# GPT Image 2.5 与 GPT Image 2：换还是留

> GPT Image 2.5 与 GPT Image 2 单价相同，但同名 quality 的输出预算不同：只换 model，输出 token 会从 1,756 降到 439。

- URL: https://blog.laozhang.ai/zh/posts/gpt-image-2-5-vs-gpt-image-2
- Published: 2026-09-22
- Updated: 2026-09-22
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: API 接入指南
- Tags: GPT Image 2.5, GPT Image 2, Flare, Sunburst, 模型迁移, API 成本

---
**已经在用 `gpt-image-2` 且输出合格的流程，先用同样的提示词和参考图测 `gpt-image-2.5-flare`，目标是保住质量、缩短等待；GPT Image 2 在复杂编辑上达不到要求的，先测 `gpt-image-2.5-sunburst` 确认质量，再用同一批输入测 Flare；依赖 Batch 半价的流程暂时留在 GPT Image 2。** 这是 OpenAI 提示词指南给出的官方迁移路径。[GPT Image 2.5 提示词指南：选择模型](https://developers.openai.com/api/docs/guides/image-prompting#choose-a-model)

迁移本身有一个容易被忽略的陷阱：三款模型的 token 单价一模一样，但 `quality: "medium"` 在 GPT Image 2 和 2.5 上对应的输出 token 预算相差约 4 倍。只改 `model` 字符串、其他参数原样保留，账单和画面复杂度会一起变化，而错误日志里什么都不会提示。

## 先看结论：三种情况分别怎么办

| 你的现状 | 先测哪款 | 判断标准 |
|---|---|---|
| GPT Image 2 流程已验证、质量合格，想缩短等待 | `gpt-image-2.5-flare` | 同一批提示词、参考图和尺寸下，质量不掉、响应时间缩短才切换 |
| GPT Image 2 在复杂编辑、细节保留上不达标 | `gpt-image-2.5-sunburst` | 先确认 Sunburst 达标；达标后再用同样输入测 Flare，Flare 也达标且更快就用 Flare |
| 依赖 `v1/batch` 的离线批量任务 | 继续用 `gpt-image-2` | 两款 2.5 型号页目前把 `v1/batch` 标为不支持，Batch 价格表也只列了 `gpt-image-2` |
| 新接入，没有历史基线 | 速度优先选 Flare，质量要求苛刻选 Sunburst | 输出达标后再往低质量档试，看能否进一步降延迟 |

GPT Image 2 没有被弃用。官方弃用页上，2026 年 10 月 23 日下线的 `gpt-image-1` 和 2026 年 12 月 1 日下线的 `gpt-image-1.5`、`gpt-image-1-mini`、`chatgpt-image-latest`，推荐替代都是 `gpt-image-2`；`gpt-image-2` 与两款 2.5 型号都没有弃用条目。[OpenAI 弃用页](https://developers.openai.com/api/docs/deprecations)。所以"留在 GPT Image 2"是一个正常选项，不是拖延。

## 三款模型的官方定位，以及 OpenAI 自己的两种说法

截至 2026 年 9 月 22 日，OpenAI 图片模型只有三个当前型号 ID，都接受文字与图片输入、输出图片，都支持生成、编辑和局部重绘。不带后缀的 `gpt-image-2.5` 不是模型 ID。

| 型号 ID | 当前快照 | 型号页标签 | 官方定位 | quality 档位 |
|---|---|---|---|---|
| `gpt-image-2` | `gpt-image-2-2026-04-21` | 性能 Higher，速度 Medium | 上一代主力模型，旧模型的官方推荐替代 | `low`、`medium`、`high`、`auto` |
| `gpt-image-2.5-flare` | `gpt-image-2.5-flare-2026-09-08` | 速度 Very fast | "面向高质量日常生图的最快模型"，小模型，速度优先 | `low`、`medium`、`high`、`xhigh`、`max`、`auto` |
| `gpt-image-2.5-sunburst` | `gpt-image-2.5-sunburst-2026-09-08` | 性能 Highest，速度 Medium | "生成与编辑能力最强的模型"，基础模型，质量优先 | 同 Flare |

来源：[gpt-image-2 型号页](https://developers.openai.com/api/docs/models/gpt-image-2)、[gpt-image-2.5-flare 型号页](https://developers.openai.com/api/docs/models/gpt-image-2.5-flare)、[gpt-image-2.5-sunburst 型号页](https://developers.openai.com/api/docs/models/gpt-image-2.5-sunburst)。标签是 OpenAI 的分类描述，不是测量值。

关于 Flare 相对 GPT Image 2 的画质，OpenAI 自己有两种表述，最好都记住：

- 提示词指南：Flare "是小模型，为速度优化，画质与 GPT Image 2 相当"；Sunburst "是基础模型，为质量优化，画质高于 GPT Image 2"；两者"在精确编辑和主体保留上都有改进"。
- 2026 年 9 月 8 日的发布文：Flare "是多数应用的默认选择，与 GPT‑Image‑2 相比，它能以低 50% 的延迟生成质量更高的图像"；Sunburst "为精细创作提供额外一层精度，生成时间更长"。[OpenAI 发布说明](https://openai.com/index/introducing-chatgpt-images-2-5/)

"相当"和"更高"之间的差别，OpenAI 没有解释，也没有公开的同条件实测能分出高下。至于"Flare 速度是 GPT Image 2 的 2 到 4 倍"的说法，发布文里没有这个数字，不要拿它做预算依据。下文的实测数据全部来自第三方，条件随每条注明。

## 单价相同，为什么只换 model 账单就变了

### 三款模型的 Standard 单价完全一致

| 计费项 | gpt-image-2 | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
|---|---|---|---|
| 文字输入 | $5.00 / 百万 token | $5.00 | $5.00 |
| 文字输入（缓存命中） | $1.25 | $1.25 | $1.25 |
| 图片输入 | $8.00 | $8.00 | $8.00 |
| 图片输入（缓存命中） | $2.00 | $2.00 | $2.00 |
| 图片输出 | $30.00 | $30.00 | $30.00 |
| 文字输出 | 不计费 | 不计费 | 不计费 |

来源：[OpenAI 价格页 Standard 标签](https://developers.openai.com/api/docs/pricing)，2026 年 9 月 22 日查看；两款 2.5 型号页也写明 "Token rates match GPT Image 2"。

如果你在别处看到"GPT Image 2 图片输出 $15/百万、2.5 贵一倍"或者"GPT Image 2 半价"，那是把 GPT Image 2 的 **Batch** 价格（图片输入 $4.00、缓存 $1.00、输出 $15.00、文字输入 $2.50、缓存 $0.625，正好是 Standard 的一半）当成了 Standard 价格。价格页的 Batch 标签只列了 `gpt-image-2`，两款 2.5 型号页把 `v1/batch` 标为不支持。今天的状态是"2.5 尚未列出 Batch"，不是"永远没有"。

### 同一个 quality 标签，输出预算不同

真正改变单张费用的是输出 token 数。官方图片生成指南明确写道，模型"可以为同一个 quality 设置消耗不同的 token 数，但共享同一个图片输出 token 单价"，并且"相同的 quality 标签不意味着跨模型的图片质量或响应时间相同"。[图片生成指南：成本与延迟](https://developers.openai.com/api/docs/guides/image-generation#cost-and-latency)

下面是官方计算器在 2026 年 9 月 22 日的实时读数（只算输出 token，按 $30/百万折算，不含文字与图片输入，也不含流式 partial images；计算器把 Sunburst 与 Flare 合并为一个选项）：

| quality | GPT Image 2，1024×1024 | GPT Image 2.5，1024×1024 | GPT Image 2，2048×1152 | GPT Image 2.5，2048×1152 |
|---|---|---|---|---|
| `low` | 196 token（$0.00588） | 196（$0.00588） | 157（$0.00471） | 157（$0.00471） |
| `medium` | 1,756（$0.05268） | 439（$0.01317） | 1,413（$0.04239） | 367（$0.01101） |
| `high` | 7,024（$0.21072） | 1,756（$0.05268） | 5,650（$0.16950） | 1,413（$0.04239） |
| `xhigh` | 不提供 | 3,122（$0.09366） | 不提供 | 2,511（$0.07533） |
| `max` | 不提供 | 7,024（$0.21072） | 不提供 | 5,650（$0.16950） |

对应关系一眼可见：2.5 的 `high` 等于 GPT Image 2 的 `medium` 预算，2.5 的 `max` 等于 GPT Image 2 的 `high` 预算，`low` 两代相同，2.5 的 `medium` 和 `xhigh` 插在中间。可以把 2.5 的质量阶梯理解为在 GPT Image 2 的三档之间多插了两档，而不是整体上移。

![桌面卡片上的阶梯对照图：GPT Image 2 三档与 GPT Image 2.5 五档的输出 token 预算，low 对 low、medium 对 high、high 对 max 以虚线标为预算相同，1024×1024 官方计算器估算](https://blog.laozhang.ai/posts/zh/gpt-image-2-5-vs-gpt-image-2/img/quality-ladder-token-budget.webp)

这带来两个实际后果：

1. **原样保留 `quality: "medium"` 只换 model**，1024×1024 的输出预算从 1,756 token 降到 439 token，单张输出费用从约 $0.053 降到约 $0.013。账单会明显变少，但你其实是在用一个更小的预算生成图片，复杂构图和细节可能一起变简单。这不是模型退步，是设置被悄悄调低了。
2. **想在相同预算下比较**，GPT Image 2 `medium` 应该对 2.5 `high`，GPT Image 2 `high` 应该对 2.5 `max`。Artificial Analysis 榜单把 2.5 `max` 与 GPT Image 2 `high` 放在一起比，正是同样的 7,024 token 预算。

计算器给的是估算，`auto` 无法估算；流式输出每张 partial image 额外计 100 输出 token；编辑请求带参考图时，`gpt-image-2` 强制按高保真处理图片输入，输入 token 也会更高。实际成本以响应里的 `usage` 字段为准。需要更细的预算表可以看 [GPT Image 2.5 API 价格与按次计费怎么选](https://blog.laozhang.ai/zh/posts/gpt-image-2-5-api-pricing) 与 [GPT Image 2 API 价格说明](https://blog.laozhang.ai/zh/posts/gpt-image-2-api-pricing)。

## 速度、画质与多轮漂移：现有数据能说明什么

### 盲测榜单：2.5 领先，但票数还少

Arena（原 lmarena）的两张榜单，页面标注更新于 2026 年 9 月 7 日：

| 榜单 | gpt-image-2.5-sunburst | gpt-image-2.5-flare | gpt-image-2（medium） |
|---|---|---|---|
| 文生图 | 1421 ±13（3,149 票，Preliminary） | 1399 ±13（2,856 票，Preliminary） | 1381 ±4（78,731 票） |
| 图片编辑 | 1520 ±9（6,704 票，Preliminary） | 1491 ±9（5,676 票，Preliminary） | 1461 ±3（235,928 票） |

来源：[Arena 文生图榜](https://arena.ai/leaderboard/text-to-image)、[Arena 图片编辑榜](https://arena.ai/leaderboard/image-edit)。两款 2.5 都标着 Preliminary，票数不到 GPT Image 2 的十分之一；GPT Image 2 的条目是 `medium` 档，和 2.5 条目的预算不同，不是同等条件的比较。

Artificial Analysis 的文生图 Elo（盲投）：Sunburst `max` 1197 ±9（13,401 次比较），Flare `max` 1190 ±9（12,778 次），GPT Image 2 `high` 1171 ±9（15,176 次）。[Artificial Analysis 文生图榜](https://artificialanalysis.ai/image/leaderboard/text-to-image)。这组数据是相同预算下的比较（都是 7,024 token），Flare 与 Sunburst 的差距在误差范围内；它衡量的是偏好，不是速度或成本。

### 一份相同预算下的延迟测试：Tosea 的幻灯片编辑

Tosea.ai 在 2026 年 9 月 9 日发布了自己的测试：用官方 API 的 `images/edits` 端点，提示词是大纲加 1 到 3 张品牌模板参考图，主矩阵 2048×1152，每个设置 5 页取平均，单次调用、无重试，共 41 次调用全部成功。它从响应的 `usage` 读到的输出 token 与上表 2048×1152 的官方读数完全一致。[Tosea：GPT Image 2.5 完全指南（日文）](https://tosea.ai/ja/blog/gpt-image-2-5-complete-guide)

在这个条件下，同为 1,413 token 的渲染（GPT Image 2 `medium` 对 2.5 `high`）：GPT Image 2 平均 37.3 秒，Sunburst 27.7 秒，Flare 19.7 秒，即 Flare 快 47%、Sunburst 快 26%，每页输出费用都约 $0.059。同为 5,650 token 时分别是 82.9、59.8、33.7 秒。三款模型在全部 15 张矩阵幻灯片上的文字和数字都正确，没有出现 2.5 成功而 GPT Image 2 失败的情况。

多轮编辑漂移（连续 1、2、3 次编辑后相对原图的像素变化比例）：GPT Image 2 为 5.6%、8.1%、11.4%，Sunburst 为 4.1%、6.8%、9.9%，Flare 为 3.8%、6.7%、9.2%；三款各 9 次编辑全部成功。作者还观察到 2.5 的 `auto` 在 5 次运行里有 4 次落在 1,413 token 档，有一次是 628。

这些数字的边界很清楚：一个视觉领域（带品牌参考的密集商务幻灯片）、两个分辨率、每格 5 张、无 p95。人像、个人照片的主体保留、透明背景、蒙版局部重绘都没有测。OpenAI 自己也说"一个工作负载上的速度提升不能推出另一个工作负载上的固定提升"。把它当作"2.5 在相同预算下确实更快、漂移略小"的一个支持性样本，而不是通用比例。

## 按官方路径迁移：六步检查清单

以下步骤来自提示词指南"迁移现有工作流"一节，结合前面的预算对应关系补充了具体参数。[提示词指南：迁移现有工作流](https://developers.openai.com/api/docs/guides/image-prompting#choose-a-model)

![办公室看板上的六步流程图：从 GPT Image 2 迁移到 2.5 依次为保存基线、选第一个候选、检查完整结果、质量过了再测延迟、一次只调一个设置、灰度上线并保留回退](https://blog.laozhang.ai/posts/zh/gpt-image-2-5-vs-gpt-image-2/img/migration-checklist-flow.webp)

1. **保存基线。** 收集有代表性的生产提示词与参考图，特别是困难编辑、必须精确的文字、人脸、商品几何形状、透明素材；记录当前的模型、请求参数和结果。
2. **选第一个候选。** GPT Image 2 已达标就先测 Flare；在复杂任务上不达标就先测 Sunburst。第一轮比较保持提示词、参考图、尺寸、输出格式不变，并且把 `quality` 显式写出来，按预算对应（GPT Image 2 `medium` 对 2.5 `high`），不要沿用 `auto` 或同名标签。
3. **检查完整结果。** 对比指令遵循、身份与商品保留、文字准确性、不该变的地方有没有变、透明通道是否干净；重复请求看一致性；编辑流程要测完整的连续步骤，不只测单步。
4. **质量过了再测延迟。** 从 Sunburst 起步且达标的，用同一批要求评估 Flare，只有质量仍可接受且延迟改善才切换，否则留 Sunburst。
5. **一次只调一个设置。** 先比较质量档位再改提示词；记录典型响应时间与慢响应、失败、重试和每张合格图片的成本。官方原话是"确认当前价格，而不是假设更快的模型更便宜"。
6. **按工作流灰度上线。** 通过验收后先切一小部分流量，监控同样的指标再扩大；旧模型在受支持期间保留为回退，最好固定到快照 `gpt-image-2-2026-04-21`。

请求层面的改动很小。以编辑请求为例，保持预算相同的迁移只需要改两处：

```python
from openai import OpenAI

client = OpenAI()

# 基线：GPT Image 2，medium 档，1024×1024 约 1,756 输出 token
baseline = client.images.edit(
    model="gpt-image-2",
    image=open("product.png", "rb"),
    prompt="把背景换成浅灰色摄影棚，商品和标签保持不变",
    quality="medium",
    size="1024x1024",
)

# 候选：GPT Image 2.5 Flare，high 档，同样约 1,756 输出 token
candidate = client.images.edit(
    model="gpt-image-2.5-flare",
    image=open("product.png", "rb"),
    prompt="把背景换成浅灰色摄影棚，商品和标签保持不变",
    quality="high",
    size="1024x1024",
)

print(baseline.usage, candidate.usage)  # 用实际 usage 核对预算是否对齐
```

几处参数差异需要留意：`gpt-image-2` 不接受 `xhigh` 与 `max`，也不允许传 `input_fidelity`（它对所有图片输入固定高保真）；三款模型的尺寸限制相同（边长为 16 的倍数、长短边比不超过 3:1、总像素 655,360 到 8,294,400，超过 2560×1440 为实验性）；透明背景在三款上都要显式传 `background: "transparent"` 并用 PNG 或 WebP 输出，图片生成指南的 GPT Image 2 参考页把透明背景标为预览功能。走 Responses API 的话，把 2.5 型号写在 `image_generation` 工具的 `model` 字段即可，主线模型的 token 会另行计费。[图片生成指南](https://developers.openai.com/api/docs/guides/image-generation)

每张合格图片的成本按"计费的全部尝试（输入 + 输出 + partial images + 重试）÷ 被采纳的图片数"计算。举一个假设的例子：如果 Flare `high` 在你的任务上 10 次采纳 9 次，GPT Image 2 `medium` 10 次采纳 7 次，即使单次输出费用相同（都约 $0.053），Flare 的每张合格图片成本会低约 22%；反过来采纳率更低的话，账单省下的钱会被重试吃掉。采纳率只能在自己的基线上测出来。

## 什么时候继续留在 GPT Image 2

- **Batch 是成本主体。** `v1/batch` 目前只有 `gpt-image-2` 列出支持，Batch 价格是 Standard 的一半。离线批量任务如果对延迟不敏感，2.5 在 Standard 下的输出预算优势（例如 2.5 `high` 对 GPT Image 2 `medium`，预算相同）并不能抵消 Batch 的半价，除非你原本就在用 `low`。
- **已验证的流程没有延迟痛点。** 官方路径的前提是"想在保住质量的同时降低延迟"。如果用户不在等图，切换只会带来重新验收的成本。
- **需要回退目标。** 即便决定迁移，灰度期间也要保留 `gpt-image-2` 的调用路径；它目前没有弃用条目，且是 GPT Image 1 系列的官方推荐替代，短期内不会成为"必须离开"的模型。

尚未接入 GPT Image 2 的读者，可以先看 [GPT Image 2 API 接入说明](https://blog.laozhang.ai/zh/posts/gpt-image-2-api)，再决定是否直接从 2.5 起步。

## Flare 还是 Sunburst：只需要记住一条顺序

两款 2.5 的差别不是"一个只能生图、一个只能修图"，而是速度与质量的取舍：Flare 是速度优先的小模型，Sunburst 是质量优先的基础模型，两者同样支持生成、编辑与透明背景，token 单价相同，计算器里的输出预算也相同。官方给的顺序是：Sunburst 达标后一定要再用同样输入测 Flare，Flare 也达标就用 Flare；Flare 达不到才留 Sunburst。两者在编辑精度、细节保留上的具体比较见 [GPT Image 2.5 Flare 与 Sunburst 对比](https://blog.laozhang.ai/zh/posts/gpt-image-2-5-sunburst-vs-flare)。如果切到 2.5 后画面出现噪点或颗粒感，通常先排查质量档位与输出格式，参见 [GPT Image 2.5 噪点与颗粒问题排查](https://blog.laozhang.ai/zh/posts/gpt-image-2-5-noise-grainy)。

## 常见问题

### GPT Image 2 会下线吗？

截至 2026 年 9 月 22 日不会。OpenAI 弃用页上没有 `gpt-image-2` 的条目，它反而是 `gpt-image-1`（2026 年 10 月 23 日下线）与 `gpt-image-1.5`、`gpt-image-1-mini`、`chatgpt-image-latest`（2026 年 12 月 1 日下线）的推荐替代。官方同时建议在旧模型受支持期间把它保留为回退，这意味着"今天没有弃用"不是永久承诺。

### GPT Image 2.5 比 GPT Image 2 贵一倍吗？

不是。三款模型的 Standard 单价完全相同，图片输出都是 $30/百万 token。"贵一倍"的说法把 GPT Image 2 的 Batch 价格（$15/百万输出）当成了 Standard 价格。真正影响单张费用的是输出 token 数，而 2.5 在同名 quality 下消耗的 token 通常更少：1024×1024 的 `medium` 是 439 token，GPT Image 2 是 1,756。

### 只把 model 改成 gpt-image-2.5-flare，其他参数不动，行不行？

请求会成功，但如果 `quality` 是 `medium`，输出预算会从 1,756 token 降到 439（1024×1024），画面复杂度和费用同时下降；如果是 `auto`，预算由模型自行决定，Tosea 的测试里 2.5 `auto` 多数落在相当于 GPT Image 2 `medium` 的档位。要做公平比较，把 `quality` 显式改为对应预算的档位（`medium` 改 `high`，`high` 改 `max`），再看质量和延迟。

### 能直接用 `gpt-image-2.5` 作为模型名吗？

官方型号页只列出 `gpt-image-2.5-flare` 和 `gpt-image-2.5-sunburst` 两个 ID（各自带 2026-09-08 快照）。Tosea 报告不带后缀的 `gpt-image-2.5` 会返回"does not exist"错误，这一点来自第三方复现，官方页面没有单独说明。

### Arena 的分数可以直接当选型依据吗？

只能当参考。两款 2.5 的条目都标着 Preliminary，票数在 3 千到 7 千之间，GPT Image 2 的条目有 7.9 万到 23.6 万票且是 `medium` 档；榜单不衡量延迟、成本或你的采纳率。选型仍然要在自己的基线上按相同预算比较。

### 用 Batch 的团队现在该怎么办？

继续用 `gpt-image-2` 跑 Batch，同时用 Standard 小流量测 2.5 的采纳率和延迟。等 OpenAI 的价格页或型号页列出 2.5 的 Batch 支持后，再用同样的基线重新算每张合格图片的成本。

## 官方文档

接入参数、价格与扣费规则以老张API开发文档为准：[GPT Image 2.5 API 文档](https://docs.laozhang.ai/api-capabilities/gpt-image-2-5)、[GPT Image 2 API 文档](https://docs.laozhang.ai/api-capabilities/gpt-image-2)。

*说明：[laozhang.ai 是我们自己的服务](https://blog.laozhang.ai/zh/about#laozhang)，其价格是平台报价，不是独立比较的结论。*

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-09-22。

- [GPT Image 2.5 提示词指南：选择模型](https://developers.openai.com/api/docs/guides/image-prompting) (developers.openai.com)
- [OpenAI 弃用页](https://developers.openai.com/api/docs/deprecations) (developers.openai.com)
- [gpt-image-2 型号页](https://developers.openai.com/api/docs/models/gpt-image-2) (developers.openai.com)
- [gpt-image-2.5-flare 型号页](https://developers.openai.com/api/docs/models/gpt-image-2.5-flare) (developers.openai.com)
- [gpt-image-2.5-sunburst 型号页](https://developers.openai.com/api/docs/models/gpt-image-2.5-sunburst) (developers.openai.com)
- [OpenAI 发布说明](https://openai.com/index/introducing-chatgpt-images-2-5/) (openai.com)
- [OpenAI 价格页 Standard 标签](https://developers.openai.com/api/docs/pricing) (developers.openai.com)
- [图片生成指南：成本与延迟](https://developers.openai.com/api/docs/guides/image-generation) (developers.openai.com)
- [Arena 文生图榜](https://arena.ai/leaderboard/text-to-image) (arena.ai)
- [Arena 图片编辑榜](https://arena.ai/leaderboard/image-edit) (arena.ai)
- [Artificial Analysis 文生图榜](https://artificialanalysis.ai/image/leaderboard/text-to-image) (artificialanalysis.ai)
- [Tosea：GPT Image 2.5 完全指南（日文）](https://tosea.ai/ja/blog/gpt-image-2-5-complete-guide) (tosea.ai)