跳到主要内容

GPT Image 2.5 与 ChatGPT Images 2.5

GPT Image 2.5 是 OpenAI 于 2026 年 9 月 8 日发布的一组图像生成与编辑模型。ChatGPT、ChatGPT Work 和 Codex 中的图像功能以 ChatGPT Images 2.5 为产品名称；面向开发者的 API 则提供两个可单独选择的模型：gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。OpenAI 发布说明

这两个名称对应不同层次：ChatGPT Images 2.5 是用户直接使用的产品功能，Flare 与 Sunburst 是 API 模型标识。发布材料没有说明 ChatGPT 产品始终由其中某个指定 API 模型提供服务。OpenAI 在发布时称，ChatGPT Images 与 GPT Image API 每周生成超过 30 亿张图像；这是公司公布的数据，材料没有提供经审计的统计方法。

名称与发布时间​

两个 API 模型也提供带日期的快照：gpt-image-2.5-flare-2026-09-08 和 gpt-image-2.5-sunburst-2026-09-08。应用可以固定到某个快照，避免未带日期的模型标识随更新变化。OpenAI 的公开发布材料、模型页和系统卡没有披露模型参数量或架构。

ChatGPT 产品功能与开放范围​

OpenAI 将这次更新描述为在主体保留、定向编辑、多轮一致性、光线、纹理和版面处理方面有所改善，并称生成延迟最高可比 ChatGPT Images 2.0 降低 50%。这些是厂商的发布描述，不是已公开的独立基准测试结论。

发布页的一些编辑示例是由多张生成图像组成的视频演示。这不代表 GPT Image 2.5 是视频生成模型：API 模型页列出的能力是文本与图像输入、图像输出，不支持音频或视频。

OpenAI 于 2026 年 9 月 8 日开始向 ChatGPT、ChatGPT Work 和 Codex 的所有套餐推出该产品功能，覆盖桌面、移动端和网页。该说明针对产品入口；API 的权限、模型选择、计费、速率限制以及可能要求的组织验证是另一回事，应在 OpenAI API 文档 和组织控制台中确认。

Flare、Sunburst 与 API 接口​

两个模型都接受文本和图像输入并返回图像。OpenAI 将 Flare 定位为低延迟选项，适用于快速原型和高频生成；Sunburst 则偏向需要在多轮编辑中保持控制的任务。OpenAI 称 Flare 的图像质量高于 GPT Image 2、延迟低 50%，但发布材料没有给出可复现的测试协议，因此不宜把这一描述当作独立对比结论。

开发者可以使用两种接口：

接口调用方式适合的流程
Image API分别调用生成或编辑接口；所选 GPT Image 模型就是请求模型直接生成或编辑图像
Responses API在对话或多步骤响应中启用图像生成工具；主模型负责响应，工具配置指定 GPT Image 2.5 型号多轮编辑或与其他工具组合的流程

quality、size 和 background 设置可使用 auto。图像请求以 Base64 数据返回；JPEG 或 WebP 输出可以指定压缩级别。OpenAI 文档还提示，组织可能需要先完成 API 组织验证才能使用 GPT Image 模型。具体参数请以图像生成官方指南为准。

API 价格​

发布时 Flare 与 Sunburst 使用相同的 token 价格；这不是固定的单张图像收费。用户提供的原文提到价格表，但没有包含表格数值，因此本文不补写具体单价。当前费率应查看 OpenAI API 定价页。

即使单价相同，两种模型或两次请求的总费用也未必相同：token 消耗可能随模型、尺寸、质量、提示词和参考图而变。Responses API 还会计入调用图像工具的主模型 token；每返回一张部分图像的流式响应会额外使用 100 个图像输出 token。

训练、安全与内容来源​

OpenAI 系统卡称，两种模型使用多类数据训练，包括公开可得信息、第三方合作获取的数据，以及用户、人类训练者和研究人员提供或生成的材料。训练流程会进行质量筛选，并尝试减少个人信息和有害内容；系统卡没有给出完整的数据集清单。

系统卡将逼真度提升视为一项安全风险，因为它可能让人物、地点或事件的深度伪造图像更具迷惑性。所述防护流程会在生成前检查请求、分析文本和图像输入，并在展示前检查生成结果；OpenAI 将下游监测器描述为面向安全的多模态推理模型。

OpenAI 使用固定的一组对抗性提示评估两种模型，测试目标是诱导生成违反政策的图像。原文提到了相应评测表格，但所给材料没有包含表格主体和数值，因此这里不转录具体比例。系统卡还提醒，自动标注可能有误，样本量会影响精确度；“展示了不安全图像”这一列的差异均未达到卡中 p < 0.05 的阈值。其他显著性检验没有针对多重比较作调整，不能据此给三套系统排出普遍适用的安全名次。

在图像专项 Preparedness Framework 评估中，OpenAI 报告称两种模型均未达到 Bio High 或 Cyber High 阈值，同时出于谨慎，仍采用与 High 生物风险分类相关的防护。这些属于 OpenAI 自身的能力评估。

系统卡称，通过 ChatGPT Images 2.5 生成的图像带有 C2PA 元数据和不可见的 SynthID 水印；SynthID 也用于 ChatGPT、Codex 和 API。OpenAI 同时指出，没有任何单一来源验证方法能够解决所有图像识别问题，因此不能保证图像经过任意变换后仍可识别。

已知限制与早期体验​

OpenAI 的 API 指南指出，复杂提示最长可能需要两分钟处理，并列出仍待改善的问题：精确文字的位置与清晰度、不同次生成之间角色或品牌元素的一致性，以及结构化版面中对象的精准摆放。这些限制为发布材料中关于编辑与构图的改进描述补上了适用边界。

Axios 获得了早期体验机会，并测试了 Logo 制作、参考照片风格转换和纹身设计的迭代编辑。记者认为主体保留和细节编辑优于前代，同时也观察到部分结果有明显的合成痕迹。这组编辑案例数量有限，不是受控或可独立复现的基准测试。

资料来源与核对边界​

本文根据用户提供的英文资料整理。原文中的发布数据、能力描述和风险评估均按 OpenAI 或媒体自述归因；原文缺失的价格、安全评测表格数字，以及被省略为 ... 的 X、YouTube 和 Axios 链接未作推断或补造。