GPT Image 2.5 现已在 Runable 上线：Flare 与 Sunburst
关键要点
- OpenAI 于 2026 年 9 月 8 日发布了 GPT Image 2.5，包含两个 API 模型：用于追求速度的
gpt-image-2.5-flare和用于追求极致质量与编辑精度的gpt-image-2.5-sunburst。 - 两个模型现已在 Runable 上线。在任何任务中只需 提问 生成图像，Agent 即可完成生成、编辑，并将结果直接放入其正在构建的幻灯片、网站或文档中。
- 核心提升包括延迟降低高达 50%、两个新的质量等级（
xhigh和max）、最高支持 3840x2160 的原生 4K 输出，以及显著改善的多轮编辑和主体保留效果。 - Token 费率与 GPT Image 2 保持一致：两种变体均为每百万文本输入 Token 5 美元、每百万图像输入 Token 8 美元，以及每百万图像输出 Token 30 美元。
本月 OpenAI 的发布节奏非常快。GPT-6 Astra 于 9 月 3 日上线。五天后的 2026 年 9 月 8 日，该公司在 ChatGPT 和 API 中发布了 GPT Image 2.5，并首次将其图像堆栈拆分为两个模型：Flare 用于日常速度，Sunburst 用于质量至上的工作场景。
两者均已在 Runable 中上线。本文将介绍实际的变化、你应该选择哪一个、它的成本是多少，以及如何将其投入到实际项目中，而不是仅仅在聊天窗口中使用。
OpenAI 在 9 月 8 日发布了什么
GPT Image 2.5 取代了单一的通用图像模型，转而采用双模型阵容，两者快照日期均为 2026-09-08。
GPT Image 2.5 Flare 是小型模型，针对速度进行了优化。OpenAI 称其图像质量与 GPT Image 2 相当，但交付速度更快。Flare 是大批量工作的首选：社交媒体变体、缩略图、规模化产品图以及最终渲染前的草稿预览。
GPT Image 2.5 Sunburst 是基础模型，针对质量进行了优化。它能产生比 GPT Image 2 更清晰的细节、更自然的灯光和更强的控制力。OpenAI 将其专门定位在编辑精度至关重要的工作流中。如果 GPT Image 2 在处理复杂要求时力不从心，Sunburst 就是解决问题的模型。
两个模型都接受文本和图像输入，仅输出图像，并支持完整的质量等级：low、medium、high、xhigh、max 和 auto。xhigh 和 max 等级是此版本新增的。两者还原生支持透明背景，这一点比听起来更重要：从模型中生成的带有清晰 Alpha 通道的 Logo 或产品切图，可以省去一整步合成工作。
分辨率也进行了调整。GPT Image 2.5 接受 auto 或自定义的 WIDTHxHEIGHT，常用预设包括 1024x1024、1536x1024、2048x1152 和 4K 横向的 3840x2160。自定义尺寸需保持每条边小于 3,840 像素，两条边均为 16 的倍数，长宽比控制在 3:1 以内，总像素在 655,360 到 8,294,400 之间。OpenAI 将超过 3,686,400 像素的图像标记为实验性质，因此 4K 输出已经实现，但还未完全普及。
Flare 还是 Sunburst：该选哪一个？
从你当前的工作流出发，而不是从模型名称出发。
| 你的情况 | 从何处开始 | 原因 |
|---|---|---|
| GPT Image 2 已满足你的质量标准 | Flare | 相同的质量级别，更低的延迟，实际使用中每次接受图像的成本更低 |
| GPT Image 2 在复杂需求上表现不足 | Sunburst | 在细节、灯光和控制方面上限更高 |
| 对单个资源进行精确的多步编辑 | Sunburst | 专为编辑精度和主体保留而构建 |
| 大批量生成，截止日期紧迫 | Flare | 速度是小型模型的全部意义所在 |
OpenAI 自己的建议是一个两步循环。首先使用 Sunburst 建立质量基准，然后针对相同的提示词和输入测试 Flare。如果 Flare 达到你的标准并缩短了延迟，就切换过去。如果不行，则保留 Sunburst。该公司明确指出，一个工作流上的速度提升并不能迁移到另一个工作流上，因此请在你的实际提示词上进行测量，而不是信任基准测试截图。
文档中针对两个模型的一条实际警告：重复编辑仍然可能导致你想要冻结的细节发生漂移。在每一次操作中重述你的限制条件；当某个区域必须保持像素完全一致时，将批准的编辑结果重新合成到原始图像中，而不是要求模型自行保留该部分。
哪些方面得到了真正提升
有三点变化，你会在使用后的十分钟内注意到。
延迟降低，根据工作负载的不同，降幅最高可达 50%。该数字来自 OpenAI 的发布材料，且取决于工作负载，但趋势是一致的。对于任何生成同一资源十几个变体的人来说，复合效应比标头数字更大。
编辑更忠实。两个模型在精确编辑和主体保留方面都有所改进，这是早期图像模型在实际生产中令人沮丧的失效模式：你要求修改一处，模型却悄悄重绘了脸部、改变了产品几何形状或重置了灯光。GPT Image 2.5 在改变你指定的部分时，能让画面的其余部分保持稳定。
噪点伪影减少。在早期 GPT 图像输出中可见的颗粒感和涂抹感（尤其是在平坦区域和渐变色中）有所减少。这就是你可以直接交付的资源与必须进行后期清理的资源之间的区别。
GPT Image 2.5 的成本
两种变体的定价完全相同，且与 GPT Image 2 的 Token 费率一致。
| 指标 | 每百万 Token 价格 |
|---|---|
| 文本输入 | $5.00 |
| 缓存文本输入 | $1.25 |
| 图像输入 | $8.00 |
| 缓存图像输入 | $2.00 |
| 图像输出 | $30.00 |
文本输出不计费，因为这些模型输出的是图像而非文本。值得注意的是：OpenAI 表示 GPT Image 2 的 Token 计算器无法估算 GPT Image 2.5 的消耗量，因此如果你是基于旧模型建立的电子表格进行预算，请使用你自己请求的真实样本重新计算。
无论如何，重要的成本问题不是每百万 Token 的价格，而是每次接受图像的成本。一个更快、更便宜但需要重试四次才能通过审查的模型，比一个慢一些但第二次尝试就能成功的模型更昂贵。请在跟踪发票的同时跟踪重试率。
如何在 Runable 上使用 GPT Image 2.5
在 Runable 上，你不需要选择端点或配置请求。你只需在执行任务时描述你想要的图像，Agent 就会处理模型选择、生成和放置。
开启一个任务并说出你的需求。例如：“为冷萃咖啡品牌制作一个落地页，并生成一张主图”是一个完整的指令。Agent 会编写页面，使用 GPT Image 2.5 生成图像，并以正确的尺寸将其放入主图位置。这同样适用于幻灯片、报告、轮播图或产品列表。
在同一对话中进行迭代。由于 GPT Image 2.5 专为多轮编辑而构建，后续指令会按预期工作：“同样的镜头，光线更暖，将罐子移到左侧三分之一处”，它会改变这些内容并保持其余部分不变。说出必须固定的内容，模型就会保持它。
询问你需要的格式。用于 Logo 的透明 PNG、用于打印的主图 4K 横向图、用于社交媒体的紧凑正方形图。用简明语言说明，Agent 会将其映射为正确的尺寸和背景设置。
之所以值得在 Agent 内部而不是聊天窗口中完成这些操作，是因为图像几乎从不是最终交付物。幻灯片是交付物，网站是交付物。在一个工具中生成图像、下载它，然后再拖入另一个工具，是工作中效率低下的环节，而这正是 Runable 解决的部分。Runable 提供免费层级以供试用，Pro 计划每月 20 美元是最受欢迎的选择，Max 计划每月 100 美元适用于重度使用。
提示词 GPT Image 2.5：五条通用的规则
OpenAI 随发布一同发布了提示词指南。实践中最重要的部分：
命名结果及其用途。“用于电子商务列表的产品照片”比单纯描述物体更有用，因为它告知模型需要遵循的规范。
描述可见细节，而非情绪。材质、光线方向、颜色和媒介远胜于形容词。当目标是“照片写实”或“真实照片”时，请明确提出要求，因为模型不会默认假设这一点。
引用确切的文本并说明其出现次数。将要求的文字放在引号内，描述其位置和排版，然后要求不要添加额外文字。每次都要检查输出中的拼写。
将修改与约束分开。对于编辑，请说明“仅修改 X”并列出必须保留的内容：特征、几何形状、布局、标签、光线。命名排除项是防止漂移的关键。
为参考资料分配角色。当你传递多个输入时，通过编号和目的（主体、风格或背景）来标识每一个，并解释它们是如何组合的。
GPT Image 2.5 与 Nano Banana Pro
Google 的 Nano Banana Pro 是显而易见的替代品，它也可以在 Runable 上使用，因此这是你可以按任务而非按订阅进行的选择。
GPT Image 2.5 Sunburst 在照片写实度、精确文本渲染、透明背景资产以及特征和产品几何形状必须保持不变的编辑中是更强的选择。它能通过带有标签部分的结构化提示词获得更好的奖励。
Nano Banana Pro 在多次独立生成中能更一致地保持角色和产品标识，在单次调用中融合更多参考图像，并且比刚性字段更青睐自然的描述性句子。如果你正在制作一系列都必须包含相同角色的长图像序列，那么这种一致性就是决定因素。
诚实的总结：当一张图像必须完美时选择 Sunburst，当四十张图像必须相互匹配时选择 Nano Banana Pro。Flare 则涵盖了两者之间的工作量。
如果你想了解 GPT Image 2.5 如何融入更广泛的创意工作流，最佳 AI 图像生成器对比是了解该代模型表现的有用参考。对于已经在使用 Runable 的团队，2026 年 Runable 完整指南详细介绍了如何设置结合图像生成与文档、幻灯片和网站的任务。如果本月初 GPT-6 Astra 的发布改变了你对模型选择的看法，GPT-6 Astra 发布文章涵盖了该模型增加了什么以及何时在图像堆栈之上选择它。对于决定 AI 图像生成在更广泛工具集中位置的小型企业，小型企业 AI 工具按工作类型对选项进行了排名。
常见问题
什么是 GPT Image 2.5？
GPT Image 2.5 是 OpenAI 的图像生成和编辑模型系列，于 2026 年 9 月 8 日发布。它作为两个 API 模型发布，用于速度的 gpt-image-2.5-flare 和用于质量的 gpt-image-2.5-sunburst，也可在 ChatGPT 和 Runable 中使用。
Flare 和 Sunburst 有什么区别？
Flare 是针对速度优化的小型模型，图像质量与 GPT Image 2 相当。Sunburst 是针对质量优化的基础模型，具有更清晰的细节、更自然的灯光和更强的控制力。两者支持相同的质量设置、尺寸和透明背景。
GPT Image 2.5 能生成 4K 图像吗？
可以。它支持最高 3840x2160 的自定义分辨率，每条边上限为 3,840 像素，且均为 16 的倍数。OpenAI 将超过 3,686,400 总像素的输出标记为实验性质，因此在投入生产使用前，请确认该尺寸下的结果。
GPT Image 2.5 费用是多少？
两个模型的收费标准均为每百万文本输入 Token 5 美元、每百万图像输入 Token 8 美元，每百万图像输出 Token 30 美元，缓存输入分别为 1.25 美元和 2.00 美元。文本输出不计费。在 Runable 上，图像生成由你的计划额度支付。
我应该从 GPT Image 2 迁移吗？
如果 GPT Image 2 已经满足你的质量标准，先测试 Flare 并观察延迟提升。如果没有，测试 Sunburst 并在优化其他事项前确认质量。在第一次比较时保持提示词、参考资料和尺寸不变，以便测量的是模型而不是你自己的编辑。
相关阅读
- Kling 4.0 与 Kling 4.0 在 Runable 上：2026 测试结果
- 2026 年最佳 AI 图像生成器：完整对比
- GPT-6 Astra 来了：OpenAI 的新前沿模型，现已登陆 Runable Ultra 模式
- 如何使用 Runable：2026 完整指南
- 小型企业 AI 工具：2026 年十佳（已测试）
- Runable 2.0 介绍：与 AI 协作的最佳方式
- Claude Fable 5.1 发布：Anthropic 的前沿模型，现已登陆 Runable Ultra 模式
停止在一个工具中生成图像并粘贴到另一个中
描述你正在构建的内容，Runable 会使用 GPT Image 2.5 生成图像并将它们放在应有的位置：主图位置、幻灯片、产品页面、轮播图。从免费版开始，当输出成为你每周工作的一部分时，升级到每月 20 美元的 Pro 计划。
