2026年9月8日，OpenAI 推出了名为 GPT Image 2.5 的新一代图像模型，而且一次发布了两个模型而不是一个：gpt-image-2.5-sunburst 是两者中能力更强的一个，专为编辑精度最为关键的工作流程打造；gpt-image-2.5-flare 速度更快，用于日常的高质量图像生成。对企业主来说，实际意义在于：你现在可以编辑已有产品照片中的某个特定区域，而不必预约棚拍重新拍摄，也不必重新生成整张图片再祈祷结果差不多。

OpenAI 实际发布了什么

根据 OpenAI 官方文档中的模型页面，两个模型都接受文本和图像输入，且只输出图像。每个模型都有一个固定的快照，日期就是发布当天：gpt-image-2.5-sunburst-2026-09-08 和 gpt-image-2.5-flare-2026-09-08。这个细节在运营上很重要，因为固定快照意味着在供应商更新模型的那天，你的输出不会在不知不觉中发生变化。

两个模型都支持六种质量设置：low、medium、high、xhigh、max 和 auto。两者都可以通过两种方式使用：一是通过 Image API 的生成和编辑端点；二是作为 Responses API 中的工具，适用于希望用户通过对话逐步完善图片的多轮体验。如果你只需要根据一个提示词生成一张图片，第一种方式就够了。如果你要搭建一个让市场人员逐步编辑图片的界面，就需要第二种。

Sunburst 还是 Flare？规则很简单

不要按名字选，要按工作性质选。如果任务要求编辑精度——改变瓶子的颜色、去掉背景中的某个元素、替换包装上的文字、让产品形状完全保持原样——那就是 Sunburst 的领域，OpenAI 称其为自家在图像生成和编辑方面能力最强的模型。如果任务讲究数量和速度——几十张营销活动背景、文章插图、在方向确定之前快速出视觉草图——Flare 是合乎逻辑的选择。

在实际使用中，大多数团队两者都需要：探索阶段用 Flare，此时重在数量，出错成本低；最后一轮用 Sunburst，因为这时图片会出现在付费客户看到的产品页面上。

真正的变化在于局部编辑，而不是生成

根据文字生成图片已经既不新鲜也不稀奇。这里值得关注的是对 inpainting 的支持——在现有图片中重新绘制指定区域，而图片的其余部分保持不变。这让工具从图像生成器变成了图像编辑器，两者之间的差别，就是让市场团队图个乐子的东西与真正进入生产线的东西之间的差别。

举个具体的例子：一家拥有三百个 SKU 的店铺，所有商品都是白底拍摄，现在决定改用浅灰色的视觉识别。老办法是安排新的拍摄、搬运库存、支付摄影师费用，耗时两周。新办法是用一条指令把图片批量送进 API，再加上对结果的人工审核，只需一个工作日。同样的照片，同样的产品，只是周围的环境变了。

成本按 token 计算，而不是按图片

这一点让很多企业主感到困惑，因为它与设计服务的定价方式完全不同。根据 OpenAI 对两个模型的定价，两者费率完全相同：文本输入每百万 token 五美元，缓存命中为一美元二十五美分；图像输入每百万 token 八美元，缓存命中为两美元；图像输出每百万 token 三十美元。文本输出完全不收费，因为这些模型输出的是图像而不是文字。OpenAI 还指出，这些 token 费率与上一代 GPT Image 2 相同。

实用建议：不要在纸面上估算。用你打算采用的确切设置，从自己的商品目录中拿一百张真实图片跑一批测试，看账单，然后再乘以数量。基于一百张真实图片得出的估算比任何计算器都更可靠，尤其是因为你选择的质量等级会直接影响用量。

第一周就能见到回报的五种用途

  • 商品目录一致性：让在不同时间、不同条件下拍摄的数百件商品拥有统一的背景、光线和角度。
  • 营销活动变体：同一张照片做出夏季版、斋月版和 White Friday 版，无需为每个节点单独拍摄。
  • 印刷前的包装预览：在确定印刷批次之前，先在包装上直观测试阿拉伯语文案或新标志。
  • 修复旧图片：从档案照片中去除干扰元素、反光或过时的标记，而不是直接丢弃。
  • 内容配图：为你的博客和电子报制作插图，而不是使用竞争对手也在用的同一批图库照片。

在此基础上搭建之前的三点提醒

第一，组织验证。OpenAI 的文档说明，在使用 GPT Image 模型之前，你可能需要在开发者控制台完成 API 组织验证。从一开始就把这一步排进时间表，以免在上线当天措手不及。

第二，人工审核不是可选项。任何要发布的产品图片都需要有人签字确认。模型并不知道它调整后的颜色就是你品牌识别中登记的颜色，也不知道这次编辑让产品看起来比实际更大。用与实物不符的图片展示产品，首先是商业和合规问题，其次才是技术问题。

第三，不要上传人物照片。客户或员工的照片不是用来做实验的素材。要向团队明确这条规则：产品、场所和营销物料可以；人物不行，除非你在清晰的个人数据政策下取得了有记录的明确同意。

如何让它进入你的系统，而不是停留在边缘工具

从这些模型中获益的公司与只是谈论它们的公司之间的区别，在于模型用在什么地方。如果它们只存在于员工打开后手动下载文件的某个浏览器标签页里，收益就很小，而且第一次休假就会消失。当你把 API 接入自己的系统时，价值才会显现：新商品进入目录，系统自动按各渠道所需的尺寸生成视觉变体，进入审核队列，点击一次批准即可发布。到了这一步，你不是在购买图片，而是在搭建一条无需每日监督就能运转的视觉生产线。

在 Origami，我们正是把这类对接构建进为客户开发的系统中：与产品数据库相连的 API、权限清晰的审核队列，以及记录谁在何时批准了哪张图片的日志。技术今天就已可用，决定性因素在于决策本身：你是把它当作新玩具，还是当作一个有负责人、有成功指标的运营流程中的一个环节？

参考来源