GPT Image 2.5 Flare 和 Sunburst 怎么选？6 组同提示词实测

9 月 8 日 OpenAI 发布 GPT Image 2.5，API 里一次上了两个模型：gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。开发者论坛的帖子只用一句话交代两者的区别：Flare 在画质、编辑和速度上都有提升；Sunburst 在精细的创作上更精准，代价是生成时间更长。

多等的那几十秒，在画面上到底看不看得出来，OpenAI 没有说。

这两个模型在本站生成器里都能直接用，所以我用最笨的办法测：6 条提示词，一字不改分别发给两个模型，参数完全相同，每组同时提交。每张图都计了时，再把最容易出问题的地方放大看：小字、标签、参考图里的细节，还有那些必须“看起来真能用”的物件。

6 项里有 4 项，正常尺寸下分不出高下，得放大了找差别，其中 2 项放大后也没找到。拉开差距的那几项里，Sunburst 强在实物细节，Flare 强在“提示词写什么就做什么”。速度上，Sunburst 每一次都更慢，2K、high 档要多等 20 到 35 秒。

OpenAI 怎么给 Flare 和 Sunburst 分工

按 OpenAI 的说法，Flare 是大多数应用的默认选择：画质比 GPT-Image-2 高，延迟低约 50%，适合创作者内容、嵌在产品里的生图功能、视觉搜索和大批量生成。Sunburst 面向要求更高、需要在多轮修改中把控更紧的视觉工作流，比如可以直接投放的广告创意和精修产品图，生成时间也更长。

OpenAI 还列了整个 2.5 系列相比 Images 2.0 的四项改进：光线更自然、质感更丰富；参考照片里的主体保留得更好；多轮编辑时执行修改指令更稳；延迟最多降低 50%。另外，Sketch、模板和提示词分享这三项新功能只在 ChatGPT 里有。

下面的测试只看单张图能看出来的东西：光影、质感、文字、参考图还原和一次精准改图。连续多轮改图这次没有测。

这次 image2.5 实测怎么做的

• 同一条提示词，同样的参数。 每项测试两个模型都用相同比例、2K 分辨率、high 质量。另外在默认的 medium 质量、1K 档加测了一次速度，结果放在耗时表里。
• 同一时刻提交。 每组两个任务一起发到本站生成器背后的同一套后端，排队条件一致。
• 计时口径。 从提交任务到拿到成品文件的实际秒数。每 3 秒查一次状态，所以每个数字都按 ±3 秒的误差看。
• 每个模型每项只跑一次。 2K 的 6 组里没有哪次耗时明显离群，所以都没有重跑。换一天测，数字肯定会变。

提示词保留英文原样，就是我实际发出去的版本，可以直接复制。图片都是原始输出，只有局部放大图做过裁切。

1. GPT Image 2.5 密集文字：夜市活动海报

A printed event program poster for a neighborhood night market. Flat graphic design on cream paper, printed in deep green and tomato red.

Title at the top: "LANTERN STREET NIGHT MARKET"
Subtitle below it: "Saturday, October 3 · 5 PM to 11 PM"

A schedule table in the middle with six rows, time on the left, event on the right:
5:00 PM | Stalls open
6:00 PM | Dumpling folding workshop
7:00 PM | Brass band on the east stage
8:00 PM | Paper lantern making for kids
9:00 PM | Tasting walk, meet at the fountain
10:30 PM | Last orders

Lower left: a simple street map with numbered dots and a legend reading "1 Food", "2 Crafts", "3 Music", "4 Restrooms".
Footer in small print: "Free entry · Cash and cards welcome · Dogs on a leash until 8 PM"

Clean grid, consistent type sizes, every word spelled exactly as written, no logos.

参数：2:3，2K，high。

海报上要排的英文将近 70 个词。标题、6 行日程、图例和页脚，两个模型都没有拼错，版面这么密，这个结果已经不错。

差别不在拼写上：

• Sunburst 更好看，但不够准。 它把朴素的标题区换成一幅插画，有摊位帐篷、串灯和喷泉，日期那一行却没了：“Saturday, October 3 · 5 PM to 11 PM” 在海报上根本找不到。地图上还多了几个我没给的街道名（“Maple St”“Riverside Ave”）。放大到原尺寸，“Stalls open” 的 “en” 上还有一道灰色污迹。
• Flare 一板一眼。 每一行都在，日期也在。连地图图标都和图例对得上：1 号是小吃摊，3 号是带音符的小舞台，4 号是洗手间标志。唯一的瑕疵是最长的那行紧贴着表格右边框。

要求文字一字不差的图，这一项 Flare 明显胜出。海报上多一处字、少一行字，都只能重印。

2. GPT Image 2.5 产品图：Sunburst 的主场？

Campaign hero photograph of an amber glass bottle of cold brew coffee concentrate with a brushed aluminum screw cap.
A plain kraft paper label with small black lettering that reads "COLD BREW No. 7".
The bottle stands on a wet dark slate slab, fine condensation on the glass, three ice cubes and a few coffee beans beside it.
Soft key light from the upper left, a thin rim light along the right edge of the bottle, controlled reflections, deep charcoal background.
Bottle on the right third of the frame, empty space on the left for headline copy.
Photorealistic commercial product photography, no other text, no logos.

参数：16:9，2K，high。

精修产品图正是 OpenAI 点名给 Sunburst 的活。可在正常尺寸下，我分不出高下：同一只瓶子，同一块石板，都是三块冰，瓶子都在右侧三分之一，左边都给文案留了空。

放大之后，才看得出 Sunburst 多花的时间用在了哪里：水珠更清晰，大小也更有变化，琥珀色的液体里透着光，瓶身右侧那道轮廓光也清清楚楚。两张并排看，Flare 的玻璃显得暗、显得平，不过照样能用。

标签上，Flare 一字不差地排成一行 “COLD BREW No. 7”。Sunburst 拆成了两行，还吃掉一个空格，变成 “No.7”。问题不大，但客户验图时，第一眼看的往往就是标签。

如果这张图要放大用，比如做横幅或落地页头图，多等的 24 秒是值得的。放进商品列表的小图里，没人看得出区别。

3. GPT Image 2.5 光影与质感：木工台

Late afternoon in a small woodworking shop. Two hands push an old cast-iron hand plane along a walnut board, and a long curl of wood shaving rises from the blade.
Low golden sunlight comes through a dusty window on the left: a visible light beam full of floating sawdust, warm highlights on the walnut grain, soft deep shadows under the bench.
Show these textures clearly: open wood grain, worn cotton sleeves, scratched metal, rough plaster wall.
Medium close-up at bench height, shallow depth of field, photorealistic, no faces, no text, no logos.

参数：3:2，2K，high。

乍一看，两张像是同一张照片：左侧暖光，光柱里飘着木屑，胡桃木的纹理，磨毛的袖口。Flare 的光柱更有戏剧感，空气里悬着的木屑也更多。

再看工具。Sunburst 画的刨子一看就能干活：前面有握球，压铁上有黄铜调节轮，刨花从刀口前方卷出来。Flare 的刨子就不太看得懂了，刨花和压铁糊在一起，后面也没有像样的把手，后侧那只手只能直接握在金属上。

刷手机的人不会注意，木匠会，卖工具的人也会。产品图那一项也是这样：Sunburst 画的实物更像真的，但通常要放大才看得出来。

4. GPT Image 2.5 改图：只改三处

参考图：GPT Image 2.5 页面上那张书桌照片。

Edit this photo. Change only three things:
1. Make the white mug matte black.
2. Replace the succulent with a small round cactus in a terracotta pot.
3. Remove the reading glasses completely.
Keep everything else exactly as it is: the desk, the grey notebook, the wall texture, the lighting, the shadows and the camera angle.

参数：4:3，2K，high，1 张参考图。

平局。三处修改两个模型都做到了，其余部分也都没动：杯子还是原来的形状和方把手，只是变成了哑光黑；眼镜去掉了，底下的木纹补得很干净；笔记本、墙面、阴影和机位，两张都和原图一致。

唯一的差别在花盆。Flare 换了一个带白色水渍的旧陶盆；Sunburst 保留了原来花盆的锥形轮廓和斑点釉面，只把颜色改成陶土色，跟原照片更接近。

OpenAI 说 Sunburst 在多轮修改里把控更紧。单次修改看不出差距，连改很多轮也许会有，这个我还没测。像这样只改一次，Flare 拿到同样的结果还快了 20 秒。

5. GPT Image 2.5 三张参考图合成

参考图：一只针织小狐狸、一瓶护肤品，加上第 4 项里的书桌，三张都是 GPT Image 2.5 页面上的展示图。

Use the three reference images.
Image 1: a hand-knitted plush fox. Image 2: a frosted glass bottle with a sage-green cap and a label that reads "FIELD & FERN". Image 3: an oak desk against a pale plaster wall.
Create one new photo: the same fox sits on the same oak desk, leaning against the same bottle.
Keep the fox's one folded-over ear, black button eyes and yarn texture, the bottle's cap color and label text, and the desk's wood grain and wall.
Soft morning window light from the left, eye-level camera, photorealistic, no other text, no logos.

参数：1:1，2K，high，3 张参考图。

参考图还原是 OpenAI 给 2.5 列出的升级点之一，两个模型都做到了。狐狸折下来的仍是同一侧耳朵，扣子眼睛、米白色胸口、深色爪子也都在；瓶子保住了鼠尾草绿的盖子，标签 “FIELD & FERN” 拼写正确；书桌的橡木纹理和灰泥墙也都还原了。

不过两边对“同一张书桌”的理解不一样。Flare 只取了桌子和墙，桌上的摆件一件没带，画面干净，只有两个主体。Sunburst 把书桌照片里的多肉、杯子和笔记本一起搬了过来，还让狐狸的脑袋直接靠在瓶盖上。这样更贴近原图，可如果你要的是产品图，就多了杂物。

两种都不算错。如果画面里只要点名的那几样东西，就在提示词里写明，或者直接用 Flare。这一项 Sunburst 跑了 82 秒，是全部测试里最慢的一次。

6. GPT Image 2.5 中文排版：茶铺菜单

A minimalist menu board for a small tea shop, printed on warm off-white card in ink black and celadon green.
Title in Simplified Chinese at the top, exactly: "山间茶铺"
A small line under the title: "每日 10:00 – 21:00"
Five menu rows, tea name on the left, price on the right:
"白毫银针" ¥38
"凤凰单丛" ¥42
"桂花乌龙" ¥32
"陈年普洱" ¥45
"冷泡绿茶" ¥28
Footer line: "续水免费 · 茶叶可外带"
Elegant Song-style Chinese serif, generous spacing, every character exactly as written, no other text, no logos.

参数：2:3，2K，high。

两个模型每个字都写对了：店名、五种茶名、价格、营业时间和页脚。“毫”“凰”这种笔画多的字，放大到原尺寸，两边都没有糊。

差别只在版式。Sunburst 在每行之间加了细线，还点缀了小叶子，底部有一抹淡淡的水墨远山；Flare 的菜单更疏朗，只在两个角上放了茶叶。我个人稍微偏爱 Sunburst 这一版，但只看中文字本身，两边打平。至少像这样三十多个汉字的菜单，两个模型出的中文都能直接用。

Flare 和 Sunburst 速度对比：每项耗时

2K、high 质量下，Sunburst 每次都比 Flare 多花 20 到 35 秒，平均耗时约为 Flare 的 1.6 倍。换到默认的 medium、1K 档，差距缩到 10 秒。具体秒数会随参数和负载变化，但我测的每一组都是 Flare 先出图。

价格上两者没有差别。在本站，两个模型每个质量、分辨率档位扣的积分都一样，默认档每张 8 积分。所以选哪个，就看多等的这些时间换不换得来上面那些细节。

image2.5 该选 Flare 还是 Sunburst？

我的默认选择是 Flare，只有主视觉出最后一版时才切到 Sunburst。这和 OpenAI 的定位差不多，只是理由跟我原先想的不一样：Sunburst 并没有更听提示词的话，它强在把玻璃、光线和实物画得更可信。

GPT Image 2.5 API 模型 ID 与参数

自己调 API 的话，模型名是这几个：

需要模型版本固定不变时，就调用带日期的快照。

参数以 openai-python SDK 里的图片类型定义为准，值得记下的有这些：

• quality：low、medium、high、xhigh、max 或 auto。xhigh 和 max 只有 2.5 系列支持。本站生成器最高到 high，这两档我没有测。
• size：auto、1024x1024、1536x1024、1024x1536，或任意 宽x高，要求宽和高都能被 16 整除，宽高比在 1:3 到 3:1 之间，最大 3840x2160。SDK 注明，超过 2560x1440 的尺寸属于实验性支持。
• background：opaque、transparent 或 auto。透明背景要配合 png 或 webp 输出。
• output_format：png、jpeg 或 webp，output_compression 取值 0 到 100。
• moderation：low 或 auto。n：1 到 10 张。开启 stream 时，partial_images 可设 0 到 3。
• 编辑接口最多接收 16 张输入图（png、webp 或 jpg，每张小于 50 MB），可以附一张小于 4 MB 的 PNG 蒙版，input_fidelity 可设为 high 或 low。

最简单的 Python 调用：

import base64
from openai import OpenAI

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.5-flare-2026-09-08",
    prompt="An amber glass bottle of cold brew on wet slate, thin rim light",
    size="1536x864",
    quality="high",
)

with open("cold-brew.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

把模型名换成 gpt-image-2.5-sunburst-2026-09-08，同一个请求就会发给 Sunburst。发布细节见 OpenAI 的官方公告和开发者论坛帖子。

自己动手对比 Flare 和 Sunburst（3 步）

1. 打开 GPT Image 2.5 页面或文生图生成器。Flare 和 Sunburst 都在模型下拉框里，不需要 ChatGPT 账号。新注册账号自带免费积分，付款支持支付宝和银行卡。
2. 同一条提示词、同样的参数，两个模型各跑一次。 上面的提示词直接复制即可。默认的 medium、1K 档，两个模型都是每张 8 积分。第 4、5 项这类改图和参考图测试，请用图生图生成器，最多可以上传 16 张参考图。
3. 放大了再下结论。 看最小的字、每一个标签，还有画面里必须合乎常理的东西。如果按图片实际使用的尺寸看不出区别，就继续用 Flare。

结论

默认用 Flare 就行。它一行文案都没漏，改图、三图合成和中文文字都和 Sunburst 打平，2K 出图平均还快 26 秒。Sunburst 多等的那几十秒，在画面上确实看得出来，只是范围很窄：玻璃、光线，以及经得起放大的实物细节。要被人仔细看的那张主图，最后一版可以交给它，出图后再核对一遍它自己加进去的东西。

延伸阅读

• 10 个 GPT Image 2 海报提示词：几分钟做出能直接交付的设计
• 5 个 GPT Image 2 电影感打光提示词：附 4 张真实出图
• GPT Image 2 风格库：12 种实用画风 prompt（可直接复制粘贴）

gpt-image2.art 是独立网站，与 OpenAI 没有隶属关系。文中出现的模型名称仅用于说明测试对象。