API 现在提供两个图像模型，命名很容易被误读。gpt-image-2.5-flare 是速度优先的默认档，gpt-image-2.5-sunburst 是编辑精度档，生成更慢。两者不是替代关系，也没有谁比谁更好。
这个选择只存在于 API。官方没有任何文档说明在 ChatGPT 里可以切换型号，所以应用内的用户不会遇到这个决定。下面只写官方记载的内容、两者相同的部分，以及做决定时的四个判断问题。
两个模型 ID，同一个产品
发布公告介绍了两个模型：“For developers, we’re introducing two new models in the API.” 并不存在 gpt-image-2.5 这个 ID。两者处于同一代的质量与编辑行为，官方把差别写成速度与编辑控制之间的取舍，而不是好与更好。产品背景见 GPT Image 2.5 总览。
OpenAI 官方怎么描述这两档
下面把两段官方描述译出，再说明它实际定义了什么。
Flare：速度优先的默认档
“GPT-Image-2.5 Flare 把同样的质量、编辑与速度改进带进了 API，是多数应用的默认选择：图片质量高于 GPT-Image-2，延迟低 50%。”
50% 是官方给这两个模型里唯一的延迟数字，Flare 的适用场景见下表。
另一个带 Flare 名字的数字来自客户而不是厂商：Manus 说 Flare 的速度是 GPT-Image-2 的两到四倍。这是合作方的测量，不是基准测试。接口细节见 GPT Image 2.5 API 概览。
Sunburst：精度优先的编辑档
“GPT-Image-2.5 Sunburst 面向需要更紧密掌控跨轮编辑的高端视觉工作流：可直接交付的营销素材、精修过的产品图。”
同一段里给出了 Sunburst 唯一被记载的代价：生成时间更长，没有数字。“更高一层的精度”同样没有定义，既没有准确率，也没列出它比 Flare 更能守住哪些编辑。
两者完全相同的部分
下面是官方公布过的全部对比。
| 对比项 | Flare | Sunburst |
|---|---|---|
| 公布的模型 ID | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| OpenAI 给出的定位 | 多数应用的默认选择 | 需要精确跨轮编辑控制的高端工作流 |
| 生成时间 | 官方称比 GPT-Image-2 延迟低 50% | 官方称生成时间更长，没有数字 |
| 官方列出的适用场景 | 社媒与创作者内容、产品体验、视觉搜索、高批量 | 可直接投放的营销创意、精细商品图 |
| 在哪里选择 | API 请求里的 model 字段 | API 请求里的 model 字段 |
| 在 ChatGPT 中可用吗 | 官方未提供型号切换 | 官方未提供型号切换 |
两个 ID 都只在 API 里存在，选择方式相同，也都不是应用里可点选的选项。表格说不出 Sunburst 慢多少，也说不出它的编辑稳定多少，这两件事官方都没公布。
怎么选：四个判断问题
四个问题按顺序问，第一个排除的不确定性最多。
- 瓶颈是吞吐量，还是跨轮编辑的稳定性？ 结果不会被反复修改就走快道，交付前还要改三四次就走精度道。
- 你能说出结果必须守住的那个细节吗？ 跨轮编辑控制只有在有具体东西要守时才有价值。说不出这个细节，多花的时间换不回可检验的东西。
- 是单次交付还是批量？ 批量会把每一秒生成时间乘以图片数量，单张主图不会。
- 编辑会在同一次会话里连续发生吗？ 多轮遵循指令是这一代两个模型共同的官方强项，问题在于你的流程用不用得上。
两个可执行案例：批量与精修
一条泳道一个案例，提示词都能直接复制去跑。
案例一：批量生成一组社媒图
批量是 Flare 的官方定位，这段提示词的关键是四张图只动一个变量。
Task: four social frames from one input, one variable at a time.
Input: a matte ceramic coffee mug on a plain warm-grey table.
Fixed in all four: 1:1 square, eye level, soft daylight from the left, generous margin.
Variable: frame 1 blue backdrop, frame 2 green, frame 3 terracotta, frame 4 charcoal.
Hold constant across frames: mug shape, handle position, shadow direction.
Exclusions: no text, no logo, no hands, no props, no collage, no watermark.
Output: four separate square images.只改背景色那个词，跑四次。如果杯子形状或阴影方向变了，说明你声明恒定的条件没守住。
案例二：精修一张产品照
这是 Sunburst 被记载的路径：先出一版，再只改一个条件。
Step 1 — one product photo: a leather notebook on a pale oak desk, soft daylight from the left,
45-degree three-quarter view, plain background, no text, no hands, no props.
Step 2 — change one condition only: replace the pale oak desk with brushed steel. Keep the
notebook, the light direction, the camera angle and the background tone unchanged.
Check after step 2: notebook colour, light direction, camera angle, background tone.要做可复现的对照，就把同一段提示词发两次，其余字段全部保持一致，同样的尺寸与 quality 取值，只换 model，一次填 gpt-image-2.5-flare，一次填 gpt-image-2.5-sunburst。然后看第三个条件，不是第一个：只在其中一次守住，多花的时间才算买到东西。
官方没有公布的部分
四个缺口直接关系到这个决定，超出去的数字都不是厂商给的。
- 两个模型的任何价格。 Flare 和 Sunburst 都没有公布单张成本，发布公告只把价格指向定价页。
- Sunburst 的任何延迟数字。 “生成时间更长”是文字，不是百分比，也不是基准。
- 质量档位的名称。 两者都没有具名档位，“更高质量”和”额外精度”无法比大小。
- 可量化的编辑能力对比。 两者都被描述为改进了编辑，却没有互相比较过。
这四条就是可核查范围的边界，其余数字都来自第三方。
Sunburst 与 Flare 常见问题
- 到底该选哪个？ 先用
gpt-image-2.5-flare，官方称它是多数应用的默认档。某一次编辑必须在多轮之间守住时，再换gpt-image-2.5-sunburst。 - 在 ChatGPT 里能选型号吗？ 没有可选开关。帮助中心只讲在 ChatGPT 里生成和编辑图片，从未提到这两个 ID，所以这是 API 层的事。
- 能只靠提示词影响型号吗？ 不能。型号写在请求里而不是提示词里，也没有任何措辞被记录为可以切换型号。
- 公开可比的性能数字有多少？ 两个，都不是跨模型基准：Flare 相比 GPT-Image-2 官方给出的 50% 延迟降低，以及一位客户对同一组比较的两到四倍说法。
接下来看什么
三页可以接着看。GPT Image 2.5 新变化分清哪些改动属于模型、哪些属于应用。免费额度与限制讲各套餐包含什么。GPT Image 2.5 替代方案把这两个 ID 放进更大的坐标系。