GPT Image 2.5：Flare 還是 Sunburst，真正改變了什麼，以及它在 Imaginode 上的表現
OpenAI 於 2026 年 9 月 8 日推出 ChatGPT Images 2.5，附帶兩個 API 模型：GPT Image 2.5 Flare 與 GPT Image 2.5 Sunburst。兩者自 9 月 9 日起都已登上 Imaginode。這裡整理官方宣布了什麼、我們實測到了什麼、每個品質等級到底要花多少點數，以及六張真實渲染圖，讓你在 Flare 與 Sunburst 之間做出取捨。
Frank HoubreImaginode 創辦人
閱讀時間 13 分鐘
這一次，模型是真的推出了
ChatGPT Images 2.5 已於 2026 年 9 月 8 日上線，OpenAI API 列出兩個標註同一天日期的模型：gpt-image-2.5-flare 與 gpt-image-2.5-sunburst。
八月底，我們跟你說過 Nano Banana 3 並不存在，也說過八月在 LMArena 受測的兩個匿名模型 mona-lisa-1 與 luna-lisa-alpha，聞起來比較像 OpenAI 而不是 Google。好了，答案在 9 月 8 日星期二揭曉。OpenAI 發布了 ChatGPT Images 2.5，向 ChatGPT 的所有帳號開放，免費帳號也包括在內，同時進入 ChatGPT Work 與 Codex，涵蓋電腦、手機與網頁。沒有任何官方證據顯示那兩個競技場化名就是這個模型，但時間線精確到當天對上了，而 OpenAI 內部也沒有人費心去否認。
開發者這邊，技術說明寫得很清楚，而這才是對我們真正重要的部分。API 更新日誌在 2026 年 9 月 8 日這一天寫道：推出 GPT Image 2.5 Sunburst 與 GPT Image 2.5 Flare，用於影像生成與編輯，可透過 Images API 以及 Responses API 的影像生成工具呼叫。兩個識別碼都指向附日期的版本：gpt-image-2.5-flare-2026-09-08 與 gpt-image-2.5-sunburst-2026-09-08。兩個名字，兩個模型，同一張價目表，下面會再談。
這篇文章做的，是我們每次新模型推出都會做的事：把 OpenAI 宣布的和我們實測的分開，把 token 價目表換算成每張圖的點數，在 Flare 與 Sunburst 之間做出取捨，並給你看真實的渲染圖，而不是宣傳用的視覺稿。它寫於推出當晚，9 月 9 日更新：Gateway 在夜裡列出了這兩個模型，我們一早醒來就用真實請求測了它們，而 GPT Image 2.5 Flare 與 GPT Image 2.5 Sunburst 從今天早上起就在圖片節點裡了。
改變了什麼：OpenAI 的說法與首批回饋
OpenAI 宣稱延遲比 Images 2.0 最多降低 50%，光線更自然，質感更豐富，對參考照片的還原度更高，連續修改也不再跑掉。
第一個數字是速度。OpenAI 表示生成延遲比 Images 2.0 最多降低了 50%，並把 Flare 定位為用一半的等待時間交出比 GPT Image 2 更好的影像。公告中引用的 Manus 評測團隊說得更遠：在他們的測試裡，Flare 出圖比 GPT Image 2 快兩到四倍，還附帶終於乾淨的透明背景，做標誌與介面元件的人都會關心這一點。
第二條軸線是編輯。模型應該只改你要求的地方，保留主體、構圖與背景，尤其要在多輪對話中守住自己的修改。這正是我們在 Nano Banana 那篇文章裡指出的下一條戰線：第八次修改把第二次就已確認的臉改變形了。如果 OpenAI 真的解決了這件事，那比單張影像純粹變漂亮更有用。透明背景與內容密集的版面，像是帶多塊文字的海報與視覺稿，也被宣布處理得更穩了。
現在來說該有的保留。OpenAI 沒有公布任何量化的基準表，沒有任何競技場排名，而推出當天唯一的獨立回饋來自 OpenAI 自己引用的一家合作夥伴。所以我們跑了自己的測試板，跟目錄裡每個模型過的那一套一樣：用 Flare 生成三張，一個電影鏡頭、一張動畫畫面、一張帶文字的海報，再用 Sunburst 對這三張圖各做一次精確修圖。六張渲染圖在下面，附上確切的指令。至於主要的承諾，也就是只碰你要求的地方的修圖，結論很明確：三次嘗試，三次都守住了。
Flare 還是 Sunburst：該選哪個
Flare 是預設選擇，快，為大量生成而生；Sunburst 被定位為兩者中更強的那個，為編輯精度打造，生成時間較長。
OpenAI 把 Flare 描述為日常模型：生成快、品質好，面向創作者與社群內容、產品體驗、視覺搜尋、原型製作與大量生成。Sunburst 的說明則寫著「我們在影像生成與編輯上最強的模型」，重點放在修改的精度，並預告生成時間較長。官方指南建議把它用在編輯精度最要緊的工作鏈上：可直接交付的行銷活動視覺、精修的產品照。
當然，紙面上人人都想要最強的那個。但選之前先看價目表：兩個模型按完全相同的 token 費率計費。所以 Flare 與 Sunburst 的差別不是錢的差別，至少目前不是，而是等待時間的差別，以及，如果承諾兌現的話，精細修改上還原度的差別。由此得出一條簡單的規則。
就我個人而言，所有還在摸索的東西我都會用 Flare：一張 YouTube 縮圖 的三十個變體、取景試驗、一張視覺稿的頭幾個版本。而 Sunburst 我會留到影像已經定稿、只剩三處精細修改要做在一張即將交給客戶的 商品照 上的時候。快速生成來做決定，慢速生成來交付：這跟 Nano Banana 對 Nano Banana Pro 是同一套邏輯，它從沒讓人失望過。
價格：和 GPT Image 2 一樣的 token，但多了兩個品質等級
兩個模型都是文字輸入每百萬 token 5 美元，影像輸入每百萬 token 8 美元，影像輸出每百萬 token 30 美元，與 GPT Image 2 的價目表完全一致；但用真實請求實測，它們在標準與最高等級卻比 GPT Image 2 便宜三到四倍，因為每張圖消耗的 token 更少。
官方價目表對 Flare 與 Sunburst 完全相同，也和 GPT Image 2 的完全相同：文字輸入每百萬 token 5 美元（快取命中 1.25 美元），影像輸入每百萬 token 8 美元（快取命中 2 美元），影像輸出每百萬 token 30 美元。Flare 的說明白紙黑字寫著，token 費率與 GPT Image 2 一致。如果你在別處讀到價格翻倍了，那是寫的人在拿舊價目表比較；OpenAI 的定價頁面，截至 9 月 8 日晚上，兩行顯示的是同樣的數字。
真正的價格新聞在別處，而且很容易錯過。GPT Image 2 提供三個品質等級：low、medium 與 high。兩個 2.5 模型在 API 端接受六個：low、medium、high、xhigh、max 與 auto。一張圖按它包含的 token 數付費，而更高的品質等級，意味著同樣尺寸下更多的 token。在 Imaginode 上，我們只顯示實測過的三個等級，經濟、標準與最高，分別對應 low、medium 與 high：一個沒有測過的設定，不該出現在一顆點擊前就顯示價格的按鈕上。xhigh 與 max 這兩層，等我們拿到實際成本後就會加上。
以下是 9 月 9 日實測的結果，一點相當於一美分。GPT Image 2 每張圖在經濟等級 1 點，標準 8 點，最高 30 點。GPT Image 2.5，Flare 與 Sunburst 都一樣，經濟 2 點，標準 3 點，最高 9 點。是的，你沒看錯：2.5 的標準比 2 的標準便宜，而它的最高只比 2 的標準貴一點點。原因很簡單，一張 medium 品質的 2.5 影像消耗的 token，大約只有同一設定下 2 影像的四分之一。有個細節對修圖很重要：編輯一張既有影像，比同等級的生成稍貴一些，因為輸入影像也會按 token 計費。我們的價目表採用編輯的價格，也就是實測到最高的那個，以確保永遠不會賠本賣。
關於尺寸說一句，因為這個問題每次都有人問。API 接受三種建議格式，1024 x 1024、1536 x 1024 與 1024 x 1536，也接受寬 x 高的自由尺寸，條件是每一邊都是 16 的倍數、比例維持在 1:3 到 3:1 之間、任何一邊不超過 3840 像素。預設輸出 PNG，也可以用帶壓縮設定的 JPEG 或 WebP，透明背景依需求提供。如果你要為多個平台準備視覺素材，各平台的畫幅與解析度 那篇指南給出了該要求的精確尺寸。
餘額Sketch、註解、範本：ChatGPT 加了什麼，又值多少
在 ChatGPT 裡，Images 2.5 附帶一個用 @Sketch 呼叫的草圖工具、直接標在影像某個區域上的註解、格式範本，以及一條帶版本歷史的修圖工具列。
介面這邊，OpenAI 隨模型一起交付了四樣東西。首先是 Sketch：你在對話裡輸入 @Sketch，徒手畫一張草圖，加一段風格描述，模型就把它當作最終影像的構圖指引。接著是註解：不用重寫整段提示詞，你指著一個區域寫「把天空弄得更有戲劇性」，就只有這個區域會動。再來是範本，針對海報、傳單、周邊商品與產品照，在生成前先問幾個結構化的問題。還有一條修圖工具列：標記、註解、去背、橡皮擦、調整尺寸，版本歷史都保留著。
我直說：這些相當不錯，也不是什麼新東西。一張指引構圖的草圖，就是一張接到模型輸入端的參考圖。一個區域上的註解，就是帶遮罩的局部編輯。一個範本，就是一段提前備好的結構化提示詞。這些一件一件都是 工作流畫布 的積木，我們叫它們節點，也是裝備齊全的創作者一年來用 Flux Kontext、Nano Banana 或 GPT Image 2 一直在做的事。OpenAI 剛把這些動作放進了一個聊天視窗，對那一億個永遠不會打開畫布的人來說，這是極好的消息。
聊天視窗還缺的東西，而且是結構性的，是可重複性。在一張圖上加一條註解，只能做一次。一串節點，參考、生成、局部修改、放大，改一個輸入就能在型錄的五十件商品上重跑一遍。如果你一個月出三張視覺稿，帶 Sketch 的 ChatGPT 綽綽有餘。如果你一天出三張，真正重要的工具不是畫得最漂亮的那個，而是不用你從頭再來就能把同一件事再做一遍的那個。重做同一張圖 那篇文章講了實際操作上的差別。
在哪裡用，以及在 Imaginode 上怎麼用
四道門：面向所有帳號的 ChatGPT、給管著金鑰的人的 OpenAI API、Adobe Firefly，以及 Imaginode 的圖片節點，Flare 與 Sunburst 自 2026 年 9 月 9 日起都列在那裡，每次生成前都顯示價格。
想在十分鐘內形成判斷，最短的那道門是 ChatGPT。模型已向所有帳號部署，免費帳號也在內，涵蓋電腦、手機與網頁，生成額度仍按各方案來，而 OpenAI 一直沒有公布這些額度。我們的 與 ChatGPT 的比較 詳細說了這些沒寫明的限制在真正投入生產時意味著什麼。第二道門是 API，用上面那兩個識別碼，一把金鑰，按用量計費，還能把品質與尺寸精確到像素來選。第三道門是 Adobe Firefly，當天就把它整合進了自己的工作室。
還有 Imaginode。我們透過 Vercel AI Gateway 的目錄接影像與影片模型，這讓我們能把 Flux、Seedream、三個 Nano Banana、Kling 或 Veo 放在同一個點數計量器後面。9 月 8 日晚上，這份目錄還沒列出 2.5，而這篇文章當時就直接告訴了你，沒讓你去找一個不存在的按鈕。那兩行在夜裡出現了；9 日早上，我們用真實請求測出每個等級的實際成本，定好點數價格，並把 GPT Image 2.5 Flare 與 GPT Image 2.5 Sunburst 發布到圖片節點的清單裡，緊鄰繼續保留的 GPT Image 2。
具體來說：加一個圖片節點，在選擇器裡選 Flare 或 Sunburst，設定品質與格式，寫下提示詞，確切的價格就會顯示在生成按鈕上。要修圖的話，把一個圖片節點或媒體節點接到輸入端，用一句話描述要改的地方，模型就會在你的影像上加工，而不是從零開始。不用訂 OpenAI 的方案，不用管金鑰，而確認過的影像留在畫布上，隨時可以送往影片節點或提升畫質節點。
實際表現：三張 Flare 生成，三次 Sunburst 修圖
2026 年 9 月 9 日在 Imaginode 上以最高品質產出的六張渲染圖：Flare 生成了一個電影鏡頭、一張動畫畫面和一張帶文字的海報；Sunburst 接著只改了每張圖裡的一個元素，其他什麼都沒動。
流程很簡單，也是我們建議你照著重跑的那套。第一個圖片節點用 Flare，從一段完整的提示詞，取景、光線、風格，生成起始影像。第二個圖片節點用 Sunburst，接收這張渲染圖作為輸入，再加一句以「只改」開頭的指令。在電影鏡頭上，紅色大衣變成了芥末黃，而那位女子、雨、招牌、水窪裡的倒影和顆粒，全都一個像素都沒動。在動畫畫面上，腳踏車變成了紅色小機車，狐狸保持著姿勢、握著把手的雙手和雨衣；市集裡用法文寫的小黑板，一個字母都沒變。
海報是最難的測試，因為它同時考驗帶重音符號的文字和一條雙重指令。Flare 第一次就把「LA DERNIÈRE MARÉE」和署名寫得一字不錯，用的是五〇年代的海報字體。Sunburst 接著把標題換成了「LA PREMIÈRE MARÉE」，同一種字體，同一個位置，並把暴風雨之夜變成了日落，保留了燈塔、懸崖和署名。這正是 OpenAI 承諾的，也正是 GPT Image 2 所缺的：一次不會圍繞改動把整張圖重組一遍的修圖。
看完這六張圖，我們的結論是：生成用 Flare 就夠了，最高品質也一樣，而且它很快，每張圖大約二十秒。Sunburst 多花十秒，只要有一張圖已經確認、上面還剩一處要修，它就值得。用一個生成，用另一個修正，放在兩個前後相接的節點裡：這就是我們留下的工作鏈。
2.5 來了之後，什麼工作用什麼模型
3 點的 GPT Image 2.5 Flare 成為生成影像內文字的預設選擇，同價的 Sunburst 用來做不跑掉的修圖，10 點的 Nano Banana 2 在既有照片的人臉上仍然領先，5 點的 Seedream 5 Lite 則是經濟型寫實的首選。
九月的本能反應是把一切都換到新模型上。這離真相不遠，但不是所有情況都如此。標準等級 3 點的 GPT Image 2.5 Flare，接下了 8 點的 GPT Image 2 原本的位置：圖裡準確的文字、一個標題、一句短句、重音符號，以及帶約束的構圖。GPT Image 2 留在目錄裡，而且它還有一個論點，1 點的經濟等級，是這個系列裡拿來勾勒想法最便宜的。GPT Image 2.5 Sunburst 則成為精確修圖的模型：輸入一張確認過的影像，一句指令，其他什麼都不動。
10 點的 Nano Banana 2 守住自己的地盤：修改真人照片，移除一個物件、換一套衣服、讓臉在不同影像之間保持原樣。想要低價寫實，每張 5 點的 Seedream 5 Lite 能做到 GPT Image 在這個價位做不到的事，人物還能保持一致。至於摸索、嘗試、錯上十次，經濟等級 2 點的 Flare 在草稿上取代了 GPT Image Mini，基礎品質明顯高出一截。
不管下個月推出的是什麼模型，方法都不變：用經濟型模型把想法框出來，確認構圖，只在最終版本換上高階型號。十張視覺稿下來，差距以歐元計。計算器 在你啟動一組系列之前就告訴你成本，而 各模型的詳細費率 是公開的，一級一級列著。
模型版本仍然不是限制你的因素
GPT Image 2.5 承諾的改進，不再跑掉的修改與被尊重的參考圖，正是節點工作流從結構上就能保證的，無論接進去的是哪個模型。
再讀一遍宣布的進步清單：參考照片的主體保留得更好，修改只碰要求的區域，前面的改動到下一輪還守得住。這是聊天視窗的三個缺陷，在那裡每則訊息都會把一切重新押上賭桌。在畫布裡，參考圖是一個不會動的節點，修改是一個只接收已確認影像、別的什麼都不接收的節點，而前一個版本留在桌上，就在新版本旁邊。一個跑掉更少的模型，當然是好消息。一套讓它沒辦法跑掉的方法，更好，而且它跟今年夏天的模型已經能用了。
第二個槓桿，我們反覆說，因為它比換版本回報更高：提示詞。三個字的提示詞在 2.5 上給你一張平庸的圖，在 2027 年的任何模型上也一樣。一段寫清楚取景、光線與風格的提示詞，加一張鎖住主體的參考圖，今天在 GPT Image 2 上就能出一張可交付的圖。寫出有效提示詞 那篇指南十分鐘讀完，變形的手與讀不出的文字 那篇則解決了最常被抱怨的兩件事，不用等任何人。
所以是的，去試試 GPT Image 2.5，在 ChatGPT 裡試 Sketch，在 Imaginode 上試顯示的價格和節點工作鏈。但這次推出最好的用法，是把那些讓這個模型變得有用的反射練起來：一張鎖住的參考圖、一段完整的提示詞、一個負責生成的 Flare 節點和一個負責修正的 Sunburst 節點、一串可以重跑的工作鏈。練好的人會整整領先一個世代。其餘的人則會用三個字的提示詞，做出稍微漂亮一點、稍微快一點的圖。