OpenAI 發布 GPT Image 2.5：實測每張圖更快更便宜

30 秒看結論

OpenAI 這次發布了什麼？

GPT Image 2.5 是 OpenAI 在 2026 年 9 月 8 日推出的影像生成模型，同一批更新涵蓋 ChatGPT、ChatGPT Work 與 Codex 的各付費層級，API 也同步開放。

官方列出的改進有四項：

速度方面，官方在公告裡寫的是 gpt-image-2.5 的延遲比 gpt-image-2 低 50%。

API 這一側還有一個變化：這次不是換一個模型名字，而是一次給了兩款定位不同的模型：

對已導入影像生成 API 的企業，這會變成兩個問題：舊的要不要換，以及換過去之後該用哪一款。我們透過 API 實測，記錄了每次呼叫回報的 token 數與耗時。

費率沒有變，但每張圖的支出變成四分之一。 差別出在輸出 token 的用量。

影像模型是按 token 計費，token 是模型計算量的單位，一張圖會依尺寸與品質換算成一定數量的 token。官方定價頁上，新舊三款的每 token 費率每一項都相同：

官方沒有公布 GPT Image 2.5 的 token 消耗量，Flare 的模型文件也註明現有的 GPT Image 2 計算器不估算 2.5 的用量，所以每張圖實際多少錢要自己測。我們用同一組提示詞、尺寸 1024×1536、品質設為 high 跑新舊兩款：

同樣的提示詞與設定下，新版的 token 用量只有舊版的四分之一，支出也是。 我們用兩組完全不同的提示詞各測一次，兩次的輸出 token 數都相同。

耗時只能當區間看。 兩組配對分別是快 6 倍與快 19 倍。這裡量的是 API 端到端的等待時間，包含連線與排隊，不等於模型的運算速度。

換版前有兩件事要先確認：

Batch 不支援。 gpt-image-2 走批次可以打五折，但兩款的模型頁在 Endpoints 表上明寫 Batch 為 Not supported。如果現在靠夜間批次拿半價，換版前要先把改走標準 API 之後的成本重算一次。
同樣的提示詞會產出不同畫面。 上面那兩張圖用的是同一組提示詞，兩款都做到了提示詞的要求，但構圖、取景與光線都不一樣。建議先挑幾張代表性素材重跑，確認風格還符合需求。

兩款的每張成本完全相同，我們量到的差別是等待時間，所以預設用 Flare。 token 單價相同，相同設定下產一張圖消耗的 token 數也相同，選型不會影響預算。

我們用現有的 API 金鑰就能直接呼叫兩款，不需要另外申請開通，切換只是改請求裡的模型名稱。官方的選型建議只有一句話：Sunburst 適合編輯精準度最重要的流程，Flare 適合快速且高品質的日常生成。這句話沒有回答企業會問的：兩款差多少錢。

設定	Flare（每張輸出 token）	Sunburst（每張輸出 token）
1024×1024、medium	439	439
1536×1024、high	1,372	1,372

設定	Flare	Sunburst
1024×1024、medium（3 次平均）	12.8 秒	17.6 秒
1536×1024、high（各 1 次）	21.7 秒	35.8 秒

medium 那一組跑三次，Sunburst 平均慢約 38%；high 那一組各跑一次，差距擴大到 65%。這兩組同時改了尺寸與品質，所以只能說高規格那組差距較大，不能單獨歸因於任何一項。 實務上會反映在單次等待時間上，大量請求的完成時間還要看併發數與速率限制。

我們用一個刻意加高難度的場景比對兩款的產出：雨夜的台北街角、霓虹招牌、水面倒影文字、店內手寫菜單小字，加上中文路牌。兩款用的是同一句提示詞與同樣參數。

兩款的構圖、配色與招牌顏色都不一樣，但要求的四種文字都寫對了，中文路牌名稱也正確。

官方在公告裡點名 Flare 適用的場景，集中在量大而且重複的工作：

這些工作的共同點是需要規模化、重複產出，產量一拉高，速度與單張成本就會直接決定可行性。先確認影像生成要放進哪一段流程，接下來才是導入方式與帳務的問題，可以參考我們整理的 OpenAI API 企業怎麼用與OpenAI API 費用怎麼算。

如果已經在用 gpt-image-2，換過去要動的只有請求裡的 model 欄位，改成 gpt-image-2.5-flare。兩個前提：目前沒有靠 Batch 拿折扣，以及先用幾張代表性素材確認新的畫面風格可以接受。

如果想確認現有用量換到新模型後的實際差異，或正在評估把影像生成接進既有流程，歡迎與我們聯絡。