GPT-Image-2.5 上手：两个 model id 该怎么选，一张图到底多少钱
9 月 8 日发布的 Flare 与 Sunburst token 单价完全一样，但同一张图的成本能差三倍；附五档输出的实际单价表
文章目录
共 4 节2026 年 9 月 8 日，OpenAI 发布 ChatGPT Images 2.5，同时给 API 放了两个新 model id：gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。
这两个 id 的 token 单价一模一样，但如果你照着「反正一个价」的想法随便选，月底账单会教你做人。差别不在单价，在同一张图消耗多少 token。
这一篇把定价表、两个 id 的分工、以及国内怎么接，一次说清楚。
一、两个 model id 的真实分工
| model id | 特点 | 什么时候用它 |
|---|---|---|
| gpt-image-2.5-flare | 快，日常量产 | 批量出图、初稿、电商主图这类走量的活 |
| gpt-image-2.5-sunburst | 慢，精确编辑，编辑类评测分更高 | 客户已经定稿、只改局部的那种反复修改 |
带日期的版本号也一起放出来了：gpt-image-2.5-flare-2026-09-08 和 gpt-image-2.5-sunburst-2026-09-08。生产环境建议钉死日期版本，别用不带日期的浮动别名 —— 模型悄悄更新一次，你的批量任务风格就会漂一次。
⚠️ OpenAI 自己在文档里明确提示了一句：token 单价相同不等于每张成本相同。Sunburst 在 xhigh / max / auto 这几档下会烧掉明显更多的输出 token。这就是上面那句「随便选会被教做人」的出处。
二、价格表：按 token 收，不是按张收
| 项目 | 单价 |
|---|---|
| 文本输入 | 5.00 美元 / 100 万 tokens（缓存命中 1.25） |
| 图像输入 | 8.00 美元 / 100 万 tokens（缓存命中 2.00） |
| 图像输出 | 30.00 美元 / 100 万 tokens |
光看这三行没法报价。真正有用的是折算成每张图的价 —— 以 1024×1024 输出为例：
| 质量档 | 输出 tokens | 每张成本（美元） |
|---|---|---|
| Low | 196 | 0.006 |
| Medium | 439 | 0.013 |
| High | 1,756 | 0.053 |
| XHigh | 3,122 | 0.094 |
| Max | 7,024 | 0.211 |
从 Low 到 Max，一张图的价差是 35 倍。折成人民币，Low 大约四分钱一张，Max 大约一块五一张。
分辨率上限查不到确凿说法。 能确认的三档是 1024×1024、1536×1024、1024×1536。上一代 gpt-image-2 官方写的是 up to 2K，2.5 有没有继承，官方页面抓不到，二手来源明确写着「文中未提 2K/4K」。要交付大尺寸的，先自己测，别信任何转述。
三、这一代新增的几样东西，哪些真用得上
- 1多轮对话编辑：只改你说的那一块，背景和复杂主体保持不动。这是最实用的一条，改图终于不用每次重抽。
- 2Sketch：直接在 ChatGPT 里手绘，把草图当参考。对讲不清构图的客户非常好用 —— 让他自己画两笔，比你猜半天强。
- 3透明背景：支持复杂版式且能出透明底。电商抠图这一步能省掉。
- 4在图上评论做定向编辑：圈一块、写一句，就改那一块。
- 5延迟比上一代降最多 50%：走量的时候这个比画质重要。
- 6风格一致性更稳：系列图前后统一的成功率提高了，但仍然不是百分百。
规模上 OpenAI 给了个数：ChatGPT Images 加 API 上的 GPT-Image 系列每周生成 30 亿张以上。这个数的意义是稳定性 —— 这个量级跑着的服务，接口挂掉的概率比小厂低。
一条能直接抄的改图流程
- 1初稿用 flare + Low 档，一次出 8–12 张方案，成本不到五毛钱。
- 2客户从中挑一个方向。这一步不要给他看高清图，给低清反而选得快 —— 他会看构图和概念，不会纠结一根头发。
- 3选中的方向用 flare + High 档重出一张，大约三毛五。这是给客户过稿的版本。
- 4过稿后进入改图阶段，换成 sunburst，用多轮对话只改指定区域。这一阶段图像输入会产生费用，记得开缓存。
- 5定稿导出用 XHigh 或 Max，一张一两块钱，这时候值得花。
这套流程的关键不是哪个档最好，是每一步用刚好够用的那一档。全程 Max 的成本大概是这套流程的十倍，而客户看到的最终结果一样。
四、中国怎么接，商用怎么算，什么时候别用它
国内直连 OpenAI API 不通，常规三条路：自己的海外服务器转发、第三方聚合平台、国内中转服务。第三条最省事也最容易出事 —— 客户的产品图、人像素材传进来路不明的中转，是实打实的合规风险，签了保密协议的单子尤其别这么干。
商用这块 OpenAI 的口径一向比较宽松，API 生成的图归调用方，可以商用。但有两件事要自己盯：一是生成内容本身的合规（肖像、商标、品牌元素），模型不替你把关；二是平台侧的内容政策，官方安全评测里给的对抗测试不安全输出率是 Sunburst 1.09%、Flare 1.41%，不是零。批量出图的时候，交付前得有人过一遍。
这几种活别用它
- 1要矢量输出的：它出的是位图。需要真 SVG 去 Figma 里改的，得找别家。
- 2中文长段落排版的：GPT-Image 系列历史上一直被吐槽非英文文字渲染吃力，中文海报正文别指望它一次到位。
- 3多张人脸同框的：同样是历史老问题，人脸一多就开始崩。
- 4要求 4K 交付的：分辨率上限没有确凿说法，别在合同里先答应。
顺带一个时间线上的变化：DALL·E 这个品牌在 2026 年 8 月 30 日正式退役了。 客户如果还在说「用 DALL·E 给我画一张」，那是三年前的词汇了。
它现在在哪些地方能直接用到
除了 ChatGPT 本体和 API，这一代上线当天就被几家平台接走了：Adobe Firefly 同日接入，Recraft Studio 第二天（9 月 9 日）接入。对不方便自己搭接口的人来说，这是两条现成的路 —— 代价是平台加价，而且你拿不到 model id 级别的控制权，选不了 flare 还是 sunburst。
还有一条隐性好处值得提：Firefly 这类平台把三十多个模型摆在一起做并排对比，同一句 prompt 一次喂给几家的模型。前期选型的时候这比一家家去试快得多，选定之后再回到源头去调 API。