GPT-Image 2.5 对比 GPT-Image 2

做 GPT-Image 2.5 对比 GPT-Image 2 的决策，需要先拆开三件常被混在一起的事：名字背后到底是哪个模型、尺寸与质量档位如何表现、以及一张成品图究竟花多少钱。结论是：GPT-Image 2.5 在成品图与精细编辑上是真实的升级，而 GPT-Image 2 仍是草稿和高频批量更经济的默认选择。

OpenAI 把新一代图像模型拆成了两个 ID：gpt-image-2.5-flare 与 gpt-image-2.5-sunburst。OmniaKey 则在同一目录里并列提供 gpt-image-2.5 和 gpt-image-2 两条路由。两者的差异会直接影响工作流：质量上限、是否严格遵循请求尺寸、编辑行为，以及你看到的单次价格。

GPT-Image 2.5 对比 GPT-Image 2：先给结论

实用规则很简单：图片会被丢弃、或者你还在试提示词时，先用 GPT-Image 2；输出必须是成品、尺寸必须精确、或者一次编辑不能改动其它区域时，再切到 GPT-Image 2.5。

OpenAI 到底改了 2.5 的什么

首先要纠正的认知是：GPT-Image 2.5 不是一个模型。OpenAI 官方目录里是两个：

• gpt-image-2.5-flare：定位为日常高质量出图最快的一档；
• gpt-image-2.5-sunburst：定位为生成与编辑能力最强的一档，主打“编辑精度最重要”的工作流。

两者默认快照日期都是 2026-09-08，都接受文本和图像输入并输出图像。GPT-Image 2 的默认快照更早，是 gpt-image-2-2026-04-21。

第二处变化是质量上限。GPT-Image 2 最高只到 high；2.5 增加了 xhigh 和 max，所有档位默认 auto。质量越高，消耗的图像输出 token 越多——模型之间、档位之间的成本差异主要就在这里。

两代模型都只提供两个图像端点：v1/images/generations 负责文生图，v1/images/edits 负责编辑和参考图。它们都不是聊天模型。OpenAI 还提示，GPT Image 系列可能要求账号先完成 API Organization Verification，因此在对外承诺上线日期前，先在目标项目里确认权限。

还有一处“回退”要知道：OpenAI 模型页把 Batch 标为 gpt-image-2 支持，而两个 2.5 模型都不支持。如果你的流水线依赖夜间批量折扣出图，旧模型目前才有这个能力。

OmniaKey 如何暴露这两个模型

OmniaKey 并不直接透传 OpenAI Images API 的同步形态。gpt-image-2 和 gpt-image-2.5 都走同一套异步媒体任务生命周期：用 POST /v1/media/tasks 创建任务，用 GET /v1/media/tasks/{id} 轮询，成功后下载签名资产地址。即使 OpenAI 侧是同步出图，网关侧依然是异步。

把 OpenAI 脚本迁过来时有两个直接后果：

• 没有内联 base64 返回。必须轮询到任务 succeeded 或 failed，再取资产。
• 不支持多图 n。OmniaKey 要求 n 必须为 1，十张图就是十个任务。OpenAI 的 Image API 可以在一次请求里返回多张；网关的任务模型也用状态进度替代了流式与部分图。

幂等由 Idempotency-Key 头负责：同键同 body 重放会返回原任务，同键不同 body 会被拒绝，而不是悄悄再创建一个任务。

输出尺寸：1254x1254 与精确尺寸

最容易被忽略、却最能影响工程的差异是尺寸，因为两个模型接受的 size 取值完全相同。

OpenAI 官方推荐尺寸为 1024x1024、1536x1024、1024x1536，并允许自定义 宽x高：两边都是 16 的倍数、长宽比在 1:3 到 3:1 之间、任一边不超过 3840 像素、总像素在 655,360 到 8,294,400 之间；超过 2560x1440 属于实验性分辨率。

OmniaKey 文档化的参数范围更窄：1024x1024、1536x1024、1024x1536。就在这个范围里，验收记录显示两个模型返回的像素并不相同：

在 OmniaKey 的 smoke 测试中，GPT-Image 2 把 1024x1024 请求归一化成了 1254x1254 的文件，而 GPT-Image 2.5 返回了请求尺寸。因此 OmniaKey 文档明确提醒：从下载文件里读取真实宽高，不要相信请求参数。

这会直接影响所有信任元数据的下游逻辑：固定缩略图网格、印刷模板、硬编码宽度的排版，以及存储容量估算。如果精确尺寸是硬需求，GPT-Image 2.5 是更稳的选择，但仍应校验返回文件头。

质量档位与它的真实成本

质量不是外观开关，它决定模型花掉多少图像输出 token，而输出 token 才是图像生成里真正计费的部分。

OmniaKey 对 GPT-Image 2 的实测把差距摊开了：同一个提示词在 low、medium、high 下分别返回约 408、1056、6240 个图像输出 token。同一个模型、最贵档与最便宜档之间超过 15 倍。

OpenAI 公布的 GPT-Image 2 单图估算把同一件事换算成了美元：

这些是 OpenAI 自己的估算，不是 OmniaKey 的报价，且不含文本输入 token。对 2.5，OpenAI 明确提醒：相同的 token 单价不等于相同的单图成本，因为不同模型和档位的 token 消耗可以不同；官方 token 计算器只覆盖 GPT-Image 2，并声明不估算 GPT-Image 2.5 的消耗。

因此应把 xhigh 和 max 当作只在成品阶段使用的档位，而不是默认值。做法是先用 high，再用 xhigh、max 在你自己的提示词上对比，保留第一个通过验收的档位。

价格：固定按次与按 token 计费

这是买家视角下两者差距最大的一点。

OpenAI 的标准 token 单价对 gpt-image-2、gpt-image-2.5-flare、gpt-image-2.5-sunburst 完全一致：文本输入每百万 token $5、图像输入 $8、图像输出 $30，缓存输入分别为 $1.25 与 $2。只有 GPT-Image 2 出现在 Batch 折扣表里。

OmniaKey 不透传这些 token 单价，而是在实时目录里给出固定按次价格：

按 $0.05 与 $0.10 计算，一百张成功出图在 OmniaKey 上约为 $5 或 $10（不含重试）。按 OpenAI 估算，一百张 1024x1024 高质量图约为 $21.10（单张 $0.211），一百张低质量图约为 $0.60。也就是说，固定网关价在高质量时最有吸引力、在低质量时相对最不划算——恰好与按 token 计费的曲线相反。

这也是为什么数字应以实时目录为准，而不是以本文为准：媒体价格取决于已接入的渠道、开放的质量档位，以及运营最近一次调价。预算前请查模型页；同时确认失败任务会退款而不是计费，并在你的账户上核实这一行为。

预算前请先核对 GPT-Image 2 模型页、GPT-Image 2.5 模型页 与 实时价格表。

编辑：参考图与 1 MiB 上限

两个模型都支持 generate 与 edit。在 OmniaKey 上，编辑是带输入图的 edit 操作，参考图通过 input.image 或 input.images 传入。

两个限制决定了你能构建什么：

• 只接受内联 base64。 输入图必须是 data URL，或带 data 与 mime_type 的对象。整条请求（含该负载）上限为 1 MiB，因此更适合小图、遮罩或缩略图，而不是全分辨率相机原片。
• 编辑会消耗输入 token。 OmniaKey 的验收任务返回了 194 个输入图像 token，说明原图确实进入了模型推理，而非被忽略。OpenAI 也说明 gpt-image-2 始终以高保真处理图像输入，且不允许修改 input_fidelity 参数，这会让参考图较多的编辑抬高输入 token 成本。

就编辑精度而言，官方的定位值得注意：OpenAI 明确把 gpt-image-2.5-sunburst 定位为“编辑精度最重要”的工作流。如果你的需求是“只改这一块，同时保持机位、光照和产品几何不变”，那应该是第一个测试的模型，这也是最容易为双倍单次价格找到理由的场景。

应该选哪个模型

• 用 GPT-Image 2： 提示词探索、分镜、社交草稿、缩略图，以及任何“被淘汰的图重出一次很便宜”的高频循环。
• 用 GPT-Image 2.5： 最终或对客户交付的成品、文字与版式准确性，以及必须保留改动区以外一切的编辑。
• 尺寸不需要精确、预算又紧时用 GPT-Image 2，它是当前所有方案里更便宜的一条。
• 请求尺寸必须被遵守时用 GPT-Image 2.5，验收记录中它返回了精确尺寸。
• 需要 OpenAI Batch 折扣时按 GPT-Image 2 规划，因为 2.5 两个模型都没有 Batch 支持。
• 需要一次请求出多张时，两者都不满足：OmniaKey 要求 n=1，并行发生在任务层。

一个实用的默认流程是：先用 GPT-Image 2 在 medium 档批量出图并筛选，再只把入选的图放到 GPT-Image 2.5 上用 high 或更高档重出。这样昂贵模型的 token 只花在你已经决定要交付的图上。

通过 OmniaKey 调用两个模型

两个模型的请求体结构相同，只有 model 值不同。

curl --fail-with-body https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer your-omniakey-api-key" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: hero-image-001" \
  -d '{
    "model": "gpt-image-2.5",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "a paper boat on a quiet lake at sunset"},
    "parameters": {"size": "1536x1024", "quality": "high"}
  }'

返回是 202 Accepted。轮询返回的任务 id 直到状态为 succeeded，再在签名 URL 过期前下载。图片本身保留 24 小时，签名链接约 1 小时，需要时重新轮询即可刷新链接。

编辑时保留 operation，把输入换成内联图片：

BASE64=$(base64 -i source.png | tr -d '\n')

curl --fail-with-body https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer your-omniakey-api-key" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: hero-image-edit-001" \
  -d '{
    "model": "gpt-image-2.5",
    "type": "image",
    "operation": "edit",
    "input": {
      "prompt": "replace the background with a clean studio wall",
      "image": {"data": "'"$BASE64"'", "mime_type": "image/png"}
    },
    "parameters": {"size": "1024x1024"}
  }'

完整参数、输出格式选项和错误表见 图像生成文档。请从完成的任务里读取真实尺寸与 MIME 类型，不要默认就是 PNG。

常见问题

GPT-Image 2.5 比 GPT-Image 2 更好吗？

在文档化的维度上是：它增加了 xhigh 和 max 质量档位、严格返回请求尺寸，其 Sunburst 变体定位为编辑精度最高。这不等于“所有档位都更好”，因为本文没有做独立质量基准。诚实的说法是：2.5 抬高了上限，而 GPT-Image 2 对很多任务已经够用。

GPT-Image 2.5 Flare 和 Sunburst 是什么？

它们是 OpenAI 官方 2.5 这一代的两个模型 ID：Flare 定位为日常出图最快，Sunburst 定位为生成与编辑能力最强。OmniaKey 只公布一个 gpt-image-2.5 别名，请确认你的渠道实际上游映射到哪一个。

为什么 GPT-Image 2 对 1024x1024 请求返回 1254x1254？

OmniaKey 的验收 smoke 测试实测到了这一归一化行为。文档给出的修复方式是从下载文件读取真实宽高，而不是相信请求元数据。在同一批测试里，GPT-Image 2.5 返回了请求尺寸。

GPT-Image 2.5 更贵吗？

在 OmniaKey 上是：实时目录对 gpt-image-2.5 标 $0.10 每次，对 gpt-image-2 标 $0.05 每次。在 OpenAI 直连 token 单价上，两代价格相同，但 token 消耗随模型和档位变化，因此单图结果仍可能不同。

一次请求能生成多张图吗？

在 OmniaKey 上不行。媒体任务 API 要求 n 为 1，每张图都是独立任务。OpenAI 的 Image API 支持 n，GPT-Image 2 还支持 Batch，但这两项能力目前都不在 OmniaKey 媒体路由里。

应该把所有任务都切到 GPT-Image 2.5 吗？

不应该。只在“尺寸精确、编辑精度、成品质量”真正重要的任务上切换，探索和高频批量继续用更便宜的模型。为一张注定要删掉的草图付双倍价钱，是最简单的浪费方式。

主要来源

• OpenAI：GPT-Image 2 模型页
• OpenAI：GPT-Image 2.5 Flare 模型页
• OpenAI：GPT-Image 2.5 Sunburst 模型页
• OpenAI：图像生成指南
• OpenAI：API 价格
• OmniaKey：图像生成文档
• OmniaKey：实时图像目录

证据说明：官方模型 ID、质量档位、端点、token 单价与单图估算于 2026 年 9 月 12 日读取自 OpenAI 文档。尺寸行为、token 观测和文件大小来自 OmniaKey 自己的验收记录。本文没有运行独立质量基准、延迟测试或成本与质量对照研究。模型可用性、别名与价格会变化，预算前请以实时目录为准。