GPT Image 2.5 Sunburst
一款 OpenAI 图像模型，适用于参考图驱动的编辑、产品变换、结构化图形设计和 4K 输出。
关键信息
| 开发者 | OpenAI |
|---|---|
| 官方模型 ID | gpt-image-2.5-sunburst |
| 发布日期 | 2026-09-08 |
| 在 Banana Pie 上的可用状态 | 现已可用 |
| 所需积分 | 30 积分 / 张 |
| 参考图 | 最多 8 张 |
OpenAI 将 GPT Image 2.5 Sunburst 定位为 GPT Image 2.5 双模型组合中专注精准编辑的一款：它以速度换取控制力，只修改提示词要求修改的内容（OpenAI 公告，2026-09-08）。在 Banana Pie 的评测中，它适合高度依赖参考图的制作任务，例如需要将物体、服装、文字、布局或产品保留到新图像中的场景。最多支持 8 张参考图、最高支持 4K 输出，是它的实用优势；代价则是每次生成至少消耗 30 积分，且在我们的测试中，耗时为 69.0 至 154.8 秒。
优势
- 大量使用参考图的工作流
最多接受 8 张参考图输入，已发布的入选结果涵盖六张参考图的物体绑定与编辑，以及身份和服装迁移。
- 面向编辑的全面覆盖
固定测试集包括图中文字替换、连贯的场景重新布光、跨宽高比扩图，以及场景变换中的产品保真。
- 商业素材场景
广告构图、多语言排版和结构化 UI 图形等场景，使该模型适用于素材制作工作流。
- 4K 输出
标示的最高分辨率为 4K，可满足需要更大尺寸成品图像的工作流。
局限
- 实测运行时间不固定
已发布入选结果的运行时间介于 69.0 秒至 154.8 秒，因此创作者不应假定交付时间固定。
- 迭代成本
每次生成的起步费用为 30 积分，这为快速探索提示词设置了不可忽视的成本门槛。
适合选择 GPT Image 2.5 Sunburst 的情况
- 你需要组合多张源图像，且希望最多支持 8 张参考图。
- 你的任务涉及产品保真、服装迁移、重新布光、扩图或文字替换。
- 你需要制作广告版式、多语言排版或结构化 UI 图形。
- 你需要最高 4K 输出，并且可以为每次生成预留至少 30 积分。
适合考虑其他模型的情况
- 你的积分预算无法满足每次至少 30 积分的要求。
- 你需要耗时稳定、可预测的生成体验，无法接受我们测试中 69.0 至 154.8 秒的耗时范围。
- 相比精准编辑，你更看重快速、日常的图像生成；OpenAI 将 GPT Image 2.5 Flare 定位为这对模型中速度更快的默认选择。
根据具体任务，以下模型可能更合适： GPT Image 2.5 Flare · Nano Banana Pro
实测结果
所有模型均使用同一套固定提示词，每个模型展示一项已发布的结果，并提供可查看的提示词和设置。
提示词
A premium product photograph of exactly one transparent rectangular perfume bottle, half filled with amber liquid, standing upright on wet black stone. Light comes from the upper left, creating coherent refraction, a contact shadow, and one subtle reflection. No text, logo, plants, or extra objects.
设置
- Resolution: 1K
- Aspect Ratio: 1:1
提示词
Design a clean cream-colored vertical event poster. Show exactly four centered text lines and no other text: "MOONLIGHT MARKET", "月光市集", "18 OCT", and "RIVER HALL". Render "月光市集" in red and all other lines in black.
设置
- Resolution: 1K
- Aspect Ratio: 2:3
提示词
A photorealistic close-up of an adult potter shaping a clay bowl on a spinning wheel. Both hands are fully visible, each with five natural fingers touching the clay. No other people or hands. Soft window light.
设置
- Resolution: 1K
- Aspect Ratio: 3:4
提示词
On a matte gray table, exactly three red wooden cubes form a row on the left, exactly two blue glass spheres sit on the right, and one yellow ceramic mug stands centered behind them. The mug handle points right. No other objects or text.
设置
- Resolution: 1K
- Aspect Ratio: 4:3
提示词
Create a vertical social ad for a fictional running shoe named AERO. Keep the top 15 percent empty. Directly below it, place the headline "RUN LIGHT" in the upper-left. Show exactly one silver shoe in the lower-right, an orange trail curving from the bottom-left, and a round badge reading "42 KM". No other shoes or text.
设置
- Resolution: 1K
- Aspect Ratio: 9:16
提示词
Create a clean horizontal pricing comparison graphic titled "CHOOSE YOUR PLAN". Use exactly three equal columns labeled "STARTER", "PRO", and "TEAM". Under each column, show exactly three aligned rows labeled "PROJECTS", "STORAGE", and "SUPPORT", followed by one blue button labeled "SELECT". White background, dark navy text, no additional columns or text.
设置
- Resolution: 1K
- Aspect Ratio: 16:9
提示词
Use Reference 1 as the base tabletop scene. Replace the red mug with the exact dark navy-blue mug from Reference 2 in the same position and orientation. Replace the folded white towel with the exact green-and-white striped napkin from Reference 3 in the same folded area. Replace the green pear with exactly one orange from Reference 4 in the same position. Replace the blue notebook with the exact mustard-yellow hardcover notebook from Reference 5 in the same position. Add exactly the two lemons from Reference 6 to the right of the mug. Preserve the wooden table, camera, framing, wood grain, lighting, shadows, and all other spatial relationships from Reference 1. Do not copy the white product backgrounds from References 2–6, duplicate any asset, or add other objects.
设置
- Resolution: 1K
- Aspect Ratio: 4:3
提示词
Replace only the sign text with exactly "NIGHT OWL". Preserve the original font style, spacing, perspective, sign material, lighting, and everything else.
设置
- Resolution: 1K
- Aspect Ratio: 3:2
提示词
Use the portrait in Reference 1 for the person and the isolated jacket in Reference 2 for the garment. Dress the person from Reference 1 in the exact jacket shown in Reference 2. Preserve the person's identity, face, expression, skin, hair, hands, pose, body proportions, background, framing, and lighting from Reference 1. Preserve the jacket's material, color, collar, buttons, pockets, and sleeve patch from Reference 2. Do not copy the ghost mannequin or white product background.
设置
- Resolution: 1K
- Aspect Ratio: 3:4
提示词
Change the lighting to warm golden-hour sunlight entering from the left window. Do not move, add, remove, or redesign any object. Update highlights and shadows coherently.
设置
- Resolution: 1K
- Aspect Ratio: 16:9
提示词
Expand the canvas to a 16:9 landscape by naturally continuing the beach, ocean, and sky on both sides. Keep the complete original image centered without cropping, stretching, letterboxing, or modifying it.
设置
- Resolution: 1K
- Aspect Ratio: 16:9
提示词
Place the sneaker on a wet outdoor basketball court at dusk. Preserve the exact sneaker shape, black geometric side mark, materials, stitching, sole geometry, and camera angle. Add physically coherent contact, reflections, and dusk lighting.
设置
- Resolution: 1K
- Aspect Ratio: 1:1
积分与价格
每次生成 30 积分起，因此每次尝试都应预留至少 30 积分；2K 和 4K 输出需要更多积分。生成前，“生成”按钮会根据你的设置显示确切的积分消耗。
常见问题
GPT Image 2.5 Sunburst 现在可以使用吗？
可以。Banana Pie 已将其列为可用模型。
我可以使用多少张参考图？
它最多接受 8 张参考图输入。已发布的测试集包括六张参考图的物体绑定与编辑，以及多参考图身份和服装迁移。
最高输出分辨率是多少？
标示的最高分辨率为 4K。
需要多少积分？
每次生成 30 积分起；2K 和 4K 输出需要更多积分。生成前，“生成”按钮会根据你的设置显示确切的积分消耗。
生成需要多长时间？
在固定提示词测试集中，已发布入选结果的运行时间介于 69.0 秒至 154.8 秒。这些是实测运行时间，并非保证的交付时长。
相关对比
- gpt image 25 sunburst vs seedream 5 pro
- gpt image 25 sunburst vs nano banana pro
- gpt image 25 flare vs gpt image 25 sunburst
实测文章
测试方法与披露
我们使用评测所有模型时采用的同一套固定测试提示词，对 GPT Image 2.5 Sunburst 进行了测试，涵盖产品摄影、文字排版、人体结构、计数、布局、文字替换、基于参考图的编辑、重新布光和扩图。本页为每个场景展示一个已发布的结果，并附上对应的提示词和设置。
Banana Pie 在同一个创作台中提供此模型及其他模型的付费使用权限。我们的结论来自与用户相同流程下的测试。