GPT Image 2.5 提示词技巧与 Flare / Sunburst 实测对比:同一张价目表,选的是速度不是价格

GPT Image 2.5 是 OpenAI 于 2026 年 9 月 9 日发布的图像模型,在 API 上拆成两个模型名:gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。两者能力相同、共用一张「分辨率 × 画质」十五格价目表,同档同价;Flare 出图快,Sunburst 每张多花一倍左右时间换更高的精度。本文讲两件事:提示词怎么写才能少跑几次,以及 Flare 和 Sunburst 在真实任务里到底差在哪、怎么选。本文由 AI 辅助撰写,实测数据与结论由作者整理并逐条核对。先说利益关系:下面的价格和速度数据来自我们自己的平台 apimodels.app(一个多模型 API 网关,一个 key、一个 OpenAI 兼容端点,接 110 个图像、视频、音频和语言模型),提示词样例大部分来自 OpenAI 官方指南和公开发帖的创作者,逐条注明了出处。一、Flare 和 Sunburst 是什么关系?它们不是「便宜档和贵档」。官方口径是:Flare 保持 GPT Image 2 的画质与编辑能力,延迟约为其一半;Sunburst 面向精品商业图像,每张花更长时间换更高的精确度。价格上两者用同一张表,按「分辨率 × 画质(quality)」十五格计价,每张成功出图的价格如下(单位美元,失败不扣费):分辨率 \ 画质lowmediumhighxhighmax1K$0.008$0.020$0.03$0.05$0.082K$0.020$0.025$0.04$0.08$0.154K$0.020$0.045$0.08$0.17$0.30三个容易踩的点:两个模型的缺省画质不同。不传quality时,Flare 按 medium 出图并计价,Sunburst 按 high。很多人以为「Sunburst 更贵」,其实是缺省档不同。做对比时请显式传quality,否则比的不是同一档。分辨率档位按实际出图的总像素量判定:1.7MP 以下记 1K,1.7 到 4.6MP 记 2K,4.6MP 以上记 4K。既不看最长边,也不看你传的参数。2720x1536 是 4.18MP,长边虽然超过 2048,仍按 2K 计费。尺寸规则:宽高都要是 16 的倍数,长边不超过 3840,宽高比不超过 3:1,总像素在 65.5 万到 829 万之间。常用的 1920x1080 不合法(1080 不是 16 的倍数),要写 1920x1088;1024x576 也不行,像素量低于下限。推荐尺寸:16:9 用 1360x768(1K)、1920x1088(2K)、3840x2160(4K);9:16 把宽高对调。参考图、透明背景都不额外收费。二、实测下来两者差在哪?我们跑了 32 组同题对照、共 40 次生成,每组 Flare 和 Sunburst 用同一条提示词、同一个size、同一个quality,尺寸只用 16:9 和 9:16。速度:2K 档中位数 Flare 24.8 秒,Sunburst 40.0 秒,约 1.6 倍。1K 和 4K 两档在我们的样本里差距不稳定,有时 Sunburst 反而更快,所以速度差只在 2K 上敢下结论。精度:差别不在「好不好看」,在「细节经不经得起放大」。同一条人像提示词,Flare 的图在手机上看毫无问题;Sunburst 的皮肤纹理和织物结构在 100% 放大时更站得住。密集排版、复杂产品表面(磨砂玻璃、金属拉丝)也是 Sunburst 能拉开差距的地方。但 Sunburst 不是「更准」的保证。六组 Logo 与品牌标识对照里,有四组是 Flare 的字形和留白更准。Logo 这类扁平矢量风格的任务,多花的那一倍时间基本白等。按活儿分的选型:任务建议原因社媒配图、电商主图、批量出图Flare手机屏幕上看不出差别,快一倍版式验证、提示词迭代Flare 1K low一张 $0.008,跑十次也才八美分Logo、图标、扁平插画Flare六组里四组 Flare 更准人像皮肤、织物特写Sunburst 收尾放大后的纹理差别可见印刷品、包装小字、产品页大图Sunburst high 以上小字可读性和材质是它的强项界面截图、信息图先 Flare 定版,最后一张 Sunburst文字排版靠提示词,精度靠最后一轮三、提示词怎么写才能少跑几次?2.5 真正的新能力是「编辑锁定」:你点名不许动的东西,它才真的不动。这一条决定了你要跑三次还是十五次。下面七条规则围绕它展开,样例可以直接改字段用。规则 1:每条编辑提示词都按「锁定 → 改动 → 禁止」三段写顺序很重要。先锁定,因为它框定了模型推理的范围;再改动,而且只改一件事;最后禁止,写得越具体越好。[锁定] Keep the model, her pose, the studio lighting and the seamless grey backdrop exactly as they are. [改动] Replace only the tote she is holding with a natural-canvas one. Match the existing shadow direction and the slight warmth of the key light. [禁止] No new props, no logo anywhere else, no change to her hands.OpenAI 官方指南里的换椅子样例就是这个结构:In this room photo, replace ONLY the white chairs with chairs made of wood. Preserve camera angle, room lighting, floor shadows, and surrounding objects. Keep all other aspects of the image unchanged. Photorealistic contact shadows and fabric texture.规则 2:否定词写成具体物件,不写情绪「避免 AI 感」「别做得太假」不起作用,那是对评论家说的话,不是对渲染器说的。能起作用的是可以用手指出来的东西:No watermark. No extra fingers. No duplicated logo. No orange colour cast. No text anywhere except the tagline. No checkerboard, no drop shadow.检验标准只有一条:你能不能指着输出图上的某处说「就是那个」。指不出来,模型也删不掉。有个反例值得说。创作者 higgsfield_ai 发过一条只有两个词的编辑提示词:remove slop它有效的原因和长否定句一样:2.5 能把一次编辑限定在「某一类东西」上而不动其余部分,而 slop(AI 糊)恰好是模型内部有稳定概念的类别。「artifacts」就没有。规则 3:一条提示词只改一个变量一次改两处,失败时你不知道是哪一处没锁住,只能整条重跑。改完一处、确认没问题,再拿结果图做下一处。多跑一次 1K low 只要 $0.008,比猜便宜得多。规则 4:精确文字放引号里,并写明排版处理描述文字只能拿到近似的字母,引用文字才能拿到那些字母本身。OpenAI 指南的广告牌样例:Create a realistic billboard mockup of the shampoo on a highway scene during sunset. Billboard text (EXACT, verbatim, no extra characters): Fresh and clean Typography: bold sans-serif, high contrast, centered, clean kerning. Ensure text appears once and is perfectly legible. No watermarks, no logos.三个地方在起作用,都值得照抄:引号前的(EXACT, verbatim, no extra characters)标签;单独一行排版说明(字重、字族、对比度、对齐、字距);以及Ensure text appears once。广告样机里最常见的失败就是标语出现两次,把这句写出来大多能解决。界面截图这类文字密集的任务,更进一步,把屏幕上每一个字符串列成清单:Exact readable text: Canvas Forge, New generation, Prompt, Reference image, Generate, Aspect ratio, 16:9, Model, GPT Image 2.5, Quality, High, Seed, 4821, Recent outputs.不好看,但这就是「截图」和「一团糊」的区别。规则 5:给每张参考图派活没派活的参考图会被揉成一团,派了活的才会被用上。OpenAI 指南的换装样例是这方面的范本:Edit the image to dress the woman using the provided clothing images. Do not change her face, facial features, skin tone, body shape, pose, or identity in any way. Preserve her exact likeness, expression, hairstyle, and proportions. Replace only the clothing, fitting the garments naturally to her existing pose and body geometry with realistic fabric behavior. Match lighting, shadows, and color temperature to the original photo so the outfit integrates photorealistically, without looking pasted on. Do not change the background, camera angle, framing, or image quality, and do not add accessories.我们原文照跑,四张输入:人物、夹克、马甲、靴子。同一个人、同一个展厅、同一个姿势,三件衣服全部换上,Sunburst 用了 42.2 秒。参考图角色不同的时候,直接编号。官方的双图合成样例只做了这一件事:Place the dog from the second image into the setting of image 1, right next to the woman, use the same style of lighting, composition and background. Do not change anything else.规则 6:写实感来自相机语言,不来自「超真实」「photorealistic, 8k, ultra detailed」这类词堆再多也不如一句镜头参数。OpenAI 指南的老水手样例:Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat. He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms. He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens. Soft coastal daylight, shallow depth of field.焦段、机位高度、景别、景深、光线方向,五个词换掉一堆形容词。这也是 Sunburst 能发挥的地方:你把皮肤纹理写进去了,它才有东西可以多花时间。规则 7:有版式的东西,先写结构再写内容信息图、界面、演示页、海报,先说布局(栅格、分区、位置),再说每个区放什么,最后说文字和配色。OpenAI 指南的农夫市集界面样例就是「header,vendor 列表带小图和分类,Today’s specials 小块,底部位置和营业时间」这样一路写下来,然后才是「白底、自然色点缀、清晰字体、少装饰」。顺手给两个可以直接填空的模板:编辑任何东西: [Lock] Keep camera angle, lighting, background, pose, identity, framing exactly as they are. [Change] Replace only the one thing, matching existing shadow direction / colour temperature / perspective. [Forbid] No concrete artefact, no concrete artefact, no change to region.生成带文字或版式的东西: Create format for purpose, in the style of specific reference class. Layout: grid / sections / placement. Exact text (verbatim, no extra characters): string, string. Typography: weight, family class, contrast, alignment. Palette: 3-4 named colours or a named system. Ensure each string appears exactly once and is fully legible. No watermark, no logo, no the artefact you keep getting.填完括号,删掉你本来想加的形容词,用 16:9 发出去。四、API 怎么调,成本怎么控?环境Python 3.10,pip install openai(官方 SDK 即可,只改base_url)一个 apimodels.app 的 API key(注册即可拿到)端点:https://api.apimodels.app/v1,与 OpenAI 的images.generate()/images.edit()契约一致步骤一:文生图(同步,直接拿图)传 OpenAI 风格的WxH尺寸就是同步模式,响应里直接带图,上限 280 秒。importbase64fromopenaiimportOpenAI clientOpenAI(api_keyYOUR_API_KEY,base_urlhttps://api.apimodels.app/v1,)imgclient.images.generate(modelgpt-image-2.5-flare,prompt(E-commerce category banner: three handmade ceramic mugs in sage green, terracotta and cream lined up on a natural linen runner, soft studio light from the left, shallow depth of field, the left third of the frame kept clear for text.),size1360x768,# 16:9,1K 档qualitylow,# 显式传,别按缺省档付钱output_formatpng,)withopen(draft.png,wb)asf:f.write(base64.b64decode(img.data[0].b64_json))要透明背景,加backgroundtransparent并保持output_formatpng,返回的是带 alpha 通道的真 PNG,不额外收费。步骤二:图片编辑(多图参考)editclient.images.edit(modelgpt-image-2.5-sunburst,image[open(model.jpg,rb),# image 1:人物open(jacket.jpg,rb),# image 2:要换上的衣服],prompt(Edit image 1 to dress the woman using the jacket from image 2. Do not change her face, skin tone, body shape, pose or identity. Replace only the clothing, matching lighting, shadows and colour temperature. Do not change the background, camera angle or framing. Do not add accessories.),size1088x1920,# 9:16,2.09MP,按 2K 计费qualityhigh,)注意没有mask字段。2.5 的编辑范围靠提示词点名物件来限定,传mask会直接 400。步骤三:异步任务(4K 或长队列时用)curl-XPOST https://api.apimodels.app/v1/images/generations\-HAuthorization: Bearer YOUR_API_KEY\-HContent-Type: application/json\-d{ model: gpt-image-2.5-sunburst, prompt: Ultra-wide cityscape at blue hour after rain, wet asphalt, small legible neon signs reading \RAMEN\ and \OPEN 24H\, cinematic haze., resolution: 4K, aspect_ratio: 16:9, quality: xhigh }返回data.taskId,之后用GET /v1/images/generations?task_id...轮询,state从 pending 变成 completed 后在data.resultUrls取图。结果文件保留 7 天,请及时转存。输出长什么样同步模式返回 OpenAI 形状:{created: ..., data: [{b64_json: ..., url: ...}]}。实际返回尺寸可能与请求略有出入(例如请求 2048x1152 拿到 2048×1136),计费按实际总像素量判档,不按你写的数字。成本方案:便宜地迭代,昂贵地收尾这是唯一划算的用法,而它只在你每次都显式传quality的时候才拿得到。一张电商横幅的典型流程:阶段模型 / 档位张数花费验版式、调提示词Flare 1K low8$0.064定稿Sunburst 2K high1$0.04合计9约 $0.10同样九张全程用 Sunburst 2K high 是 $0.36。省下的不是钱,是你敢多试几次的底气。五、常见报错与排查400,提示 mask 不支持:去掉mask,把要改的物件写进提示词(规则 1)。400,尺寸不合法:检查宽高是不是 16 的倍数、长边是否超过 3840、总像素是否在 65.5 万到 829 万之间。1920x1080 改 1920x1088。明明传了横版,出来是竖版:提示词里写了 vertical poster 或 portrait 这类构图词,模型会倾向听提示词。让提示词和size说同一件事。标语出现两次、字母缺笔画:按规则 4 加(EXACT, verbatim)标签、排版行和appears once。被按 high 扣费但我没要 high:用的是 Sunburst 且没传quality,缺省档就是 high。显式传。同步请求超时:4K 加 xhigh 以上经常超过一分半,改走异步任务轮询;或者先在 1K low 把提示词调好再上 4K。多图参考出来一团糊:参考图没派活。按规则 5 编号,并说明每张图负责什么。想在 1:1 上测:别。正方形是最不容易暴露问题的形状,比例被改写、长边被截断都只在非方形上出现,而真实流量绝大多数也不是正方形。先测 16:9 和 9:16。六、这套方法不适合谁?需要像素级蒙版控制的精修。2.5 的编辑范围靠语言限定,没有 mask,你无法保证「只动这 200 个像素」。这种活还是回传统修图工具或支持 mask 的模型。要求返回尺寸精确到像素的场景。实际输出可能偏几十个像素,做印刷拼版的请留裁切位,或者后处理裁一刀。只要随手一张 1K 配图、对细节没要求的。Flare 1K low 一张 $0.008 已经很便宜,但如果你的场景连提示词都懒得改,上面七条规则对你是过度设计。纯 Logo 矢量产出。它出的是位图;Logo 定稿还是要进矢量软件重描,2.5 在这里只适合做方向稿。七、常见问题GPT Image 2.5 和 GPT Image 2 的差别到底在哪?不是画质,是「编辑锁定」和速度。GPT Image 2 时代的编辑经常连带改掉你没提的东西,2.5 对「不许动」的指令遵守得明显更好,同一张图的返工次数随之明显减少。速度上 Flare 约为 GPT Image 2 的一半延迟。另外 2.5 的 1K / 2K / 4K 是三档直出,透明背景是真 alpha PNG,多张参考图可以各自派活。如果你的工作流以「生成一张、改五次」为主,升级的收益最明显;如果只是一次性出图,差别没那么大。Flare 和 Sunburst 价格一样,为什么还要选?因为你在选时间,不是选价格。2K 档 Flare 中位 24.8 秒,Sunburst 40.0 秒。批量、社媒、迭代阶段用 Flare,省的是等待;皮肤、织物、包装小字、要放大看的成品最后一轮换 Sunburst。唯一要注意的是缺省画质不同(Flare medium、Sunburst high),不传quality的话两边实际计价的档位不一样,看起来像是 Sunburst 更贵。显式传quality之后,同一档两边一分不差。不传 quality 会怎样?按模型缺省档出图并计价:Flare 是 medium,Sunburst 是 high。对 Sunburst 来说,这意味着 2K 一张 $0.04 而不是 low 的 $0.02,4K 一张 $0.08 而不是 $0.02。迭代阶段没人需要 high,但缺省会一直按 high 收。把quality当成提示词的一部分来写,和size一起显式给出,是这篇文章里最省钱的一条建议。蒙版(mask)能用吗?不能,传了会 400。2.5 的编辑范围靠提示词点名:「只换白色椅子」「只换她手里的托特包」「只把信息图里的文字翻成西班牙语,其他都不动」。我们跑下来,这种语言限定的命中率比早期模型的软蒙版高得多,但它仍然是「强烈建议」而不是「硬约束」,所以才有规则 1 的「禁止」段和规则 3 的一次只改一处。真需要硬边界的活,见上面「不适合谁」。想看更多能跑的样例:我们把能核实来源的 238 条 GPT Image 2.5 提示词按八个类目整理了一遍,每条配原作者实际发布的图和出处链接,其中 24 条来自 OpenAI 官方图像提示指南,其余来自公开的 GitHub 合集和创作者在 X 上的发帖。带图浏览在 apimodels.app 的 GPT Image 2.5 提示词库,JSON 和 CSV 在 GitHub 仓库 stimQQ/gpt-image-2-5-prompts。提示词版权归原作者,仓库的 MIT 许可只覆盖整理本身。价格表和参数细节以 apimodels.app 的 GPT Image 2.5 文档 为准,文中数字截至 2026 年 9 月 23 日。