今日，OpenAI 上线 ChatGPT Images 2.5，API 端同步提供 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst。这篇只聊开发者关心的事：怎么选、怎么算钱、有哪些坑。
一、两款模型的定位
Flare：官方定位为多数应用的默认选型，相较 GPT-Image-2 在延迟上有明显改善，适合社交内容、产品体验图、视觉搜索、快速原型和高频批量生成。
Sunburst：面向需要更严格编辑控制的 premium 视觉工作流，生成时间更长，适合可交付的营销成品与精修产品图。
Manus 评测团队给出的实测数据是 Flare 出图速度达到 GPT-Image-2 的 2 到 4 倍（据 OpenAI 官方引述，属客户方测试数据，非 OpenAI 官方基准，仅供参考）。
二、定价与成本
据 OpenAI 定价页，两款模型单价一致：
图像输入 8 美元/百万 Token
缓存图像输入 2 美元/百万 Token
图像输出 30 美元/百万 Token
文本输入 5 美元/百万 Token
缓存文本输入 1.25 美元/百万 Token
单价相同不代表单图成本相同。Token 消耗随模型、尺寸与质量档位变化，Sunburst 生成时间更长、控制更精细，实际每张成本通常更高。建议用真实 Prompt 集跑一轮，统计"每张合格成品图的平均 Token 消耗"，再决定默认走哪一档。
三、调用示意（占位符版）
以下仅为请求结构示意，占位符需按你的实际环境替换，字段名、路径与参数以官方文档为准，不要直接照抄运行：
curl -X POST "https:///"
-H "Authorization: Bearer "
-H "Content-Type: application/json"
-d '{"model":"","prompt":"","size":"1024x1024","quality":"high"}'
其中 、、、、 均为占位符。
四、已知的坑
OpenAI 文档中列出的局限值得先看一遍：复杂 Prompt 的生成可能需要约两分钟，需要为超时和重试留出余量；文字排布与清晰度仍会失败，含文字的素材要人工复核；固定角色与品牌元素在多次生成之间可能漂移，品牌资产类场景建议锁定参考图与风格种子并做人工校验；对版式敏感的画面仍难精确控制。
安全与合规方面，据 OpenAI 系统卡，在诱导违规的对抗性评测中，Sunburst 有 1.09%、Flare 有 1.41% 的提示最终生成了不安全图片，基线为 1.64%，OpenAI 说明差异未达统计显著性。输出带 C2PA 元数据与隐形水印，但 C2PA 在多数重编码或截图的工具中会被剥离，不要把它当作可追溯的唯一依据。
五、工程建议
把模型层做成可替换的：接口与参数抽象出来，Flare 与 Sunburst 之间的切换、未来换用其他厂商模型，应当是配置项改动而非重写业务代码。同时建立自己的评测集，用真实业务的 30-100 条 Prompt，按提示遵循度、局部编辑准确度、单张合格成品成本三项打分。
说明：本文所引信息整理自 OpenAI 官方公告、定价页与系统卡（近日发布），接口细节以官方文档为准。