2026年9月8日
GPT Image 2.5：Flare 還是 Sunburst，真正改變了什麼，以及它何時登上 Imaginode
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。這裡整理官方宣布了什麼、實測到了什麼、新的品質等級到底要花多少錢、今晚就能在哪裡用上，以及它為什麼還沒進入 Imaginode 的目錄。
Frank HoubreImaginode 創辦人
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 宣布的和首批使用者實測的分開，把 token 價目表換算成每張圖幾分錢，在 Flare 與 Sunburst 之間做出取捨，並告訴你今晚在哪裡能用上。它還要回答我們今天已經被問了三次的問題：不，GPT Image 2.5 還沒登上 Imaginode，原因如下，不打官腔。
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，而今天唯一的獨立回饋來自 OpenAI 自己引用的一家合作夥伴。我們還沒能跑自己的測試板，也就是目錄裡每個模型都要過的那一套，因為模型還沒出現在我們接模型的地方。所以上面那些話是廠商的承諾，就這個系列的血統來看可信，但不是測量結果。請記住，兩者之間的差別通常在第三天才看得出來，不是第一天。
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；新東西是 high 之上的 xhigh 與 max 兩個品質等級。
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。換句話說，xhigh 與 max 會比 high 貴，OpenAI 自己也提醒，它的 GPT Image 2 成本計算器並不能估算 2.5 的 token 消耗。今晚沒有人能告訴你一張 max 品質的圖到底多少錢。我們會用真實請求去測，跟每個模型一樣。
給你一個參照，這是今天 GPT Image 2 在 Imaginode 上的價格，一點相當於一美分：低品質每張 1 點，中等 8 點，高品質 30 點。這三個等級不會因為 2.5 的到來而漲一分錢，因為 token 的價格沒變。要盯著的是兩個新加的等級。在一張手機上只被看三秒的社群影像上用 max 等級，那是高射砲打蚊子，也是把點數往水裡丟的好辦法。把它留給要印刷或放大的東西。
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。
今晚在哪裡用上，以及為什麼還沒登上 Imaginode
當天就開了三道門：面向所有帳號的 ChatGPT、給管著金鑰的人的 OpenAI API，以及 Adobe Firefly；而 Imaginode 用來接模型的 Vercel AI Gateway 目錄，截至 9 月 8 日晚上還沒列出 GPT Image 2.5。
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。想在十分鐘內形成判斷並試試 Sketch，就該去那裡。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，今天起就把它整合進了自己的工作室。
那 Imaginode 呢？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，每次生成前都顯示價格。今晚查到的這份目錄裡有四個 OpenAI 影像模型：GPT Image 1、GPT Image 1 Mini、GPT Image 1.5 與 GPT Image 2。沒有 2.5 這一行，Flare 與 Sunburst 都沒有。只要那一行還沒出現，模型就不在我們這裡，我寧可直接告訴你，也不讓你去找一個不存在的按鈕。
這對你意味著什麼：你這邊什麼都不用做。Gateway 列出 gpt-image-2.5-flare 與 gpt-image-2.5-sunburst 那天，我們用真實請求測出每個等級的實際成本，定好點數價格，模型就會出現在清單裡，在同一張畫布上，緊鄰繼續保留的 GPT Image 2。不用訂 OpenAI 的方案，不用管金鑰。這篇文章會在那天更新實測價格，在此之前，模型頁面 是作數的來源。
等待期間，什麼工作用什麼模型
8 點的 GPT Image 2 仍是目錄裡影像內文字最可靠的，10 點的 Nano Banana 2 在保住人臉的編輯上最強，5 點的 Seedream 5 Lite 是經濟型寫實的首選，2 點的 GPT Image Mini 用來摸索。
九月的本能反應是等。這是個錯誤，因為今天覆蓋 GPT Image 2.5 這塊地盤的四個模型已經在目錄裡了，而且沒有一個會消失。中等品質 8 點的 GPT Image 2，是圖裡有文字要寫時拿出來的那個：一個準確的標題、一句短句、帶重音符號的字母。在這一點上它是目錄裡最聽話的，而且能編輯你輸入的影像。2.5 多承諾的是長期守住這些修改並且更快；2 已經做到的，是把工作做完。
10 點的 Nano Banana 2 是直接競爭者，在修改既有照片上，移除一個物件、換一套衣服、臉保持原樣，它仍然領先。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，人物在不同影像之間還能保持一致。至於摸索、嘗試、錯上十次，2 點的 GPT Image Mini 做的正是 Flare 將來在草稿上會做的事：快，而且便宜。
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，今晚就在 ChatGPT 裡試試 GPT Image 2.5，看看 Sketch，對 Flare 形成你自己的判斷。如果你比我們更早看到那一行出現在 Gateway 的目錄裡，寫信告訴我們，這種比賽我們樂意輸。但這幾天或幾週等待期最好的用法，是把那些讓這個模型到來那天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、一串可以重跑的節點。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。