GPT-Image 2.5 Flare API
AI 图片GPT Image 2.5 Flare — 支持文生图与参考图编辑,按 1K、2K、4K 三档分辨率逐张计费,质量不加价。
- 每次成功调用$0.025–$0.055
- 操作文生图
- 图片编辑
- 查看工具价格与计费规则
运行模型后,结果会显示在这里。
01
适用场景
GPT Image 2.5 Flare — 支持文生图与参考图编辑,按 1K、2K、4K 三档分辨率逐张计费,质量不加价。
把 Flare 当作 2.5 的默认路由:同尺寸同质量下实测与 Sunburst 完全一致,想要 2.5 代效果时选它即可。
02
能力范围
文生图
gpt-image-2.5-flare
把文字提示词生成一张新图片。
图片编辑
gpt-image-2.5-flare
根据提示词和参考图修改已有图片。
03
深入了解
GPT-Image 2.5 Flare 是 OpenAI 在 OmniaKey 上的图像生成与编辑模型,与 GPT-Image 2.5 Sunburst 一起构成 2.5 这一代的两个 ID。两者都接受纯文本提示词,或文本加参考图,目录为它们标注了相同的两项能力:文生图与图像编辑,以及相同的按次价格档位。OpenAI 把 Flare 定位为日常生成的选择,把 Sunburst 定位为需要精确编辑时使用的模型。
Flare 的长处是单件商品的照片:在四提示词测试中,它对产品简报的还原度在三款模型里最高,并且在房间编辑里保留了清单上的每一件物品。它不适合打印菜单,那次它在标题上方画了一座灯塔和几只鸟。目录里 2.5 的两个 ID 每一档尺寸都比 GPT-Image 2 高一档,所以批量草稿留在旧模型,正式出片再用 Flare。
我们的测试结果好坏参半,第一次调用前值得了解。Flare 在四提示词对比中做出了最好的产品照,图像 token 数与 Sunburst 相同;但在菜单提示词里它自行加了咖啡杯、水杯和灯塔插画,两个罐子的数量也都数错。与 Seedream 5.0 Pro 的六项测试中,它与 GPT Image 2 完全一致。把第一张当草稿,接受前先看画面四角。
单件商品棚拍
适合把一件商品放在搭建好的场景里,这也是它在测试中表现最好的任务:湿沥青地面、虚化的霓虹反光、鞋头的水珠。写提示词时同时给出排除清单,说明景别,并明确不要出现人物和道具,然后检查第一张画面的四角。
保持场景的改图
只改室内画面中的一个元素,其余保持不变。在我们的客厅案例里,Flare 换了沙发、加上了要求摆放的植物,同时保留了挂画、书、地毯和书脊文字。把原图内联发送,在提示词里逐项列出必须保留的物品,并把结果与原图并排比对。
面向客户的新项目
Flare 与 Sunburst 处于同一价格档位,在我们的配对提示词中表现接近,因此需求还在变化时可以把 Flare 当作 2.5 的默认 ID。每次接受文件时把模型 ID 与参数一起记录下来,后续就能在同一模型上复现同一个请求。
04
实测记录
在四提示词对比中,GPT Image 2.5 Flare 在三款模型里做出了最好的产品照,计费的 token 与 Sunburst 相同。
阅读实测记录在咖啡馆菜单提示词中,GPT Image 2.5 Flare 在标题上方画了没人要求的灯塔和鸟,还加了咖啡杯和水杯。
阅读实测记录在数数测试中,GPT Image 2.5 Flare 左边罐子放了六颗弹珠、右边放了四颗柠檬,而我们的要求是五个和三个。
阅读实测记录在与 Seedream 5.0 Pro 的六项测试中,GPT Image 2.5 Flare 每一项都与 GPT Image 2 一致,中位数同为 31 秒。
阅读实测记录2026 年 10 月 25 日探测 GPT-Image 2.5 Flare 时,max 质量档产生的图像 token 数与 medium 相同。
05
需要预留的限制
- 透明背景在 2026 年 10 月 25 日的探测中没有生效:返回的是不透明 RGB PNG,指定 jpeg 或 webp 也仍然得到 PNG,因此需要在流程里单独完成抠图。
- OpenAI 只为 GPT-Image 2 标注了 Batch 支持,2.5 的两个 ID 都没有,因此依赖批处理的夜间任务要留在旧模型上。
- 菜单测试里 Flare 加了没人要求的元素,包括灯塔插画、咖啡杯和水杯;提示词尽量写成简短白名单,并逐张检查整幅画面。
- 编辑请求需要把原图内联发送,整个请求上限为 1 MiB,相机原图必须先缩放或压缩才能发送。
06
对比相近模型
| 模型 | 更适合 | 操作 | 标价 |
|---|---|---|---|
| GPT-Image 2.5 Flare当前页 gpt-image-2.5-flare | 单件商品摄影与新的 2.5 项目:我们的产品简报由它还原得最接近。 | 文生图 · 图片编辑 | $0.025–$0.055 每次调用 |
| GPT-Image 2.5 Sunburst gpt-image-2.5-sunburst | 菜单、价目表等文字密集的版式:两次运行里拼写与对齐都保持正确。 | 文生图 · 图片编辑 | $0.025–$0.055 每次调用 |
| GPT-Image 2 gpt-image-2 | 大批量草稿与批处理任务:旧模型、更低的价格档位,并可自行指定像素尺寸。 | 文生图 · 图片编辑 | $0.02–$0.05 每次调用 |
07
来源与核验
指南更新于 2026-10-27。
08
接入方式
媒体模型采用异步任务:创建任务、轮询到完成,再下载签名后的资源地址。
# 1. Create the job. 202 Accepted; the body carries the task id,
# the pre-charged price, and a poll_url. Reuse one Idempotency-Key
# across retries so a timeout never starts a second paid job.
curl --fail-with-body https://api.omniakey.com/v1/media/tasks \
-H "Authorization: Bearer $OMNIAKEY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: gpt-image-2.5-flare-001" \
-d '{
"model": "gpt-image-2.5-flare",
"type": "image",
"operation": "generate",
"input": {"prompt": "a paper boat on a quiet lake at sunset"},
"parameters": {"size": "1024x1024", "quality": "medium"}
}'
# 2. Poll GET /v1/media/tasks/{id} until status is
# succeeded | failed | canceled. Progress carries percent and stage.
curl --fail-with-body https://api.omniakey.com/v1/media/tasks/TASK_ID \
-H "Authorization: Bearer $OMNIAKEY_API_KEY"
# 3. Download assets[0].url before expires_at, or poll again for a
# fresh signed URL. Failed and canceled jobs are refunded.
curl -sS -o out.png "$(jq -r '.assets[0].url' result.json)"09
价格
图像任务按成功调用计费,不按 Token 计费;失败或取消的任务会自动退款。
$0.025–$0.055每次调用省 53%
- 1K
- $0.025每次调用
- 2K
- $0.035每次调用
- 4K
- $0.055每次调用
更多 OpenAI 图像模型
相关文章
GPT Image 2.5 API:用 Python 生成和编辑图片
一个 POST 建任务,一个 GET 取结果。下面是能直接抄的请求代码、我们 2026 年 10 月 29 日跑出来的尺寸,和一组改图前后对比。
阅读文章GPT Image 2.5 vs Nano Banana 2.1:同一提示词实测对比与价格
四条提示词、三个图片模型、同一天:各自出了什么,实际花了多少钱。
阅读文章Seedream 5.0 Pro vs GPT Image 2:同一提示词实测对比与价格
六项任务、同一组提示词,三个模型各自的图和价格。
阅读文章GPT-Image 2.5 对比 GPT-Image 2
在 OmniaKey 上两代模型都按尺寸档位逐张计价,质量不影响价格。2.5 多出的质量档位并不生效,请求需写明确的宽x高。
阅读文章常见问题
如何在 OmniaKey 上调用 GPT-Image 2.5 Flare?
向 /v1/media/tasks 发送 POST,带上模型 ID、type 设为 "image"、operation 设为 "generate" 或 "edit"。重试时复用同一个 Idempotency-Key,超时就不会再生成第二笔付费任务。
GPT-Image 2.5 Flare 如何收费?
GPT-Image 2.5 Flare 按 $0.025–$0.055 每次调用 计费。创建时会从预付余额中预扣该金额,失败或取消的任务会自动退款。
为什么接口返回任务 ID 而不是图片?
供应商耗时从几秒到约一分钟不等,OmniaKey 因此把所有图像路由统一为同一套异步流程。轮询 GET /v1/media/tasks/{id},直到状态变为 succeeded,再读取签名后的资源地址。
Flare 与 GPT-Image 2 相比,拍产品照该选哪个?
在我们的提示词上两者差距不大:Flare 在六项配对测试中与 GPT-Image 2 完全一致,在另一次测试里做出了更好的产品照,而每一档尺寸的价格都比旧模型高一档。新项目和单张主图选 Flare,批量产出留给 GPT-Image 2。
怎样发起一次 GPT-Image 2.5 Flare 任务?
先向 POST /v1/media/tasks 创建任务:把 model 填成 gpt-image-2.5-flare,请求头带上 Idempotency-Key,尺寸与质量参数放进 parameters。随后反复查询该任务,等状态变为 succeeded 后下载 assets[].url 指向的图片。改图时把 operation 设为 edit,并把原图以 Base64 内联放进 input.image,同一次请求即可完成。
Flare 支持透明背景吗?
在我们的测试里不支持。2026 年 10 月 25 日把 background 设为 transparent,返回的仍是不透明 RGB PNG;要求 jpeg 或 webp 输出同样得到 PNG,因此 output_compression 不会起作用。请在自有流程中完成抠图,请求里保留 size 和 quality 即可。
应该请求多大的尺寸?
直接给出宽高。OpenAI 允许自定义尺寸,前提是两边都是 16 的倍数、比例在 1:3 到 3:1 之间、任一边不超过 3840 像素、总像素落在 655,360 至 8,294,400 之间;超过 2560x1440 属于实验性范围。最终以下载文件里的实际尺寸为准。
可以用 Batch 批量跑 Flare 吗?
没有 Batch 选项:OpenAI 只为 GPT-Image 2 标注了 Batch 支持。可以改为并发提交多个小任务,每个逻辑图片用一个 Idempotency-Key,本地轮询超时后按任务 ID 继续查询,而不是重新提交。
