GPT Image 2.5 使用指南，Flare 与 Sunburst 怎么选

GPT Image 2.5 已经在 2026 年 9 月 8 日发布。普通用户在 ChatGPT 里接触到的是 ChatGPT Images 2.5，开发者在 API 里看到的则是 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst。新版本最值得关注的地方，是改图时更能保住人物、构图和产品细节，生成速度也更快。下面这份 GPT Image 2.5 使用指南会帮你选对入口和模型，再用一套可重复的提示词方法把返工压下来。

先把三个名字分清

ChatGPT Images 2.5 是面向普通用户的产品体验。OpenAI 已开始向 ChatGPT、ChatGPT Work 和 Codex 的各档用户推出，覆盖桌面端、移动端和网页端。你可以直接用自然语言生成图片，也可以借助 Sketch 画出大致位置，用模板启动海报或商品图任务，还能在图片上留下局部修改意见。

GPT Image 2.5 Flare 和 GPT Image 2.5 Sunburst 是给开发者调用的两个 API 模型。它们都能接收文字和图片，也都支持生成、编辑、透明背景和多轮工作流。ChatGPT 里的产品名与 API 模型名属于同一代能力，却不是一个需要普通用户手动选择的模型菜单。

这次升级解决的是返工成本

第一次生成一张好看的图只完成了一半。时间往往耗在第二轮，把背景换掉以后人物的脸也变了，调整一句标题以后版式重新洗牌，换一个商品颜色以后材质与阴影跟着漂移。

OpenAI 的发布说明把细节保留、编辑指令执行和多轮一致性列为主要改进。官方还称 ChatGPT Images 2.5 相比 Images 2.0 最多可降低 50% 的生成延迟。这个数字是发布方给出的整体结论，具体到你的任务仍要用同一批提示词和参考图测量。官方提示词指南也提醒，响应速度会受到提示词、参考图、尺寸和质量档位影响。

信息图和版式也是这次升级的重点。系统说明提到信息图准确度和布局有所改善，官方示例覆盖海报文字、流程图、界面预览和教学图。它让模型更接近一个能连续修改的视觉助手，但没有把事实核验、文字校对和像素级控制一起交给模型。

Flare 和 Sunburst 该怎么选

大多数新项目可以先用 GPT Image 2.5 Flare。它的定位是快速的日常高质量生成，适合社交媒体配图、商品场景草案、视觉搜索和批量产图。OpenAI 称它在高于 GPT-Image-2 图像质量的同时，延迟最多可降低 50%。如果你已经有一套 GPT-Image-2 工作流，而且质量本来就过关，Flare 是更合理的第一站。

GPT Image 2.5 Sunburst 更适合精细编辑、正式广告素材、成套商品图和人物一致性要求较高的任务。它生成得更慢，换来的是更高的画质上限和更紧的编辑控制。若 Flare 在脸部、产品轮廓、品牌元素或连续改图时达不到验收线，再把同一套输入交给 Sunburst 比较。

两个模型的标价口径相同。官方模型页列出的文字输入为每百万 token 5 美元，图片输入为 8 美元，图片输出为 30 美元。相同单价不等于每张图成本相同，因为模型、尺寸和质量设置会改变 token 消耗。最稳妥的选型办法，是记录每张验收通过图片的总成本，而不是只看一次调用的速度。

GPT Image 2.5 提示词要像一份制作单

有效提示词先交代成品，再补画面。写清要交付的是商品主图、竖版海报、课程插图还是应用界面，然后说明主体、构图、光线和质感。涉及文字时，把必须出现的文案完整写出，并说明出现次数。涉及改图时，把要改变的内容与必须保留的内容分别写清。

下面这段可以直接改成自己的商品图提示词。

制作一张 1536×1024 的横版咖啡机商品主图，用于品牌官网首屏。
保留参考图中机器的外形、旋钮位置、金属材质、Logo 比例和观察角度。
把环境改为清晨的浅色厨房，左侧窗光，台面只放一只白色咖啡杯。
画面右侧留出约三分之一的干净空间，供后续排版。
不要添加文字，不要改变机器颜色，不要增加参考图里没有的按钮。

这类提示词比堆叠风格词更容易检查。拿到结果后，只改一个变量。例如第一轮确定构图，第二轮只调整光线，第三轮再处理背景物件。每轮都重申必须保留的人物特征、产品结构或版式元素，避免一句“保持其他不变”承担全部约束。

三种常见任务的用法

做社交海报时，先给出画布比例、唯一文案、阅读顺序和留白位置。需要文字准确时，要求指定文案只出现一次，并在出图后逐字校对。Flare 适合快速找方向，定稿前再根据实际误字率决定是否切到 Sunburst。

做商品图时，参考图要分工清楚。分别标注主体和风格来自哪张图，再说明背景来源。先锁住产品轮廓、颜色、标签和拍摄角度，再换场景。需要透明底时，在 API 参数里明确设置透明背景并输出 PNG 或 WebP，下载后还要检查头发、玻璃、阴影和物体边缘的透明通道。

改人物照片时，先写要改的局部，再列出必须保留的脸部特征、姿态、服装、镜头位置和光线。ChatGPT Images 2.5 的图片评论功能能帮助指明修改区域，API 也支持蒙版。不过官方文档说明，蒙版只是提示，模型不保证严格贴合蒙版形状。需要像素级边界时，最后仍要进入传统图像编辑软件收尾。

把模型放进可验收的工作流

先保存一组真实任务作为基准，里面要有难改的人脸、准确文字、商品结构、透明素材和多轮编辑。随后固定提示词、参考图、尺寸与质量档位，用 Flare 和 Sunburst 跑同一批输入。既检查第一张图，也检查连续修改后有没有漂移。

质量过线以后再压速度和成本。逐项调整模型与质量设置，记录常见响应时间、慢请求、失败、重试次数和每张合格图片的成本。API 同时支持 low、medium、high、xhigh、max 和 auto，档位更高也不保证每个提示词都会更好。先找到最低可接受档位，通常比默认把所有请求开到最高更省钱。

如果你在做可对话改图的产品，Responses API 更适合保存上下文和连续修改。单次生成或单次编辑可以直接用 Image API。官方文档给出的边界很清楚，Image API 处理一轮任务，Responses API 负责带上下文的多步体验。

仍然要给它留一道人工检查

GPT Image 2.5 的强项是更稳定地执行视觉修改，不代表每张图都可信。信息图里的数据关系、历史场景里的服装与环境、教学图里的标签，都要单独核对。品牌 Logo、人物肖像和商品结构也应当放进验收清单，不能只凭整体观感放行。

OpenAI 继续为生成图片加入 C2PA 元数据和不可见水印，并在输入与输出环节设置安全检查。系统卡同时承认，更高的真实感会增加伪造真实人物和事件的风险。涉及真人、新闻或商业投放时，团队需要保留来源、授权和版本记录，让图片从生成到发布都有迹可查。

这次升级缩短了从“已经接近”到“可以交付”之间的反复修改。日常高频产图先用 Flare，精细改图再上 Sunburst。把 GPT Image 2.5 提示词写成清楚的制作单，一轮只动一个变量，再用固定验收标准检查结果，模型的速度和一致性才会变成稳定产能。