GPT Image 2.5 Flare 和 Sunburst 怎么选？两个模型的区别
从速度、编辑控制、参数和费用四方面对比 GPT Image 2.5 Flare 与 Sunburst，为每一类图像任务选对模型 ID。
以 Markdown 阅读GPT Image 2.5 Flare 和 Sunburst 怎么选：默认用 Flare，编辑必须精确时再换成 Sunburst。Flare 是 OpenAI 推荐给大多数应用的默认选择，出图速度快。Sunburst 是能力更强的模型：在多次编辑中控制得更严格，渲染耗时也更长。两者读取的请求字段完全相同，所以把一个任务从一个模型切换到另一个，只需改动 model 里的一个词。
这个简短的答案已经覆盖了大多数决策。本文余下部分会说明两者的差别具体体现在哪里、各自在 SeedRouter 上的费用，以及如何用你自己的图像来检验选择，而不是盲信一条通用规则。
Flare 和 Sunburst 有什么区别？
OpenAI 于 2026 年 9 月 8 日发布 GPT Image 2.5，发布的是两个模型而不是一个。它们共用同一份 API 契约，区别在于在每张图上下多少功夫。
| Flare | Sunburst | |
|---|---|---|
| 适用场景 | 日常出图、草稿、大批量 | 精确编辑与最终成品 |
| 速度 | 快 | 较慢，生成时间更长 |
| 编辑控制 | 良好 | 多次编辑中控制更严格 |
| 请求字段 | 同样的 12 个字段 | 同样的 12 个字段 |
| 质量档位 | auto 到 max | auto 到 max |
这张表刻意写得很短。两个模型都没有对方缺少的参数，也都不受限于更小的画布。实际的差别在于等待时间与还原程度之间的取舍：结果能多忠实地保留你要求保留的部分。
什么时候该选 Flare？
当你要看很多张图、只留下其中几张时，选 Flare。社媒多版本、概念探索、缩略图和版式初稿都属于这一类。如果一次请求要十张图、你只打算挑一张，更快的模型能缩短整个循环。
Flare 也是打磨新提示词的合理起点。写好提示词，在 Flare 上用 low 或 medium 跑，趁每次尝试都很快的时候解决构图问题。提示词还没定下来就换到 Sunburst，基本只会让每次失败的尝试耗时更久。
Sunburst 什么时候值得多等？
Sunburst 的时间花在编辑上最值。当你用 images 发送参考图，或用 mask 标出要修改的某一块区域时，任务通常是「改这里，其余都不动」。这正是多次编辑中控制更严格的价值所在：改商品颜色但标签不能移位，或者换背景但主体必须原封不动。
提示词定下来之后，它也更适合用来出最终成品。把定稿的提示词放到 Sunburst 上用更高的质量档位跑一次，再与 Flare 版本并排对比。如果在受众真正会看的那些部位看不出差别，就继续用 Flare。
Flare 和 Sunburst 价格不一样吗？
请查看各个模型 ID 和质量档位的当前费率。Flare 和 Sunburst 并不保证同价；计费还取决于选择 Standard 还是 Official。
- Standard ID（
gpt-image-2.5-flare、gpt-image-2.5-sunburst）按所选模型和质量档位的当前费率，对每张实际交付的图像计费。 - Official ID（
gpt-image-2.5-flare-official、gpt-image-2.5-sunburst-official）按每次渲染报告的 token 计费，所以质量和尺寸会改变费用。
以下是当前费率，直接读取为你的账户计费的那张费率表：
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 费率可能因模型和质量档位而异；请在表格中查看准备使用的档位。Official 费用取决于报告用量，较高质量档位通常会消耗更多输出 token。
相比 GPT Image 2 有哪些变化？
对接入来说有三点重要变化。第一，GPT Image 2.5 在 high 之上新增了 xhigh 和 max 两个质量档位，而 GPT Image 2 到这一档就为止了。第二，它是两个模型而不是一个，也就是本文讨论的这个选择。第三，请求结构没变：同样的端点、同样的字段名、参考图和遮罩同样用 URL 传入，以及同样的异步任务流程。
最后这一点让升级的试错成本很低。保留你的 GPT Image 2 请求，把 model 改成 gpt-image-2.5-flare，然后对比输出。如果要使用新的质量档位，GPT Image 2.5 参考文档列出了每个字段和约束。
如何用你自己的图像检验选择？
通用规则只是起点，不是定论。用你实际上线的提示词做一次小规模对比：
- 选三个需求：一次普通生成、一次参考图编辑，以及你预计要做的最难的一张图。
- 用相同的
size、quality和提示词，分别提交给 Flare 和 Sunburst。 - 只看你的使用场景真正在意的部分，比如标签、人脸或商品边缘。
- 在每张图旁边记下对应任务的等待时间。
如果 Sunburst 只在编辑需求上胜出，就把编辑任务路由到 Sunburst，其余一律交给 Flare。因为字段完全相同，这个路由在代码里只是一个条件判断。
常见问题
能否不改请求就在 Flare 和 Sunburst 之间切换？
可以。只改 model 字段，其他都不用动。两个模型接受相同的提示词、尺寸、质量、背景、输出格式、图像数量、参考图和遮罩。
透明背景该用哪个模型？
哪个都可以。把 background 设为 transparent，output_format 设为 png。透明是请求里的一项设置，不是某个档次独有的功能。
Sunburst 的画质一定更好吗？
它是能力更强的模型，但「更好」取决于任务。在快速草稿上，你可能看不出值得多等的差别。下结论之前，先在你自己的需求上对比两者。
先用 Flare，再证明 Sunburst 值得
默认用 Flare，在它上面把提示词定下来，只有当并排对比显示出用户会注意到的差别时，才把任务换到 Sunburst。在 GPT Image 2.5 Playground 里两个都试试，并参阅 OpenAI 的 GPT Image 2.5 发布公告，了解厂商自己对这两个模型的描述。
