GPT Image 2.5 生图模型已上线,支持 Flare 与 Sunburst 型号选择

今天 ChatGPT 官方上线 GPT-Image-2.5 生图模型,Image-2.net 也接入了新的 API 接口,新增了 GPT Image 2.5 独立页面,并在原有生成器中加入 Flare 和 Sunburst 两个型号的选择。

体验入口:

这次新增了什么?

首先是独立的 GPT Image 2.5 页面。打开后,生成器默认选择 Flare,也可以切换到 Sunburst。首页的模型选择器中同样加入了这两个选项。

两个型号的定位有所不同:

型号 创作侧重点
GPT Image 2.5 Flare 日常快速创作,适合频繁尝试和迭代
GPT Image 2.5 Sunburst 精细图像编辑,适合关注细节的创作需求

这些定位可以作为选择起点,具体效果仍要结合自己的提示词、参考图和任务要求判断。

对于日常使用,可以先用 Flare 探索方向;当任务更关注编辑精度时,再选择 Sunburst 进行比较。

沿用原来的生成流程

使用方式没有增加太多学习成本:

  1. 登录 Image2,进入 GPT Image 2.5 页面。
  2. 选择 Flare 或 Sunburst。
  3. 输入提示词;需要基于现有图片创作时,上传参考图。
  4. 设置画面比例、分辨率和输出格式。
  5. 确认积分提示后提交,等待生成结果。

两个型号共用现有生成器,生成记录也保存在原来的历史列表中。

本次还补充了历史记录中的模型信息。再次使用历史记录时,生成器能够恢复对应的具体型号;刷新页面并恢复进行中的任务时,也会保留型号选择。

积分规则暂时保持一致

为了让用户更容易比较,本次 GPT Image 2.5 暂时沿用 GPT Image 2 的积分规则:

文生图分辨率 积分
1K 2
2K 4
4K 6

图生图采用不同的结算方式:按所选分辨率的基础积分起扣,再根据生成成本结算。提交前可以查看生成器中的计费说明。

这里的积分是 Image2 的产品计费单位,不能直接等同于模型提供方的 API 报价。后续如果调整,会同步更新页面说明。

开发过程中,一个容易忽略的细节

接入时,有一个细节值得分享:页面路径、模型系列名称和 API 请求中的模型 ID,需要分别处理。

例如,这次页面地址是:https://image-2.net/zh-cn/gpt-image-2-5/

但实际请求中的 model 需要区分具体型号:

复制代码
{
  "model": "gpt-image-2.5-flare"
}

或者:

复制代码
{
  "model": "gpt-image-2.5-sunburst"
}

页面地址适合使用简短、稳定的系列名称;生成请求和任务记录则需要使用具体型号,才能准确表示用户选了什么。

如果只给前端下拉框增加一个名称,却没有同步修改请求参数,界面上选中的模型就可能与实际调用的模型不一致。历史记录和任务恢复也需要一起考虑。

为什么选择"独立页面 + 共用生成器"?

独立页面方便介绍新型号,也方便用户收藏和分享。共用生成器则可以复用上传、任务查询、结果展示和积分提示等已有功能。

这次实现中,原有接口地址和任务处理链路继续复用,数据库也没有新增表:现有任务表已经有 model 和参数字段,可以存储具体型号及其生成设置。

对于持续增加模型的产品,这样的结构能减少重复开发,也让用户的操作习惯保持连贯。

欢迎体验这次更新。也欢迎在评论区分享你的看法:使用图像生成模型时,你更关注生成速度、编辑精度,还是多次生成之间的一致性?

这三个维度往往难以兼得。追求速度时,可能需要在细节精度上做出取舍;而追求精细编辑时,单次生成耗时又会相应增加。如果你已经在实际项目中用到了 GPT Image 2.5,不妨聊聊 Flare 和 Sunburst 哪个更贴合你的工作流,或者分享一些让提示词更稳定的技巧。

你的反馈会直接影响后续的迭代方向。无论是模型选择、积分规则,还是生成流程的细节,都欢迎随时提出建议,我会认真阅读每一条留言。

相关推荐
知了学历孙老师1 小时前
小自考的校考和统考,出题方和难度差在哪
java·大数据·前端
ShineWinsu3 小时前
对于JavaScript:操作元素的解析
开发语言·前端·javascript·面试·web·dom·元素
福兮说4 小时前
JSON 格式正确,数据就可靠吗?我用一份自编配置检查类型与空值
java·前端·json
狼爷4 小时前
踩坑实录:OpenCode 端口 49374 占用之谜
aigc·ai编程
Rocky Ding*5 小时前
深入解析GPT-6 Astra提示词工程:从Skills、AGENTS.md到可验证的Agent交付
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·提示词工程
程序员老赵6 小时前
Docker 部署青龙面板:轻松搭建定时任务管理平台
前端·docker·开源
Swot6 小时前
Asciidoctor 公式数字下标错位问题:原因分析与解决方案
前端
Swot6 小时前
leo-editor 中将 Markdown 内容转成 asciidoc 格式
前端
文谦南宁AI普工6 小时前
写了个 Agent Card 体检器:一张「自我声明」的名片,能验到什么程度
aigc·agent·ai编程
狒狒AI6 小时前
Remotion / GSAP+Three / HyperFrames / Skia 四栈实测:代码渲染知识视频的选栈方法(附开源技能)
前端·人工智能·aigc