质量的日常图像生成 | 内容配图、社交素材、视觉搜索、快速原型和高批量生成 | 默认面向多数应用，强调响应速度 |
| 更高精度的图像生成与编辑 | 成品级营销素材、精修商品图、对局部控制要求高的流程 | 编辑控制更强，生成时间更长 |
Flare 是多数应用的默认选择。官方称，它相比 GPT-Image-2 提供更高图像质量，同时延迟降低 50%。Sunburst 更适合一次错误修改就会带来较高返工成本的场景。
两款模型都接受文字与图片输入，并输出图片，可通过 Images API 或 Responses API 的图像生成工具调用。它们支持 low、medium、high、xhigh、max 和 auto 六档质量设置，也提供日期固定为 2026-09-08 的模型快照。
官方当前列出的 Token 单价相同：每百万文本输入 Token 为 5 美元、缓存文本输入为 1.25 美元；每百万图片输入 Token 为 8 美元、缓存图片输入为 2 美元、图片输出为 30 美元。不过，单价相同不代表一次任务的最终成本相同。生成时长、质量档位、输出尺寸、重试次数和实际 Token 消耗都会影响账单，官方现有 GPT Image 2 计算器也不能直接估算 2.5 的 Token 用量。
小团队应该先测哪些环节
对内容、电商和产品团队，最稳妥的评估方式是拿真实素材跑一轮连续编辑，而不是只比较一次生成的样张。
- 先测主体保真：上传常用人物、商品或品牌资产，在不同背景和风格中生成变体，检查关键外观是否稳定。
- 连续修改同一张图：依次更换局部文案、颜色和物件，记录第几轮开始出现构图漂移或细节退化。
- 拆分速度与精修任务：用 Flare 承担探索、批量初稿和低风险素材，再把高价值成片交给 Sunburst 测试。
- 计算可接受成片成本：不要只看 Token 单价，要把失败重试、人工复核、后期修图和等待时间一起计入。
如果团队正在做自动配图、商品场景图或营销素材 SaaS，Flare 的低延迟更容易改善交互体验。需要保持人物身份、商品外观和品牌构图的业务，则应把 Sunburst 与现有人工修图流程放在一起比较。
仍需人工把关的边界
OpenAI 表示，Images 2.5 延续提示词与生成图片检查，并使用 C2PA 元数据和隐形水印帮助识别 AI 生成内容。这些机制不能替代发布前的版权、肖像、商品信息和品牌规范审核。
官方展示和早期客户评价说明了模型的目标方向，但还不足以证明它在所有语言、字体、商品细节和长轮次编辑中都能稳定达到成片标准。对外发布的广告、包装、价格信息和人物素材仍应逐项检查。
短期内最值得观察的是两件事：实际任务中的单张成片成本，以及多轮编辑在真实品牌资产上的稳定性。Images 2.5 已经把生成、草图和局部修改串得更紧，能否减少返工，要由团队自己的素材和验收标准来回答。
