GPT Image 2.5 Flare vs Sunburst：該用哪一個？
從速度、編輯控制、參數與費用比較 GPT Image 2.5 Flare 和 Sunburst，替每一種影像工作選對模型 ID。
以 Markdown 閱讀GPT Image 2.5 Flare 和 Sunburst 該選哪個？預設用 Flare，編輯必須精準時再換成 Sunburst。Flare 是 OpenAI 為大多數應用程式預設的選擇，出圖速度快。Sunburst 是能力更強的模型：它在編輯時控制得更嚴密，算繪時間也更長。兩者讀取完全相同的請求欄位，所以把一項工作從其中一個換到另一個，只要改 model 裡的一個詞。
這個簡短的答案已經涵蓋大多數情況。本文接下來說明兩者的差別體現在哪裡、各自在 SeedRouter 上的費用，以及如何用你自己的影像驗證選擇，而不是相信一條通用規則。
Flare 和 Sunburst 有什麼差別？
OpenAI 於 2026 年 9 月 8 日發布 GPT Image 2.5，一次推出兩個模型，而不是一個。它們共用同一份 API 契約，差別在於每張影像下了多少功夫。
| Flare | Sunburst | |
|---|---|---|
| 定位 | 日常生成、草稿、大量產出 | 精準編輯與最終成品 |
| 速度 | 快 | 較慢，生成時間較長 |
| 編輯控制 | 良好 | 編輯時控制更嚴密 |
| 請求欄位 | 相同的 12 個欄位 | 相同的 12 個欄位 |
| 品質檔位 | auto 到 max | auto 到 max |
這張表刻意寫得很短。兩個模型都沒有對方缺少的參數，也都沒有被限制在較小的畫布上。實際的差別在於取捨：等待時間，以及結果能多忠實地保留你要求保留的部分。
什麼時候該選 Flare？
當你要看很多張影像、只留下其中幾張時，選 Flare。社群貼文的多個版本、概念探索、縮圖、版面的初稿都屬於這一類。如果一次請求要十張圖、而你只打算挑一張，速度更快的模型能縮短整個流程。
Flare 也是新提示詞合理的起點。寫好提示詞，用 Flare 在 low 或 medium 下執行，趁每次嘗試都很快的時候修正構圖問題。提示詞還沒定案就換到 Sunburst，多半只會讓每一次失敗的嘗試花更久時間。
什麼時候值得等 Sunburst？
Sunburst 值得多花的時間在編輯上。當你用 images 傳送參考圖，或用 mask 標出要修改的某一塊區域時，工作通常是「改這裡，其他全部保留」。這正是編輯時控制更嚴密最重要的情況：改變商品顏色但不能動到標籤，或者替換背景但主體必須完全不變。
提示詞定案之後，它也是製作最終成品更好的選擇。把定案的提示詞用較高的品質檔位在 Sunburst 上執行，再和 Flare 的版本並排比較。如果在受眾會注意的那些部分看不出差別，就繼續用 Flare。
Flare 和 Sunburst 的費用不一樣嗎？
請查看各個模型 ID 與品質等級的目前費率。Flare 與 Sunburst 並不保證同價；計費也取決於選擇 Standard 或 Official。
- Standard ID（
gpt-image-2.5-flare、gpt-image-2.5-sunburst）依所選模型與品質等級的目前費率，對每張實際交付的圖像計費。 - Official ID（
gpt-image-2.5-flare-official、gpt-image-2.5-sunburst-official）依每次算繪回報的 token 計費，因此品質和尺寸會改變費用。
以下是目前的費率，直接即時讀取向你的帳戶計費的同一張表：
GPT Image 2.5 prices are listed separately for each model ID. Per-image prices follow the selected quality; token-billed prices follow reported usage.
| Channel | Model IDs | Billed by | Current rate (USD) |
|---|---|---|---|
| Standard | gpt-image-2.5-flare | Per delivered image at the selected model and quality rate | Per delivered image: xhigh $0.0225; max $0.0225; other quality values $0.021 |
| Standard | gpt-image-2.5-sunburst | Per delivered image at the selected model and quality rate | Per delivered image: xhigh $0.0225; max $0.0225; other quality values $0.021 |
| Official | gpt-image-2.5-flare-official | Tokens each render reports (text input + image output) | $3.75 per 1M input tokens; $22.5 per 1M output tokens |
| Official | gpt-image-2.5-sunburst-official | Tokens each render reports (text input + image output) | $3.75 per 1M input tokens; $22.5 per 1M output tokens |
Token rates are the published first-tier rates; usage in a different tier may be charged differently.
Cost of one 1024x1024 image by quality
Token counts are measured samples on the Official channel, with 18 input tokens for the prompt. Actual usage varies with the prompt, dimensions, references, and image count, so token-billed figures are estimates, not fixed prices. Per-image rates below follow each model's current quality pricing.
| Quality | Sample output tokens | Standard · GPT Image 2.5 Flare USD | Standard · GPT Image 2.5 Sunburst USD | Official · GPT Image 2.5 Flare USD | Official · GPT Image 2.5 Sunburst USD |
|---|---|---|---|---|---|
| low | 196 | $0.021 | $0.021 | $0.0044775 | $0.0044775 |
| medium | 439 | $0.021 | $0.021 | $0.009945 | $0.009945 |
| high | 1756 | $0.021 | $0.021 | $0.0395775 | $0.0395775 |
| xhigh | 3122 | $0.0225 | $0.0225 | $0.0703125 | $0.0703125 |
| max | 7024 | $0.0225 | $0.0225 | $0.1581075 | $0.1581075 |
| auto | 229 | $0.021 | $0.021 | $0.00522 | $0.00522 |
Formula (Official): (input tokens × 3.75 + output tokens × 22.5) / 1,000,000 USD. A request for n images is billed for the images delivered. Final charges are available in account usage history. Failed requests are not charged.
Standard 費率可能依模型與品質等級而異；請在表格中查看準備使用的等級。Official 費用取決於回報用量，較高品質等級通常會消耗更多輸出 token。
相較 GPT Image 2 有哪些改變？
對整合來說，有三點重要。第一，GPT Image 2.5 在 high 之上新增了兩個品質檔位 xhigh 和 max，而 GPT Image 2 到 high 為止。第二，它是兩個模型而不是一個，這正是本文要討論的選擇。第三，請求格式沒有變：同一個端點、同樣的欄位名稱、參考圖與遮罩都用 URL 輸入，以及同樣的非同步任務流程。
最後這一點讓升級的嘗試成本很低。保留你的 GPT Image 2 請求，把 model 改成 gpt-image-2.5-flare，然後比較輸出。如果想使用新的品質檔位，GPT Image 2.5 參考文件列出了每一個欄位和限制。
如何用自己的影像驗證選擇？
通用規則只是起點，不是結論。用你實際要上線的提示詞做一次小規模比較：
- 挑三個需求：一次一般的生成、一次參考圖編輯，以及你預期最難做的一張影像。
- 用相同的
size、quality和提示詞，分別提交給 Flare 和 Sunburst。 - 只看你的使用情境在意的部分，例如標籤、人臉或商品的邊緣。
- 在影像旁邊記下每個任務的等待時間。
如果 Sunburst 只在編輯需求上勝出，就把編輯交給 Sunburst，其餘交給 Flare。因為欄位完全相同，這個分流在你的程式碼裡只是一個條件判斷。
常見問題
不改請求就能在 Flare 和 Sunburst 之間切換嗎？
可以。只改 model 欄位，其他都不用動。兩個模型接受相同的提示詞、尺寸、品質、背景、輸出格式、影像張數、參考圖和遮罩。
透明背景該用哪個模型？
哪個都可以。把 background 設為 transparent，output_format 設為 png。透明是請求的設定，不是某個等級專屬的功能。
Sunburst 的品質一定比較好嗎？
它是能力更強的模型，但「更好」取決於工作內容。在快速草稿上，你可能看不出值得多等那些時間的差別。決定之前，先用你自己的需求比較兩者。
先用 Flare，再證明 Sunburst 值得
預設用 Flare，在它上面把提示詞定案，只有當並排比較顯示出使用者會注意到的差別時，才把工作移到 Sunburst。可以在 GPT Image 2.5 Playground 試用兩者，並參考 OpenAI 的 GPT Image 2.5 發布公告，看官方自己怎麼描述這兩個模型。
