GPT Image 2.5 正式发布：Sunburst 与 Flare 双模型详解与 API 使用指南（2026）

本文依据 OpenAI 官方模型文档 与 图像生成指南整理，API 名称、价格和限额请以官方页面实时信息为准。

GPT Image 2.5 不是一个单独的模型 ID，而是一组面向不同工作流的图像生成模型：Sunburst 侧重精确编辑，Flare 侧重快速的日常生成。两者都能接收文字和图片输入、输出图片，并支持生成、编辑和局部重绘（inpainting）。如果你需要国内接入、账号与合规建议，请参阅 GPT Image 2.5 国内使用指南。

一、GPT Image 2.5 Sunburst 与 Flare 怎么选

模型官方定位更适合模型 ID
Sunburst编辑精度优先商品换背景、局部修改、参考图保持gpt-image-2.5-sunburst
Flare高质量日常生成速度优先社媒配图、草图探索、批量内容gpt-image-2.5-flare

如果任务包含“保持原图人物/产品不变，只修改某个区域”等要求，优先从 Sunburst 开始；需要快速试几十个创意方向时，先用 Flare，再用 Sunburst 做最终编辑。

二、核心能力

1. 文字与图片双输入

两个模型均支持文字提示词和参考图片。可以从零生成，也可以把已有照片、草图或设计稿作为输入进行编辑。Sunburst 和 Flare 都支持 low、medium、high、xhigh、max、auto 质量档位。

2. 生成与编辑使用同一套接口

Image API 提供 generations（从文字生成）和 edits（修改已有图片）两个端点；Responses API 则适合做带上下文的多轮图像对话。官方建议：单次、无上下文任务用 Image API；需要连续修改、保留对话状态时使用 Responses API。

3. 多轮编辑

Responses API 的图像生成工具可以在多轮对话中继续编辑上一张图，例如先生成电商主图，再依次要求“换成白色背景”“把按钮文字改为中文”“保留产品角度不变”。action 可设为 generate、edit 或 auto。

4. 灵活输出

可以按任务调整尺寸、质量、格式和压缩参数。高质量和更大的尺寸会消耗更多图像输出 token，生产环境应根据最终展示尺寸设置参数，而不是一律使用最高档。

三、OpenAI 官方案例与对应提示词

以下图片均下载自 OpenAI 官方 GPT Image 2.5 提示词指南，相同案例使用相同提示词和参数，方便直接比较 Flare 与 Sunburst。生成结果具有随机性，再次调用不保证得到完全相同的图片。

案例 1：写实人物摄影

生成参数：size="1024x1536"，quality="medium"。

官方原始提示词：

Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.
He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.
He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens.
Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance.
The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.

GPT Image 2.5 Flare：

GPT Image 2.5 Flare 官方写实摄影案例：老水手在渔船上整理渔网

GPT Image 2.5 Sunburst：

GPT Image 2.5 Sunburst 官方写实摄影案例：老水手在渔船上整理渔网

这组提示词的关键是同时写清主体、动作、镜头、光线、材质和排除项，而不是只写“电影感老人肖像”。

案例 2：广告中的精确文字

生成参数：size="1024x1536"，quality="medium"。

官方原始提示词：

Give me a cool in culture ad / fashion shot for a brand called Thread.
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.

GPT Image 2.5 Flare：

GPT Image 2.5 Flare 官方 Thread 街头服饰广告案例

GPT Image 2.5 Sunburst：

GPT Image 2.5 Sunburst 官方 Thread 街头服饰广告案例

需要准确文案时，应把原文放进引号，并明确出现次数、位置要求以及“不要额外文字”。即便如此，商用发布前仍需人工校对。

案例 3：科普信息图

生成参数：size="1536x1024"，quality="high"。

官方原始提示词：

Create a simple biology diagram titled "Cellular Respiration at a Glance" for high school students.

Show how glucose turns into energy inside a cell. Include glycolysis, the Krebs cycle, and the electron transport chain.
Use arrows to connect the steps, and label the main molecules: glucose, pyruvate, ATP, NADH, FADH2, CO2, O2, and H2O.
Make it look like a clean classroom handout or slide, with a white background, simple icons, clear labels, and easy-to-read text.

Avoid tiny text, extra decoration, or anything that makes the diagram hard to understand.

GPT Image 2.5 Flare：

GPT Image 2.5 Flare 官方细胞呼吸科普信息图

GPT Image 2.5 Sunburst：

GPT Image 2.5 Sunburst 官方细胞呼吸科普信息图

信息图提示词需要明确受众、教学目标、流程节点、必需标签和禁止项。模型可以完成视觉草稿，但科学关系与标签仍应由领域人员审核。

四、价格与成本估算

官方指南列出的 GPT Image 2.5 token 费率为：图像输入每百万 token $8，缓存图像输入 $2，图像输出 $30；文字输入每百万 token $5，缓存文字输入 $1.25。Responses API 还会叠加顶层主模型本身的 token 费用。

实际单张成本取决于提示词长度、参考图数量、尺寸和质量，不能只看“每张图”估算。上线前建议记录响应中的 usage，按真实请求建立成本表。官方也提示，GPT Image 2.5 的 token 消耗可能与 GPT Image 2 不同，旧版计算器不应直接套用。

五、最小调用示例

下面示例使用 Image API 生成图片，返回值中的 b64_json 可保存为 PNG：

from openai import OpenAI
import base64

client = OpenAI()
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="一张简洁的中文咖啡店开业海报，留出标题区域，红黑配色",
    quality="medium",
    size="1024x1024",
)

with open("coffee.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

编辑任务把模型换成 gpt-image-2.5-sunburst，并调用 images.edit 上传原图；需要连续对话时，改用 Responses API 的 image_generation 工具。

六、上线前的工程检查

  1. 将 API key 放在服务端环境变量中，不要写进前端代码或提交到 Git。
  2. 为图片请求设置超时、重试和并发上限；限流错误需要退避，配额错误不能盲目重试。
  3. 记录 request ID、模型 ID、质量、尺寸和 usage，便于排查成本与质量问题。
  4. 处理 moderation_blocked 等安全错误，向用户返回可理解的提示，不要暴露内部分类细节。
  5. 对生成内容做人工或业务审核，尤其是广告、人物肖像、商标和新闻素材。

七、常见问题

GPT Image 2.5 的 Sunburst 和 Flare 有什么区别？ Sunburst 优先保证参考图一致性和局部编辑精度；Flare 更适合快速生成、灵感探索和批量草图。两者的准确参数与可用性以官方模型页为准。

GPT Image 2.5 支持图片编辑吗？ 支持。可以通过 Image API 的 edits 端点修改参考图，也可以在 Responses API 中使用 image_generation 工具进行多轮编辑。

应该选什么质量档位？ 先用 low 或 medium 验证构图，确认提示词后再提高质量和尺寸；生产环境应结合响应 usage 计算实际成本。

八、结论

GPT Image 2.5 的重要变化是“按工作流分工”：Flare 负责快，Sunburst 负责准。普通创作者可以从 Flare 的 medium 质量开始探索；需要参考图一致性、局部编辑和可控交付的团队，应把 Sunburst 作为最终生产模型。模型 ID、价格和可用区域会持续更新，部署前请再次查看官方文档。