GPT Image 2.5 实测，要速度用 Flare，要精度等 Sunburst

这两个新模型在 AI Gateway 上的路径分别是 openai/gpt-image-2.5-flare 和 openai/gpt-image-2.5-sunburst。如果你只需要个大概的示意图，直接用 Flare 就行，速度快得像在刷短视频；但如果你是对光影有强迫症的人，或者需要处理透明背景和极其复杂的构图，那就得忍受 Sunburst 的加载圈，它对指令的执行精度确实高出一截，但生成时间长得离谱。

怎么在 API 里把这两个模型跑起来

如果你之前用过 AI Gateway，直接把 model 字段替换掉就行。我测试的时候发现，如果你尝试用 Sunburst 做快速迭代，你会发现自己陷入了一种「改一个词，等一分钟，结果还是不对」的绝望循环，所以建议先用 Flare 把构图定下来。

快速生成用这个：

{
  "model": "openai/gpt-image-2.5-flare",
  "prompt": "A cyberpunk street market with neon signs, rainy night, hyper-realistic textures",
  "size": "1024x1024"
}

需要精细控制（比如光影必须精准）时换成这个：

{
  "model": "openai/gpt-image-2.5-sunburst",
  "prompt": "A detailed architectural sketch of a floating library, soft morning sunlight filtering through dust particles, volumetric lighting",
  "size": "1024x1024"
}

局部编辑怎么传参才不翻车

这两个模型现在都支持参考图编辑，也就是所谓的 Targeted Edits。我试了下，如果你想改图里的某个局部，不能只发文字，必须把原图一起传过去。

这里有个用 Sunburst 做局部修改的传参逻辑，注意必须把 image 字段带上，否则模型会直接给你随机生成一张新图，而不是在原图基础上修改：

{
  "model": "openai/gpt-image-2.5-sunburst",
  "prompt": "Change the color of the character's jacket from blue to deep crimson, keep the background lighting identical",
  "image": "base64_encoded_image_data_here",
  "edit_region": "jacket_area_mask"
}

实际操作中的几个坑

• 耗时差异： Flare 生成一张图大概在 3-8 秒，而 Sunburst 经常在 20 秒以上。在 AI Gateway 的监控面板里能明显看到响应时间的陡增，如果你在写前端调用，记得把 Loading 状态做久一点，否则用户会以为接口挂了。
• 成本问题： AI Gateway 这次没收平台费，直接透传 OpenAI 的定价。但我建议给 API Key 设个 Budget 预算限制，因为 Sunburst 这种高精度模型如果被循环调用，账单涨起来速度比生成速度快得多。
• 透明背景： 之前版本处理透明背景经常出阴影或者白边，这次 Sunburst 处理得干净很多，但 Flare 在处理透明度时偶尔还是会出现那种很廉价的「抠图感」。

选型建议

如果你在做产品的快速原型，或者需要给用户提供实时预览，无脑选 openai/gpt-image-2.5-flare。

如果你是在做最终的商业交付物，或者需要对光影、材质有极高要求（比如产品渲染图），那就用 openai/gpt-image-2.5-sunburst。千万别试图用 Sunburst 来做实时交互，除非你的用户有极强的耐心。