1. OPEN AI
MeWai
  • 返回首页
  • 厂商速查
  • OPEN AI
    • GPT-6 Astra 模型介绍
    • GPT-6 Luna 模型介绍
    • GPT-6.1 Sol 模型介绍
    • GPT-Image-2.5 系列模型介绍（Flare / Sunburst）
    • GPT-6.1 Terra 模型介绍
  • Anthropic
    • Anthropic
    • Claude Haiku 5.5 模型介绍
    • Claude Fable 5.1 模型介绍
    • Claude Sonnet 5.5 模型介绍
    • Claude Opus 5.5 模型介绍
  • Google
    • Gemini 3.8 Flash TTS 模型介绍
    • Gemini Nano Banana 2.1 模型介绍
    • Gemini 3.8 Flash 模型介绍
    • Gemini 4 Argon 模型介绍
  • DeepSeek
    • DeepSeek V4.1 Flash 模型介绍
    • deepseek-v4-1-flash-1017-模型介绍
  • Qwen
    • Qwen3.8-Flash 模型介绍
    • Qwen3.8-Max-0902 模型介绍
    • Qwen3.8-Omni-Flash 模型介绍
    • Qwen3.8-Omni-Flash-Realtime 模型介绍
  • Minimax
    • MiniMax H3 模型介绍
    • minimax-m3-1-flash-模型介绍
  • Moonshot
    • Kimi K3.1 Pro 模型介绍
  • ChatGLM
    • GLM-5.3 与 GLM-5.3-Flash 模型介绍
  • XiaomiMiMo
    • MiMo-V2.6 系列模型介绍（Pro / Flash）
  • 腾讯
    • Hy4 preview 模型介绍
  • xAI
    • Grok Imagine Video 1.5 Lite 模型介绍
    • Grok 4.7 模型介绍
  • TypeSafe
    • jev-1-14-0-模型介绍
  • Vidu
    • viduq4-preview-模型介绍
  • PixVerse
    • PixVerse V6 Max 模型介绍
  • Kling
    • Kling 4.0（kling-video-v4）模型介绍
  1. OPEN AI

GPT-Image-2.5 系列模型介绍（Flare / Sunburst）

一句话定位：OpenAI 在 2026 年 9 月 8 日发布的图像模型——Flare 是速度优先的默认选择（比 GPT-Image-2 延迟低 50%），Sunburst 是精度优先的精品档（生成时间更长），两者 token 单价完全相同；而这次发布最该知道的不是「快了什么」，是质量档位被暗中下移了两格——不改 quality 参数直接换模型名，输出预算会静默砍掉 3.8 倍。
整理日期：2026-10-03 ｜ 资料来源见文末
项目FlareSunburst
模型 IDgpt-image-2.5-flaregpt-image-2.5-sunburst
固定快照—gpt-image-2.5-sunburst-2026-09-08
官方定位「the default choice for most applications」，速度与吞吐「built for premium visual workflows that benefit from tighter control across edits」
相对 gpt-image-2质量更高，延迟低 50%精度更高，生成时间更长
模型 size tagSmallBase
最大分辨率3840×2160（4K）3840×2160（4K）
输出格式PNG / JPEG / WebP同
透明背景✅（PNG alpha 通道）同
溯源C2PA + SynthID同
定价文本输入 $5 / 图像输入 $8 / 图像输出 $30（每百万 tokens，两模型相同）同
安全：安全生成 / 不安全被拦截 / 不安全被呈现79.4% / 19.2% / 1.41%77.0% / 21.9% / 1.09%

关于 -c 后缀（这一点必须先说清）#

gpt-image-2.5-flare-c 和 gpt-image-2.5-sunburst-c 不是 OpenAI 官方模型 ID。
经核实：这两个 ID 是珂艾网关自家的按张计费 SKU，走网关的 Gpt-Image-1/2/3 分组，固定单张价、支持 1k/2k/4k 分辨率、可同时返回 url 与 base64。而不带 -c 的 Flare / Sunburst 是官方按 token 计费的模型，走 Openai-Gpt-* / Azure-Gpt-* 分组。
⚠️ 本篇在文末「在珂艾网关怎么调」一节会给出两条路径的完整对比。

一、官方上线介绍#

1.1 规模与核心改进#

「Every week, people create more than 3 billion images across ChatGPT Images and the GPT-Image models in the API.」
官方列出的五项核心改进：
1.
更自然的光照与更丰富的纹理（more natural lighting and richer textures）
2.
主体保持：参考照片中的人物、宠物在编辑后保持一致性
3.
精准编辑：只改你要求的那一处，其余细节保持不变——「即使主体和背景很复杂」
4.
多轮编辑一致性：连续多轮编辑时，先前的改动更可能保持一致，每次新编辑都建立在已有工作上而不降质
5.
生成延迟降低最多 50%（相比 Images 2.0）

1.2 ChatGPT 侧的新功能#

功能说明
Sketch在 ChatGPT 里直接画草图作为参考（输入 @Sketch 启动）。官方举例：画出房间布局、服装轮廓、一个潦草的涂鸦，ChatGPT 把它变成完整图像。你不需要会画画。
Templates海报、周边（Merch）、传单、产品照片等常用格式的模板，加文字和设计元素即可个性化
图片评论直接在图上放评论做局部编辑（「把这里改深一点」「这个改成蓝色」），不用重新描述整个场景
分享 prompt分享图片时可带上 prompt，别人用自己的图片和细节复现你的想法

1.3 官方定价与一个诚实的缺口#

项目单价（每 1M tokens）
文本输入$5.00
文本输入（缓存）$1.25
图像输入$8.00
图像输入（缓存）$2.00
图像输出$30.00
⚠️ 官方主动承认的缺口（很多教程会漏掉）：
「Token rates match GPT Image 2. The GPT Image 2 calculator does not estimate GPT Image 2.5 token consumption.」
同时警告：「token consumption can differ by model and quality setting」
即：同为 $30/1M，Sunburst@max 可能比 Flare@high 贵。 官方旧的 gpt-image-2 计算器对 2.5 无效。

1.4 质量档位新增 xhigh 和 max#

low / medium / high / xhigh（新）/ max（新）/ auto
质量上限的官方说法：「higher than GPT Image 2」；Flare 是「comparable to or better than GPT Image 2」。

1.5 开发者侧的兼容性#

完全向后兼容 gpt-image-2：改模型名即可，API 端点不变，gpt-image-2 仍可用
支持任意 16 的倍数分辨率，宽高比 1:3 到 3:1
新的 opaque 背景选项
完全不接受 thinking 参数（gpt-image-2 指南里有，2.5 文档完全不提）
未列出 rate limit tiers、Batch API 支持（定价页 Batch tab 只列 gpt-image-2）
Adobe Firefly 已集成 Flare 和 Sunburst——首次 OpenAI 图像模型进入 Firefly 平台
支持 Responses API 的 image-generation tool

1.6 官方客户背书#

客户原话
Higgsfield AI「What impressed us most about GPT-Image-2.5 Flare is how well it understands what not to change. You can make a meaningful edit without losing the character, composition or visual identity of the original image.」
Adobe模型已在 Adobe Firefly 上线，「bringing faster generation and resolution consistency that keep images sharp and photorealistic through every refinement.」
Manus「Flare delivers high-quality images at two to four times the speed of GPT-Image-2.」
Runway「With its low latency and outstanding quality, GPT-Image-2.5 is making it easier than ever to go from initial idea to finished image.」

1.7 第三方独立评测：LMArena（截至 2026-09-07）#

文生图 Arena（Elo）：
排名模型Elo
1gpt-image-2.5-sunburst1421 ± 13
2gpt-image-2.5-flare1399 ± 13
3gpt-image-2 (medium)1381
4Microsoft mai-image-2.61331
5Nano Banana 21261
图像编辑 Arena：顺序相同但 Sunburst 领先更大——1520 / 1491 / 1461。
多图编辑 Arena：Sunburst 比 gpt-image-2 领先 81 分。
⚠️ 注意这个榜单的解读方式：Sunburst 对 Flare 领先 22 分，但 Flare 对 gpt-image-2 只领先 18 分——即 Sunburst 的质量优势是真的，Flare 相对前代的质量提升是小的（有争议的）。

二、🔴 最该知道的一件事：质量档位被「暗中下移」两格#

这是本次发布最有杀伤力的隐藏坑，由独立评测机构 tosea.ai 用 41 次官方 API 调用测出，官方公告完全没提。

2.1 实测数据#

方法论透明：用自家生产工作流形状（结构化大纲 → 16:9 成品 PPT，附品牌模板参考图），2048×1152 主矩阵，3840×2160 做 4K 对比。41 次调用，0 失败，无重试，成本按响应 usage 块实算。
qualitygpt-image-2 输出 tokensgpt-image-2.5 输出 tokens
low157157
medium1,413367 ⚠️
high5,6501,413 ⚠️
xhigh报错2,511
max报错5,650
结论：
「GPT Image 2.5's high spends what gpt-image-2's medium spent. Its max spends what gpt-image-2's high spent.」

2.2 为什么这是个陷阱#

只换模型名不改 quality，输出预算静默砍掉 3.8 倍。 账单降一半看着像省钱，但构图变简单只体现在图里、不体现在任何仪表盘上。
等保真度的正确档位映射：
原来（gpt-image-2）换成（gpt-image-2.5）
mediumhigh
highmax
⚠️ 本篇所有「质量对比」的结论，都建立在你已经做了这个映射的前提上。

2.3 延迟实测（等 token 同价对比，唯一变量是时间）#

模型quality输出 tokens平均延迟每张成本
gpt-image-2medium1,41337.3 s$0.059
gpt-image-2.5-sunbursthigh1,41327.7 s（快 26%）$0.059
gpt-image-2.5-flarehigh1,41319.7 s（快 47%）$0.059
「Flare is 47% faster than gpt-image-2 at an identical token bill; sunburst is 26% faster. That lands almost exactly on OpenAI's '50% lower latency' claim for flare, which is a rarer outcome than it should be for launch-day marketing numbers.」
4K 场景：gpt-image-2@high 需 92.4 s / $0.42；2.5 两款@high 只需 27.8–33.8 s / $0.12（但按修正后的档位这是「降档」而非等价对比）。
延迟抖动也更小：flare 17.7–22.3 s，sunburst 27.1–28.9 s，gpt-image-2 为 35.2–39.2 s。

2.4 ⚠️ auto 不安全#

「sunburst and flare landed on the 1,413-token rung four times out of five, but one flare call came back at 628 output tokens — a value we never saw from any explicit setting.」
需要成本可预测性就显式指定 quality。

2.5 20 页 PPT 的成本实算（2048×1152，每页 3 张参考图）#

配置每页20 页
gpt-image-2 medium / 2.5 high（等保真）$0.064$1.27
2.5 medium（降一档）$0.032$0.64
gpt-image-2 high / 2.5 max（等保真）~$0.19$3.81
📌 所有节省来自「档位重命名」，不来自价目表。

三、KOL / 开发者实测感受#

3.1 Curious Refuge — 缺陷类型最具体的专业评测#

四项独立测试（对照 gpt-image-2、Nano Banana 2 / Pro、Seedream 5.0）：
✅ 强项
1.
指令的字面理解：「wine glass filled to the brim」、时钟显示 4:37 都正确——这是图像模型的经典失败点（扩散模型倾向画成「美学正确」的 10:10、杯子不满）。原理是它「reason through a prompt's literal instructions」。
2.
产品替换：「The result was remarkably convincing... It even introduced natural wrinkles and imperfections that made the replacement feel physically present in the photograph.」
3.
风格/色彩还原：比 Nano Banana Pro 更贴合参考的色彩处理。
🔴 四项明确缺陷
1.
「Nano Banana Pro Still Wins for Photorealism」——放大后脸部和细节出现人工分形状纹理（artificial fractal-like texture），皮肤过度锐化，眉毛等小细节「开始感觉合成」。
2.
角色三视图是取舍：GPT Image 2.5 更懂「角色设定表」这个请求、组织信息更好，但即使 4K 输出脸部仍有塑料感；Nano Banana Pro 的设定表更简单，但表情和面部细节更真实。
3.
「Repeated Edits Degrade the Image」——连续 4 次编辑后，图像逐步变得更锐利、更饱和、更人工。建议只做 1–2 次定向编辑，改动多就回退到早期干净版本。
4.
平面设计仍需清理：「For concepting, it's impressive. For a finished professional design, we'd still bring the result into traditional design software and clean up the typography manually.」

3.2 Futurepedia（YouTube）— 大范围压力测试#

「I think this is the best image model right now for a lot of real-world use cases. But, it still has some surprisingly frustrating weaknesses.」
🔴 最有价值的失败案例（作者自己强调「最强的证据来自反复失败」）：
局部文字修改会波及无关排版：修一个小错字，会连带改变字体、字间距甚至其他内容
复杂地图箭头位置放错
重复纹理仍产生 artifacts
时钟仍不精确
模型会插入不请自来的文字
帧序列和密集标注图会累积 artifacts 或布局漂移
✅ 强项：密集文字与信息图明显进步（美国革命主题海报「信息量比 GPT Image 2 和 Nano Banana 都多」）；角色表情、风格迁移、缩略图一致性良好。
🔵 独家发现：ChatGPT 产品层能做 API 做不到的事——ChatGPT 会先检索资料再构图，所以科技信息图、车辆配置对比、新闻仪表盘的「新鲜度和密度」高于直接 API 调用。
对比结论：GPT Image 2.5 > Nano Banana 2（一致性更强），但不及 Nano Banana Pro（纯美学「好看的氛围图」）。

3.3 @matthieu_ai（X）— 社区流传最广的速度对照#

同 prompt、同参数单次实测：
Flare 17.42 s
Sunburst 35.13 s
GPT Image 2 耗时 1 分 14 秒
⚠️ 注意这是单次测试，不是 SLA。

3.4 Hacker News 用户 jjcm — 唯一带真实生产规模的延迟数据#

在 gpt-image-2 上生成约 50,000 张图的 AI UI 设计工具，平均延迟维持在 ~104 秒；2.5 上是 ~35–40 秒。
一个工作负载，但降幅比官方「50%」headline 更大（官方 50% 是「up to」上限）。

3.5 其他 X 实测#

@marcusyul：旋转对比测试中，2.5 在不同角度保留了同一产品的细节，而前代模型会把产品变形。
@thefinnmckenty：两款变体都成功处理了测试中「几乎所有」风格迁移，Flare 在该对比中略优，且未遇到前代模型「斑点点纹理（spotty texture）」问题。
@Angaisb_（最有价值的反面）：重跑去年的 demo——GPT Image 2.5 仍然不擅长像素艺术（pixel art），「仍在出 crappy pixel art」，而 Google Nano Banana Pro 在这个任务上几乎完美，「说明这不是不可逾越的难度」，反问「OpenAI 什么时候修」。

3.6 中文社区（虎嗅 / 华人人社区汇总）#

✅ 社区认可的改进
人物表情没那么僵、皮肤质感更自然；透视/反射/构图更合理
同 prompt 做漫画：2.5 分镜更活、角色表情更夸张、镜头远近和场景细节会跟着剧情变化；Image 2「更像把一组漂亮插画拼在一起」
Charlie Guo 用 Image 2.5 连续生成画面串成定格动画，帖子浏览量破万并被 OpenAI 员工转发；还有人从草图生成连续动作序列帧拼成 GIF
Konstantine 测试 Sunburst 透明背景能力，认为输出「已足够用于游戏道具、UI 图标和商品素材」
🎮 游戏素材用户的原声（本节最有价值的一条）：
「Image 2 最大的问题之一就是连续编辑两三次之后，图片往往已经劣化到不能用了，实际工作时基本等于必须第一轮就抽中满意结果。」
换到 2.5 后，他的评价是 「Big improvement」——「反复修改造成的画质衰减明显少了」。他还说「原以为自己可以放弃使用 Gemini 了」。
🔴 其他中文吐槽
AI 商品摄影用户：若要求严格还原产品本身，Nano Banana 2 和 Pro 目前依然更可靠
同一位游戏用户：「ChatGPT 和 Grok 中的过多微细节处理实在太过激进了」
「复杂指令偶尔还是会被模型『理解成另一个意思』」
手部偶尔还是会画坏
Image 2 时代就被吐槽的棋盘格/高频噪声没有彻底消失；部分画面仍会出现颗粒、像素化或过度锐化

3.7 Hacker News 的细节观察（针对官方 showcase）#

有人逐张检查官方发布页的示例图，发现：手指数量错误/怪异、不自然的手臂、狗的影子在体积变化后完全没变、牙齿扭曲。
持续存在的问题：「noise gradients」、米白/黄色偏色、皮肤「fried」（过度加工）感。另有人反馈编辑时细节丢失比竞品（Nano Banana、Flux）更严重，尤其在需要保持几何一致的编辑上。
HN 的主导看法：「much faster than gpt-image-2 but the quality isn't much different」。

四、核心优势#

1.
速度是确定的、显著的：Flare 实测比 gpt-image-2 快 47%（官方称 50%），生产环境实测从 104 秒降到 35–40 秒。延迟抖动也更小。
2.
Sunburst 的编辑精度是真实的领先：LMArena 编辑榜 1520 vs Flare 1499 vs gpt-image-2 1461；多图编辑领先 gpt-image-2 达 81 分。这是「改一处不动其他」这件事做得最好的一档。
3.
主体保持明显改善：参考照片中的人物、宠物在换场景、换风格、换构图后仍可辨认。Higgsfield 的评价「understands what not to change」精准命中了这个改进。
4.
指令的字面理解能力强：「杯子装到杯口」「时钟显示 4:37」这类经典失败点它能做对——这对电商规格图、UI 稿、信息图是刚需。
5.
4K + 透明背景 + 任意尺寸：3840×2160、PNG alpha 通道、16 的倍数分辨率、1:3 到 3:1 宽高比。
6.
质量档位更细：新增 xhigh 和 max，等保真映射后 max 相当于 gpt-image-2 的 high，而 high 档比前代 high 便宜约 4 倍。
7.
双溯源满足企业合规：C2PA 元数据 + Google DeepMind 的 SynthID 隐形水印，且两模型呈现的不安全内容都低于 2.0 基线（1.41% / 1.09% vs 1.64%），同时拦截更少。
8.
生态成熟：完全向后兼容 gpt-image-2、已进入 Adobe Firefly、支持 Images API 与 Responses API。
9.
ChatGPT 层的检索增强是 API 没有的——做科技信息图、配置对比、新闻仪表盘时，ChatGPT 里的新鲜度和密度更高。

五、适合用在哪#

选 Flare：社交内容、快速原型、日常产品图、视觉搜索、批量生成、风格迁移探索、实时对话式出图。
选 Sunburst：成品级营销素材、商业摄影、品牌视觉、需多轮精修的场景、复杂产品细节的精确编辑、角色三视图。
两个都行：4K 输出、透明背景素材、UI 图标、游戏道具、电商主图、漫画分镜。
Kanaries 官方文档给的选型表很实用：
你的任务起步选择要检查什么
探索几个视觉方向Flare构图是否回答了 brief
做日常社交或产品图草稿Flare文字、物体形状、变体之间的一致性
精修一张已选定的活动图Sunburst局部修改是否保住了已通过的部分
编辑细致的产品摄影Sunburst标签几何、纹理、边缘、非预期变化

六、劣势与注意事项#

1.
🔴 质量档位「暗中下移」两格（最重要的坑）：只改模型名不改 quality → 输出预算砍 3.8 倍，账单降一半看着像省钱，但构图变简单只体现在图里。正确映射：medium→high、high→max。
2.
🔴 速度提升确定，质量提升有争议：HN 主导看法是「much faster but the quality isn't much different」。Arena 数据显示 Sunburst 对 Flare 领先 22 分，但 Flare 对 gpt-image-2 只领先 18 分。
3.
⚠️ 多轮编辑的衰减是「缓解了」还是「变慢了」？三条证据并存：
中文游戏用户：衰减「明显少了」✅
Curious Refuge 做 4 连击测试：结论仍是「With every edit, the image became slightly sharper, more saturated, and more artificial」✅
HN 仍有人说编辑丢细节比竞品严重
→ 实用结论：只做 1–2 次定向编辑，改动多就回退到早期干净版本。
4.
🔴 auto 不可预测：1/5 概率落到从未在任何显式档位出现过的 628 output tokens。需要成本可预测性就显式指定 quality。
5.
🔴 写实和像素艺术上仍输 Nano Banana Pro：人工分形状纹理、皮肤过度锐化、脸部塑料感；像素艺术差距尤其刺眼，因为有近乎完美的对照。
6.
🔴 局部文字修改会波及无关排版：修一个小错字会连带改变字体、字间距甚至其他内容。时钟仍不精确，重复纹理仍产生 artifacts。
7.
⚠️ 平面设计需二次清理：「For a finished professional design, we'd still bring the result into traditional design software and clean up the typography manually.」
8.
⚠️ 官方文档缺口：
GPT Image 2 的计算器对 2.5 无效（官方明确说）
无 rate limit tiers（gpt-image-2 是 Tier 1 = 5 img/min、Tier 5 = 250 img/min）
Batch API 支持未确认（定价页 Batch tab 只列 gpt-image-2）——依赖 Batch 折扣的话 gpt-image-2 仍是唯一有文档的路径
完全不接受 thinking 参数（gpt-image-2 指南里有，2.5 完全不提）——不要假设它被接受或生效
ChatGPT 内默认跑哪个变体未明确（有推测是 Flare，但注明是推测）
ChatGPT 内输出分辨率偏低：实测约 1672×941（低于 1080p），超出「随手玩」的需求都得先放大
9.
⚠️ 成本不可预估：同样 $30/1M，Sunburst@max 可能比 Flare@high 贵，因为 token 消耗因模型和档位而异。官方没有给出 2.5 的单图成本估算工具。
10.
⚠️ 手部、影子、牙齿仍是常见瑕疵（官方 showcase 里就有）。
11.
⚠️ 审查对特定场景（战斗、枪械）仍然是问题。
12.
⚠️ 有人仍认为定价偏高，宁可用本地模型（SD 系、Fooocus、专门的 sprite 模型）换「够用」。

七、推荐总结#

推荐给谁
你的情况建议
日常出图、社交内容、快速原型✅ Flare，且是官方「默认选择」
成品级营销素材、需多轮精修✅ Sunburst，LMArena 编辑榜领先是硬证据
需要 4K / 透明背景 / 特定尺寸✅ 两个都支持
电商规格图、UI 稿、信息图✅ 指令字面理解能力强（时钟、杯口这类经典失败点能做对）
追求极致写实人像⚠️ Nano Banana Pro 仍更强（皮肤纹理、脸部细节）
做像素艺术❌ 明显不如 Nano Banana Pro
需要「改一处不动其他」✅ Sunburst，这是它的核心卖点
多轮精修（超过 3 轮）⚠️ 每轮都有衰减风险，建议分叉保存
需要精确成本核算⚠️ 必须显式指定 quality，禁用 auto；官方无 2.5 成本计算器
依赖 Batch API 折扣❌ 2.5 的 Batch 支持未确认，gpt-image-2 仍是唯一有文档的路径
企业合规采购✅ 双溯源（C2PA + SynthID）满足要求
结论
GPT-Image-2.5 是一次以速度为主角、质量为配角的发布。
确定的是速度：Flare 实测快 47%，几乎精准命中官方「50% lower latency」的宣称；50,000 张图的生产环境实测从 104 秒降到 35–40 秒；延迟抖动也更小。这在批量出图的工作流里是实打实的效率提升。
有争议的是质量：Sunburst 相对 Flare 领先 22 分（Arena 编辑榜 1520 vs 1499）是真优势，但 Flare 相对 gpt-image-2 只领先 18 分；HN 的主导观感是「much faster but the quality isn't much different」；而写实和像素艺术上，Nano Banana Pro 仍然赢——有近乎完美的对照，不是不可逾越的难度。
最该知道的是那个隐藏坑：质量档位被暗中下移了两格。high 花的是前代 medium 的 token 预算，max 花的是前代 high 的。这意味着任何「2.5 更便宜」的结论都来自档位重命名，不是价目表变化。迁移时不改 quality 参数，你会得到一张构图更简单的图和一份降了一半的账单，而仪表盘上什么都看不出来。
一句话建议：Flare 当默认，Sunburst 当 finals，但都要显式指定 quality 并且做档位映射。 具体来说：探索和批量出图用 Flare，成品和精修用 Sunburst；迁移时按 medium→high、high→max 重新映射；禁用 auto；把每一版都单独保存（因为多轮编辑必然衰减）；做最终平面设计前仍要进传统设计软件清一遍字体。
在珂艾网关怎么调（两条路径对比）
非 -c（官方 token 计费）-c（网关按张计费）
模型 IDgpt-image-2.5-flare / gpt-image-2.5-sunburstgpt-image-2.5-flare-c / gpt-image-2.5-sunburst-c
计费方式按量（token）按次（按张）
固定单张价按 token 消耗，官方估算 1024×1024 约 $0.006（low）～ $0.211（max）$0.0147 / 张起（Gpt-Image-1；Gpt-Image-2 $0.0184、Gpt-Image-3 $0.0276）
分辨率任意 16 倍数，1:3–3:1，最高 4K1k 为主；Gpt-Image-2/3 分组支持 1k / 2k / 4k
返回base64 等同时支持 url 和 base64
分组Openai-Gpt-1/2、Azure-Gpt-4/5Gpt-Image-1/2/3
适合需要精确控制质量档、成本随复杂度变化需要可预测单张成本、批量出图、要在业务里传 url
⚠️ -c 路径是珂艾网关的打包 SKU，好处是单张成本固定可预测、支持 url 返回（便于业务系统直接引用）；非 -c 走官方 token 计费，适合需要精细控制质量档位和分辨率的生产流程。价格会随官方调整变动，实际单价以珂艾价格页为准。

八、来源#

官方
1.
OpenAI — Introducing ChatGPT Images 2.5（发布页、四家客户引述、3B 图/周、Sketch/Templates/评论编辑）：https://openai.com/index/introducing-chatgpt-images-2-5/
2.
OpenAI 开发者社区 — GPT Images 2.5 in the API and ChatGPT（质量档 xhigh/max、更多尺寸、opaque 背景）：https://community.openai.com/t/introducing-gpt-images-2-5-in-the-api-and-chatgpt/1395897
3.
USA Today 媒体稿 — 双模型技术规格表、4K、透明背景、C2PA+SynthID、Adobe Firefly 集成：https://www.usatoday.com/press-release/story/43017/gpt-image-2-5-launches-openai-introduces-flare-and-sunburst-dual-model-ai-image-generation-with-sketch-tool-multi-turn-editing-and-4k-output
4.
The New Stack — 速度与成本的对比困境（token 同价不等于账单相同）：https://thenewstack.io/gpt-images-2-5-sunburst-flare/
第三方评测（重要）
5. tosea.ai — 41 次官方 API 独立实测：质量档位下移、延迟、token、20 页 PPT 成本：https://tosea.ai/blog/gpt-image-2-5-complete-guide
6. Curious Refuge — 四项专业测试与四条明确缺陷（分形纹理 / 塑料脸 / 编辑衰减 / 字体清理）：https://curiousrefuge.com/blog/open-ai-gpt-image-model-review
7. TechPillow — Arena Elo（含 ±13）与四变体对比汇总：https://www.techpillow.co/blog/openai-gpt-image-2-5-sunburst-flare-ai-image-generation
8. gptunnel — Arena Elo、Manus 2–4x；并说明 gpt-image-2.5-codex 是第三方平台 GPTunneL 的自建 SKU，不是 OpenAI 官方 ID：https://www.gptunnel.ru/en/blog/gpt-image-2-5-news
9. EvolvedLink — 选型方法论：https://evolink.ai/zh/blog/gpt-image-2-5-flare-vs-sunburst
10. ApiDog — 文档缺口（rate limit / Batch / thinking 参数缺失；官方 calculator 不覆盖 2.5）：https://apidog.com/blog/gpt-image-2-5-api/
11. aicatchup — 官方定价与 quality 档位转录：https://aicatchup.com/news/openai-chatgpt-images-2-5-gpt-image-2-5
12. UseFastLane — 规格表、rate limit 对比、ChatGPT 内约 1672×941：https://www.usefastlane.ai/models/gpt-image-2-5
13. MindStudio — ChatGPT 默认跑 Flare 的推测、ChatGPT 内分辨率偏低：https://www.mindstudio.ai/blog/gpt-image-25-pricing-access
14. Miramuse — 大量具名 X 用户评价（含负面）、17.42s/35.13s 对照：https://miramuseai.net/zh-CN/blog/gpt-image-2-5-review-brand
15. BestBlogs / Futurepedia — 大范围压力测试总结；ChatGPT 层检索增强独家发现：https://www.bestblogs.dev/en/video/4f3c5288c
16. HN Distilled — HN 全帖蒸馏（手指/影子/牙齿、noise gradient、AI slop、jjcm 5万张延迟）：https://hndistilled.com/story/49614720
17. ApiDog（系统卡片）— 安全三率数据（77.0%/21.9%/1.09% 与 79.4%/19.2%/1.41%）：https://apidog.com/pt/blog/what-is-chatgpt-images-2-5
18. PoloAPI — Flare/Sunburst 1.85–1.9x 速度差；多图编辑 Sunburst +81 分：https://poloapi.com/poloapi-blog.html?slug=How-to-choose-GPT-Images-2.5-dual-API
19. MeetCody — 官方示例说明、$0.006–$0.211 单图估算：https://www.meetcody.ai/blog/chatgpt-image-25-pricing-examples
20. Kanaries Docs — 官方文档式使用指南与选型表：https://docs.kanaries.net/articles/gpt-image-2-5
中文社区
21. 虎嗅 — 中文社区汇总，含游戏素材用户「Big improvement」原声、Charlie Guo 定格动画案例：https://www.huxiu.com/article/4889685.html
22. 华人人社区 — 同上另一版本，含 Charlie Guo / Konstantine 案例：https://news.huaren.us/topic/5ebe50356749552c6e4a
说明：价格、基准多为厂商自报或第三方独立测算（已逐条标注）；模型迭代快，最终以官方页面与网关实时价格为准。
修改于 2026-11-02 15:20:07
上一页
GPT-6.1 Sol 模型介绍
下一页
GPT-6.1 Terra 模型介绍
Built with