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？
在 SeedRouter 上不會。同一類 ID 下的每個模型 ID 價格相同，所以 Flare 和 Sunburst 在同一類 ID 下費用一樣。改變帳單的是你選擇的計費方式，而不是等級。
- Standard ID（
gpt-image-2.5-flare、gpt-image-2.5-sunburst）不論尺寸或品質，每交付一張影像收一個固定價。 - 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：
Current rates are temporarily unavailable. No price estimate is provided; unavailable rates must not be interpreted as free usage.
固定價讓 Standard ID 上的 high、xhigh 和 max 與 low 費用相同。在 Official ID 上，較高的檔位會消耗更多輸出 token，所以上表把每一檔品質分開列出。
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。
