GPT Image 2.5 评测

9 月 8 日，OpenAI 发布了 ChatGPT Images 2.5，距 Images 2.0 推出仅五个月。在 ChatGPT 中，它成为所有用户的图像模型。在 API 中，它以两个模型的形式推出：GPT-Image-2.5 Flare 是快速的默认选项，GPT-Image-2.5 Sunburst 则耗时更长，适合更精细的工作。

OpenAI 表示，人们如今每周用它的工具创作超过 30 亿张图片。下面来看有哪些变化，这个模型擅长什么，它在哪里仍会出错，价格几何，以及这对一个想要使用它的品牌意味着什么。

有哪些变化

主要卖点是更锐利的细节、更自然的光线和质感，以及更快的出图速度，等待时间比 Images 2.0 最多减少百分之五十。OpenAI 还表示，该模型能让参考照片中的主体更容易辨认，并能在多轮编辑中更可靠地遵循指令，先前的修改不会再走样。

ChatGPT 围绕这个模型增添了一些工具。Sketch 能把粗略的草图变成完成的画面。模板让海报或产品照片从一个结构起步，而不是从一条空白提示词开始；还可以直接在图片上添加评论，以指导编辑。

大部分基础工作早在 4 月随 GPT Image 2 完成。TechCrunch 发现它在文字方面“出奇地好”，生成的餐厅菜单逼真到可以直接使用；OpenAI 则指出它对日文、韩文、印地文和孟加拉文等文字的渲染有所改进。它还加入了一个思考步骤：模型可以搜索网络，根据一条提示词生成多张图片，并检查自己的输出。

质量、文字与编辑

盲测投票把它推上了榜首。在 Arena 的文生图排行榜上，人们比较两张匿名图片并选出更好的一张；10 月 7 日，Sunburst 排名第一，Flare 排名第二，领先于 GPT Image 2，并明显领先于 Grok Imagine、Microsoft 的 MAI-Image-2.6 和 Google 的 Nano Banana 2.1。这类投票衡量的是人们一眼看去更喜欢什么，而不是一张图片是否适合某个品牌，但这种领先是一贯的。

进步最明显的是文字。两年前还会乱成一团的标题、菜单、标签和界面元素，如今通常都能拼写正确。OpenAI 自己的文档比发布公告更为谨慎：该模型“在文字的精确排布和清晰度上仍可能有困难”。在我们看来，这意味着可以放心用于草稿和样稿；至于最终包装或法律文案，则必须先由人逐字核对后才能使用。

对品牌而言，编辑比第一张图更重要。OpenAI 表示，Images 2.5 更擅长只修改被要求修改的部分，因此可以替换产品、背景或一行文案，而构图保持不变。它的文档坦率地列出了局限。蒙版只是引导，而不是镂空模板，模型“不一定能完全精确地遵循它的形状”。它也可能难以在多次生成之间保持反复出现的角色或品牌元素的一致性，难以在版式中精确放置元素。

实用的规则由此而来。把每一次编辑都当作对整幅画面的重新渲染，在它流向任何地方之前，先与原图进行比较。如果产品必须保持原样，比如一个带有法定标签的瓶子，就保留真实照片，让模型围绕它构建场景，而不是重新绘制这个物体。

速度、价格与限制

Flare 是 OpenAI 推荐用于大多数场景的模型。Sunburst 面向编辑必须稳得住的营销活动工作，耗时也更长。两者按 token 计算的价格相同：每百万图像输出 token 30 美元，另加输入费用。按照 OpenAI 自己的计算器，一张 1'024 像素的方形图片，低质量约为半美分，高质量约为 5 美分，新的最高设置下约为 21 美分。

图片的长边最多可达 3'840 像素，但超过 2'560 × 1'440 的尺寸仍被标为实验性，复杂的提示词可能需要长达两分钟。OpenAI 可能会要求组织先完成身份验证，才能在 API 中使用图像模型。模型的退役也很快：gpt-image-1 将于 10 月 23 日停用，GPT Image 1.5 及其 mini 版本将于 12 月 1 日跟进。建立在一个模型上的每个工作流程，都需要在下一个模型上重新测试。

对比 Google 及其他模型

Google 在 10 月 6 日以基于 Gemini 3.6 Flash 的 Nano Banana 2.1 作出回应。它最多可接受 14 张参考图片，能让最多四个角色和十个物体保持一致，最高可渲染 4K；据 The Decoder 报道，其价格为 1K 每张 3.36 美分，4K 每张 7.56 美分。Google 自己的模型卡列出了它的弱点：1K 分辨率下的小字常常模糊，与参考图片的相似度不够完美，偶尔还会左右不分。

因此，取舍很清楚。GPT Image 2.5 在整体偏好和文字上领先，编辑能力也有所提升。Google 在高分辨率下更便宜，一次能接受更多参考图，并且内置于 Google Ads、Flow 和 Stitch 之中。在 The Decoder 的测试中，Google 更早、更贵的 Nano Banana Pro 仍然常常能生成更自然的画面。没有哪个模型能赢下所有工作，所以最好按每项工作来做选择，而不是一年选一次。

这对品牌意味着什么

我们的结论：就目前的证据而言，GPT Image 2.5 是现有最强的通用图像模型，尤其是在文字和版式很重要的场合。草稿、概念和社交媒体格式用 Flare，最终的营销活动作品用 Sunburst。核对每一个字，凡是必须精确的内容都保留真实的产品照片，并准备好第二个模型，用于 Google 更便宜或更出色的工作。OpenAI 会为其图片添加 C2PA 元数据和隐形水印，这有助于保持诚实。

它仍然不是一套品牌系统。除非您展示给它看，否则它不了解您的光线、您的裁切和您的色彩，而且它在多次生成之间可能会走样。这正是 Reel 要解决的部分：依据真实参考锁定风格，为每项工作选择最合适的模型，其中包括 GPT Image 和 Gemini，对每个结果进行质量检查，并由人挑选最终使用的内容。更好的模型让这个流程更快。它不会取代这个流程。