GPT
OpenAI 把 GPT Image 2.5 拆成 Flare 与 Sunburst。token 费率相同，职责不同：Flare 是快速默认，Sunburst 是高精度编辑模型。本文说明怎么选。
GPT Image 2.5 不是一款 API 模型。OpenAI 在 2026 年 9 月 8 日发布了两款：Flare（gpt-image-2.5-flare）与 Sunburst（gpt-image-2.5-sunburst）。它们共享 token 费率、画质旋钮、透明背景支持，以及同一套 Image API / Responses API 表面。它们不共享同一份职责说明。
Flare 是大多数应用的默认。Sunburst 是更慢、控制更紧的选项，面向营销活动级静物与编辑密集的制作。选错的话，要么在草稿上干等太久，要么把高精度模型浪费在一张只需要快的缩略图上。
两款模型都已进入 OmniArt 图片选择器：GPT Image 2.5 Flare（默认）与 GPT Image 2.5 Sunburst。用这份指南判断一份 创作简报 在要哪款 2.5 模型，以及何时 GPT Image 2 或其他组合仍然合适。
Flare 与 Sunburst 一览#
| GPT-Image-2.5 Flare | GPT-Image-2.5 Sunburst | |
|---|---|---|
| 模型 ID | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| 快照 | gpt-image-2.5-flare-2026-09-08 | gpt-image-2.5-sunburst-2026-09-08 |
| OpenAI 的一句话定位 | 快速、高画质的日常生成 | 编辑精度最重要的工作流 |
| 延迟 | OpenAI：比 GPT Image 2 低 50%；API 视频：快 50% 以上 | 生成时间比 Flare 更长 |
| 相对 GPT Image 2 的画质 | 发布帖：更低延迟下更高画质；API 视频：画质相当、更快 | 被定位为保真度更高的 2.5 模型 |
| 默认适合 | 社交、产品体验、视觉搜索、原型、高量生成 | 营销活动创意、打磨过的产品影像、多步编辑 |
| 画质设置 | low、medium、high、xhigh、max、auto | 相同 |
| 透明背景 | 支持（png / webp） | 支持（png / webp） |
| Token 费率 | 每 1M 图片 token $8 / $2 / $30；每 1M 文本输入 $5 / $1.25 | 相同 |
| Batch API | 未列出 | 未列出 |
| 在 OmniArt 上 | 已可用——默认图片模型 | 已可用 |
OpenAI 的图片生成指南写得很直白：编辑精度最重要时选 Sunburst；要快速、高画质的日常图片生成时选 Flare。这就是整个产品分工。其余都是后果。
哪些其实一样#
别发明文档里没有的定价或分辨率差距。
两款模型都：
- 从文本与图片输入生成与编辑。
- 支持 Image API（
generations与edits）以及 Responses API 的图片生成工具。 - 在
low/medium/high之上增加xhigh与max画质，并默认auto。 - 接受自定义
WIDTHxHEIGHT字符串，约束相同：16 的倍数，画面比例在 1:3 到 3:1，边长不超过 3840px，像素数 655,360 到 8,294,400，高于2560x1440仍属实验性。 - 支持
opaque与transparent背景。透明需要png或webp。 - 可流式输出部分图。每张部分图额外花费 100 个图片输出 token。
- 使用 GPT Image 前需要组织验证。
- 目前都没有列出 Batch 定价，这一点与
gpt-image-2不同。
定价页 (在新标签页中打开)为 Flare、Sunburst 与 GPT Image 2 列出了相同的标准费率。OpenAI 仍提醒：token 费率相同不等于每张图成本相同，因为消耗会因模型与画质设置而不同。请读真实请求上的 usage，不要假设一张 high 画质的 1K 方图在三者上成本一样。
它们在哪里分叉#
分叉是 时间对控制，不是另一份功能清单。
Flare 是吞吐模型。 OpenAI 点名创作者与社交内容、产品体验、视觉搜索、快速原型与高量生成。发布时一并刊出的 Manus 评估团队客户文案称，在该团队测试中 Flare 以 GPT Image 2 两到四倍的速度产出高画质图片，透明背景也更好。那是客户评估，不是 OpenAI 的 50% 延迟数字。两者都适合当假设。谁都不能替代你在自己的提示词集上按秒表。
Sunburst 是编辑稳定模型。 OpenAI 点名可投产的营销活动创意与打磨过的产品影像。API 视频称它是更强的模型，细节更锐、光线更自然、纹理更丰富、指令跟随更紧。Higgsfield AI 的发布引言谈的是保全：角色、构图与视觉身份在编辑后仍能活下来。那就是 Sunburst 的工作——第十次修订仍应是同一件产品，而不是第一帧的远房亲戚。
Adobe 的发布引言谈的是分发而不是分工：GPT Image 2.5 模型已可在 Adobe Firefly 中使用。这告诉你这个系列正在被接到现有创意套件里。它不告诉你 Firefly 某个工具会调用两款里的哪一款。
警告
别因为名字听起来更高级就选 Sunburst，再对每一张草稿都开 max 画质。token 消耗随画质上升，Sunburst 本来就更慢，而一张被拒的第一帧仍然是一张被拒的第一帧。
面对真实 创作简报 怎么选#
从你承担不起的失败出发，而不是从模型卡出发。
| Brief | 首选 | 原因 |
|---|---|---|
| 午饭前要 50 个社交变体 | Flare，low 或 medium | 约束是延迟 |
| 透明背景上的应用图标、贴纸或游戏素材 | 先 Flare；边缘或小字失败再上 Sunburst | 两者都支持透明；Flare 在时间上更省 |
| 必须匹配参考 SKU 的电商产品图 | Sunburst | 几何与材质必须扛住光线与裁切变化 |
| 带五次批注式修订的营销活动主视觉 | Sunburst | 多轮保全才是卖点 |
| 带短标题的信息图或海报 | 两者皆可；打文字分 | GPT Image 的版面强项是系列特质，不是 Flare/Sunburst 专属 |
| 多视角身份设定表 | Sunburst | 反复角色漂移仍是已文档化的限制；用高精度模型，并为每张图只派一个参考角色 |
| 高量 API 产品（搜索、缩略图、应用内头像） | Flare | OpenAI 的默认建议 |
一条务实规则：在 Flare 上打草稿，在 Sunburst 上定稿。 用低或中等 Flare 设置生成构图与文案。版面通过后，用同一提示词与参考图在 Sunburst 上以 high 或更高重跑。只改一个变量——模型——这样你才能看清多出来的时间是否买到了你真会发出去的东西。
在 OmniArt 上，对真实模型套用同一条规则：用 Flare 在 1080p 与 低 画质上打草稿，构图通过后再在 Sunburst 上以 1440p 或 2160p，搭配 高、xhigh 或 最高 重跑。如果继续留在 GPT Image 2，阶梯只到 高——见 GPT Image 2 提示词指南。
API 形态：Image API 对 Responses API#
Flare/Sunburst 的选择与端点选择相互独立，但端点会改变工作流。
- Image API —— 一条提示词进，一张图（或
n张）出。适合产品图、透明素材或单次局部重绘。直接把model设为gpt-image-2.5-flare或gpt-image-2.5-sunburst。 - Responses API —— 主线模型在对话里调用图片工具。适合下一条指令是“现在把杯子改成珊瑚橙”而不是整段重写。你可以强制
action: "generate"或action: "edit"；auto让工具自己决定。上下文里没有图片却强制edit会报错。
对从不碰 API 的创作者来说，ChatGPT Images 2.5 就是带画布的 Responses API 思路：Sketch、批注与多轮聊天。发布内容梳理覆盖那一层表面。提示词与编辑指南覆盖怎么写这些轮次。
在 OmniArt 上用什么#
匹配风险，而不是匹配名字。
| 你本来会选的 2.5 模型 | 在 OmniArt 上的起点 |
|---|---|
| Flare 做量与草稿 | GPT Image 2.5 Flare，低 / 1080p，或 Nano Banana 2 Lite |
| Flare 做贴纸与简单素材 | Flare；在提示词里要求透明背景，并检查导出文件——工作台里没有单独的背景开关 |
| Sunburst 做产品几何与品牌编辑 | GPT Image 2.5 Sunburst，并配一张专责产品几何的参考图（最多 16 张） |
| Sunburst 做偏文字的营销活动版面 | Sunburst；若写实开始赢过论证，再对照 GPT Image 2 vs Nano Banana 2 的版面轮次 |
| 应用外、按 Batch 计价的隔夜大批量 | GPT Image 2——Flare 与 Sunburst 都没有列出 Batch 费率 |
双模型系列的意义是：大多数团队不该用一款图片模型包办所有工作。OmniArt 本来就是这么用的：Flare 与 Sunburst 承担 OpenAI 2.5，GPT Image 2 承担已经验证过的工作流，Nano Banana 2 管摄影静物，Seedream 5.0 Pro 管参考密集的系列，静物通过后再上视频模型。
常见问题#
Sunburst 是否总比 Flare 画质更高？
OpenAI 对细节创意工作是这么定位的，而且它是两者里更慢的那款。画质设置（low 到 max）两款都有。一次 Flare 的 max 请求与一次 Sunburst 的 low 请求不是同一类对象。请在固定画质与尺寸下对比。
Flare 与 Sunburst 费用不同吗？
按 token 的费率相同。如果同一画质与尺寸下某一模型吐出更多 token，按图计费就会不同。OpenAI 要你读 usage，而不是盲目复用 GPT Image 2 计算器。
我能在同一工作流里两款都用吗？
可以。在 Flare 上打草稿，在 Sunburst 上定稿，并在两次运行之间保持提示词、参考图、尺寸与等价于 Seed 的约束一致。这是弄清 Sunburst 是否赚回额外时间的最便宜办法。
开发者该把哪一款设为默认？
OpenAI 的默认建议是 Flare。把 Sunburst 做成显式选择，只给已经在保全或文字排版检查上失败过的任务。
在 OmniArt 上开始#
打开图片工作台，选择 GPT Image 2.5 Flare，用同一份 创作简报 跑两遍：一遍 低 / 1080p，构图通过后切到 GPT Image 2.5 Sunburst，用 高 或 xhigh。保持参考图、画面比例与文案一致。这是从草稿到定稿的工作流；若要单独看模型本身的差别，请在相同画质与分辨率设置下再对比一次 Flare 与 Sunburst。
静物通过后，从同一账号带进视频工作台。构图的图片模型与做动态的视频模型不必来自同一家实验室。
