GPT Image 2.5 的 Sunburst 和 Flare 有什么区别？

同一代模型的两种规格。Flare 速度优先，用于日常高质量生成；Sunburst 质量优先，用于编辑精度要求高的场合。两者的区别不是「画质高低」，而是「编辑时保持被写体的能力」——OpenAI 官方文档说明两者都改进了精细编辑和被写体保持。日常够用从 Flare 起，细节出问题的编辑用 Sunburst。

部分编辑（只改一部分）怎么做？

核心是显式写出「要改的部分」和「要保留的部分」两部分，而不是只描述想要的结果。写「把椅子换成红色扶手椅，其余部分保持不变」，比写「一把红色扶手椅」有效得多——后者会让模型重新理解整张图。多个局部一起改时，用「同时」「另外」等连接词逐条列出。

生成一张图多少钱？

按输出 token 计费。1024×1024 的 low 约 0.011 美元、medium 约 0.042 美元、high 约 0.167 美元；1024×1536 竖版对应约 0.016 / 0.063 / 0.25 美元。编辑时还会叠加输入图片的费用（按图片缩放后的 token 数计算）。对比参考：gpt-image-2 的 high 约 0.12 美元，2.5 的 high 略贵。

GPT Image 2.5 怎么选：Sunburst 与 Flare 的区别和部分编辑用法

GPT Image 2.5 是一种 OpenAI 的图像生成与编辑模型，分速度优先的 Flare 和质量优先的 Sunburst 两档。它的价值主要在编辑——关键不在「重新生成一张」，而在指定「改哪里、保留哪里」——下面按 OpenAI 官方文档梳理一遍。

两个型号，差别在编辑而不在画质

模型名在 API 里是全名，这点经常被写错：

简称	API 模型名	定位
Flare	`gpt-image-2.5-flare`	速度优先，日常生成
Sunburst	`gpt-image-2.5-sunburst`	质量优先，编辑精度优先

OpenAI 官方文档的表述是：两者都改进了精细编辑（precise editing）和被写体保持（subject preservation）。

所以选型不是「要清晰就买贵的」，而是：

日常生成、2.5 就够用     →  Flare
局部编辑、总有细节崩     →  Sunburst

另一个容易忽略的差别是速度。Flare 更快，适合一次出多张做筛选。

部分编辑：写出「改什么」和「留什么」

这是整篇最实用的部分。

OpenAI 官方的经典例子是「换椅子」——给一张客厅图，把沙发换成扶手椅。同一张原图，Flare 和 Sunburst 各出一版：

原图：

一张客厅照片，中央是米色沙发，编织地毯，窗户透进自然光

Flare 版：

Flare 编辑结果，把米色沙发换成了扶手椅，客厅其余部分基本保留

Sunburst 版：

Sunburst 编辑结果，同样把沙发换成扶手椅，主体保持更稳

提示词的写法差别

错误的写法（只描述结果）：

a living room with two armchairs

这句话里没有任何「保留」信息。模型会把它当成全新生成，地毯的纹样、窗户位置、光线方向都可能变——因为它根本没被告知这些要保留。

正确的写法（改与留都写明）：

Change only the sofa to two leather armchairs. Keep the rug, the window,
the lighting, and the camera angle exactly as they are.

三个要点：

要素	作用
`Change only the sofa`	限定改动范围，`only` 是关键词
`Keep the rug, the window, the lighting...`	逐项点名要保留的元素
`exactly as they are`	加强语气，避免模型自作主张微调

要点名的保留项越多，效果越稳。 不确定该保留什么时，把画面里显眼的东西都列一遍。

改多处时用连接词

Replace the chair with a wooden one, and also change the wall color to
warm beige. Keep the floor, the rug pattern, and all furniture positions
unchanged.

用 and also 逐条列出，避免模型只改第一个。

尺寸与质量档位

可用的长边组合（1024x1024、1024x1536、1536x1024，auto 由模型自选）：

尺寸	方向	常见用途
1024×1024	1:1 方形	图标、头像、商品图
1536×1024	3:2 横向	场景图、幻灯片配图
1024×1536	2:3 竖向	人物立绘、手机端海报

质量档位 quality 可选 low / medium / high / auto，会影响价格。

价格对照

按输出 token 计费，美元：

尺寸	low	medium	high
1024×1024	$0.011	$0.042	$0.167
1024×1536	$0.016	$0.063	$0.250
1536×1024	$0.016	$0.063	$0.250

编辑时还要叠加输入图片的费用（按图片缩放后的 token 数计），所以一次「改图」的成本高于同规格的「生成」。

和上一代对比：gpt-image-2 的 high 约 $0.12，2.5 的 high 约 $0.167，贵约 39%。日常用 medium 就够，比 high 省 75%。

怎么省

做法	效果
先用 `low` 试构图	便宜 75%，不满意再升档重跑
探索阶段用 Flare	速度快，适合多张筛选
一次出多张挑一张	比反复微调更省
编辑代替重新生成	编辑只改指定部分

两个 API 的区别

官方提供两个入口，能力不同：

API	适合	特点
Image API	单次生成或编辑一张图	直接指定 `model` 为 Sunburst 或 Flare
Responses API	多轮对话式改图	支持连续迭代编辑，可传 File ID

一句话选型：只出一张图用 Image API，要来回改就用 Responses API。

const result = await openai.images.generate({
  model: "gpt-image-2.5-sunburst",
  prompt: "一张儿童绘本插画，兽医用听诊器听小水獭的心跳",
});

编辑时换用 openai.images.edit()，把原图和新的 prompt 一起传进去。

一个前置条件

使用 GPT Image 模型可能需要先在开发者后台完成 API Organization Verification（组织验证）。没验证的话调用会失败。

上手建议

按这个顺序试，能少走弯路：

先搞清楚你到底要「生成」还是「编辑」——两者提示词写法完全不同
编辑时必须显式列出保留项，这是成败关键
探索阶段用 low + Flare，锁定构图后升 medium
局部改不动的地方，才是换 Sunburst 的理由

补充一点：部分第三方教程把这两个型号写成 gpt-image-2.5-fast 之类的名字，那是错的。API 里只有 gpt-image-2.5-flare 和 gpt-image-2.5-sunburst 两个名字，写错会直接报模型不存在。

原文地址

参考文章：https://funnel-ai.jp/media/gpt-image-2-5/ （《GPT Image 2.5を徹底解説｜Sunburst・Flareの違い、生成画像と編集前後で分かる使い方》，ファネルAi編集部，2026-09-09）
OpenAI 官方文档（图像生成）：https://developers.openai.com/api/docs/guides/image-generation
OpenAI 官方定价：https://developers.openai.com/api/docs/pricing

说明

本文的模型名、尺寸限制、质量档位与价格均以 OpenAI 官方文档为准，核对日期 2026-09-29。价格会变动，长期参考请以官方页面为准。

日文原文提供的是编辑思路与官方示例的解读，价格表与 API 参数说明是按官方文档重新核对的。本文引用的三张对比图来自 OpenAI 官方文档的示例素材，属官方示例内容，仅作技术说明用途。

原文标注的一个前提值得保留：他们做图时使用的工具不返回模型名，所以那些自有示例不能用来做 2.5 的性能测量或 Sunburst/Flare 的对比。我没有做自己的对比实测，这篇文章不包含任何我自己的生成结果或性能数据，只做官方文档的梳理与中文化。