GPT-Image-2.5 Flare 与 Sunburst：OpenAI 将其图像 API 拆分为速度与精度

OpenAI 的图像 API 现在拥有两个旗舰模型，而非一个。2026年9月8日，该公司推出了 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst——它们是同一次 2.5 升级下的姊妹模型，按工作负载划分，而非按代际划分。Flare 被定位为面向日常及高批量图像生成的快速默认选择；Sunburst 则是速度较慢、优先保证精度的模型，适用于对编辑控制力的要求高于周转速度的工作。两者与面向消费者的 ChatGPT Images 2.5 同日上线 Images API，并且都延续了 OpenAI 于四月份发布的 GPT-Image-2 系列——自 9 月 3 日 Codex 泄露事件曝光以来，社区一直在追踪这一系列。

对开发者而言，实际变化是立竿见影的：决策不再是“我应该调用哪个图像模型？”，而是“这两个姊妹模型中哪一款适合这种工作负载？”答案对成本和延迟至关重要，因为这两款模型在速度上并不可互换。其余内容都只是 OpenAI 的单方面说法——速度、质量和安全数据均来自供应商及其公布的合作伙伴，且截至 2026 年 9 月 9 日，这两款 2.5 模型还没有任何独立的基准测试成绩。

两款型号，一次升级

OpenAI 的开发者公告按用例对这两款模型进行了区分。GPT-Image-2.5 Flare——其标识符为 gpt-image-2.5-flare——是大多数应用的默认选择。OpenAI 将其定位为适合创作者与社交内容、产品体验、视觉搜索、快速图像原型制作、品牌素材以及任何高吞吐量生成流程。该公司表示，Flare 生成的图像质量高于 GPT-Image-2，且延迟最多可降低 50%；同时，在其内部评估中，Flare 的生成速度约为 GPT-Image-2 的两到四倍。已公布的早期客户 Manus 也另外报告称，在其自身使用中看到了 2–4 倍的加速，并且透明背景输出效果更佳。API 参考文档将 Flare 标记为该组合中的“小型”模型。

GPT-Image-2.5 Sunburst——标识符 gpt-image-2.5-sunburst——是其中更偏高端的那一款。OpenAI 构建它是为了支持跨编辑操作中需要更精细控制的各类工作流：可直接投入生产的广告创意、精致的商品图、营销宣传物料，以及以品牌准确性为要旨的设计工具。它的单次生成时间比 Flare 更长，而这些额外算力换来的是 OpenAI 所称的编辑精度与细节保真度的再进一步提升。API 参考文档把 Sunburst 标记为“基础”模型——也就是两者中更大、更审慎的那一个。另一家已公布的早期客户 Higgsfield AI 表示，该模型“明白什么不该改”，这恰好言简意赅地概括了整个 2.5 编辑方案的卖点：即使在画面繁杂的场景里，也要将指令没有要求改动的部分完好保留。

Adobe表示，它正在将这两种模型整合到Firefly中，这使得这对模型成为首批进入该产品线的OpenAI图像模型。Manus和Higgsfield AI是另外被点名的早期客户。

实际上改进了什么

发布说明将这些质量改进归入同一个标题之下：更清晰的细节、更强的风格遵循度，以及对编辑的更多控制。{{1}}在这些标题之下，OpenAI列出了值得仔细阅读的具体变更，因为它们区分了小幅更新与真正的实质进步：{{2}}

• 更自然的光照、更丰富的纹理——评测者们一致认为，正是这些输出质量维度，带来了相较 Images 2.0 的可见跃升。

• 从参考照片中更好地保留主体——面部特征和辨识细节会延续到生成结果中，而非每次都被重新创造。

• 更可靠的多轮编辑——早期更改保持稳定，每次后续编辑均建立在之前的成果之上，而不会使图像中不相关的区域退化。

• 消费端的生成延迟比 Images 2.0 低至多 50%，这与 Flare 在 API 端呈现的速度表现一致。

• 更锐利的文字与透明背景处理，是图像 API 买家最常评测的两项能力；Manus 关于透明背景的备注是目前唯一听起来较为独立的佐证。

OpenAI还表示，每个输出都带有C2PA元数据和不可见水印，这与GPT-Image-2的溯源方法保持一致。值得重申的是，在部分受监管的工作流程中，这是一项硬性要求。

API 现在暴露了什么

这些新模型沿用开发者已使用的同一组 Images API 端点——生成调用与编辑调用——但参数范围已扩大。2.5 模型的 API 参考文档显示，quality 参数比 GPT-Image-2 提供的版本拥有更大余量：auto（默认）、low、medium、high，以及高于 high 的两个新档位 xhigh 和 max。文档还列出了尺寸选项，突破了 GPT-Image-2 发布时的 2048×2048 上限，最高支持横向 3840×2160 与纵向 2160×3840。其明确约束为：边长不超过 3840 像素、尺寸须为 16 的倍数、宽高比不大于 3:1，且总像素数介于 655,360 与 8,294,400 之间——因此最大输出略超 800 万像素，属于 4K 级范畴。background 参数接受 auto、opaque 或 transparent，透明 PNG 输出即通过此参数请求。

要让那段话站得住脚，有两个注意点需要说明。首先，这些是OpenAI参考文档中针对2.5标识符记录的设置；至于每种层级和尺寸是否在两种模型上都可用，以及各质量等级分别消耗多少token，在发布时尚未被完整记录。其次，gpt-image-2仍列在API中——2.5版本的发布是增量式的，现有集成不会因此中断。新模型的单张图像价格将取决于每次生成实际消耗的token数量，这意味着在真实用量数据积累起来之前，过去那种按“每张1024×1024图像多少美元”来估算预算的指标，才是需要盯住的数字。

价格没有变动。

OpenAI 将 token 费率保持与 GPT-Image-2 一致：每百万图像输入 token $8.00，每百万图像输出 token $30.00，此外还需按提示中的常规文本 token 计费。作为参考，Artificial Analysis 对 GPT-Image-2（high）的报价约为每 1,000 张图像 $211——即每张 1024×1024 的高质量输出约 $0.21——而OrcaRouter 上的 openai/gpt-image-2 页面显示了相同的 $8.00/$30.00 token 拆分。由于 2.5 系列模型沿用相同的费率，成本问题完全取决于每张图像的 token 消耗量，而这正是发布时未公布的信息。

这就是对任何已经通过 OrcaRouter 调用 gpt-image-2 的人来说真正重要的定价算法。OpenAI 图像模型是OrcaRouter API 背后的 200 多个模型之一。OrcaRouter 会以 0% 加价直接透传提供商的标价——openai/gpt-image-2 模型页面上的 $8.00/$30.00 费率是 OpenAI 自己的定价，不是转售商的定价。一旦上游提供商加入 gpt-image-2.5-flare 或 gpt-image-2.5-sunburst 标识符，同一个 API 密钥就能直接调用它们；任一模型的供应商调价，也会在调价出现的当天同步到你这边。

Flare 还是 Sunburst：哪个适合你

对大多数团队而言，诚实的答案是：“先从 Flare 入手，只有当某项编辑需要经得起严格审视时，才升级到 Sunburst。”这些模型按工作负载而非原始质量划分得清清楚楚，OpenAI 自身的定位也表明 Flare 是默认选项。逐维度的解读如下：

• 速度——Flare 是快的那一款：OpenAI 声称其延迟比 GPT-Image-2 低最多 50%，在其评估及 Manus 的使用中吞吐量达到 2–4 倍。Sunburst 则有意用速度换取精度，每次生成耗时更长。

• 最佳工作负载 — Flare 适用于创作者/社交媒体内容、产品体验、视觉搜索、快速原型制作以及大批量品牌素材。Sunburst 适用于制作级广告活动创意、精致产品摄影，以及要求编辑效果经得起推敲的设计工作。

• 编辑行为 —— Sunburst 是更严谨的编辑器；Higgsfield 获得的“知道哪些内容不应改动”这一反馈适用于整个 2.5 代，但 Sunburst 是为在连续编辑中提供最强控制而构建的模型。

• API 模型标签 — 在 OpenAI 的参考中，Flare 是“小”模型；Sunburst 是“基础”模型，即两者中较大且较慢的那个。

• 价格 — 相同的token费率（每百万输入$8.00 / 输出$30.00），因此成本差异仅在于Sunburst较长的生成所消耗的额外token。

• 独立评分——截至2026年9月9日，两款模型均尚无评分；在排行榜条目或可复现的第三方测试出现之前，所有质量和速度声明均应视为厂商自报。

对于已投入生产的团队，一个合理的模式是：将大部分流量路由到 Flare——它既是延迟更低的默认选择，也是在相同令牌价格下更划算的选择——而只将编辑密集、质量关键的那部分流量指向 Sunburst。由于两个模型共用 Images API 的形态和相同的令牌费率，这种分流只是一次配置变更，而并非一次迁移。自动故障转移让你可以在正式投入之前安全地进行尝试：将一小部分真实流量发送给新模型，一遇错误或超时就回退到 gpt-image-2——决定哪个同类模型赢取流量的是你自己的提示词，而不是某个发布页面。

2.5 版本的发布在图像模型竞赛中处于什么位置

GPT-Image-2 在这次发布之前，就已经是独立排行榜上其他模型追赶的目标。在 Artificial Analysis 的文生图排行榜上，它以 Elo 1178 的成绩高居榜首——领先 MAI-Image-2.6 的 1149、Nano Banana 2 的 1121 和 Muse Image 的 1116——而在图像编辑排行榜上，GPT-Image-2 (high) 以 Elo 1117 位居第二，仅次于 Microsoft 的 MAI-Image-2.6 的 1122。GPT-Image-2.5 的发布叙事是：OpenAI 把这个领先地位拆分成了速度档和精度档。这既是产品战略，也是质量宣言——不是守住一个旗舰分数，而是同时守住两个性价比定位。

诚实的提醒是，对于新模型而言，这些都还没有经过实测。截至9月9日，gpt-image-2.5-flare和gpt-image-2.5-sunburst都尚未出现在Artificial Analysis的排行榜上，也没有任何独立发布的复现OpenAI速度声称的结果。上面那些确实有独立支撑的数字——GPT-Image-2的Elo评分和单张图像定价——描述的是前代模型，而非这些新模型。在安全方面，OpenAI报告称，在其内部评测中，Flare的不安全生成率为1.41%，Sunburst为1.09%，而基线为1.64%；这些是厂商数据，发布出来以表明这一对模型比它们所扩展的模型更安全，因此更应视为方向性参考，而非定论。规模背景同样来自OpenAI：其表示，用户每周在其平台上生成超过三十亿张图像。

接下来看什么

三件事会告诉你，这种拆分是否比它所扩展的单一旗舰模型表现更好。第一是 Flare 独立的延迟和吞吐量数据——OpenAI 声称的 2–4× 提升，属于合作伙伴用一个下午就能验证的数字；Manus 的佐证只是开始，而非证据。第二是两款模型每张图像的 token 消耗量，这会把未变的 $8/$30 token 费率换算成真实的单张图像价格；该数据在发布时尚未公开。第三是 Sunburst 在图像编辑排行榜上的位置，因为那正是该模型存在的全部意义：如果它在精度上确实领先 GPT-Image-2，那么几周内就应该在与 MAI-Image-2.6 及其他编辑类前十名模型的对比中显现出来。

目前，这次发布对图像 API 买家来说是一个真正的分岔路口。GPT-Image-2.5 Flare 是从 GPT-Image-2 迁移的合理默认路径——相同的 API、相同的 token 价格，纸面速度更快。如果你的工作涉及需要经受细看的编辑，那么 GPT-Image-2.5 Sunburst 才是值得等待的那一个。而如果你已经在通过 OrcaRouter 调用 gpt-image-2，切换到这两个姊妹型号中的任意一个都只是在同一个 key 上变更路由：提供商的标价以 0% 加价直传，并且在你决定哪个模型真正配得上你的流量期间，故障转移也可用。