GPT Image 2.5 是 OpenAI 2026 年 9 月發布的圖像模型：比 GPT Image 2 細節更銳利、參考圖還原更忠實、編輯更精確，分求快的 Flare 檔和求精的 Sunburst 檔。
GPT Image 2.5 是 OpenAI 於 2026 年 9 月 8 日發布的圖像模型，GPT Image 2 的繼任者。供應商說明裡寫的是：細節更銳利、光線與質感更自然、對參考圖的還原更忠實、局部編輯更精確，而且對同一張圖反覆編輯時一致性更好。它分兩檔：預設的 Flare，為低延遲和大量工作調校；以及 Sunburst，面向可直接上線的行銷素材，看重控制精度多於速度。
本頁在發布次日上線，因此暫時沒有獨立評測可引用。我們能拿出來的是自己的第一批實測：2026 年 9 月 9 日用下面這些原樣提示詞生成的十三張圖，其中包括一張我們預期它會翻車的資料圖表。有兩點立刻顯現出來。所有畫面內文字——七個價格的菜單、三種字級的海報、帶座標軸數值的長條圖——第一次就全對。而兩張參考圖的合成，同時保住了人的臉和產品標籤的可讀性，這正是大多數模型會做壞的那種編輯。
發布日期與檔位說明來自供應商的模型說明，也是截稿時唯一公開的文件： KIE.ai — GPT Image 2.5 model page and README
下面每一張都是 2026 年 9 月 9 日在本頁用 Flare 檔 2K 生成的，提示詞原樣展示——一次出圖、不修圖、不從一批裡挑。每一組驗證一個主張。
GPT Image 2 已經是我們測過的排版最可靠的模型，2.5 守住了這條線。我們給它一份三個區塊、七個小字級價格的印刷菜單，一張有標題、時間行和小頁尾的市集海報，以及一張四根帶標籤長條加 y 軸的長條圖。全部拼寫正確、排版正確。最意外的是圖表：數值印在正確的長條上方，長條高度與數值成比例，座標軸 0–30、每格 10，頁尾完好。Qwen Image 3 在同一題裡把數字印對了但幾何是錯的；這個連幾何也對了。
Flare · 2K · 2:3 · 41 秒
Flare · 2K · 3:4 · 41 秒
Flare · 2K · 4:3 · 38 秒圖表是值得你用自己的數字再跑一遍的測試：這只是一次生成，一次通過不等於保證。它說明的是，模型把長條圖當作有幾何關係的資料來讀，而不是當作一張「圖表的圖片」——我們在 Qwen Image 3 頁面記錄過的那種失敗模式，這裡沒有出現。
參考圖編輯是供應商聲稱相對 GPT Image 2 提升最大的地方，也是我們結果最乾淨的地方。我們先生成一張茶葉罐的產品圖，再把這張圖交回去，只給一條指令：把它挪到雪夜市集的木質攤位上，標籤保持不變。罐子、它的字體和比例都保住了；光線則按燈籠和雪重新打過。更難的一題附了兩張參考圖——茶罐，加上之前生成的漁夫肖像——要求那個人手持茶罐、標籤朝向鏡頭。臉、手和標籤全都保住了。多參考圖編輯走 Flare 檔：Sunburst 的編輯端點在發布當天每次嘗試都回傳上游錯誤，所以我們把參考圖編輯一律路由到 Flare，並且如實說明。
Flare · 2K · 1:1 · 38 秒——兩次編輯共用的參考圖
Flare · 2K · 1:1 · 55 秒 · 1 張參考圖
Flare · 2K · 3:4 · 55 秒 · 2 張參考圖參考圖編輯耗時 55 秒，同檔同解析度的文生圖是 38–41 秒。兩次編輯的費用與普通生成相同：上游不按參考圖收費，我們也不收。
「更銳利」這條最容易在有精細重複結構的東西上驗證。我們的 4K 室內圖是 3504×2336 像素——4K 檔輸出的短邊是 2880 而不是完整的 4096——書背、拼花地板和光束裡的灰塵在 100% 檢視下都立得住。漁夫肖像裡能看到毛孔、鬍渣和繩索纖維，沒有無參考肖像模型常見的蠟質磨皮感。21:9 的港口畫面是畫幅測試：模型把地平線壓低、船放在下三分之一、霧留在岬角後面，而不是把一張 16:9 構圖橫向拉伸。
Flare · 4K · 3:2 · 3504×2336 · 50 秒
Flare · 2K · 21:9 · 2688×1152 · 39 秒在這個模型上，只有解析度會改變價格：1K、2K、4K 三個檔，你選的檔位（Flare 或 Sunburst）在每個解析度下同價。參考圖不加錢。
上面幾組各自驗證一個具體主張；下面這些是同一批 2026 年 9 月 9 日實測的廣度檢查，每張都是原樣提示詞、一次出圖。在全部十三次完成的生成裡，2K 耗時 38–55 秒（中位數 41），唯一一次 4K 耗時 50 秒，定價探針裡的 1K 耗時 24–36 秒。
Isometric illustration of a small night market street: glowing food stalls with striped canopies, tiny figures queueing, lanterns strung overhead, steam and smoke drifting up, warm oranges against deep blue night, clean vector-adjacent rendering with soft shading, no text.
Editorial still life for a perfume campaign: a faceted amber glass bottle on wet black slate, a single sprig of rosemary, dramatic side light with soft caustics through the glass, deep shadows, water droplets sharp on the slate, no text.
Editorial still life for a perfume campaign: a faceted amber glass bottle on wet black slate, a single sprig of rosemary, dramatic side light with soft caustics through the glass, deep shadows, water droplets sharp on the slate, no text.
Documentary portrait of an elderly fisherman mending a green net at dawn, weathered hands and deeply lined face clearly rendered, salt-and-pepper stubble, warm low sun from the left against a cold overcast sea, realistic skin texture with visible pores, no retouching look, 85mm lens, shallow depth of field.
那些因為同樣的理由用 GPT Image 2 的人，只是少了一個要盤算的價格維度。下面每一條都對應本頁上方示範過的東西。
菜單、海報、圖表、包裝。我們的七價菜單、三字級海報和帶標籤長條圖全部一次通過——而且圖表通過的是幾何，不只是拼寫。
先生成主圖，再把產品作為參考圖附上、挪進新場景。我們的茶罐在「攝影棚→雪夜市集」的換景和雙參考圖合成裡都保住了標籤。
同樣的提示詞習慣，更銳利的輸出，更簡單的帳單：三個解析度而不是九個「畫質×解析度」格子，參考圖不加價，2K 的價格低於 GPT Image 2 在 1K 的 high 檔。
Sunburst 檔是供應商推薦用於正式素材的檔位。在這裡它和 Flare 同價，所以不試它的唯一理由只有速度——本頁有同一提示詞的對照組供你判斷。
每次只出一張圖，沒有批次參數。想從一條提示詞拿到十個候選，GPT Image 2 仍然可以；在這裡你得重跑。
你真正會拿來跟它比的三個模型——同一個工作台、同一份訂閱，切換只要一次點擊。
| GPT Image 2.5 | GPT Image 2 | Nano Banana 2 | Qwen Image 3 Pro | |
|---|---|---|---|---|
| 每張圖積分 | 1K 40 · 2K 70 · 4K 110，兩檔同價 | 5 – 560，按解析度 × 畫質 | 1K 30 · 2K 50 · 4K 70 | 1K 30 · 2K 50 |
| 什麼會改變價格 | 只有解析度 | 解析度 × 畫質，外加每張參考圖 10 | 只有解析度 | 只有解析度 |
| 最高解析度 | 4K（短邊 2880 像素） | 4K | 4K | 2K |
| 參考圖片 | 最多 5 張，免費 | 最多 16 張，每張 10 積分 | 最多 3 張 | 最多 3 張 |
| 每次出圖數量 | 1 | 最多 10 張 | 1 | 1 |
| 長寬比 | 自動 + 8 種，最寬 21:9 | 自動 + 8 種，最寬 21:9，或自訂像素 | 自動 + 預設 | 8 種，最寬 21:9 |
| 畫面內文字（我們自己的實測） | 菜單、海報、圖表全對，包括圖表幾何 | 我們在其頁面測試中最穩的一個 | 標題表現好；小字不穩定 | 雙語標題正確；圖表不可靠 |
| 我們實測的速度 | 2K 38–55 秒，4K 50 秒 | 2K：low 32 秒 · medium 68 秒 · high 166 秒 | 未實測 | 未實測 |
積分、參考圖上限和比例數量均於 2026 年 9 月 9 日從我們自己的模型註冊表讀取。速度是當天的實測，未註明處均為單次執行，會隨負載變化。
把 GPT Image 2.5 和你會拿來比較的模型放在一起看——同一個工作台，一鍵切換。
| 模型 | OpenAI GPT Image 2.5，2026 年 9 月 8 日發布，經 KIE.ai 提供（gpt-image-2-5-flare / -sunburst 端點） |
|---|---|
| 檔位 | Flare（預設，延遲更低）與 Sunburst（精修）——各解析度同價 |
| 模式 | 兩檔都支援文生圖；參考圖編輯走 Flare（Sunburst 的編輯端點發布時尚未上線） |
| 解析度 | 1K、2K、4K——4K 檔輸出短邊 2880 像素（3:2 時為 3504×2336） |
| 長寬比 | 自動，加從 1:1 到 21:9 的 8 種預設 |
| 每次出圖數量 | 1 張 |
| 參考圖片 | 每次最多 5 張；參考圖不加價 |
| 提示詞長度 | 最多 20,000 字元 |
| 文字渲染 | 首批實測中菜單、海報、長條圖全對，包括圖表幾何 |
| 實測速度 | 2K：38–55 秒（中位數 41，11 次）；4K：50 秒（1 次）；1K：24–36 秒——2026 年 9 月 9 日 |
| 可靠性 | 15 次首次提交完成 13 次；一次傳輸錯誤和一次 3:2 下的 Sunburst 上游錯誤，改為 1:1 重跑後均成功 |
註冊免費帳戶——不需要 OpenAI 帳號，不需要 API key。本頁的生成器已經設為 GPT Image 2.5、Flare 檔、1K。
把你要算繪的每個詞都放進引號裡，結尾加上「no other text」。本頁的菜單、海報和圖表提示詞就是這麼寫的。
給它一張產品圖或肖像，只描述要改的地方。說清楚什麼必須保持不變——標籤、臉——它就會保持。
1K 打草稿，2K 交付，4K 用於列印或大幅裁切。Flare 和 Sunburst 同價；每次執行前，按鈕上都會顯示積分總數。
免費開始創作，註冊即送歡迎積分。升級解鎖進階模型、更快生成與 4K 輸出。
年繳 · $240/year
模型本身是付費的，按張計價、價格只取決於解析度——每次執行前都會顯示準確的積分數。每個帳戶都有每日免費積分，而 Z Image Turbo（0 積分）可以用來打隨手草稿，然後再在這裡花錢。
先用 Flare：它是預設檔，更快，而且除了那一組 Sunburst 對照外，本頁所有圖都出自它。Sunburst 是供應商推薦用於正式行銷素材的檔位。兩者同價，所以用你自己的提示詞兩個都試試；同提示詞對照組在案例區。
按供應商的說法是細節更銳利、參考圖還原更忠實，我們的第一批實測對這兩點都認同。實際的差別在帳單：三個解析度檔而不是九個「解析度×畫質」格子，參考圖不加價，每次出一張而不是最多十張的批次。
能。附最多 5 張參考圖並描述改動。在我們的測試裡，產品標籤經受住了整場換景，雙參考圖合成同時保住了人和產品的可讀性。參考圖編輯走 Flare 檔。
4K 檔輸出的短邊約 2880 像素——1:1 時為 2880×2880，3:2 時為 3504×2336——不是完整的 4096。它是用於列印或大幅裁切的檔位；螢幕上看 2K 就夠了。
在我們 2026 年 9 月 9 日的這批實測裡，2K 耗時 38 到 55 秒，中位數 41；4K 那次 50 秒；1K 24 到 36 秒。參考圖編輯靠近慢的一端。生成是非同步的，結果會連同提示詞和設定一起保存到你的歷史記錄裡。
可以，你生成的圖片可在我們的服務條款下用於個人和商業專案。提示詞內容、商標，以及你上傳的任何參考圖片的權利，仍由你自己負責。
生成前後的工作都有一鍵工具——修飾、換風格、直接分享。
GPT Image 2.5 (OpenAI) available on CreateVision AI the day after its 8 September release — Flare and Sunburst tiers, 1K/2K/4K, text-to-image and reference editing with up to 5 images. No OpenAI account or API key needed.
