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？
在 SeedRouter 上，不会。同一类 ID 下的每个模型 ID 价格相同，所以在同一类 ID 里，Flare 和 Sunburst 的价格一样。影响账单的是你选择哪一类 ID，而不是选哪个档次。
- Standard ID（
gpt-image-2.5-flare、gpt-image-2.5-sunburst）每交付一张图收一个固定价，与尺寸和质量无关。 - 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：
Current rates are temporarily unavailable. No price estimate is provided; unavailable rates must not be interpreted as free usage.
固定价意味着在 Standard 上，high、xhigh 和 max 与 low 价格相同。在 Official 上，更高的档位会消耗更多输出 token，所以上表按质量分别列出了每一档。
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。
