GPT Image 2.5 是 OpenAI 2026 年 9 月发布的图像模型：比 GPT Image 2 细节更锐利、参考图还原更忠实、编辑更精确，分求快的 Flare 档和求精的 Sunburst 档。
GPT Image 2.5 是 OpenAI 于 2026 年 9 月 8 日发布的图像模型，GPT Image 2 的继任者。供应商说明里写的是：细节更锐利、光线与质感更自然、对参考图的还原更忠实、局部编辑更精确，并且对同一张图反复编辑时一致性更好。它分两档：默认的 Flare，为低延迟和批量工作调校；以及 Sunburst，面向可直接上线的营销素材，看重控制精度多于速度。
本页在发布次日上线，因此暂时没有独立评测可引用。我们能拿出来的是自己的第一批实测：2026 年 9 月 9 日用下面这些原样提示词生成的十三张图，其中包括一张我们预期它会翻车的数据图表。有两点立刻显现出来。所有画面内文字——七个价格的菜单、三种字号的海报、带坐标轴数值的柱状图——第一次就全对。而两张参考图的合成，同时保住了人的脸和产品标签的可读性，这正是大多数模型会做坏的那种编辑。
发布日期与档位说明来自供应商的模型说明，也是截稿时唯一公开的文档： KIE.ai — GPT Image 2.5 model page and README
下面每一张都是 2026 年 9 月 9 日在本页用 Flare 档 2K 生成的，提示词原样展示——一次出图、不修图、不从一批里挑。每一组验证一个主张。
GPT Image 2 已经是我们测过的排版最可靠的模型，2.5 守住了这条线。我们给它一份三个板块、七个小字号价格的印刷菜单，一张有标题、时间行和小页脚的集市海报，以及一张四根带标签柱子加 y 轴的柱状图。全部拼写正确、排版正确。最意外的是图表：数值印在正确的柱子上方，柱高与数值成比例，坐标轴 0–30、每格 10，页脚完好。Qwen Image 3 在同一题里把数字印对了但几何是错的；这个连几何也对了。
Flare · 2K · 2:3 · 41 秒
Flare · 2K · 3:4 · 41 秒
Flare · 2K · 4:3 · 38 秒图表是值得你用自己的数字再跑一遍的测试：这只是一次生成，一次通过不等于保证。它说明的是，模型把柱状图当作有几何关系的数据来读，而不是当作一张“图表的图片”——我们在 Qwen Image 3 页面记录过的那种失败模式，这里没有出现。
参考图编辑是供应商声称相对 GPT Image 2 提升最大的地方，也是我们结果最干净的地方。我们先生成一张茶叶罐的产品图，再把这张图交回去，只给一条指令：把它挪到雪夜集市的木质摊位上，标签保持不变。罐子、它的字体和比例都保住了；光线则按灯笼和雪重新打过。更难的一题附了两张参考图——茶罐，加上之前生成的渔夫肖像——要求那个人手持茶罐、标签朝向镜头。脸、手和标签全都保住了。多参考图编辑走 Flare 档：Sunburst 的编辑端点在发布当天每次尝试都返回上游错误，所以我们把参考图编辑一律路由到 Flare，并且如实说明。
Flare · 2K · 1:1 · 38 秒——两次编辑共用的参考图
Flare · 2K · 1:1 · 55 秒 · 1 张参考图
Flare · 2K · 3:4 · 55 秒 · 2 张参考图参考图编辑用时 55 秒，同档同分辨率的文生图是 38–41 秒。两次编辑的费用与普通生成相同：上游不按参考图收费，我们也不收。
“更锐利”这条最容易在有精细重复结构的东西上验证。我们的 4K 室内图是 3504×2336 像素——4K 档输出的短边是 2880 而不是完整的 4096——书脊、拼花地板和光束里的灰尘在 100% 视图下都立得住。渔夫肖像里能看到毛孔、胡茬和绳索纤维，没有无参考肖像模型常见的蜡质磨皮感。21:9 的港口画面是画幅测试：模型把地平线压低、船放在下三分之一、雾留在岬角后面，而不是把一张 16:9 构图横向拉伸。
Flare · 4K · 3:2 · 3504×2336 · 50 秒
Flare · 2K · 21:9 · 2688×1152 · 39 秒在这个模型上，只有分辨率会改变价格：1K、2K、4K 三个档，你选的档位（Flare 或 Sunburst）在每个分辨率下同价。参考图不加钱。
上面几组各自验证一个具体主张；下面这些是同一批 2026 年 9 月 9 日实测的广度检查，每张都是原样提示词、一次出图。在全部十三次完成的生成里，2K 用时 38–55 秒（中位数 41），唯一一次 4K 用时 50 秒，定价探针里的 1K 用时 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.
那些因为同样的理由用 GPT Image 2 的人，只是少了一个要盘算的价格维度。下面每一条都对应本页上方演示过的东西。
菜单、海报、图表、包装。我们的七价菜单、三字号海报和带标签柱状图全部一次通过——而且图表通过的是几何，不只是拼写。
先生成主图，再把产品作为参考图附上、挪进新场景。我们的茶罐在“摄影棚→雪夜集市”的换景和双参考图合成里都保住了标签。
同样的提示词习惯，更锐利的输出，更简单的账单：三个分辨率而不是九个“画质×分辨率”格子，参考图不加价，2K 的价格低于 GPT Image 2 在 1K 的 high 档。
Sunburst 档是供应商推荐用于正式素材的档位。在这里它和 Flare 同价，所以不试它的唯一理由只有速度——本页有同一提示词的对照组供你判断。
每次只出一张图，没有批量参数。想从一条提示词拿到十个候选，GPT Image 2 仍然可以；在这里你得重跑。
你真正会拿来跟它比的三个模型——同一个工作台、同一份订阅，切换只要一次点击。
| GPT Image 2.5 | GPT Image 2 | Nano Banana 2 | Qwen Image 3 Pro | |
|---|---|---|---|---|
| 每张图积分 | 1K 40 · 2K 70 · 4K 110，两档同价 | 5 – 560，按分辨率 × 画质 | 1K 30 · 2K 50 · 4K 70 | 1K 30 · 2K 50 |
| 什么会改变价格 | 只有分辨率 | 分辨率 × 画质，外加每张参考图 10 | 只有分辨率 | 只有分辨率 |
| 最高分辨率 | 4K（短边 2880 像素） | 4K | 4K | 2K |
| 参考图 | 最多 5 张，免费 | 最多 16 张，每张 10 积分 | 最多 3 张 | 最多 3 张 |
| 每次出图数量 | 1 | 最多 10 张 | 1 | 1 |
| 宽高比 | 自动 + 8 种，最宽 21:9 | 自动 + 8 种，最宽 21:9，或自定义像素 | 自动 + 预设 | 8 种，最宽 21:9 |
| 画面内文字（我们自己的实测） | 菜单、海报、图表全对，包括图表几何 | 我们在其页面测试中最稳的一个 | 标题表现好；小字不稳定 | 双语标题正确；图表不可靠 |
| 我们实测的速度 | 2K 38–55 秒，4K 50 秒 | 2K：low 32 秒 · medium 68 秒 · high 166 秒 | 未实测 | 未实测 |
积分、参考图上限和比例数量均于 2026 年 9 月 9 日从我们自己的模型注册表读取。速度是当天的实测，未注明处均为单次运行，会随负载变化。
把 GPT Image 2.5 和你会拿来比较的模型放在一起看——同一个工作台，一键切换。
| 模型 | OpenAI GPT Image 2.5，2026 年 9 月 8 日发布，经 KIE.ai 提供（gpt-image-2-5-flare / -sunburst 端点） |
|---|---|
| 档位 | Flare（默认，延迟更低）与 Sunburst（精修）——各分辨率同价 |
| 模式 | 两档都支持文生图；参考图编辑走 Flare（Sunburst 的编辑端点发布时尚未上线） |
| 分辨率 | 1K、2K、4K——4K 档输出短边 2880 像素（3:2 时为 3504×2336） |
| 宽高比 | 自动，加从 1:1 到 21:9 的 8 种预设 |
| 每次出图数量 | 1 张 |
| 参考图 | 每次最多 5 张；参考图不加价 |
| 提示词长度 | 最多 20,000 字符 |
| 文字渲染 | 首批实测中菜单、海报、柱状图全对，包括图表几何 |
| 实测速度 | 2K：38–55 秒（中位数 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；一次传输错误和一次 3:2 下的 Sunburst 上游错误，改为 1:1 重跑后均成功 |
注册免费账户——不需要 OpenAI 账号，不需要 API key。本页的生成器已经设为 GPT Image 2.5、Flare 档、1K。
把你要渲染的每个词都放进引号里，结尾加上“no other text”。本页的菜单、海报和图表提示词就是这么写的。
给它一张产品图或肖像，只描述要改的地方。说清楚什么必须保持不变——标签、脸——它就会保持。
1K 打草稿，2K 交付，4K 用于打印或大幅裁切。Flare 和 Sunburst 同价；每次运行前，按钮上都会显示积分总数。
免费开始创作，注册即送欢迎积分。升级解锁高级模型、更快生成与 4K 输出。
按年计费 · $240/year
模型本身是付费的，按张计价、价格只取决于分辨率——每次运行前都会显示准确的积分数。每个账户都有每日免费积分，而 Z Image Turbo（0 积分）可以用来打随手草稿，然后再在这里花钱。
先用 Flare：它是默认档，更快，而且除了那一组 Sunburst 对照外，本页所有图都出自它。Sunburst 是供应商推荐用于正式营销素材的档位。两者同价，所以用你自己的提示词两个都试试；同提示词对照组在案例区。
按供应商的说法是细节更锐利、参考图还原更忠实，我们的第一批实测对这两点都认同。实际的差别在账单：三个分辨率档而不是九个“分辨率×画质”格子，参考图不加价，每次出一张而不是最多十张的批量。
能。附最多 5 张参考图并描述改动。在我们的测试里，产品标签经受住了整场换景，双参考图合成同时保住了人和产品的可读性。参考图编辑走 Flare 档。
4K 档输出的短边约 2880 像素——1:1 时为 2880×2880，3:2 时为 3504×2336——不是完整的 4096。它是用于打印或大幅裁切的档位；屏幕上看 2K 就够了。
在我们 2026 年 9 月 9 日的这批实测里，2K 用时 38 到 55 秒，中位数 41；4K 那次 50 秒；1K 24 到 36 秒。参考图编辑靠近慢的一端。生成是异步的，结果会连同提示词和设置一起保存到你的历史记录里。
可以，你生成的图片可在我们的服务条款下用于个人和商业项目。提示词内容、商标，以及你上传的任何参考图的权利，仍由你自己负责。
生成前后的活儿都有一键工具——修饰、换风格、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.
