OpenAI 发布 ChatGPT Images 2.5 双图像模型,主打更快生成与局部编辑

The Decoder:AI News(RSS)·2026-09-09 20:17·54分钟前·Maximilian Schreiner
AI 导读

OpenAI 发布 ChatGPT Images 2.5,含 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst 两个模型,主推更自然的光照、更可靠的参考图保留和局部编辑,Flare 延迟较 Images 2.0 降低最多 50%。

The Decoder:AI News(RSS)
同事件
78AI 编辑部评分,满分 100

OpenAI 发布 ChatGPT Images 2.5 双图像模型,主打更快生成与局部编辑

2026-09-09 20:17· 54分钟前· Maximilian Schreiner
AI 导读

OpenAI 发布 ChatGPT Images 2.5,含 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst 两个模型,主推更自然的光照、更可靠的参考图保留和局部编辑,Flare 延迟较 Images 2.0 降低最多 50%。

正文 · AI 翻译
Image description

OpenAI 推出的 GPT-Images-2.5

OpenAI 发布了 ChatGPT Images 2.5 下的两款全新图像模型,宣称细节更锐利、编辑更精准、生成速度更快。绘图工具与可分享提示词等新功能,旨在拓展创作流程的边界。

OpenAI 表示,目前用户每周通过 ChatGPT Images 以及 API 中的 GPT-Image 模型生成的图片已超过 30 亿张。借助 ChatGPT Images 2.5,该公司正在推出重构后的生成能力,宣称可带来更自然的光影与更细腻的质感。

这两款模型旨在更好地保留参考照片中的主体特征,并在多轮编辑中更可靠地遵循指令。据 OpenAI 称,与 Images 2.0 相比,速度更快的版本可将图像生成延迟最高降低 50%。

两款新模型,各司其职

面向开发者,OpenAI 将这两款模型都带到了 API 中。GPT-Image-2.5 Flare 是大多数场景下的默认选择,图像质量高于 GPT-Image-2,同时延迟降低 50%。更强的 GPT-Image-2.5 Sunburst 则面向要求更高的视觉任务,对编辑过程有更精细的控制,但需要更长的生成时间才能交付结果。

两款模型采用相同的 token 费率:每百万图像输入 token 8 美元,每百万输出 token 30 美元。但由于 token 用量因模型和质量档位而异,相同的费率并不意味着单张图像的成本相同。Images 2.5 新增了“xhigh”和“max”两个质量档位,突破了此前“high”档的上限。

一张 1024x1024 的图像在“low”档下成本约为 0.006 美元,与前代持平;而“high”档约为 0.053 美元;新增的“max”档则约为 0.21 美元,对应约 7,024 个输出 token。这使得 Images 2.5 的“max”档与 GPT-Image-2 的“high”档价格相当。与前代不同,Images 2.5 目前没有更便宜的批量费率。不过在早期测试中,尽管 token 价格相同,Sunburst 的单张图像成本通常高于 Flare,这可能是由于其更长的推理过程所致。此外,与上次不同,OpenAI 没有给出平均单张图像价格的数据。

目前尚不清楚 OpenAI 如何在两款模型之间为 ChatGPT 用户分配流量。无论是公告还是文档,都没有说明 ChatGPT 何时会调用更快的 Flare 或更精准的 Sunburst。在 API 中,用户可以显式选择模型,但 ChatGPT 界面目前还没有提供这样的控制选项。

在我们的测试中,这条分界线目前似乎主要存在于 Chat 和 Work 之间。在 Work 中,无论推理设置如何,我们的提示词确实只会改变所要求的内容——这些定向编辑正是本次模型改进的重点。而在 Chat 中,即使将推理设为 high,后续图像中仍有更多细节会不断发生变化。只有在“6 Pro”设置下,更强的模型有时才会发挥作用。

只改变你所要求内容的编辑

如前所述,新模型的重点是编辑。它只改动被要求的元素,而让图像的其余部分保持不变,即使面对更复杂的主题和背景也是如此。在较长的多轮对话中,之前的修改应保持一致,且图像质量不会在多次编辑步骤中下降。OpenAI 以房间改造为例展示了这一点。旧模型在每次编辑时都会改动其他细节,而新模型即使经过多次迭代也能保持稳定。

我们通过 ChatGPT Work 中的 GPT-6 Astra(Max)做了一次快速测试,看看效果如何。我们使用了下面的提示词,然后迭代式地调整了一个小细节(香蕉的颜色)和一个大改动(那只大猫)。

一张超写实的 DSLR 照片。前景中,一只猴子拿着一根粉红色的香蕉,坐在一只老虎身上。背景中,一匹马正骑在一名宇航员身上。宇航员在下方,就像一个活生生的“宇航服马鞍”,而那匹马明显在上方、处于掌控地位,是骑手。请做到 100% 毫无歧义:马是骑手,宇航员是被骑的一方,绝不是反过来。高分辨率、对焦清晰、光线写实。


图片:GPT-Images-2.5 / Astra(Max)

顺便一提,这可能是我们测试中 OpenAI 图像模型生成过的最好的一版“马骑宇航员”画面。以下是 Image 2.0(Thinking 变体)的表现。

GPT-Images-2(Thinking 版本)

相比之下,在 ChatGPT 的 Chat 模式中进行的测试里,每当我们调整香蕉的颜色,图像的其余部分也总会随之改变。只有在“6 Pro”模式下,图像才在一次运行中保持了前后一致,但在另一次运行中却又不行。随着本周功能的逐步推出,这种情况可能会发生变化。

Images 2.5 还旨在更好地处理复杂的视觉指令,为现实世界的信息提供更准确的内容,并支持透明背景和更复杂的版式要求。例如,在我们上一篇文章中,我们让 ChatGPT 把文章做成了 80 年代杂志的跨页排版。效果如下。

GPT-Images-2(思考版)

通过 Astra(Max)调用的 GPT-Images-2.5 也根据我们“猴子宇航员”的提示词,生成了包含示例图片的详细杂志页面,并提供了较弱和较强两种变体,同时即便在质量较差的设定下,也没有偏离原始指令。

该模型能按指令纠正我们故意植入的一个错误(第一页图片上方写着 GPT-Images-2.5 而非 2.0),显示出它在保留其余内容方面表现出色;同样,当我们简单要求“生成一个美式英语版本”时,它也能在翻译时做到这一点。

图片:GPT-Images-2.5 / Astra(Max)

作为对比,通过普通 ChatGPT Chat 得到的结果也值得一看,但它们表明,较弱的模型在翻译过程中也会改动其他细节。不过,在某个案例中,它反而更准确地还原了微软现任 CEO 的形象。

图片:GPT-Images-2.5 / ChatGPT Chat(中等与即时)

绘图、模板与可分享的提示词

在 ChatGPT 中,OpenAI 随新模型一同推出了多项新功能。其中最重要的是名为“Sketch”的功能。它让用户可以直接在 ChatGPT 中绘图,并将草图作为成品图像的视觉模板。用户通过“@Sketch”命令激活该功能,OpenAI 表示它非常适合制作图表、房间布局或海报。

模板是预设好的提示词,旨在让用户更轻松地开始制作海报、标志、信息图、缩略图、插画或广告等格式的内容。它们提供的是结构而非空白画布,并通过有针对性的追问来锁定你的需求。用户还可以直接在图像上添加评论,并分享自己使用的提示词,这样其他人就能用自己的照片和细节尝试同样的创意。作为示例,OpenAI 提到了一个目前正在病毒式传播的提示词,它可以生成 1980 年代风格的人像。

两款模型登顶 Arena 排行榜

在 Arena 的文生图排行榜上,新模型目前占据前两名。GPT-Image-2.5 Sunburst 以 1421 分领先,紧随其后的是 GPT-Image-2.5 Flare,得分 1399。两个分数都带有“初步”标签,并且基于仍然较低的投票数——分别约为 3100 票和 2900 票。排名第三的是前代产品 GPT-Image-2,得分为 1381,基于约 78,700 票。

紧随其后的是微软的 mai-image-2.6(1331 分)、SpaceXAI 的 grok-imagine-image-2.0(1315 分),以及来自 Reve、Meta、Google 和字节跳动的多个模型。由于 OpenAI 这两款新模型的评分仍是初步结果,随着更多投票涌入,它们的排名可能还会发生变化。

与 Google DeepMind 合作的水印技术

在来源标注方面,OpenAI 仍依赖 C2PA 行业标准,该标准通过嵌入元数据来实现追踪。为了让来源标注更具抗篡改能力,OpenAI 还在 ChatGPT、Codex 和 API 中通过 Google DeepMind 的 SynthID 添加了不可见水印。OpenAI 表示,来源标注没有单一的解决方案,因此采取了分层式的方法。

Images 2.5 现已面向全球所有 ChatGPT、ChatGPT Work 和 Codex 用户在桌面端、移动端和网页端推出,包括免费版用户。OpenAI 表示,等待时间更短,使用限额也更高。我们的测试表明,Chat 模式目前使用的是较弱的模型。