ChatGPT Images 2.5 发布：更快更精准，但体验因人而异
OpenAI 发布了 ChatGPT Images 2.5 系列下的两款新图像模型，细节更锐利、编辑更精准、生成速度更快。绘图工具、可分享提示词等新功能进一步拓展了创作流程。
OpenAI 表示，用户每周通过 ChatGPT Images 和 API 中的 GPT-Image 模型生成的图像已超过 30 亿张。ChatGPT Images 2.5 带来了一次生成流程的重构，光线更自然，纹理更细腻。
这些模型在多轮编辑中能更稳定地遵循指令，也更能保留参考图中的主体。据 OpenAI 介绍，快速版本相比 Images 2.0 将生成延迟最多降低 50%。
两款新模型，各有所长
面向开发者，OpenAI 已将两款模型接入 API。GPT-Image-2.5 Flare 是大多数场景的默认选择，画质高于 GPT-Image-2，延迟低 50%。更强的 GPT-Image-2.5 Sunburst 面向更复杂的视觉任务，编辑控制更精细，但生成耗时也相应更长。
两款模型的 token 单价相同：每百万图像输入 token 收费 8 美元，每百万输出 token 收费 30 美元。但由于不同模型和画质档位消耗的 token 量不同，单价相同并不意味着每张图的费用相同。Images 2.5 新增了 "xhigh" 和 "max" 画质档位，突破了此前 "high" 的上限。
1024x1024 的图像在 "low" 档位约 0.006 美元，与上一代持平；"high" 档位约 0.053 美元；新的 "max" 档位约 0.21 美元，消耗约 7,024 个输出 token。这意味着 Images 2.5 的 "max" 档与 GPT-Image-2 的 "high" 档价格相当。与上一代不同，Images 2.5 目前不提供更低的批量定价。不过早期测试显示，尽管 token 单价相同，Sunburst 的单图成本通常高于 Flare，可能是因为推理链更长。与上次不同的是，OpenAI 这次没有给出单图均价。
目前也不清楚 OpenAI 是如何在两个模型之间为 ChatGPT 用户分配请求的。无论是发布公告还是文档，都没有说明 ChatGPT 何时会调用速度更快的 Flare 或精度更高的 Sunburst。在 API 里你可以显式指定模型，但 ChatGPT 界面暂时不提供这样的控制选项。
在我们的测试中，分界线目前主要划在 Chat 与 Work 之间。在 Work 模式下，无论推理设置如何，我们的提示词确实只会改动被要求的部分。这类精准编辑正是本次模型改进的重点。但在 Chat 模式下，后续生成图片中的其他细节仍会不断变化，即使把推理设置为 high 也一样。只有调到 "6 Pro" 档位，更强的模型才会偶尔开始介入。
只改你要求的部分
如前所述，新模型的重点是图像编辑：只改动你指定的元素，其余部分保持原样，即使面对更复杂的主体和背景也是如此。在较长的对话中，此前的修改应当保持一致，且不会随着多轮编辑而画质下降。OpenAI 用一个房间重设计的例子来展示这一点：旧模型每次编辑都会动到其他细节，而新模型即使经过多次迭代依然保持稳定。
通过 ChatGPT Work 用 GPT-6 Astra (Max) 做的快速测试可以说明效果如何。我们使用下面的提示词，然后迭代式地微调一个小细节（香蕉颜色）和一个大改动（那只大型猫科动物）。
A hyper-realistic DSLR photo. A monkey holding a pink banana is sitting on a tiger in the foreground. In the background, a HORSE is RIDING AN ASTRONAUT. The astronaut is underneath, like a living “spacesuit horse saddle,” and the HORSE is clearly on top, in control, as the rider. Make it 100% unambiguous: the HORSE is the rider and the ASTRONAUT is being ridden, NOT the other way around. High resolution, sharp focus, realistic lighting.
图片：GPT-Images-2.5 / Astra (Max)
顺带一提，这大概是我们测试中 OpenAI 图像模型生成过的最靠谱的"马驮宇航员"版本了。下面是 Image 2.0（Thinking 版本）的效果对比。
相比之下，在 ChatGPT 的 Chat 模式下测试时，我们每次调整香蕉颜色，图片其余部分都会跟着变。只有 "6 Pro" 模式下偶尔能保持一致，但换个 run 又未必。随着本周的逐步推送，表现可能还会有变化。
GPT-Images-2.5 还旨在更好地处理复杂视觉指令、输出更贴近真实世界的准确内容，并支持透明背景及更复杂的排版需求。比如在上篇文章中，我们让 ChatGPT 把内容做成了 80 年代杂志跨页的样式，效果如下。
通过 Astra (Max) 调用的 GPT-Images-2.5 也根据我们的"猴子宇航员"提示词生成了一本细节丰富的杂志样稿，分别呈现了低质和高质量两个版本，即使在画质较低时也没有偏离原始指令。
按指令要求，模型修正了我们故意植入的一处错误（第一页图片上方把 GPT-Images-2.5 错写成了 2.0），同时很好地保留了其余所有内容。面对一句简单的"生成美式英文版"指令，它同样完成了图片翻译，表现一致。
图：GPT-Images-2.5 / Astra（Max）
作为对比，通过普通 ChatGPT 对话生成的结果也值得一看，但可以看出较弱模型在翻译时同样会改动其他细节。不过有一个例外：其中一次，它反而把现任微软 CEO 的肖像画得更准确了。
图：GPT-Images-2.5 / ChatGPT 对话（Medium 和 Instant）
绘图、模板和可分享的提示词
除了新模型，OpenAI 还在 ChatGPT 中加入了几个新功能。最重要的是 "Sketch"：用户可以直接在 ChatGPT 里画草图，并把它作为成品的视觉模板。用 "@Sketch" 命令即可激活，OpenAI 称其适合画图表、房间布局或海报。
模板是现成的提示词，旨在降低海报、Logo、信息图、缩略图、插画或广告等格式的上手门槛。它们提供结构而非空白画布，并通过有针对性的追问来明确需求。用户还可以直接在图片上添加批注，并分享自己用的提示词，让别人用同样的思路套用自己的照片和细节。OpenAI 举的例子是一个正在爆火的提示词，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，新模型目前包揽前两名：GPT-Image-2.5 Sunburst 以 1421 分领先，GPT-Image-2.5 Flare 以 1399 分紧随其后。两个分数都带有 "Preliminary"（初步）标签，票数还很少，分别只有约 3100 和 2900 票。第三名是前代模型 GPT-Image-2，得分 1381，票数约 78700。
排在后面的是微软的 mai-image-2.6（1331）、SpaceXAI 的 grok-imagine-image-2.0（1315），以及来自 Reve、Meta、Google 和字节跳动的多款模型。由于两款新 OpenAI 模型的评分还是初步结果，随着票数增加，排名仍可能变动。
与 Google DeepMind 合作添加水印
在来源标识方面，OpenAI 仍采用嵌入元数据的 C2PA 行业标准。为了让来源信息更难被篡改，OpenAI 还通过 Google DeepMind 的 SynthID 添加了不可见水印，覆盖 ChatGPT、Codex 和 API。OpenAI 表示，来源标识没有单一的完美方案，因此采用了多层防护的思路。
Images 2.5 现已面向全球所有 ChatGPT、ChatGPT Work 和 Codex 用户开放，覆盖桌面端、移动端和网页端，免费版也包含在内。OpenAI 称等待时间更短、使用额度更高。我们的测试显示，Chat 模式目前调用的仍是较弱的模型。