GPT-Image 2.5 Sunburst API
AI 图片GPT Image 2.5 Sunburst — 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 Sunburst — 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。
做参考图编辑和最终成品时用 Sunburst:它是 OpenAI 面向编辑精度的变体;我们的实测显示同尺寸同质量下成本与表现与 Flare 一致。
02
能力范围
文生图
gpt-image-2.5-sunburst
把文字提示词生成一张新图片。
图片编辑
gpt-image-2.5-sunburst
根据提示词和参考图修改已有图片。
03
深入了解
GPT-Image 2.5 Sunburst 是 OpenAI 在 OmniaKey 上的图像生成与编辑模型,是 2.5 这一代两个 ID 中的另一个,与 GPT-Image 2.5 Flare 并列。OpenAI 把 Sunburst 描述为这一对里偏向编辑精确度的选择,目录则为两个 ID 标注了相同的两项能力与相同的按次价格档位。如果图里有读者会逐字核对的内容,比如菜单、价格栏或标签,官方指向的就是这个 ID。
Sunburst 的长处是版式必须经得起读者核对。在四提示词对比中,它的两次菜单运行都把每道菜和每个价格写对,保留了 CAFÉ 的大写与重音,价格栏右对齐;在数数测试里,它在左边罐子放了正好五颗弹珠。它输掉了产品照那一项,鞋子被穿在一只脚上、配了黑色束脚裤;房间编辑里它把最左侧的书架弄丢了。
我们的运行里有两点只与这个 ID 有关。OpenAI 公布的额外质量档在这里没有作用:xhigh 与 max 都按 medium 出图,图像 token 数完全相同;2.5 的两个 ID 也不在 OpenAI 的 Batch 表里。费用按张计算、由输出尺寸档位决定,画布越大金额越高,质量档位不改变金额。出片后请逐字读完再交付。
菜单与价格栏
把价格栏的规则写进提示词:价格右对齐、每行一道菜,它就能守住网格,我们的两次菜单运行都是如此,连带重音的大写也保留了。要求明确写出重音符号,然后校对最后一行,我们的第一次运行在那里多画了一只杯子。
带保留清单的改图
把提示词写成两份清单:要改的和要留的。我们的客厅任务要求换沙发、加植物,Sunburst 保留了挂画、书、地毯,连书脊上的白色文字都在,同时把植物放在了原来书架的位置。逐项点名必须留下的大件物品,是修图与重做之间的差别。
画面里的精确数量
画面需要出现准确数量时,Sunburst 在我们的测试里最接近:五颗弹珠、三颗柠檬,中间一只空罐子。把每个数字写在对应物品旁边,让它们排成一行,并要求不要有任何东西被遮住。
04
实测记录
在咖啡馆菜单测试里,GPT Image 2.5 Sunburst 两次运行都把每个字和每个价格写对,包括带重音的 CAFÉ 和营业时间里的连接号。
阅读实测记录在数数测试里,GPT Image 2.5 Sunburst 在左边罐子放了正好五颗红色弹珠,中间的罐子空着,只挂着编号标签。
阅读实测记录在球鞋产品照里,GPT Image 2.5 Sunburst 画进了一只脚踝和黑色束脚裤,把产品照变成了生活方式照。
阅读实测记录在客厅编辑里,GPT Image 2.5 Sunburst 保留了清单上的每件物品和书脊文字,却把书架去掉,并把植物放在原处。
阅读实测记录我们在 2026 年 9 月 17 日测量时,GPT Image 2.5 Sunburst 的 xhigh 与 max 都按 medium 出图,输出图像 token 数完全一致。
阅读实测记录
05
需要预留的限制
- OpenAI 公布的 xhigh 与 max 两档在 9 月 17 日的探测中按 medium 出图,图像 token 数完全相同,因此请求里只写 low、medium 或 high 就够。
- 产品简报可能滑成生活方式照:我们的鞋被穿在脚上,还配了黑色束脚裤,所以提示词要加一句不要人物,并按单件商品来裁画面。
- 编辑可能为了腾位置删掉大件物品。我们的客厅运行丢了最左边的书架,因此要逐项点名必须保留的大件,并检查画面四角。
- 文字仍需要一次校对:第一次菜单运行在卡片边缘多画了一只咖啡杯,提示词里并没有要求。
06
对比相近模型
| 模型 | 更适合 | 操作 | 标价 |
|---|---|---|---|
| GPT-Image 2.5 Sunburst当前页 gpt-image-2.5-sunburst | 菜单、价格栏与需要精确计数的画面:两次菜单运行和弹珠数量都守住了。 | 文生图 · 图片编辑 | $0.025–$0.055 每次调用 |
| GPT-Image 2.5 Flare gpt-image-2.5-flare | 产品摄影与日常画面:道具和反光比价格栏更重要的任务。 | 文生图 · 图片编辑 | $0.025–$0.055 每次调用 |
| GPT-Image 2 gpt-image-2 | 旧模型上的批量草稿:有 Batch 支持,也能自行指定像素尺寸。 | 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-sunburst-001" \
-d '{
"model": "gpt-image-2.5-sunburst",
"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 Sunburst?
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 Sunburst 如何收费?
GPT-Image 2.5 Sunburst 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。
Sunburst 和 Flare 应该怎么选?
按简报分开选。Sunburst 在我们的菜单运行里把每个字和每个价格都写对,Flare 做出了更好的产品照,也完整保留了房间。两个 ID 处于同一价格档位、接受同一套参数,因此可以用同一套测试脚本各跑一遍,让自家画面来决定。
Sunburst 能把菜单文字写对吗?
我们的两次运行都写对了:每道菜、每个价格和 CAFÉ 的大写都与原文一致,价格栏也是右对齐。第一次运行仍在卡片边缘多画了一只杯子,所以拼写和版式可以放心,道具才是剩余风险。请按原尺寸看完整幅画面。
为什么 xhigh 和 max 看起来和 medium 一样?
在这个模型上它们确实一样:9 月 17 日的探测发现两档都输出 medium 质量,图像 token 数相同;10 月 25 日的探测里 max 也是如此。请求里写 low、medium 或 high,想让画面更细就调大尺寸。
Sunburst 的费用是怎么算的?
按张计费,金额取模型页价格表、由输出尺寸档位决定:最小的一档最省,中间一档次之,最大一档最高,质量档位不改变金额。任务失败会退回预扣的额度。
Sunburst 能做产品摄影吗?
单件商品放在搭建好的场景里,我们会先用 Flare,那一项它赢了。画面需要标题、价格或标签时,Sunburst 更稳。如果只能上一个 ID,先用自己的产品简报各跑两次再决定。
