OpenAI 9 月 8 日发布 ChatGPT Images 2.5，同时在 API 里放出两个新模型。官方给这一版的定位是当前最好的图像模型，改进集中在三处：多轮编辑时更能跟住指令、参考照片里的人和物更不容易走形、出图更快。延迟相比 Images 2.0 最多降低 50%。
上线范围是 ChatGPT、ChatGPT Work 和 Codex 的全部档位，桌面、移动和网页端一起推。
Sunburst 和 Flare
API 侧两个模型 ID 是 gpt-image-2.5-sunburst 和 gpt-image-2.5-flare。官方给的选型建议只有一句：编辑精度要紧的工作流用 Sunburst，日常快速出图用 Flare。早期客户测下来的口径是，Flare 出图比 GPT-Image-2 快两到四倍。
这个拆法在图像模型里少见。此前通常一代就是一个型号，快慢差异靠分辨率和采样步数去调。把它固化成两个 ID，等于承认这两类需求已经大到不共用一套权重更划算。
一笔账
定价按 token 计，不按张数：图像输入每百万 token 8 美元，命中缓存 2 美元；图像输出每百万 token 30 美元；文本输入每百万 token 5 美元，缓存 1.25 美元。
对调用方来说，实际后果是成本随分辨率和图像复杂度浮动，不是一张一价。粗算一下：一张 1024×1024 的输出图按常见折算落在一千多 token 的量级，对上 30 美元每百万的价目，单张成本是几分美元，这一头不算贵。会把账单推上去的是编辑轮次——多轮编辑要把上一轮的成图作为图像输入再喂回去，输入侧那 8 美元每百万开始按次数累加。缓存价打到 2 美元，针对的正是这个场景：同一张底图反复改，第二轮之后的输入应该都能命中。
所以这套定价对两类用法的态度是分开的。一次生成就交付的批量出图，成本可控；把模型当图像编辑器用、一张图改十几轮的工作流，账单主要长在输入侧，跟出图张数关系不大。
画一笔当参考
产品侧新增几项：Sketch 允许在 ChatGPT 里直接手绘，输入 @Sketch 调出，画的东西作为参考；Templates 给海报、周边、产品图这类常见版式提供起点；生成的图可以直接加批注做定点修改；提示词可以分享出去，别人换成自己的照片重跑。
这几项指向同一个方向：把”描述—生成—重来”改成”生成—指着改”。手绘和批注都是把位置信息交给模型，而位置恰恰是文字提示词最难说清的东西。想让某个元素往左挪两厘米、让某处的光再压暗一点，用文字描述要绕好几句，画一笔或者点一下就说完了。
提示词分享是另一类东西。它把提示词从个人资产变成可复用的模板，别人拿过去换成自己的素材重跑一遍。这套机制在图像社区里早有对应物，各家提示词站和模型社区一直在做，区别只是这次由平台自己内置，不必再靠第三方站点转手。
一个对不上的数字
官方公告里出现了 30 亿张图这个规模数字，范围是 ChatGPT Images 与 API 上的 GPT-Image 系列。不同转述对它的口径不一致，一处写成累计，一处写成每周，差着两个量级。官方页面眼下打不开逐字核对，这个数字暂时只能当作”规模很大”来读，不适合拿去做任何推算。
上一代 Images 2.0 解决的是文字渲染，招牌案例是菜单和海报上的字终于能看了。这一代动的是编辑环节，招牌能力是改十遍之后主体还认得出是同一个人。两代之间的共同点是，比拼的位置都不在”能不能画出来”，而在画完之后还能不能改。
参考来源：OpenAI 发布公告、CocoLoop、Simon Willison 个人博客、Unite.AI、9to5Mac；模型 ID、定价与延迟口径以官方公告及其转述为准，单张成本为按公开价目的粗算。