GPT-Image-2.5: หน้าอ้างอิงสำหรับโมเดลสร้างภาพแบบแยกส่วนของ OpenAI

ไม่มีโมเดลที่ชื่อ gpt-image-2.5 หากคุณวางสตริงนั้นลงใน API ของผู้ให้บริการ คุณจะได้รับข้อผิดพลาด เพราะ ID ของโมเดลนั้นไม่มีอยู่จริง — และหากคุณเปิดเอกสาร API ที่ที่อยู่ซึ่งน่าจะมีมันอยู่ คุณจะเจอ 404 สิ่งที่มีอยู่จริงคือคู่หนึ่ง: GPT-Image-2.5 Sunburst ซึ่งมีตัวระบุคือ gpt-image-2.5-sunburst และผู้ให้บริการอธิบายว่าเป็น "โมเดลที่เก่งที่สุดของเราสำหรับการสร้างและแก้ไขภาพ" และ GPT-Image-2.5 Flare ซึ่งมีตัวระบุคือ gpt-image-2.5-flare และผู้ให้บริการอธิบายว่าเป็น "การสร้างภาพในชีวิตประจำวันได้อย่างรวดเร็วและมีคุณภาพสูง" ทั้งสองเป็นรุ่นสืบทอดต่อจาก GPT-Image-2 และการจัดวางแบบสองโมเดลนี้ทั้งหมดคือสิ่งสำคัญที่สุดที่ต้องเข้าใจก่อนที่คุณจะเขียนโค้ดแม้แต่บรรทัดเดียวเพื่อใช้งานตัวใดตัวหนึ่ง ช่องว่างในการตั้งชื่อนี้ยังเป็นเหตุผลที่หน้านี้มีอยู่ด้วย: คำถามที่ผู้คนพิมพ์ — "gpt image 2.5" — ไม่มีคำตอบเฉพาะเจาะจงที่นี่ มีเพียงคำตอบบางส่วนที่กระจัดกระจายอยู่ในบทความเกี่ยวกับตัวแปรและการเปรียบเทียบต่างๆ

ทุกอย่างในเอกสารอ้างอิงนี้อ่านมาจากเอกสาร API ของผู้จำหน่ายเองเมื่อวันที่ 2026-10-12 บวกกับข้อมูลลีดเดอร์บอร์ดจากแหล่งอิสระหนึ่งชุดที่เก็บในวันเดียวกัน ในกรณีที่ผู้จำหน่ายไม่ได้เผยแพร่ข้อมูลใดเลย หน้านี้จะบอกไว้เช่นนั้นแทนที่จะเติมช่องว่างให้เต็ม และในกรณีที่หน้าต่างๆ ของผู้จำหน่ายเองขัดแย้งกัน หน้านี้ก็บอกเช่นนั้นด้วย

GPT-Image-2.5 คืออะไร และมันวางตัวอยู่บน GPT-Image-2 อย่างไร

GPT-Image-2.5 เป็นรุ่นที่สามของตระกูลภาพที่คิดค่าใช้จ่ายตามโทเค็นของผู้ขาย และเป็นผู้สืบทอดโดยตรงของ GPT-Image-2 ซึ่งสแนปช็อต API ของมันลงวันที่ gpt-image-2-2026-04-21. รุ่น 2.5 มาถึงใน API เมื่อ 2026-09-08 — ทั้งสองเวอร์ชันมีวันที่นั้นในชื่อสแนปช็อตเริ่มต้น gpt-image-2.5-sunburst-2026-09-08 และ gpt-image-2.5-flare-2026-09-08. นั่นคือวันที่เปิดตัวตามบันทึกของผู้ขายเอง และเป็นเวลาประมาณสี่เดือนครึ่งหลังจาก GPT-Image-2 โมเดลนี้ไม่ใช่ของใหม่ในสัปดาห์นี้ สิ่งที่ตามมาคือข้อมูลอ้างอิงถาวร ไม่ใช่ประกาศเปิดตัว

การเปลี่ยนแปลงระหว่างเจนเนอเรชันไม่ใช่โมเดลเดียวที่มีเลขเวอร์ชันใหญ่ขึ้น หากแต่เป็นการแยกสาขา ทุกเจนเนอเรชันของ GPT-Image ก่อนหน้านี้ส่งโมเดลหลักมาเพียงหนึ่ง ID — GPT-Image-1 จากนั้น GPT-Image-1.5 แล้วก็ gpt-image-2 — และคุณเลือกชั้นคุณภาพภายในโมเดลเดียวนั้น สำหรับ 2.5 ผู้ให้บริการส่งโมเดลสองตัวที่ตั้งชื่อแยกกันและมี snapshot แยกกัน และให้คุณเลือกว่างานของคุณควรอยู่กับตัวไหน ไม่มีโมเดลร่มที่กระจายงานไปยังทั้งสองตัว

ผลในทางปฏิบัติสามข้อตามมาจากเรื่องนั้น และสิ่งเหล่านั้นควรค่าแก่การกล่าวอย่างตรงไปตรงมา เพราะสิ่งเหล่านั้นคือสิ่งที่ผู้อ่านที่กำลังค้นหาชื่อของโมเดลต้องการจริง ๆ

• ไม่มีgpt-image-2.5 นามแฝง โค้ดที่เขียนโดยอ้างอิงกับชื่อล้วน ๆ ที่สมมติขึ้นจะไม่ทำงาน คุณต้องระบุชื่อ gpt-image-2.5-sunburst หรือ gpt-image-2.5-flare อย่างชัดเจน

• ทั้งสองตัวเลือกใช้ตารางราคาและตารางการจำกัดอัตราร่วมกัน ดังนั้นการเลือกของคุณระหว่างสองตัวเลือกนี้จึงเป็นการตัดสินใจเรื่องความหน่วงและความแม่นยำ ไม่ใช่การตัดสินใจเรื่องงบประมาณ การอธิบายการแบ่งของทางผู้ขายเองคือการแบ่งตามภาระงาน ไม่ใช่บันไดคุณภาพที่คุณไต่ขึ้นด้วยการจ่ายเงินมากขึ้น

• "GPT-Image-2.5" ที่ไม่มีคำต่อท้ายเป็นชื่อเจเนอเรชัน ไม่ใช่ชื่อโมเดล เมื่อคุณเห็นมันในบันทึกการเปลี่ยนแปลง ใบเรียกเก็บเงิน หรือประกาศผลิตภัณฑ์ มันหมายถึงเจเนอเรชัน และคุณยังต้องรู้ว่าโมเดลใดในสองตัวนั้นเป็นผู้สร้างผลงานชิ้นนี้

Flare หรือ Sunburst: วิธีเลือก

นี่คือคำถามที่ชื่อของโมเดลเองก่อให้เกิดขึ้นซ้ำแล้วซ้ำเล่า และคำศัพท์เกี่ยวกับตัวแปรนั้นขัดกับสามัญสำนึกมากพอที่หลายคนจะถามทั้งสองทางก่อนจะได้คำตอบ ต่อไปนี้คือข้อยุติ โดยหนึ่งบรรทัดต่อหนึ่งตัวแปร อ้างอิงจากจุดยืนที่ผู้ขายเผยแพร่ มากกว่าการอนุมานจากเบนช์มาร์ก:

• Flare — gpt-image-2.5-flare, สแนปช็อต gpt-image-2.5-flare-2026-09-08 เลือกใช้เมื่อปริมาณงานและเวลาตอบสนองเป็นข้อจำกัด: การสร้างภาพในชีวิตประจำวัน, ไปป์ไลน์ปริมาณมาก, ต้นแบบ, ภาพสำหรับโซเชียลและผลิตภัณฑ์, อะไรก็ตามที่ "ดีเลย เดี๋ยวนี้" ชนะ "ดีกว่าในภายหลัง" มันคือโมเดลที่ผู้ขายติดป้ายว่าเป็นตัวเลือกประจำวันแบบรวดเร็วและคุณภาพสูง และเป็นตัวที่คุณควรตั้งเป็นค่าเริ่มต้น

• Sunburst — gpt-image-2.5-sunburst สแนปช็อต gpt-image-2.5-sunburst-2026-09-08 เลือกใช้เมื่อตัวงานแก้ไขเองคือสิ่งที่ต้องส่งมอบ และความแม่นยำสำคัญกว่าความหน่วงเวลา เช่น งานแก้ไขแบบวนซ้ำที่การเปลี่ยนแปลงซึ่งทำในรอบที่สองต้องคงอยู่ต่อถึงรอบที่สาม องค์ประกอบที่ไวต่อเลย์เอาต์ และการ inpaint แบบมาสก์ที่ต้องลงตรงจุดที่เล็งไว้ คู่มือการสร้างภาพของบริษัทผู้พัฒนาเขียนสรุปความแตกต่างนี้ไว้ในประโยคเดียวว่า "เลือก Sunburst สำหรับเวิร์กโฟลว์ที่ความแม่นยำในการแก้ไขสำคัญที่สุด และเลือก Flare สำหรับการสร้างภาพทั่วไปที่รวดเร็วและมีคุณภาพสูง"

ข้อแม้ที่ตรงไปตรงมาคือ ผู้ขายไม่ได้เผยแพร่ตัวเลขความหน่วง ต้นทุนต่อภาพ หรือเกณฑ์มาตรฐานด้านคุณภาพที่ระบุปริมาณช่องว่างระหว่างสองโมเดล ดังนั้น “ช้ากว่า” และ “แม่นยำกว่า” จึงเป็นคำอธิบายลักษณะของผู้ขาย ไม่ใช่อัตราส่วนที่วัดได้ ลีดเดอร์บอร์ดอิสระแห่งเดียวที่มีทั้งสองโมเดลนั้นแยกสองโมเดลออกจากกันจริง และเห็นตรงกันในลำดับ — ดูส่วนหลักฐานด้านล่าง สิ่งที่มันไม่ได้ให้คือการเปรียบเทียบแบบตัวต่อตัวที่ใช้ชุดทดสอบเดียวกันและความพยายามเท่ากัน พร้อมช่วงความเชื่อมั่นที่คุณนำไปใส่ในแผนความจุได้ ยังไม่มีใครเผยแพร่ข้อมูลนั้น

ค่าเริ่มต้นที่ใช้งานได้จริง ถ้าคุณไม่อยากคิดให้มาก: เรียก Flare ไปทุกที่ แล้วเปลี่ยนเส้นทางไปที่ Sunburst สำหรับคำขอเฉพาะที่การแก้ไขต้องคงอยู่ — คำขอที่มีมาสก์ หรือมีตัวแบบอ้างอิงที่คุณต้องรักษาให้คงที่ข้ามรอบการสนทนา นั่นคือรูปแบบ "โมเดลที่ยังไม่ผ่านการพิสูจน์ อย่าเอาทางเดินโปรดักชันไปเดิมพันกับมัน" พอดี ซึ่งการเปลี่ยนเส้นทางปลายทางเดียวไปยังทั้งสองแบบถูกกว่าการเลือกใช้เพียงตัวใดตัวหนึ่ง

สิ่งที่รับเข้าและสิ่งที่ส่งคืน

ทั้งสองเวอร์ชันระบุขอบเขตโมดัลลิตีเดียวกันบนหน้ารุ่นของผลิตภัณฑ์ของผู้ขาย อินพุต: ข้อความและรูปภาพ เอาต์พุต: รูปภาพ ไม่มีการสร้างเอาต์พุตข้อความ และหมายเหตุด้านราคาของผู้ขายยืนยันผลที่ตามมา — เอาต์พุตข้อความไม่ถูกคิดค่าบริการ เพราะโมเดลไม่ส่งคืนข้อความใด ๆ

ช่วงขนาดกว้างกว่าที่พรีเซ็ตทั้งสามแบบบ่งชี้ไว้:

• พรีเซ็ตที่แนะนำ — 1024×1024 แบบจัตุรัส, 1536×1024 แนวนอน, 1024×1536 แนวตั้ง

• ขนาดกำหนดเอง — ทั้งสองโมเดลรับสตริงใดก็ได้WIDTHxHEIGHT โดยมีข้อจำกัดสามข้อที่ระบุไว้ตรงตัวในคู่มือ: ความกว้างและความสูงต้องเป็นจำนวนเท่าของ 16; อัตราส่วนภาพต้องอยู่ระหว่าง 1:3 ถึง 3:1; และไม่มีด้านใดยาวเกิน 3840 พิกเซล

• งบพิกเซลทั้งหมด — ระหว่าง 655,360 ถึง 8,294,400 พิกเซล ซึ่งผู้ขายเรียกอย่างสวยหรูว่า 4K ที่ขีดสูงสุด

• โซนทดลอง — ความละเอียดที่สูงกว่า 2560×1440 ถูกผู้จำหน่ายระบุว่าเป็นระดับทดลอง ให้ถือว่าสิ่งใดที่เกินกว่านั้นยังไม่ผ่านการตรวจสอบความใช้ได้สำหรับงานโปรดักชัน

รูปแบบเอาต์พุตเริ่มต้นเป็น PNG โดยมี JPEG และ WebP ให้เลือกใช้ การบีบอัดควบคุมได้ผ่านพารามิเตอร์ output_compressionในช่วง 0–100 และผู้ให้บริการระบุว่า JPEG เร็วกว่า PNG — น่าจดจำไว้หากความหน่วงคือเหตุผลที่คุณเลือก Flare ตั้งแต่แรก พื้นหลังแบบโปร่งใสต้องใช้ background: "transparent" ควบคู่กับรูปแบบเอาต์พุต PNG หรือ WebP API จะส่งคืนข้อมูลภาพที่เข้ารหัสเป็น base64

การเลือกคุณภาพไล่ตั้งแต่ low, medium, high, xhigh, max และ auto. โมเดล 2.5 ทั้งสองตัวคือรุ่นที่เพิ่ม xhigh และ max; ส่วนโมเดล GPT Image รุ่นก่อนหน้าจำกัดอยู่ที่ high. ตัวแปร 2.5 ทั้งสองแบบมีค่าเริ่มต้นเป็น auto. หากระดับต่าง ๆ ดูเหมือนเป็นแกนคุณภาพที่สองซ้อนอยู่บนตัวเลือก Flare/Sunburst นั่นก็เพราะมันเป็นแกนเดียวกันจริง ๆ: คุณเลือกก่อนแล้วจึงเลือกชั้น และทั้งสองอย่างส่งผลรวมกันต่อทั้งความหน่วงและค่าใช้จ่าย

ขีดจำกัดอัตราการใช้งานเหมือนกันสำหรับทั้งสองโมเดล และกำหนดตามระดับการใช้งานเป็นจำนวนโทเค็นและรูปภาพต่อนาที: Build 250,000 / 20, Launch 3,000,000 / 150, Grow 8,000,000 / 250 โดยตารางเดียวกันนี้ระบุไว้สำหรับgpt-image-2 ผู้ให้บริการยังระบุด้วยว่าการใช้โมเดลเหล่านี้อาจจำเป็นต้องดำเนินการยืนยันองค์กร API (API Organization Verification) ให้เสร็จสิ้น

พื้นผิวของเอนด์พอยต์ และความขัดแย้งด้านเอกสาร

นี่คือส่วนที่การอ่านเนื้อหาของผู้ขายซ้ำอีกครั้งนั้นสำคัญ เพราะหน้าเพจของผู้ขายเองไม่ได้สอดคล้องกันทั้งหมด

หน้าเพจโมเดลสำหรับ gpt-image-2.5-sunburst และ gpt-image-2.5-flare แสดงรายการ endpoint ที่รองรับเพียงสามรายการเท่านั้น: v1/images/generations, v1/images/edits และ v1/batch ส่วนรายการอื่น ๆ ทั้งหมดในตารางถูกระบุว่าไม่รองรับ — รวมถึง v1/responses และ v1/chat/completions นี่คือชุด endpoint สามรายการเดียวกันกับที่ GPT-Image-2 เปิดให้ใช้งาน และหมายความว่ารูปแบบ Chat Completions ที่คุณอาจเคยใช้กับโมเดลสร้างภาพรุ่นก่อนหน้าจะไม่สามารถนำมาใช้ต่อได้

อย่างไรก็ตาม คู่มือการสร้างรูปภาพอธิบายเส้นทาง Responses API ซึ่งคุณเลือกโมเดลหลักและระบุชื่อโมเดลรูปภาพภายในฟิลด์เครื่องมือ และหมายเหตุในหน้าราคาระบุว่าอัตราอินพุตแบบแคชสำหรับ GPT-Image-2 และ 2.5 "ใช้ได้เฉพาะกับการสร้างผ่าน Responses API เท่านั้น" ข้อความทั้งสองนี้บ่งชี้ถึงพื้นผิว Responses ที่หน้าโมเดลระบุไว้อย่างชัดเจนว่าไม่รองรับ ตัวอย่างการใช้งานจริงในคู่มือเองก็จับคู่เครื่องมือสร้างรูปภาพกับ gpt-6-astra เป็นโมเดลหลัก

ผมกำลังรายงานความขัดแย้งนี้ แทนที่จะแก้ไขมัน การตีความแบบระมัดระวัง — และเป็นแนวทางที่ควรใช้เป็นฐานในการพัฒนา — คือหน้าโมเดล: generations, edits, batch ทดสอบเส้นทาง Responses กับบัญชีของคุณเองก่อนที่คุณจะพึ่งพามัน เพราะหน้าที่จะให้สิทธิ์มันในขณะนี้บอกว่าไม่

พฤติกรรมการแสดงผลและการแก้ไขข้อความ

การตัดต่อคือสิ่งที่เจเนอเรชัน 2.5 มุ่งเป้าไป และเอกสารประกอบก็ระบุรายละเอียดเกี่ยวกับกลไกและขีดจำกัดอย่างเฉพาะเจาะจงผิดปกติ

เอนด์พอยต์ edits รองรับการทำอินเพนติ้ง — ซึ่งเป็นฟีเจอร์การแก้ไขเพียงอย่างเดียวที่ระบุไว้บนหน้าของโมเดลทั้งสอง คุณอัปโหลดภาพหนึ่งภาพพร้อมมาสก์ที่ระบุบริเวณที่ต้องการแทนที่ มีข้อจำกัดสองข้อที่สำคัญกว่าที่เห็นในตอนแรก ข้อแรก การใช้มาสก์กับโมเดลเหล่านี้ทำงานผ่านพรอมต์ทั้งหมด: โมเดลใช้มาสก์เป็นแนวทาง และตามถ้อยคำของผู้ให้บริการ "อาจไม่ยึดตามรูปร่างที่แน่นอนของมาสก์อย่างแม่นยำเต็มที่" ข้อที่สอง ภาพและมาสก์ต้องมีรูปแบบและขนาดเดียวกัน และมีขนาดต่ำกว่า 50MB และมาสก์ต้องมีช่องอัลฟา — มาสก์ขาวดำธรรมดาจะใช้งานไม่ได้จนกว่าคุณจะเพิ่มช่องอัลฟาโดยใช้โปรแกรม หากคุณส่งภาพอินพุตหลายภาพ มาสก์จะถูกใช้กับภาพแรก

ในเรื่องของข้อความ คำกล่าวที่ตรงไปตรงมาจะมาจากรายการข้อจำกัดของผู้ขายเอง ไม่ใช่จากคำกล่าวอ้างทางการตลาดของผู้ขาย: "แม้ว่าจะได้รับการปรับปรุงอย่างมีนัยสำคัญ โมเดลก็ยังอาจมีปัญหาเกี่ยวกับการวางตำแหน่งข้อความที่แม่นยำและความชัดเจน" จงอ่านสิ่งนั้นตามตัวอักษร เจเนอเรชันนี้เรนเดอร์ข้อความได้ดีกว่ารุ่นก่อนๆ และยังไม่ใช่เอนจินเลย์เอาต์ รายการข้อจำกัดเดียวกันยังเสริมว่าพรอมต์ที่ซับซ้อนอาจใช้เวลาประมวลผลนานถึงสองนาที โมเดลอาจมีปัญหาในการทำให้ตัวละครที่ปรากฏซ้ำหรือองค์ประกอบของแบรนด์มีความสอดคล้องกันทางสายตา และอาจมีปัญหาในการวางองค์ประกอบอย่างแม่นยำในองค์ประกอบที่มีโครงสร้างหรือไวต่อเลย์เอาต์ ทุกข้อเหล่านั้นเป็นข้อโต้แย้งที่สนับสนุน Sunburst สำหรับงานด้านเลย์เอาต์ และคัดค้านการสันนิษฐานว่าตัวแปรใดตัวแปรหนึ่งจะรักษาเทมเพลตไว้ได้

การกลั่นกรองมีผลกับทั้งสองอย่าง: ผู้ให้บริการระบุว่าพรอมต์ทั้งหมดและรูปภาพที่สร้างขึ้นจะถูกตรวจสอบกับระบบกลั่นกรองของตน โดยมีmoderation พารามิเตอร์ที่ให้ค่าauto (ค่าเริ่มต้น) หรือ low และคำขอที่ถูกบล็อกจะส่งคืนรหัสข้อผิดพลาด moderation_blocked พร้อมรายละเอียดเพิ่มเติม (ถ้ามี)

ข้อกำหนดสัญญาอนุญาตและเงื่อนไขการใช้งานตามที่เผยแพร่

เอกสารเกี่ยวกับโมเดลและการสร้างรูปภาพที่ผู้ขายเผยแพร่ไม่มีข้อกำหนดเรื่องความเป็นเจ้าของผลลัพธ์และการใช้งานเชิงพาณิชย์ ข้อกำหนดเหล่านั้นอยู่ในข้อกำหนดแยกต่างหากซึ่งไม่ได้ระบุซ้ำในเอกสารสำหรับนักพัฒนา สิ่งที่เอกสารสำหรับนักพัฒนาระบุไว้ในคู่มือการจัดการข้อมูลก็คือ ข้อมูล API จะไม่ถูกนำไปใช้ในการฝึก เว้นแต่คุณจะเลือกเข้าร่วม และตารางในคู่มือระบุว่า "ใช้สำหรับการฝึก: ไม่" สำหรับ /v1/images/generations และ /v1/images/edits ปลายทาง การสร้างรูปภาพยังได้รับการอธิบายไว้ที่นั่นว่าเข้ากันได้กับ Zero Data Retention สำหรับชื่อโมเดลเฉพาะที่ระบุไว้ในหน้านั้น

ไม่มีสิ่งใดในเอกสาร API ที่ให้สิทธิ์หรืออธิบายถึงแพ็กเกจฟรี เครดิตฟรี โควตาทดลองใช้ หรือการยกเว้นข้อจำกัดอัตราสำหรับโมเดล 2.5 ทั้งสองรุ่น ไม่มีโควตาฟรีที่ประกาศไว้ให้อ้างอิง สิ่งที่ประกาศไว้คือราคา และเป็นราคาเดียวกันกับที่ GPT-Image-2 ใช้อยู่แล้ว — ดูหัวข้อถัดไป

การกำหนดราคา และข้อเท็จจริงที่ว่ามันไม่ขยับ

ผู้ขายไม่เผยแพร่ราคาต่อภาพสำหรับรุ่น 2.5 ทั้งสองรุ่น การคิดราคาคิดตามจำนวนโทเค็น ต่อหนึ่งล้าน และอัตราเท่ากันทั้งสองโมเดลและเหมือนกับ GPT-Image-2:

• อินพุตข้อความแบบมาตรฐาน — $5.00 ต่อ 1 ล้านโทเคน; อินพุตข้อความแบบแคช $1.25

• มาตรฐาน อินพุตรูปภาพ — $8.00 ต่อ 1M โทเคน; อินพุตรูปภาพที่แคชไว้ $2.00

• แบบมาตรฐาน, เอาต์พุตภาพ — $30.00 ต่อ 1 ล้านโทเคน

• แบบกลุ่ม (Batch) อินพุตข้อความ — $2.50; อินพุตรูปภาพ $4.00; เอาต์พุตรูปภาพ $15.00 โดยอัตราที่แคชไว้จะลดลงครึ่งหนึ่งตามกัน

สองสิ่งเกี่ยวกับตารางนั้นมีค่ามากกว่าตัวเลขเองเสียอีก ประการแรก เจนเนอเรชัน 2.5 ไม่ได้ขึ้นราคา: gpt-image-2ระบุราคาขาเข้า 8 ดอลลาร์ และขาออก 30 ดอลลาร์ในฝั่งรูปภาพ และ 5 ดอลลาร์สำหรับข้อความ เช่นเดียวกับ 2.5 เป๊ะ ๆ ในทางตรงกันข้าม GPT-Image-1.5 อยู่ที่ขาเข้า 8 ดอลลาร์ และขาออก 32 ดอลลาร์ โดยมีอัตราขาออกข้อความที่ 10 ดอลลาร์ ส่วน GPT-Image-1 อยู่ที่ขาเข้า 10 ดอลลาร์ และขาออก 40 ดอลลาร์ การอัปเกรดเป็น 2.5 เป็นการเปลี่ยนแปลงด้านความสามารถและความหน่วง โดยที่บัตรราคายังคงเดิม ประการที่สอง ผู้จำหน่ายระบุว่าเครื่องคำนวณต้นทุนการสร้างรูปภาพที่มีอยู่เดิมนั้นไม่สามารถประเมินการใช้งานของ 2.5 ได้ ดังนั้นคุณจึงไม่ควรคาดการณ์ค่าใช้จ่ายสำหรับโมเดลเหล่านี้จากเครื่องมือที่สร้างขึ้นสำหรับเจนเนอเรชันเก่า ผู้จำหน่ายไม่ได้เผยแพร่ตัวเลขต่อรูปภาพ ดังนั้นตัวเลขต่อรูปภาพใด ๆ ที่คุณเห็นมีการอ้างอิงสำหรับโมเดลเหล่านี้จึงเป็นการแปลงของคนอื่น ไม่ใช่ของผู้จำหน่าย

เนื่องจากราคาถูกส่งผ่านตามอัตราที่ผู้ให้บริการระบุไว้ โดยฝั่งเราไม่มีการบวกเพิ่มใด ๆ อัตราเหล่านั้นจึงเป็นราคาที่คุณจ่ายบน OrcaRouter และหากผู้ให้บริการเปลี่ยนอัตรา ราคาก็จะอัปเดตในวันเดียวกัน ทั้งสองโมเดลอยู่ในแค็ตตาล็อกที่ใช้งานจริงของเราวันนี้ ฉันตรวจสอบแล้ว เพราะคำกล่าวอ้างเรื่องความพร้อมใช้งานจากหน้าเว็บเก่า ๆ เป็นสิ่งประเภทที่ล้าสมัยได้พอดี: gpt-image-2.5-sunburst และ gpt-image-2.5-flare ทั้งคู่สามารถกำหนดเส้นทางได้ผ่าน endpoint แบบ OpenAI-compatible เดียวกันกับทุกอย่างอื่น ด้วยอัตราค่าภาพ $8 in / $30 out ข้างต้น หากคุณกำลังประเมินทั้งคู่แทนที่จะเลือกอันใดอันหนึ่ง เรื่องนี้สำคัญด้วยเหตุผลในทางปฏิบัติ — คีย์เดียวและกฎการกำหนดเส้นทางหนึ่งข้อช่วยให้คุณส่งคำขอประเภทหนึ่งไปยัง Sunburst และส่งที่เหลือทั้งหมดไปยัง Flare และเปลี่ยนการแบ่งได้โดยไม่ต้องมีสัญญาที่สองหรือแก้โค้ด

สิ่งที่การทดสอบอิสระบอก และสิ่งที่ยังไม่มีใครวัด

ผู้ขายไม่เผยแพร่คะแนน benchmark สำหรับทั้งสองรุ่นบนหน้าเพจรุ่นของตน หลักฐานอิสระนั้นเบาบางกว่าที่การรายงานข่าวเปิดตัวสื่อไว้ และควรระบุให้ชัดเจนว่าหลักฐานนั้นแสดงอะไรและไม่แสดงอะไร

Artificial Analysis จัดทำบอร์ดแปลงข้อความเป็นภาพ ซึ่งครอบคลุมทั้งการจัดอันดับคุณภาพแบบ Elo และราคา API ตัวแทนต่อการสร้างภาพ 1,000 ภาพ ในการบันทึกเมื่อวันที่ 2026-10-12 ทั้ง GPT Image 2.5 Sunburst (max) และ GPT Image 2.5 Flare (max) ปรากฏเป็นรายการที่อยู่อันดับสูง โดย Sunburst ถูกจัดให้อยู่เหนือ Flare และทั้งคู่อยู่เหนือ GPT Image 2 (high) ฉันจงใจไม่พิมพ์ค่าอีโลจากการบันทึกนั้น: บอร์ดแสดงตัวเลขของแต่ละโมเดลในรูปแบบกราฟิก และป้ายกำกับแต่ละรายการก็ไม่สามารถดึงออกจากหน้าเว็บที่บันทึกไว้ได้อย่างสะอาด ดังนั้นตัวเลขที่อ้างถึงตรงนี้จึงเป็นการอ่านจากแผนภูมิ มากกว่าข้อมูลที่อยู่เบื้องหลัง หากคุณต้องการตัวเลขนั้น โปรดไปที่บอร์ด

แกนราคานั้นยังเป็นที่เดียวที่ตัวเลขเทียบเท่าต่อภาพสำหรับโมเดลเหล่านี้มีอยู่ในปัจจุบัน — Artificial Analysis คำนวณต้นทุนตัวแทนต่อ 1,000 ภาพจากราคาที่คิดตามโทเคน เป็นการประมาณการอิสระที่ได้จากวิธีการของบุคคลที่สาม ไม่ใช่อัตราของผู้ขาย และตัวผู้ขายเองก็ไม่ได้เผยแพร่ตัวเลขต่อภาพใด ๆ เลย ใช้มันเพื่อเปรียบเทียบรูปแบบของต้นทุนระหว่างโมเดล อย่านำไปอ้างเป็นราคาของผู้ขาย

สิ่งที่ตามมาจากหลักฐานนั้น เมื่อกล่าวอย่างตรงไปตรงมา: การจัดลำดับของสองเวอร์ชันได้รับการยืนยันอย่างเป็นอิสระ ซึ่งเป็นส่วนที่สำคัญต่อการตัดสินใจเลือก Flare หรือ Sunburst สิ่งที่ยังไม่ได้รับการยืนยันคือการเปรียบเทียบใด ๆ ระหว่างเวอร์ชัน 2.5 กับโมเดลภาพคู่แข่งที่วัดด้วยความพยายามที่เทียบเคียงกันและบนฮาร์เนสที่เทียบเคียงกัน รายการบนกระดานจัดอันดับถูกแบ่งเป็นระดับ — "Sunburst (max)" และ "Flare (max)" ระบุการตั้งค่าคุณภาพ และโมเดลอื่น ๆ บนกระดานเดียวกันถูกแสดงในระดับของตนเอง ไม่ใช่ในระดับร่วมเดียวกัน การจัดอันดับข้ามป้ายระดับไม่ใช่การจัดอันดับที่การตั้งค่าเท่ากัน และการปฏิบัติต่อมันเสมือนว่าเป็นเช่นนั้นจะเป็นการกล่าวเกินจริงถึงสิ่งที่ได้รับการทดสอบจริง

สิ่งนี้ทำให้คุณอยู่ตรงไหน

ถ้าคุณมาที่นี่โดยมีเพียงชื่อโมเดลและไม่มีอย่างอื่น ข้อเท็จจริงที่สำคัญมีดังนี้ ให้ขอ gpt-image-2.5-sunburst หรือ gpt-image-2.5-flareไม่มีตัวเลือกที่สามและไม่มีนามแฝงแบบเปล่า ๆ ทั้งสองรับข้อความและรูปภาพ แล้วส่งคืนรูปภาพ โดยมีด้านสูงสุด 3840 พิกเซล และรวม 8,294,400 พิกเซล จากหนึ่งในสามเอนด์พอยต์ Flare เป็นตัวเลือกที่เน้นปริมาณงาน ส่วน Sunburst เป็นตัวเลือกที่เน้นความแม่นยำ และเอกสารของผู้ให้บริการเองยอมรับว่ามาสก์เป็นเพียงคำแนะนำมากกว่าขอบเขตที่ตายตัว ดังนั้นทั้งสองจึงไม่ได้ให้การแก้ไขที่แน่นอนสมบูรณ์แบบ อัตราค่าบริการไม่เปลี่ยนแปลงจาก GPT-Image-2 โดยอยู่ที่ 8 ดอลลาร์ต่อล้านโทเค็นอินพุตรูปภาพ และ 30 ดอลลาร์ต่อล้านโทเค็นเอาต์พุตรูปภาพ โดยแบบแบตช์คิดครึ่งราคา และไม่มีราคาต่อรูปภาพหรือโควตาฟรีบนหน้าของผู้ให้บริการให้เปรียบเทียบได้

สิ่งที่ยังเป็นคำถามเปิดอย่างแท้จริงคือสิ่งที่แผนความจุต้องการมากที่สุด นั่นก็คือความแตกต่างของเวลาแฝงที่วัดได้ และการเปรียบเทียบคุณภาพด้วยฮาร์เนสที่จับคู่กันระหว่างสองเวอร์ชัน จนกว่าจะมีใครเผยแพร่สิ่งเหล่านั้น การแยกระหว่าง Flare กับ Sunburst ก็เป็นการตัดสินใจด้านการออกแบบโดยอิงจากจุดยืนที่ผู้ขายระบุไว้ บวกกับลำดับในลีดเดอร์บอร์ดหนึ่งแห่ง — ซึ่งมากกว่าที่การเปิดตัวส่วนใหญ่ให้คุณ และน้อยกว่าที่เบนช์มาร์กจะให้