OpenAI於9月8日發布ChatGPT Images 2.5，同時在API釋出兩款新模型。官方將這個版本定位為目前最好的圖像模型，改進集中在三個方向：多輪編輯時更能貼合指令、參考照片裡的人物與物體較不容易走樣、出圖速度更快。延遲時間相較Images 2.0最多降低50%。
上線範圍涵蓋ChatGPT、ChatGPT Work與Codex的所有方案，桌面、行動裝置與網頁版同步推出。
Sunburst與Flare
API端兩款模型的ID分別是gpt-image-2.5-sunburst與gpt-image-2.5-flare。官方給出的選型建議只有一句：注重編輯精度的工作流程用Sunburst，日常快速出圖用Flare。早期客戶實測反饋，Flare出圖速度比GPT-Image-2快兩到四倍。
這種拆分方式在圖像模型裡並不常見。過去通常一個世代就是一款模型，快慢差異靠解析度與取樣步數去調整。這次把它固定成兩個ID，等於是承認這兩類需求已經大到不共用同一套權重反而更划算。
算一筆帳
計價方式按token計算，不按張數：圖像輸入每百萬token收費8美元，命中快取為2美元；圖像輸出每百萬token收費30美元；文字輸入每百萬token收費5美元，快取為1.25美元。
對使用者來說，實際的結果是成本會隨解析度與圖像複雜度浮動，不是一張固定一個價。粗略估算，一張1024×1024的輸出圖，按常見換算落在一千多token的量級，對上每百萬30美元的價目，單張成本只有幾美分，這部分並不貴。真正把帳單推高的是編輯輪數——多輪編輯要把上一輪產出的圖再當成圖像輸入餵回去，輸入端每百萬8美元的費用就會依次數累加。快取價壓到2美元，鎖定的正是這種情境：同一張底圖反覆修改，第二輪之後的輸入理論上都能命中快取。
所以這套計價方式對兩種用法的態度是分開的。一次生成就交件的大量出圖，成本相對可控；把模型當成圖像編輯器、一張圖改十幾輪的工作流程，帳單主要會長在輸入端，跟最終出圖張數關係不大。
畫一筆當參考
產品端新增了幾項功能：Sketch讓使用者可以直接在ChatGPT裡手繪，輸入@Sketch即可叫出，畫的內容會被當成參考；Templates替海報、周邊商品、產品圖這類常見版型提供起點；生成的圖片可以直接加註解做局部修改；提示詞可以分享出去，讓其他人換上自己的照片重新執行。
這幾項功能都指向同一個方向：把「描述—生成—重來」改成「生成—指著改」。手繪與註解都是把位置資訊交給模型，而位置正是文字提示詞最難說清楚的部分。想讓某個元素往左移兩公分、讓某處的光線再壓暗一點，用文字描述得繞好幾句話，畫一筆或點一下就講完了。
提示詞分享則是另一回事。它把提示詞從個人資產變成可重複使用的範本，讓其他人拿去換上自己的素材重新跑一次。這種機制在圖像社群裡早有類似的做法，各家提示詞網站與模型社群一直都在做，差別只是這次改由平台自己內建，不必再靠第三方網站轉手。
一個對不上的數字
官方公告裡提到30億張圖這個規模數字，範圍涵蓋ChatGPT Images與API上的GPT-Image系列。不同轉述對這個數字的口徑並不一致，有的寫成累計值，有的寫成每週值，兩者差了兩個數量級。官方頁面目前無法逐字核對，這個數字暫時只能當成「規模很大」來理解，不適合拿去做任何推算。
上一代Images 2.0解決的是文字渲染問題，招牌案例是菜單與海報上的文字終於能看懂了。這一代動的是編輯環節，招牌能力是改了十遍之後主體依然認得出是同一個人。兩代的共同點在於，比拚的重點都不在「能不能畫出來」，而在「畫完之後還能不能改」。
參考來源：OpenAI發布公告、CocoLoop、Simon Willison個人部落格、Unite.AI、9to5Mac；模型ID、定價與延遲數據以官方公告及其轉述為準，單張成本為依公開價目的粗略估算。