GPT
OpenAI 把 GPT Image 2.5 拆成 Flare 與 Sunburst。token 費率相同，職責不同：Flare 是快速預設，Sunburst 是高精度編輯模型。本文說明怎麼選。
GPT Image 2.5 不是一款 API 模型。OpenAI 在 2026 年 9 月 8 日發布了兩款：Flare（gpt-image-2.5-flare）與 Sunburst（gpt-image-2.5-sunburst）。它們共享 token 費率、畫質旋鈕、透明背景支援，以及同一套 Image API / Responses API 介面。它們不共享同一份職責說明。
Flare 是大多數應用的預設。Sunburst 是更慢、控制更緊的選項，面向行銷活動級靜物與編輯密集的製作。選錯的話，要嘛在草稿上乾等太久，要嘛把高精度模型浪費在一張只需要快的縮圖上。
兩款模型都已進入 OmniArt 圖片選擇器：GPT Image 2.5 Flare（預設）與 GPT Image 2.5 Sunburst。用這份指南判斷一份 創作簡報 在要哪款 2.5 模型，以及何時 GPT Image 2 或其他組合仍然合適。
Flare 與 Sunburst 一覽#
| 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 的一句話定位 | 快速、高畫質的日常生成 | 編輯精度最重要的工作流 |
| 延遲 | OpenAI：比 GPT Image 2 低 50%；API 影片：快 50% 以上 | 生成時間比 Flare 更長 |
| 相對 GPT Image 2 的畫質 | 發布文：更低延遲下更高畫質；API 影片：畫質相當、更快 | 被定位為保真度更高的 2.5 模型 |
| 預設適合 | 社群、產品體驗、視覺搜尋、原型、高量生成 | 行銷活動創意、打磨過的商品影像、多步編輯 |
| 畫質設定 | low、medium、high、xhigh、max、auto | 相同 |
| 透明背景 | 支援（png / webp） | 支援（png / webp） |
| Token 費率 | 每 1M 圖片 token $8 / $2 / $30；每 1M 文字輸入 $5 / $1.25 | 相同 |
| Batch API | 未列出 | 未列出 |
| 在 OmniArt 上 | 已可用——預設圖片模型 | 已可用 |
OpenAI 的圖片生成指南寫得很直白：編輯精度最重要時選 Sunburst；要快速、高畫質的日常圖片生成時選 Flare。這就是整個產品分工。其餘都是後果。
哪些其實一樣#
別發明文件裡沒有的定價或解析度差距。
兩款模型都：
- 從文字與圖片輸入生成與編輯。
- 支援 Image API（
generations與edits）以及 Responses API 的圖片生成工具。 - 在
low/medium/high之上增加xhigh與max畫質，並預設auto。 - 接受自訂
WIDTHxHEIGHT字串，約束相同：16 的倍數，畫面比例在 1:3 到 3:1，邊長不超過 3840px，像素數 655,360 到 8,294,400，高於2560x1440仍屬實驗性。 - 支援
opaque與transparent背景。透明需要png或webp。 - 可串流輸出部分圖。每張部分圖額外花費 100 個圖片輸出 token。
- 使用 GPT Image 前需要組織驗證。
- 目前都沒有列出 Batch 定價，這一點與
gpt-image-2不同。
定價頁 (在新分頁中開啟)為 Flare、Sunburst 與 GPT Image 2 列出了相同的標準費率。OpenAI 仍提醒：token 費率相同不等於每張圖成本相同，因為消耗會因模型與畫質設定而不同。請讀真實請求上的 usage，不要假設一張 high 畫質的 1K 方圖在三者上成本一樣。
它們在哪裡分叉#
分叉是 時間對控制，不是另一份功能清單。
Flare 是吞吐模型。 OpenAI 點名創作者與社群內容、產品體驗、視覺搜尋、快速原型與高量生成。發布時一併刊出的 Manus 評估團隊客戶文案稱，在該團隊測試中 Flare 以 GPT Image 2 兩到四倍的速度產出高畫質圖片，透明背景也更好。那是客戶評估，不是 OpenAI 的 50% 延遲數字。兩者都適合當假設。誰都不能替代你在自己的提示詞集上按秒錶。
Sunburst 是編輯穩定模型。 OpenAI 點名可投產的行銷活動創意與打磨過的商品影像。API 影片稱它是更強的模型，細節更銳、光線更自然、紋理更豐富、指令跟隨更緊。Higgsfield AI 的發布引言談的是保全：角色、構圖與視覺身份在編輯後仍能活下來。那就是 Sunburst 的工作——第十次修訂仍應是同一件產品，而不是第一影格的遠房親戚。
Adobe 的發布引言談的是分發而不是分工：GPT Image 2.5 模型已可在 Adobe Firefly 中使用。這告訴你這個系列正在被接到現有創意套件裡。它不告訴你 Firefly 某個工具會呼叫兩款裡的哪一款。
注意
別因為名字聽起來更高級就選 Sunburst，再對每一張草稿都開 max 畫質。token 消耗隨畫質上升，Sunburst 本來就更慢，而一張被退的第一影格仍然是一張被退的第一影格。
面對真實 創作簡報 怎麼選#
從你承擔不起的失敗出發，而不是從模型卡出發。
| Brief | 首選 | 原因 |
|---|---|---|
| 午飯前要 50 個社群變體 | Flare，low 或 medium | 約束是延遲 |
| 透明背景上的應用圖示、貼紙或遊戲素材 | 先 Flare；邊緣或小字失敗再上 Sunburst | 兩者都支援透明；Flare 在時間上更省 |
| 必須匹配參考 SKU 的電商商品圖 | Sunburst | 幾何與材質必須扛住光線與裁切變化 |
| 帶五次註解式修訂的行銷活動主視覺 | Sunburst | 多輪保全才是賣點 |
| 帶短標題的資訊圖表或海報 | 兩者皆可；打文字分 | GPT Image 的版面強項是系列特質，不是 Flare/Sunburst 專屬 |
| 多視角身份設定表 | Sunburst | 反覆角色漂移仍是文件裡寫明的限制；用高精度模型，並為每張圖只派一個參考角色 |
| 高量 API 產品（搜尋、縮圖、應用內頭像） | Flare | OpenAI 的預設建議 |
一條務實規則：在 Flare 上打草稿，在 Sunburst 上定稿。 用低或中等 Flare 設定生成構圖與文案。版面通過後，用同一提示詞與參考圖在 Sunburst 上以 high 或更高重跑。只改一個變數——模型——這樣你才能看清多出來的時間是否買到了你真會發出去的東西。
在 OmniArt 上，對真實模型套用同一條規則：用 Flare 在 1080p 與 低 畫質上打草稿，構圖通過後再在 Sunburst 上以 1440p 或 2160p，搭配 高、xhigh 或 最高 重跑。如果繼續留在 GPT Image 2，階梯只到 高——見 GPT Image 2 提示詞指南。
API 形態：Image API 對 Responses API#
Flare/Sunburst 的選擇與端點選擇相互獨立，但端點會改變工作流。
- Image API —— 一條提示詞進，一張圖（或
n張）出。適合商品圖、透明素材或單次局部重繪。直接把model設為gpt-image-2.5-flare或gpt-image-2.5-sunburst。 - Responses API —— 主線模型在對話裡呼叫圖片工具。適合下一條指令是「現在把杯子改成珊瑚橙」而不是整段重寫。你可以強制
action: "generate"或action: "edit"；auto讓工具自己決定。脈絡裡沒有圖片卻強制edit會報錯。
對從不碰 API 的創作者來說，ChatGPT Images 2.5 就是帶畫布的 Responses API 思路：Sketch、註解與多輪聊天。發布內容梳理覆蓋那一層介面。提示詞與編輯指南覆蓋怎麼寫這些輪次。
在 OmniArt 上用什麼#
匹配風險，而不是匹配名字。
| 你本來會選的 2.5 模型 | 在 OmniArt 上的起點 |
|---|---|
| Flare 做量與草稿 | GPT Image 2.5 Flare，低 / 1080p，或 Nano Banana 2 Lite |
| Flare 做貼紙與簡單素材 | Flare；在提示詞裡要求透明背景，並檢查匯出檔案——工作台裡沒有單獨的背景開關 |
| Sunburst 做產品幾何與品牌編輯 | GPT Image 2.5 Sunburst，並配一張專責產品幾何的參考圖（最多 16 張） |
| Sunburst 做偏文字的行銷活動版面 | Sunburst；若寫實開始贏過論證，再對照 GPT Image 2 vs Nano Banana 2 的版面輪次 |
| 應用外、按 Batch 計價的隔夜大批量 | GPT Image 2——Flare 與 Sunburst 都沒有列出 Batch 費率 |
雙模型系列的意義是：大多數團隊不該用一款圖片模型包辦所有工作。OmniArt 本來就是這麼用的：Flare 與 Sunburst 承擔 OpenAI 2.5，GPT Image 2 承擔已經驗證過的工作流，Nano Banana 2 管攝影靜物，Seedream 5.0 Pro 管參考密集的系列，靜物通過後再上影片模型。
常見問題#
Sunburst 是否總比 Flare 畫質更高？
OpenAI 對細節創意工作是這麼定位的，而且它是兩者裡更慢的那款。畫質設定（low 到 max）兩款都有。一次 Flare 的 max 請求與一次 Sunburst 的 low 請求不是同一類物件。請在固定畫質與尺寸下對比。
Flare 與 Sunburst 費用不同嗎？
按 token 的費率相同。如果同一畫質與尺寸下某一模型吐出更多 token，按圖計費就會不同。OpenAI 要你讀 usage，而不是盲目複用 GPT Image 2 計算器。
我能在同一工作流裡兩款都用嗎？
可以。在 Flare 上打草稿，在 Sunburst 上定稿，並在兩次執行之間保持提示詞、參考圖、尺寸與等價於 Seed 的約束一致。這是弄清 Sunburst 是否賺回額外時間的最便宜辦法。
開發者該把哪一款設為預設？
OpenAI 的預設建議是 Flare。把 Sunburst 做成顯式選擇，只給已經在保全或文字排版檢查上失敗過的任務。
在 OmniArt 上開始#
打開圖片工作台，選擇 GPT Image 2.5 Flare，用同一份 創作簡報 跑兩遍：一遍 低 / 1080p，構圖通過後切到 GPT Image 2.5 Sunburst，用 高 或 xhigh。保持參考圖、畫面比例與文案一致。這是從草稿到定稿的工作流；若要單獨看模型本身的差別，請在相同畫質與解析度設定下再對比一次 Flare 與 Sunburst。
靜物通過後，從同一帳號帶進影片工作台。構圖的圖片模型與做動態的影片模型不必來自同一家實驗室。
