ChatGPT Images 2.5 是什么？

OpenAI 于 2026 年 9 月 8 日发布了 ChatGPT Images 2.5，面向它所称每周会生成“超过 30 亿张图片”的用户。它在 ChatGPT 内替换了 Images 2.0（也就是我们 4 月那篇 gpt-image-2 API 指南背后的版本），并在 API 中落地为两个模型：gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。发布博文承诺延迟“最多降低 50%”、主体保留更好，以及只改你点名的那部分。同日还放出了系统卡，下面多数早期实测数字来自HN 讨论帖。

首日报道把一个数字写错了：有媒体说 API 定价翻倍。并没有。每 token 单价与 gpt-image-2 完全一致；变的是质量档位，它决定每张图花多少钱。如果你是来写代码的，gpt-image-2.5 API 指南里有 curl、Python 和 Node 示例。如果是在选模型，Flare vs Sunburst vs gpt-image-2 对比页才是决策页。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

ChatGPT Images 2.5 速览

谁能用

ChatGPT 上所有人，包括免费档：OpenAI 的措辞是“across all tiers”。各套餐生成上限仍然存在，OpenAI 没有公布固定数字；应用内横幅显示你当前的上限，会随需求浮动。社区报告（不是 OpenAI 数据）称 Free 大约每 24 小时 2–3 张，或滚动 3 小时窗口 3–10 张；Plus 大约每 3 小时窗口 40–50 张；Go 是免费档的“10x”；Pro 在防滥用护栏下基本不限量。我们跟踪到的 Images 2.0 免费档上限每个月都在变，2.5 的免费档走通指南讲了怎么把很小的额度用到极致。

ChatGPT 的四个新功能

Sketch。 直接在 ChatGPT 里画草图，当作视觉引导。在输入框输入 @Sketch，或打开 chatgpt.com/sketch.

Templates。 针对“一些最常见的创意格式”的预设，例如“Poster”和“Merch”、传单和产品图。有媒体称 Templates 在 Work 模式不可用。

图片评论。 在生成图上点一个位置、留下评论，下一次编辑就会针对那一块。

分享 prompt。 分享图片时 prompt 会一起带走，别人可以用自己的照片再 remix。

这四个功能都不进 API；API 侧你拿到的是两个模型和同一批接口上的新质量档位。

Flare vs Sunburst：两个 API 模型

OpenAI 把这次发布拆成两个模型：一个价格，两套速度画像。

今天跑在 gpt-image-2 上的任务，迁移目标是 Flare。Sunburst 面向 edits 接口，参考图和蒙版必须被遵守。两者在同一质量和尺寸下每张图的 token 预算相同，所以 Sunburst 的溢价是延迟，不是费用。

两个模型走同一组入口：POST /v1/images/generations（JSON 进，base64 出），POST /v1/images/edits（multipart，参考图加可选蒙版），以及 Responses API 的 image_generation 工具。你在工具里把 model 设成任一 2.5 id，主模型的 token 会另计。图像生成指南覆盖输出格式、最高 4K 的自定义尺寸，以及 partial_images（0-3）流式，每张 partial 多收 100 个 output tokens。

定价：token 单价没变，质量档位被重新贴了标签

根据定价页，Flare、Sunburst 和 gpt-image-2（Standard）计费完全一样：每 100 万 image input tokens $8.00，每 100 万 image output tokens $30.00，每 100 万 text input tokens $5.00。2.5 模型页写得很直接：“Token rates match GPT Image 2.”

所谓“API 涨价 2 倍”的报道，是把 Standard 的 2.5 行拿去对比 Batch 的 gpt-image-2 行，后者打五折。Standard 对 Standard，什么都没动。

真正动过的是每个质量标签的含义。OpenAI 自己的提醒：“Equal token rates don’t mean equal cost per image: token consumption can differ by model and quality setting.” OpenAI 计算器给出的 2.5 模型每张图数量（仅 image output tokens，$30/100 万，读取于 9 月 9 日）：

同一页上，gpt-image-2 在 1024x1024 大约是 low 为 $0.006，medium 为 $0.053，high 为 $0.211。所以 2.5 的 high（1,756 tokens）对应旧 gpt-image-2 的 medium 预算，2.5 的 max（7,024 tokens）对应旧的 high 预算，而 low 仍是 196 tokens，没变。

对迁移者来说，从表里能推出两点：

• 保持 quality: "high"，只换模型 id，每张图大约便宜 4 倍，用的是旧 medium 的 token 预算。每月 10,000 张 1024x1024，2.5 是 $526.80，gpt-image-2 high.
• 想要旧的 high 输出预算？改到 max。同样 10,000 张是 $2,107.20，基本等于旧账单。

edits 接口上的参考图按 image input、$8/100 万计费，没有公布每张图的 input 数量，所以 usage.input_tokens 是唯一可靠读数；同样，表格是计算器估算，usage.output_tokens 才是实际扣费。定价对比文把五种质量和两种尺寸的账都算过，并附了迁移清单。

OpenAI 的宣称 vs 社区测到的

OpenAI 的数字是延迟“最多降低 50%”。HN 用户 jjcm 的 AI UI 设计工具在 gpt-image-2 上大约生成过 50,000 张图，他说那边平均延迟“一直在 104s 左右”，2.5 则是“大约 35-40s”。这只是一种工作负载，但降幅比标题还大。

质量上意见分裂。HN 上反复出现的说法是“比 gpt-image-2 快很多，但质量差不多”，也有人认为 OpenAI 的编辑在细部上仍不如 Nano Banana 2 或 Flux。这些是看法，不是测量。

众包投票的 Arena 文生图榜（更新于 2026 年 9 月 7 日）里 Sunburst 1421、Flare 1399、gpt-image-2（medium）1381，高于 Microsoft 的 mai-image-2.6（1331）和 Nano Banana 2（1261）。在 图像编辑榜 上顺序相同，Sunburst 领先更大：1520、1491、1461。这是偏好分，不是 OpenAI 基准，而且会变。

系统卡里的安全数字

系统卡给每个模型公布了三项比率。

两个 2.5 模型展示的不安全内容都少于基线，同时拦截的 prompt 更少。来源标记没变：每张图都带 C2PA 元数据和隐形水印，系统卡写明水印技术是 Google DeepMind 的 SynthID。

文档里还缺什么

截至 9 月 9 日，四件你会以为该有的东西并不在。

• 分档速率限制。 2.5 模型页指向组织限额页，而不是列出各档。gpt-image-2 从 Tier 1 的每分钟 5 张到 Tier 5 的 250 张，图像接口需要付费档。
• Batch。 定价页的 Batch 标签只列出 gpt-image-2；/v1/batch 是否接受 2.5 id 尚未确认。如果你依赖 Batch API 折扣，文档化路径仍是 gpt-image-2。
• 这个 thinking 参数。 我们的 gpt-image-2 指南记录过它，但当前 gpt-image-2 文档和 2.5 文档都没提。不要假设它会被接受或生效。
• gpt-image-2 的弃用日期。 没有公布；gpt-image-2-2026-04-21 快照仍在线。

在 Apifox 里并排测 Flare 和 Sunburst

想知道 2.5 对账单的真实影响，最快办法是把同一请求打给两个模型，然后读 usage. Apifox 是 API 客户端和测试平台：它不生成图片，只负责构建、发送请求，并对返回结果做断言。

1. 创建请求 POST https://api.openai.com/v1/images/generations，在 JSON body 里放 prompt、quality 和 size，并把 API key 存成环境变量。
2. 创建 flare 和 sunburst 环境，各自定义 body 引用的 {{model}} 变量，切换环境即切换模型。
3. 再加一个 /v1/images/edits 的 multipart 请求，带参考图和可选蒙版——这正是 Sunburst 值得多等一会儿的调用。
4. 断言 usage.output_tokens 低于你的单图预算，且 data[0].b64_json 存在；在后置操作脚本里解码 base64，再把请求排成回归测试，这样质量档位悄悄变化时先失败的是断言，而不是发票。

下载 Apifox，跟着 API 指南一起做。

常见问题

ChatGPT Images 2.5 免费吗？ 是。OpenAI 说它“across all tiers”可用，包括 Free；各套餐上限仍在，应用内横幅是唯一官方数字。免费档指南覆盖了各计划和开发者路径。

OpenAI 有没有提高 gpt-image-2.5 的 API 价格？ 没有。每 token 单价与 gpt-image-2 相同：image input $8/100 万，image output $30/100 万；所谓涨价 2 倍，是拿 2.5 去对比 gpt-image-2 半价的 Batch 费率。每张图的费用确实变了，因为质量标签映射到了不同的 token 数。

Flare 和 Sunburst 有什么区别？ 同价、同 token 数，速度和精度不同。Flare 是 OpenAI“大多数应用的默认选择”，延迟比 gpt-image-2 低 50%；Sunburst 用更长的生成时间换编辑时更紧的控制。

从 gpt-image-2 迁移需要改代码吗？ 换模型 id，然后检查质量设置。2.5 上的 high 会按旧的 medium token 预算渲染；要旧的 max 预算请用 high。不要依赖 thinking 参数，因为 2.5 文档没有写它。

接下来看什么

Images 2.5 是一次速度和编辑向的发布：价目表看起来没变，其实变了。除非工作负载很吃编辑，否则选 Flare；迁移后重新测量 usage.output_tokens，别迷信旧的质量标签。API 指南能让你打通一次调用；把两个请求都建在 Apifox 里，让响应告诉你每张图真正花多少钱。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名