雙模型、同價格、一半等待時間：深入解析 OpenAI 的 ChatGPT Images 2.5

2026 年 9 月 8 日，OpenAI 向 ChatGPT 與 API 推送了新的圖像生成版本，而它背後的數字比版本本身更值得注意。ChatGPT Images 2.5 面向的用戶基數，依 OpenAI 自己的說法，每週在 ChatGPT Images 與 GPT-Image API 模型上產出超過 30 億張圖片。任何被推進這個介面的東西，預設就是地球上最多人使用的創作工具之一——而這次更新正是圍繞這個規模下最真實的摩擦點打造：等待、重抽，以及「改一個地方、壞掉整張圖」的編輯。

官方聲明很具體。Images 2.5 將生成延遲較 Images 2.0（4 月發布、對應 gpt-image-2 API 的版本）降低最高 50%，細節更銳利、光線與質感更自然，而且——這是產品團隊最在意的一點——編輯精度大幅提升，包括只改動圖片中一個元素、同時讓畫面其餘部分真正保持原樣的能力。

雙模型 API 拆分：Flare 與 Sunburst

在 API 端，這次發布以兩個獨立的 model ID 落地：gpt-image-2.5-flare 與 gpt-image-2.5-sunburst（快照日期 2026-09-08）。這個拆分是 OpenAI 對所有圖像密集產品共同張力的回答——速度對控制——而它用一個不尋常的定價決策來解決：兩個模型以完全相同的 token 費率計費。

Flare 被定位為「多數應用場景的預設選擇」。它以降低 50% 的延遲提供比 GPT-Image-2 更高品質的圖像，官方使用指南指向創作者與社群內容、產品體驗、視覺搜尋、快速原型與大量生成場景。如果你今天有任何工作負載跑在 gpt-image-2 上，Flare 就是遷移目標。

Sunburst 則是精度儀器：「為需要更精細控制的詳細創作工作提供額外的精度層級，代價是較長的生成時間」。它瞄準可直接上線的廣告創意與精修產品圖像，也是為 edits 端點而生的模型——reference images 與 masks 必須被嚴格遵守的場合。Sunburst 的溢價是延遲，不是金錢——在相同品質與尺寸下，兩個模型每張圖消耗相同的 token 預算。

早期的實測數據顯示，延遲表現甚至比官方標題更好。一位 HN 用戶（其 AI UI 設計工具已在 gpt-image-2 上生成約 5 萬張圖像）回報，平均延遲從舊模型的約 104 秒降到 2.5 上的 35–40 秒——至少在該工作負載上，降幅超過「最高 50%」的字面承諾。社群對品質的評價則較分歧，部分用戶認為 OpenAI 的編輯在精細細節上仍遜於競爭對手。群眾投票的 Arena 排行榜（9 月 7 日更新）說了個更友善的故事：在文生圖項目，Sunburst 以 1421 分、Flare 以 1399 分領先 gpt-image-2 的 1381、微軟 mai-image-2.6 的 1331 與 Nano Banana 2 的 1261——而在圖像編輯榜上，Sunburst 的領先幅度還進一步拉大。

終於學會放過畫面其餘部分的編輯

OpenAI 用力推的能力是定向編輯。Images 2.5 更緊密地遵循編輯指令，即使經過多輪編輯也一樣，而且可以只改動圖片的一小塊——一個產品、一個背景、一段文案——同時保留周圍的場景。以參考圖為主的工作流程也更可靠，更高的圖像保真度讓每個變體與原始來源維持更緊密的連結。

在量產場景裡，這是「修改素材」與「重做素材」的差別。需要同一張產品照配上三種背景的團隊，不必再生成三次產品然後祈禱一致性；模型被明確設計成在背景變動時固定住主體。OpenAI 也表示新模型更擅長理解複雜的視覺指令並轉化為連貫的結果，在需要編輯之前就第一次把更多圖做對。

ChatGPT 內的四個新工具

消費端更新加了四個功能（皆未進入 API）：

• Sketch（速寫）——直接在 ChatGPT 裡作畫，並把這幅畫當作生成的視覺指引。在輸入框打 @Sketch，或前往 chatgpt.com/sketch。
• Templates（範本）——熱門創作格式的預設集：海報、周邊商品、傳單、產品照。（早期回報指出 Work 模式下範本不可用。）
• 圖片上的評論（Comments）——在生成圖片上點一個位置、留下評論，下一次編輯就會針對該區域。這是藏在 UI 操作背後的輕量區域指令機制。
• 分享提示詞（Share the prompt）——分享出去的圖片會附帶提示詞，接收者可以用自己的照片重新混搭。

供可用性涵蓋所有 ChatGPT 層級——包括免費版——支援桌面、行動與網頁，各方案的生成上限照舊。

悄悄的重新定價：費率不變，階梯重排

首日報導有一個數字弄錯了：幾家媒體宣稱 API 價格翻倍。並沒有。每 token 費率與 gpt-image-2 完全一致——文字輸入每百萬 5 美元、圖像輸入每百萬 8 美元、圖像輸出每百萬 30 美元。真正改變的是品質階梯，而它決定每張圖消耗多少 token。

Images 2.5 把品質階梯從三級擴充為五級：low、medium、high、xhigh 與 max（外加 auto）。依 OpenAI 計算器在 1024x1024 的數字，low 約 0.006 美元（196 個輸出 token），而 max 要 7,024 個 token——每張約 0.21 美元。實際效果是：2.5 的 high（1,756 tokens）就是舊 gpt-image-2 medium 的預算，而 2.5 的 max 是舊 high 的預算。保持 quality: "high"、只換 model ID 的遷移開發者，圖像成本直接便宜約 4 倍；想要舊版高品質輸出預算的人改用 max，帳單實質上跟以前一樣。OpenAI 自己的但書值得引用：相同的 token 費率不等於相同的單張成本——token 消耗會因模型與品質設定而異，而 edits 端點上的參考圖以圖像輸入計費，卻沒有公布每張的換算數量。

安全與來源標記

隨發布一同出版的系統卡提供了圖像競技場上少見的透明度。Sunburst 在 1.09% 的情況下呈現不安全內容、封鎖 21.9%；Flare 呈現 1.41%、封鎖 19.2%——兩者都優於 Images 2.0 基線（不安全呈現 1.64%、封鎖 23.1%）。來源標記機制不變：每張圖都帶有 C2PA 元資料加上隱形浮水印，系統卡指出該浮水印是 Google DeepMind 的 SynthID。

還缺什麼

這次發布也有值得注意的缺口。沒有公布各層級的速率限制（模型頁面指向組織限制頁面）。Batch 支援未確認——定價頁的 Batch 分頁仍只列出 gpt-image-2，依賴 Batch 折扣的工作負載目前應按兵不動。gpt-image-2 文件中記載的 thinking 參數在 2.5 文件中缺席。gpt-image-2 也沒有公布棄用日期；4 月的快照仍在線上。

解讀

Images 2.5 不是登月計畫——它是為網際網路上最大圖像生成介面做的基礎設施維護，而且對痛點在哪裡執行得異常細膩。同價雙模型是個真正有趣的模式：它讓 OpenAI 用自我選擇速度或精度的用戶，在自己的取捨曲線上做 A/B 測試，而不必對任何人做價格敏感度實驗。品質階梯的重新標籤確實悄悄改變了帳單的意義，而這種變化通常三週後才會在雲端帳單覆核裡浮現，而不是發布日頭條。但對每週 30 億張圖片的基線而言，50% 的延遲削減加上「放過畫面其餘部分」的編輯，不是錦上添花——它們是 AI 玩具與量產工具之間的那條線。