API Hop

API GPT Image 2.5 Sunburst สำหรับสร้างและแก้ไขภาพ

ดูราคาโทเคน GPT Image 2.5 Sunburst และตัวอย่างแก้ไขภาพอ้างอิง ตรวจรูปแบบการสร้าง การตั้งค่าคุณภาพ และข้อจำกัดอินพุตภาพ

ราคาและการคิดค่าบริการ API GPT Image 2.5 Sunburst

ข้อความอินพุต

ราคาอย่างเป็นทางการ

ข้อความอินพุต
$5.0000 /M

ราคา API Hop ประหยัด 20%

ข้อความอินพุต
$4.0000 /M

ข้อความอินพุตที่แคชไว้

ราคาอย่างเป็นทางการ

ข้อความอินพุตที่แคชไว้
$1.2500 /M

ราคา API Hop ประหยัด 20%

ข้อความอินพุตที่แคชไว้
$1.0000 /M

ภาพอินพุต

ราคาอย่างเป็นทางการ

ภาพอินพุต
$8.0000 /M

ราคา API Hop ประหยัด 20%

ภาพอินพุต
$6.4000 /M

ภาพอินพุตที่แคชไว้

ราคาอย่างเป็นทางการ

ภาพอินพุตที่แคชไว้
$2.0000 /M

ราคา API Hop ประหยัด 20%

ภาพอินพุตที่แคชไว้
$1.6000 /M

ภาพเอาต์พุต

ราคาอย่างเป็นทางการ

ภาพเอาต์พุต
$30.0000 /M

ราคา API Hop ประหยัด 20%

ภาพเอาต์พุต
$24.0000 /M

ราคาอ้างอิงยังไม่ได้รับการตรวจสอบอย่างอิสระ โปรดตรวจสอบอัตราปัจจุบัน หน่วยคิดค่าบริการ และข้อกำหนดที่เกี่ยวข้องของผู้เผยแพร่ก่อนเปรียบเทียบต้นทุน

เครื่องมือภาพออนไลน์ GPT Image 2.5 Sunburst

การตั้งค่าภาพ

เข้าสู่ระบบเพื่อเรียกใช้ด้วยยอดเงินในบัญชี

ผลลัพธ์ภาพ

ดูตัวอย่าง

ตัวอย่างพรอมต์ GPT Image 2.5 Sunburst

ภาพด้านล่างระบุว่าเป็นของโมเดลนี้ในคู่มือพรอมต์ OpenAI ที่ลิงก์ไว้ ไม่ใช่ผล API Hop ที่บันทึก พรอมต์และการตั้งค่าที่แสดงเป็นตัวอย่างคำขอใช้ซ้ำได้ ไม่ใช่พารามิเตอร์ทำซ้ำที่ยืนยันแล้ว พรอมต์ที่ปรับมีป้ายระบุ ตรวจรูปทรง ตัวอักษร และการเปลี่ยนแปลงที่ไม่ตั้งใจเทียบอินพุตก่อนใช้ภาพแก้ไข

ดูพรอมต์

Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat. He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms. He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens. Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance. The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.

คู่มือพรอมต์ภาพ OpenAI ตัวอย่าง GPT Image 2.5 Sunburst
ดูพรอมต์

Give me a cool in culture ad / fashion shot for a brand called Thread. It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create." Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful. Use clean composition, strong color direction, natural poses, and premium fashion photography cues. Render the tagline exactly once, clearly and legibly, integrated into the ad layout. No extra text, no watermarks, no unrelated logos.

คู่มือพรอมต์ภาพ OpenAI ตัวอย่าง GPT Image 2.5 Sunburst
ดูพรอมต์

Create an original, non-infringing logo for a company called Field & Flour, a local bakery. The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space. Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential. Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.

คู่มือพรอมต์ภาพ OpenAI ตัวอย่าง GPT Image 2.5 Sunburst

GPT Image 2.5 Sunburst คืออะไร

โมเดลเรือธงของ OpenAI สำหรับสร้างและแก้ภาพด้วยความแม่นยำสูง

GPT Image 2.5 Sunburst เป็นโมเดลสร้างและแก้ภาพที่ OpenAI เปิดตัวเมื่อวันที่ 8 กันยายน 2026 และเป็นรุ่นในตระกูล GPT Image 2.5 ที่เน้นคุณภาพภาพและความแม่นยำในการแก้ไขมากกว่า

เราเห็นว่าการเปลี่ยนแปลงที่ใหญ่ที่สุดของ Sunburst ไม่ใช่เพียงสร้างภาพที่ประณีตขึ้น แต่คือเข้าใจได้แม่นยำขึ้นว่าผู้ใช้ต้องการเปลี่ยนอะไรและสิ่งใดควรคงเดิม

เช่น เมื่อสร้างโฆษณาสินค้า คุณอาจต้องการเปลี่ยนเฉพาะมุมสินค้า ปรับแสงพื้นหลัง หรือแทนข้อความบางส่วน โดยไม่เปลี่ยนรูปลักษณ์สินค้าหรือองค์ประกอบของทั้งภาพ Sunburst ได้รับการปรับให้เหมาะกับงานที่ต้องควบคุมอย่างแม่นยำเช่นนี้

OpenAI วางตำแหน่ง Sunburst สำหรับงานสร้างสรรค์ขั้นสูงและการแก้ภาพละเอียด เมื่อเทียบกับ Flare ในตระกูลเดียวกัน โมเดลยอมใช้เวลาสร้างภาพมากขึ้นเพื่อเพิ่มความแม่นยำของเอาต์พุต

เราแนะนำให้ทดสอบ Sunburst ก่อนหากธุรกิจพึ่งภาพสุดท้ายคุณภาพสูงเป็นหลัก เช่น ภาพถ่ายเชิงพาณิชย์ งานออกแบบโฆษณา และสื่อแบรนด์ แต่หากเพียงต้องการสร้างภาพจำนวนมากอย่างรวดเร็ว Flare อาจเหมาะกว่า

ประกาศทางการของ OpenAI

โมเดลภาพที่รองรับข้อความเป็นภาพ การแก้ด้วยภาพอ้างอิง และการประกอบหลายภาพ

GPT Image 2.5 Sunburst ไม่ได้เป็นเพียงโมเดลข้อความเป็นภาพ แต่ยังรับภาพที่มีอยู่เป็นอินพุตและใช้คำสั่งข้อความแก้ภาพ ถ่ายทอดสไตล์ และรวมภาพอ้างอิงหลายภาพได้

เราเห็นว่าความสามารถนี้ใกล้กับงานออกแบบจริงมากกว่าการสร้างภาพจากข้อความอย่างเดียว เพราะผู้ใช้มักไม่พอใจกับภาพแรกและต้องปรับรายละเอียดต่อ

ตัวอย่างเช่น คุณอัปโหลดภาพตัวละคร พื้นหลังในอาคาร และภาพอ้างอิงเสื้อผ้า แล้วขอให้โมเดลสร้างฉากใหม่ตามตำแหน่งและความสัมพันธ์ที่กำหนดได้

ในการทดสอบของ Genflick ในเดือนกันยายน 2026 ตระกูล GPT Image 2.5 ทำงานประกอบตัวละครและฉากจากภาพอ้างอิงสามภาพสำเร็จ โดยรักษาเสื้อผ้าตัวละคร ลักษณะพื้นหลัง และตำแหน่งซ้ายขวาที่กำหนด

แน่นอนว่าไม่ได้หมายความว่าการประกอบภาพซับซ้อนจะไม่ผิดพลาด เราแนะนำให้ใช้ภาพต้นฉบับที่ชัดและระบุคุณลักษณะที่โมเดลต้องรักษาไว้อย่างชัดเจน เมื่อเกี่ยวข้องกับรูปลักษณ์สินค้า อัตลักษณ์ตัวละคร หรือโลโก้แบรนด์

การทดสอบภาพอ้างอิงหลายภาพของ Genflick

โมเดลสร้างภาพที่มีคุณภาพหกระดับและความละเอียดกำหนดเอง

GPT Image 2.5 Sunburst รองรับคุณภาพหกระดับ ได้แก่ low, medium, high, xhigh, max และ auto โดยใช้ auto เป็นค่าเริ่มต้น

ด้านความละเอียด คำแนะนำทางการคือ 1024x1024, 1536x1024 และ 1024x1536 และรองรับความละเอียดกำหนดเองเมื่อผ่านข้อจำกัดขนาด โมเดลรองรับเอาต์พุตที่มีจำนวนพิกเซลถึงระดับประมาณ 4K แต่ความละเอียดสูงกว่ายังมีข้อจำกัดเชิงทดลอง

เราเห็นว่าคุณค่าสูงสุดของการตั้งค่าคุณภาพคือให้นักพัฒนาควบคุมต้นทุนตามความต้องการธุรกิจ แทนการใช้ max ทุกสถานการณ์ ดังที่เราเคยกล่าวซ้ำในการอธิบายโมเดลอื่น การตั้งค่าการให้เหตุผลสูงสุดอาจไม่ได้ให้ผลดีที่สุด

เช่น medium หรือ high อาจเพียงพอสำหรับภาพประกอบบทความทั่วไปบนเว็บไซต์ ส่วนภาพเชิงพาณิชย์ที่ต้องแสดงรายละเอียดสินค้า สามารถทดสอบ xhigh และ max เพิ่มได้

โปรดทราบว่าคุณภาพระดับสูงกว่าไม่ได้หมายความว่าจะจัดการทุกข้อกำหนดได้ดีกว่า การทดสอบจริงบางส่วนพบด้วยซ้ำว่าระดับที่สูงขึ้นเพิ่มองค์ประกอบตกแต่งที่ผู้ใช้ไม่ได้ขอ

เราแนะนำให้กำหนดองค์ประกอบและเนื้อหาด้วยระดับที่ต้นทุนต่ำก่อน แล้วค่อยเพิ่มคุณภาพสำหรับสื่อสุดท้าย วิธีนี้สมเหตุสมผลกว่า

เอกสารพารามิเตอร์สร้างภาพของ OpenAI

เครื่องมือออนไลน์และ API ของ GPT Image 2.5 Sunburst บน API Hop

API Hop ต้องการช่วยให้คุณสัมผัส GPT Image 2.5 Sunburst ในสถานการณ์ธุรกิจจริงเร็วขึ้น โดยไม่ต้องเสียเวลามากกับการเชื่อมต่อ API ก่อน

เพียงเข้าสู่ระบบ API Hop สร้างคีย์ API และเติมเครดิตเล็กน้อย ก็เริ่มประเมินโมเดลด้วยเครื่องมือออนไลน์ได้ คุณไม่ต้องเขียนโค้ด API ก่อนหรือซื้อแพ็กเกจตายตัวเพื่อทดสอบระยะสั้น และลดความยุ่งยากในการจัดการบัญชีบนแพลตฟอร์มโมเดลหลายแห่งเองได้

คุณสมบัติหลักและความถนัดเฉพาะด้านของ GPT Image 2.5 Sunburst

แก้ภาพแม่นยำ: เปลี่ยนเฉพาะเนื้อหาที่ระบุและรักษารายละเอียดอื่นให้มากที่สุด

เราเห็นว่าการแก้ไขแม่นยำเป็นความสามารถที่น่าสนใจที่สุดของ GPT Image 2.5 Sunburst

ปัญหาที่พบค่อนข้างบ่อยในโมเดลสร้างภาพก่อนหน้าคือ ผู้ใช้ต้องการเปลี่ยนรายละเอียดเล็กน้อยเพียงจุดเดียว แต่โมเดลกลับเปลี่ยนใบหน้าบุคคล รูปทรงสินค้า หรือแม้แต่พื้นหลังทั้งหมดด้วย

Sunburst ได้รับการปรับสำหรับสถานการณ์นี้ OpenAI เน้นเป็นพิเศษถึงความสามารถแก้เฉพาะจุดภายในตัวแบบและพื้นหลังซับซ้อน พร้อมรักษาตัวแบบเดิม องค์ประกอบ และองค์ประกอบแบรนด์ให้มากที่สุด

ลูกค้าอีคอมเมิร์ซรายหนึ่งของเราแบ่งปันการเปรียบเทียบ Sunburst กับ Flare โดยใช้พรอมป์ต์สินค้าเดียวกันในหลายระดับคุณภาพ เขาพบว่า Sunburst รักษามุมมอง การสะท้อน และองค์ประกอบสินค้าได้สม่ำเสมอกว่า ส่วน Flare มีแนวโน้มปรับภาพใหม่เมื่อเปลี่ยนระดับการตั้งค่า

เราเห็นว่าความสามารถนี้เหมาะกับภาพสินค้าอีคอมเมิร์ซ สื่อโฆษณา และการปรับเฉพาะจุดในงานออกแบบที่มีอยู่

ความสม่ำเสมอของตัวละครและภาพอ้างอิง: เหมาะกับงานสร้างสรรค์ต่อเนื่องและสื่อตัวละคร

ความสม่ำเสมอของตัวละครเป็นประเด็นสำคัญเสมอสำหรับผู้ใช้ที่สร้างการ์ตูน ภาพประกอบเรื่อง และสื่อการตลาดด้วย AI

เราสนใจมากกว่าว่า Sunburst รักษาคุณลักษณะสำคัญของตัวละคร เช่น โครงหน้า ทรงผม เครื่องประดับ และสไตล์ภาพรวม ขณะเปลี่ยนท่าทาง เสื้อผ้า หรือพื้นหลังได้หรือไม่

ขณะเปิดตัว OpenAI สาธิตโดยเฉพาะถึงความสามารถนำตัวละครจากภาพอ้างอิงไปยังฉากต่าง ๆ ปรับรูปลักษณ์ และแก้ไขต่อเนื่อง

ลูกค้าละครสั้นรายหนึ่งบอกเราว่าพรอมป์ต์ที่เคยให้ผลไม่น่าพอใจดีขึ้นอย่างชัดเจนเมื่อใช้ Sunburst API โดยชื่นชมความสม่ำเสมอของตัวละครและคุณภาพภาพเป็นพิเศษ

เราเห็นว่า Sunburst เหมาะกับการผลิตภาพโปรโมตหลายภาพของตัวละครเดียวกัน ภาพประกอบเรื่องต่อเนื่อง และสื่อตัวละครแบรนด์ที่ต้องคงอัตลักษณ์ทางภาพสม่ำเสมอ

คำแนะนำของเราคือสร้างภาพอ้างอิงตัวละครที่ผ่านการอนุมัติก่อน แล้วใช้สร้างฉากต่าง ๆ การทำให้สื่อตัวละครพื้นฐานสม่ำเสมอก่อนสร้างภาพสำเร็จจะให้ผลดีกว่า

ภาพถ่ายเชิงพาณิชย์: แสง วัสดุ และรายละเอียดสินค้าเป็นธรรมชาติมากขึ้น

เราเห็นว่าภาพถ่ายสินค้าเชิงพาณิชย์เป็นอีกการใช้งานสำคัญของ Sunburst

ใน GPT Image 2.5 OpenAI เน้นปรับปรุงแสงธรรมชาติ พื้นผิววัสดุ และการรักษารายละเอียดภาพอ้างอิง ส่วน Sunburst เน้นภาพสุดท้ายคุณภาพสูงเพิ่มขึ้น

เช่น ลูกค้าอีคอมเมิร์ซรายหนึ่งเล่าว่ากำลังสร้างภาพโปรโมตผลิตภัณฑ์ดูแลผิว เขาอัปโหลดภาพอ้างอิงให้ Sunburst สร้างภาพสินค้าที่มีพื้นหลังต่างกัน โดยกำหนดให้สัดส่วนขวด สีบรรจุภัณฑ์ และโลโก้สินค้าคงเดิม เขาพอใจกับผลลัพธ์มาก

แน่นอนว่าการประเมินภาพถ่ายเชิงพาณิชย์ไม่ได้ดูเพียงความสวย Everypixel ทดสอบแบบปกปิดชื่อใน 48 สถานการณ์ภาพถ่ายเชิงพาณิชย์เมื่อเดือนกันยายน 2026 สัดส่วนความชอบด้านความสมจริงของ Sunburst เทียบกับ Qwen Image 2 คือ 69.0% แต่เทียบกับ GPT Image 2 ได้เพียง 52.7% โดยช่วงความเชื่อมั่นครอบคลุม 50% จึงถือเป็นข้อได้เปรียบด้านความสมจริงที่ชัดเจนไม่ได้

เราเห็นว่าผลนี้เป็นข้อมูลอ้างอิงที่มีประโยชน์ จุดแข็งของ Sunburst อาจอยู่ที่การทำตามคำสั่งและควบคุมการแก้ไข มากกว่าทำให้ทุกภาพสมจริงขึ้นอย่างเห็นได้ชัด

สำหรับภาพสินค้าอีคอมเมิร์ซ เราแนะนำให้ตรวจรูปทรงสินค้า ข้อความบรรจุภัณฑ์ ความสมเหตุสมผลของแสงเงา และรายละเอียดพื้นหลังแยกกัน อีคอมเมิร์ซพึ่งพาความตรงกันระหว่างสินค้าจริงกับการนำเสนอ ความไม่ตรงกันอาจทำลายความเชื่อมั่นของผู้ใช้ต่อแบรนด์

การทดสอบภาพถ่ายเชิงพาณิชย์แบบปกปิดชื่อของ Everypixel

ข้อความและผังหน้าซับซ้อน: เหมาะกับโปสเตอร์ อินโฟกราฟิก และการออกแบบภาพผลิตภัณฑ์

ในโปสเตอร์โฆษณาและภาพการตลาด โมเดลต้องไม่เพียงสร้างภาพ แต่ต้องจัดการข้อความ ตัวเลข และผังหน้าอย่างถูกต้องด้วย

เราเห็นว่า Sunburst มีคุณค่าในทางปฏิบัติด้านนี้มากพอสมควรแล้ว

ความคิดเห็นจากลูกค้าหลายรายบอกเราว่า Sunburst ให้ผลน่าพอใจในงานธุรกิจเฉพาะ เช่น โปสเตอร์และสตอรีบอร์ดเก้าช่อง ช่วยลดจำนวนรอบแก้อย่างมากและบางครั้งทำถูกในครั้งแรก

จากความคิดเห็นการใช้งานธุรกิจเฉพาะเหล่านี้ เราเห็นว่า Sunburst คุ้มค่าที่จะใช้ในงานจริงสำหรับภาพโปรโมตที่มีข้อความไม่มากและระบุชัด อย่างไรก็ตาม ภาพที่มีข้อความมาก ผังหน้าซับซ้อน หรือข้อกำหนดแบรนด์เข้มงวดยังต้องให้มนุษย์ตรวจ

คำแนะนำของเราคือระบุข้อความ ตำแหน่ง ขนาดสัมพัทธ์ และองค์ประกอบที่ห้ามเพิ่มให้ชัด ควรใช้พรอมป์ต์แบบมีโครงสร้าง เพราะช่วยให้สร้างภาพดีขึ้นได้

การแก้ต่อเนื่องและการผลิตสื่อแบรนด์: ลดงานสร้างซ้ำ

เราใส่ใจว่า Sunburst เข้ากับขั้นตอนออกแบบจริงได้หรือไม่ มากกว่าจะสร้างภาพสวยหนึ่งภาพได้หรือไม่

ในงานเชิงพาณิชย์ นักออกแบบมักต้องสร้างร่างแรก แล้วแก้ซ้ำตามความคิดเห็น เช่น ปรับตำแหน่งสินค้า เปลี่ยนสีพื้นหลัง แทนข้อความ และผลิตเวอร์ชันต่างกันสำหรับแต่ละช่องทาง

ตระกูล GPT Image 2.5 ปรับปรุงการรักษารายละเอียดระหว่างแก้ต่อเนื่อง ขณะที่ Sunburst เน้นความแม่นยำในการแก้ไขมากกว่า

ลูกค้ารายหนึ่งของเราเป็นนักพัฒนาที่ใช้ GPT Image API มานาน กล่าวว่าก่อนหน้านี้สร้างภาพไปแล้วมากกว่าประมาณ 80,000 ภาพ และเมื่อทดสอบรุ่นใหม่พบว่าการใช้ภาพอ้างอิงและองค์ประกอบส่วนติดต่อดีขึ้นเมื่อเทียบกับ GPT Image 2.5

เราเห็นว่าคำถามที่แท้จริงสำหรับทีมการตลาดคือ จากร่างแรกถึงสื่อสุดท้ายต้องแก้น้อยรอบลงหรือไม่

เบนช์มาร์กและประสิทธิภาพของ GPT Image 2.5 Sunburst

ส่วนนี้อ้างอิงข้อมูลทดสอบที่เผยแพร่โดย Artificial Analysis, Arena, Everypixel และ Quantslant รวมถึงประสบการณ์บางส่วนที่ลูกค้าแบ่งปัน

คุณภาพข้อความเป็นภาพ: 1198 Elo บน AA-Image-T2I v2.0

บนอันดับ AA-Image-T2I v2.0 ของ Artificial Analysis GPT Image 2.5 Sunburst ได้ 1198 Elo ที่ระดับ max เป็นอันดับหนึ่งในขณะนั้น

บนอันดับเดียวกัน GPT Image 2.5 Flare Max ได้ 1191 Elo ส่วน GPT Image 2 High ได้ 1172 Elo

การประเมินนี้ใช้การเปรียบเทียบภาพเป็นคู่แบบไม่ระบุชื่อ และคำนวณคะแนน Elo จากความชอบของผู้ตรวจมนุษย์ จึงใกล้กับการตัดสินคุณภาพภาพสร้างโดยรวมของผู้ใช้มากกว่า

อย่างไรก็ตาม เราสังเกตว่าช่วงความเชื่อมั่น 95% ของ Sunburst และ Flare ซ้อนทับกัน หมายความว่าคุณภาพข้อความเป็นภาพโดยรวมค่อนข้างใกล้เคียงกัน

เราแนะนำให้ทดสอบ Flare ก่อนหากธุรกิจเน้นการสร้างข้อความเป็นภาพทั่วไป แล้วเพิ่ม Sunburst ในการเปรียบเทียบสื่อที่มีข้อกำหนดคุณภาพภาพสุดท้ายสูงกว่า

อันดับข้อความเป็นภาพของ Artificial Analysis

Artificial Analysis · การประเมินอิสระAA-Image-T2I v2.0ความชอบภาพแบบจับคู่ไม่ระบุชื่อ · ข้อมูลอันดับต้นทาง ณ เวลาที่บันทึก

Elo · สูงกว่าดีกว่า

  • GPT Image 2.5 Sunburst Max1198 Elo
  • GPT Image 2.5 Flare Max1191 Elo
  • GPT Image 2 High1172 Elo

Sunburst และ Flare มีช่วงความเชื่อมั่น 95% ซ้อนทับกัน คะแนนไม่ได้ยืนยันช่องว่างคุณภาพที่ชัด

แหล่งข้อมูล: Artificial Analysis · มาตราส่วนเริ่มที่ศูนย์

คุณภาพแก้ภาพ: 1183 Elo บน AA-Image-Editing v2.0

บน AA-Image-Editing v2.0 ของ Artificial Analysis Sunburst Max ได้ 1183 Elo เทียบกับ Flare Max ที่ 1163 Elo และ GPT Image 2 High ที่ 1125 Elo

เราเห็นว่าผลนี้สะท้อนตำแหน่งผลิตภัณฑ์ของ Sunburst ชัดกว่าคะแนนข้อความเป็นภาพ

การแก้ภาพไม่ใช่สร้างภาพจากศูนย์ แต่เป็นการสร้างผลที่ตรงความคาดหวังผู้ใช้จากภาพเดิมและการเปลี่ยนที่ขอ ตามข้อมูลที่ลูกค้าแบ่งปันให้เรา อัตราส่วนการแก้ต่อการสร้างจากศูนย์อยู่ที่ประมาณ 3:1 ผลชุดนี้จึงชี้ถึงข้อได้เปรียบด้านการแก้ภาพของ Sunburst ที่ค่อนข้างชัด

คำแนะนำของเราคือเน้นทดสอบ Sunburst หากกำลังพัฒนาโปรแกรมแก้ภาพ AI เครื่องมือเปลี่ยนพื้นหลังสินค้า หรือเครื่องมือเติมภาพเฉพาะส่วน แทนการเลือกโมเดลจากอันดับข้อความเป็นภาพอย่างเดียว

อันดับแก้ภาพของ Artificial Analysis

Artificial Analysis · การประเมินอิสระAA-Image-Editing v2.0ความชอบการแก้ภาพ · ข้อมูลอันดับต้นทาง ณ เวลาที่บันทึก

Elo · สูงกว่าดีกว่า

  • GPT Image 2.5 Sunburst Max1183 Elo
  • GPT Image 2.5 Flare Max1163 Elo
  • GPT Image 2 High1125 Elo

คะแนนความชอบวัดงานแก้ภาพที่ประเมิน ไม่ได้รับประกันว่าจะรักษาทุกรายละเอียดที่ขอ

แหล่งข้อมูล: Artificial Analysis · มาตราส่วนเริ่มที่ศูนย์

แก้ภาพด้วยภาพอ้างอิงหลายภาพ: 1535 บน Arena Multi Image Edit

บนอันดับ Multi Image Edit ของ Arena GPT Image 2.5 Sunburst ได้ 1535±9 ส่วน Flare ได้ 1501±8 และ GPT Image 2 Medium ได้ 1454±4 ในขณะนั้นผลเหล่านี้ยังถูกระบุว่าเป็นผลเบื้องต้น

เราเห็นว่าคะแนนนี้สำคัญเป็นพิเศษต่อแอปพลิเคชันที่ต้องรวมภาพอ้างอิงหลายภาพ

เช่น เมื่อนำบุคคล เสื้อผ้า และฉากจากภาพต่างกันมารวมเป็นภาพเดียว โมเดลต้องไม่เพียงเข้าใจแต่ละภาพ แต่ต้องจัดการตำแหน่ง สัดส่วน และความสัมพันธ์ทางภาพระหว่างวัตถุหลายชิ้นด้วย

อย่างไรก็ตาม คะแนน Arena มาจากการเปรียบเทียบความชอบของผู้ใช้ และไม่ได้หมายความว่าสร้างวัตถุทุกชิ้นได้ถูกต้อง สำหรับชุดสินค้า ภาพบุคคลกลุ่ม และการสร้างฉากซับซ้อน เราจึงยังแนะนำให้ถือการตรวจรายละเอียดโดยมนุษย์เป็นขั้นตอนที่ขาดไม่ได้

อันดับแก้หลายภาพของ Arena

Arena · การประเมินอิสระArena Multi Image Editผลเบื้องต้น · คะแนนและช่วง ± ที่รายงาน

คะแนน · สูงกว่าดีกว่า

  • GPT Image 2.5 Sunburst1535 ± 9 คะแนน
  • GPT Image 2.5 Flare1501 ± 8 คะแนน
  • GPT Image 2 Medium1454 ± 4 คะแนน

ผลเหล่านี้ระบุว่าเป็นเบื้องต้น คะแนนความชอบผู้ใช้ไม่ได้หมายความว่าสร้างทุกวัตถุได้ถูกต้อง

แหล่งข้อมูล: Arena · มาตราส่วนเริ่มที่ศูนย์

การทดสอบภาพถ่ายเชิงพาณิชย์แบบปกปิดชื่อ: ความชอบด้านสมจริงเทียบกับ GPT Image 2 เพียง 52.7%

Everypixel ทดสอบภาพถ่ายเชิงพาณิชย์ 48 สถานการณ์ โดยให้สมาชิกทีมผลิต 13 คนตรวจแบบไม่ระบุชื่อ

ในการเปรียบเทียบ Sunburst กับ GPT Image 2 ผลสามมิติหลักคือ สัดส่วนความชอบด้านความสมจริง 52.7% การทำตามพรอมป์ต์ 55.2% และความชอบด้านสุนทรียภาพ 56.7%

เราเห็นว่าการทดสอบนี้เตือนว่าผล 52.7% ไม่ยืนยันข้อได้เปรียบด้านความสมจริงที่ชัดเจนทางสถิติ แม้ Sunburst นำเล็กน้อยด้านทำตามพรอมป์ต์และสุนทรียภาพ ข้อได้เปรียบเหล่านั้นก็ค่อนข้างจำกัด

เราจึงแนะนำว่าทีมที่ใช้ GPT Image 2 สำหรับสื่อภาพถ่ายเชิงพาณิชย์อยู่แล้วไม่ควรรีบย้ายทั้งหมด ให้เริ่มทดสอบ Sunburst กับสถานการณ์ที่ต้องแก้แม่นยำ ประกอบภาพซับซ้อน และจัดการข้อความ แล้วจึงตัดสินใจเปลี่ยน

การทดสอบปกปิดชื่อ 48 สถานการณ์ของ Everypixel

Everypixel · การประเมินอิสระความชอบ Sunburst เทียบ GPT Image 248 ฉากถ่ายภาพเชิงพาณิชย์ · ผู้ตรวจจากทีมผลิต 13 คน · การทดสอบแบบปกปิด

สัดส่วนความชอบ (%) · สูงกว่าดีกว่า · 50% = ความชอบเท่ากัน

  • ความสมจริงแบบภาพถ่าย52.7%
  • การทำตามพรอมป์ต์55.2%
  • ความสวยงาม56.7%

ช่วงความเชื่อมั่นด้านความสมจริงครอบคลุม 50% จึงไม่มีข้อได้เปรียบด้านความสมจริงที่ชัดทางสถิติ ความชอบด้านอื่นที่รายงานเพิ่มขึ้นเพียงเล็กน้อย

แหล่งข้อมูล: Everypixel · มาตราส่วนเริ่มที่ศูนย์

ความเร็วและต้นทุนสร้าง: ประมาณ 28 วินาทีที่ High และ 78 วินาทีที่ Max

Quantslant ทดสอบความเร็วและต้นทุนสร้างของ Sunburst กับ Flare โดยใช้พรอมป์ต์เดียวกัน

ที่ความละเอียด 1536×864 ได้ผลดังนี้:

คุณภาพเวลา Sunburstเวลา Flareต้นทุนต่อภาพ
Medium14.0 วินาที12.8 วินาที$0.0086
High27.8 วินาที17.9 วินาที$0.033
Max77.8 วินาที37.6 วินาที$0.130

ข้อมูลเหล่านี้มาจากสภาพแวดล้อมทดสอบเฉพาะ โดยมีตัวอย่าง Medium เพียงเล็กน้อย จึงไม่ควรถือเป็นเวลาตอบกลับแพลตฟอร์มที่คงที่หรือราคาตายตัว

เราเห็นว่าประเด็นสำคัญที่สุดคือ Sunburst และ Flare ใช้อัตราโทเคนทางการเดียวกัน แต่ Sunburst ใช้เวลานานขึ้นอย่างเห็นได้ชัดที่คุณภาพระดับสูง การขยับจาก High เป็น Max ยังเพิ่มต้นทุนภาพมาก โดยไม่จำเป็นต้องเพิ่มคุณภาพภาพตามสัดส่วน เราเน้นซ้ำหลายครั้งว่าระดับการให้เหตุผลสูงขึ้นใช้เวลามากขึ้น แต่ไม่จำเป็นต้องให้ผลดีที่สุด นี่เป็นประเด็นที่สวนทางสัญชาตญาณและเราย้ำกับลูกค้าเสมอ

เราแนะนำให้เริ่ม High เมื่อประเมินภาพทั่วไป ลอง Max สำหรับสื่อโฆษณามูลค่าสูงหรือภาพสุดท้ายที่ต้องรักษารายละเอียดซับซ้อน สำหรับผู้ใช้ที่ต้องสร้างเร็วและดูตัวอย่างซ้ำ เราแนะนำ Flare มากกว่า

การทดสอบความเร็วและต้นทุนต้นฉบับของ Quantslant

Quantslant · การประเมินอิสระเวลาสร้างตามคุณภาพพรอมป์ต์เดียวกัน · 1536×864 · Medium / High / Max

วินาที · ต่ำกว่าดีกว่า

  • ปานกลาง
    Sunburst14.0 วินาที
    Flare12.8 วินาที
  • สูง
    Sunburst27.8 วินาที
    Flare17.9 วินาที
  • สูงสุด
    Sunburst77.8 วินาที
    Flare37.6 วินาที

เงื่อนไขทดสอบเฉพาะ Medium มีตัวอย่างน้อย ไม่ใช่เวลาตอบของแพลตฟอร์มที่รับประกัน

แหล่งข้อมูล: Quantslant · มาตราส่วนเริ่มที่ศูนย์

Quantslant · การประเมินอิสระต้นทุนที่วัดต่อภาพพรอมป์ต์เดียวกัน · 1536×864 · Medium / High / Max

USD ต่อภาพ · ต่ำกว่าดีกว่า

  • ปานกลาง$0.0086
  • สูง$0.033
  • สูงสุด$0.130

ต้นทุนจากการทดสอบเฉพาะนี้ ไม่ใช่ราคาคงที่หรือราคา API Hop ต้นทุนสูงขึ้นไม่ได้หมายถึงคุณภาพเพิ่มตามสัดส่วน

แหล่งข้อมูล: Quantslant · มาตราส่วนเริ่มที่ศูนย์

เปรียบเทียบ GPT Image 2.5 Sunburst กับ Flare, GPT Image 2, Nano Banana 2.1 และ MAI-Image-2.6

เทียบกับ GPT Image 2.5 Flare: ให้ความสำคัญกับความแม่นยำในการแก้หรือความเร็วสร้าง

เราเห็นว่า Sunburst และ Flare เป็นคู่เปรียบเทียบที่เป็นธรรมชาติที่สุด เพราะอยู่ในผลิตภัณฑ์รุ่นเดียวกัน แต่จริง ๆ ปรับมาสำหรับความต้องการธุรกิจต่างกัน

ตามการทดสอบอิสระของ Artificial Analysis คุณภาพข้อความเป็นภาพต่างกันไม่มาก Sunburst Max ได้ 1198 Elo ส่วน Flare Max ได้ 1191 Elo

แต่ในการแก้ภาพ Sunburst ได้เปรียบเด่นกว่า โดยมีคะแนน 1183 และ 1163 Elo ตามลำดับ

ด้านความเร็ว การทดสอบ Quantslant พบว่า Flare เร็วกว่าอย่างเห็นได้ชัดที่ High และช่องว่างยิ่งกว้างขึ้นที่ Max

เราไม่ได้มองสองโมเดลนี้ว่าเป็นความสัมพันธ์แบบอัปเกรดแล้วแทนที่อย่างง่าย และกรณีใช้งานก็ไม่เหมือนกัน

หากกำลังพัฒนาเครื่องมือสร้างภาพประกอบบล็อก เว็บไซต์ AI ข้อความเป็นภาพทั่วไป หรือต้องสร้างสื่อโซเชียลจำนวนมาก เราแนะนำให้เน้น Flare

หากผลิตภัณฑ์ต้องให้ผู้ใช้อัปโหลดภาพอ้างอิงและแก้บุคคล สินค้า และพื้นที่เฉพาะจุดในภาพอย่างแม่นยำซ้ำ ๆ เราแนะนำ Sunburst มากกว่า

สำหรับแพลตฟอร์มที่มีทั้งการสร้างและแก้ภาพ เราแนะนำให้ใช้ Flare สร้างรวดเร็วและเก็บ Sunburst ไว้ปรับละเอียด ทั้ง Flare และ Sunburst เราแนะนำให้เริ่มทดสอบที่ high

การเปรียบเทียบข้อความเป็นภาพของ Artificial Analysis · การเปรียบเทียบแก้ภาพ

เทียบกับ GPT Image 2: รุ่นใหม่เหมาะกับการแก้ไขมากกว่า แต่ไม่ใช่ภาพเชิงพาณิชย์ทุกภาพที่ควรย้าย

GPT Image 2 เป็นจุดอ้างอิงสำคัญสำหรับ Sunburst เพราะแอปพลิเคชันจำนวนมากที่ใช้การสร้างภาพของ OpenAI อยู่แล้วต้องตัดสินใจว่าอัปเกรดคุ้มหรือไม่

ในการประเมินของ Artificial Analysis Sunburst มีคะแนน Elo สูงกว่า GPT Image 2 ทั้งการสร้างข้อความเป็นภาพและการแก้ภาพ

แต่การทดสอบภาพถ่ายเชิงพาณิชย์แบบปกปิดชื่อของ Everypixel ให้มุมมองอีกด้าน Sunburst ไม่ได้แสดงความนำด้านความสมจริงที่ชัดเจนทางสถิติ

เราเห็นว่านี่บ่งชี้ว่าส่วนที่น่าสนใจที่สุดของรุ่นใหม่คือการจัดการข้อกำหนดซับซ้อนและงานแก้ไข มากกว่าความสามารถสร้างภาพที่สวยขึ้นอย่างชัดเจนในทุกสถานการณ์เชิงพาณิชย์

การตั้งค่าคุณภาพของสองรุ่นก็ต่างกัน GPT Image 2 รองรับถึง High ส่วน Sunburst เพิ่ม XHigh และ Max ทำให้มีตัวเลือกการตั้งค่ามากขึ้นสำหรับเอาต์พุตสุดท้าย

สำหรับทีมที่ใช้ GPT Image 2 อยู่แล้ว เราแนะนำให้เน้นย้ายงานแก้ภาพและการประกอบภาพอ้างอิงหลายภาพ ส่วนภาพแสดงสินค้าและภาพประกอบบทความที่ทำงานได้สม่ำเสมออยู่แล้ว สามารถเก็บโมเดลเก่าไว้เปรียบเทียบก่อนได้

เราไม่แนะนำให้แทนทุกงานสร้างเพียงเพราะ Sunburst ใหม่กว่า วิธีที่ถูกต้องคือตัดสินใจย้ายหลังทดสอบกรณีใช้งานธุรกิจของคุณ

ผลเปรียบเทียบของ Everypixel

เทียบกับ Nano Banana 2.1: ความชอบด้านแก้ภาพสูงกว่าแลกกับต้นทุนสร้างที่ต่ำกว่า

Nano Banana 2.1 เป็นโมเดลสร้างและแก้ภาพของ Google และเป็นตัวเลือกต่างแพลตฟอร์มที่ควรพิจารณาเมื่อประเมิน Sunburst

บน AA-Image-T2I v2.0 ของ Artificial Analysis Sunburst Max ได้ 1198 Elo ส่วน Nano Banana 2.1 ได้ 1160 Elo

บนอันดับแก้ภาพ ทั้งคู่ได้ 1183 และ 1137 Elo ตามลำดับ

ผลทั้งสองให้ Sunburst ได้เปรียบในการทดสอบความชอบอิสระ

อย่างไรก็ตาม ต้นทุนเป็นอีกปัจจัย ภายใต้การตั้งค่าประเมินมาตรฐานที่สอดคล้องกัน Artificial Analysis ระบุ Sunburst ประมาณ $210.7 ต่อพันภาพ และ Nano Banana 2.1 ประมาณ $33.6 ต่อพันภาพ ตัวเลขนี้ใช้ได้เฉพาะการตั้งค่าประเมินเหล่านั้น ไม่ใช่ต้นทุนคงที่สำหรับความละเอียดและคุณภาพใดก็ได้

เราเห็นว่าคุณควรเน้นทดสอบ Sunburst หากต้องการคุณภาพแก้ภาพสูงกว่า แต่หากธุรกิจต้องสร้างภาพจำนวนมาก ข้อได้เปรียบด้านต้นทุนของ Nano Banana 2.1 ควรได้รับการประเมินอย่างใกล้ชิด

อันดับข้อความเป็นภาพและแก้ภาพของ Artificial Analysis

เทียบกับ MAI-Image-2.6: ตัวเลือกต่างกันสำหรับงานภาพแม่นยำสูงและการผลิตสื่อจำนวนมาก

MAI-Image-2.6 เป็นโมเดลสร้างภาพของ Microsoft AI และควรรวมในชุดทดสอบเลือกโมเดลสำหรับสร้างภาพเชิงพาณิชย์เช่นกัน

บนอันดับข้อความเป็นภาพของ Artificial Analysis Sunburst Max ได้ 1198 Elo เทียบกับ MAI-Image-2.6 ที่ 1151 Elo ส่วนอันดับแก้ภาพได้ 1183 และ 1139 Elo ตามลำดับ

การทดสอบทั้งสองแสดงว่า Sunburst นำด้านคะแนนความชอบมนุษย์ ด้านต้นทุน ต้นทุนสร้างมาตรฐานต่อพันภาพในการประเมินเดียวกันอยู่ที่ประมาณ $210.7 และ $38.9 ตามลำดับ

เราเห็นว่า Sunburst ควรได้รับการพิจารณาก่อนหากธุรกิจต้องการโฆษณาระดับพรีเมียม ภาพสินค้าละเอียด หรือสื่อแบรนด์ที่ผ่านการแก้หลายรอบ

แต่หากต้องสร้างภาพพื้นหลังจำนวนมากให้แค็ตตาล็อกสินค้าขนาดใหญ่ หรือผลิตภาพประกอบจำนวนมากอย่างต่อเนื่องสำหรับเว็บไซต์เนื้อหา MAI-Image-2.6 อาจประหยัดกว่า

คำแนะนำสำหรับแอปพลิเคชันที่ผลิตเอาต์พุตมากคือกำหนดคุณภาพภาพขั้นต่ำที่ยอมรับได้ก่อน แล้วเลือกโมเดลที่ผ่านมาตรฐานด้วยต้นทุนรวมต่ำกว่า แทนการใช้โมเดลอันดับสูงสุดเพียงอย่างเดียว

อันดับข้อความเป็นภาพของ Artificial Analysis

คำถามที่พบบ่อยในการเชื่อมต่อ API GPT Image 2.5 Sunburst

เรียกโมเดลนี้ผ่าน API Hop อย่างไร?

สร้างคีย์ API API Hop สำหรับเซิร์ฟเวอร์ แล้วส่ง JSON ไปยัง POST /openai/v1/images/generations พร้อม ID โมเดลที่แสดงในหน้านี้และ prompt ไม่ต้องส่ง image_urls เมื่อสร้างภาพใหม่ ตรวจสอบราคาโมเดลปัจจุบันก่อนส่ง การสร้างมีค่าบริการ ไม่ใช่การทดสอบการเชื่อมต่อฟรี

แก้ไขภาพอ้างอิงผ่าน API Hop อย่างไร?

ส่งโมเดลที่เลือก พรอมต์แก้ไข และ image_urls ไปยัง POST /openai/v1/images/generations ระบุ URL ภาพ HTTP(S) ที่เข้าถึงสาธารณะได้สูงสุด 16 รายการ เอนด์พอยต์ API Hop นี้ใช้ JSON สำหรับสร้างและแก้ไขภาพอ้างอิง ข้อกำหนดสาธารณะปัจจุบันไม่รองรับอัปโหลด multipart, URI ข้อมูล base64, mask หรือเส้นทาง /images/edits แยก อธิบายสิ่งที่ต้องเปลี่ยนและรายละเอียดที่ต้องคงไว้ แล้วตรวจผลลัพธ์ทั้งหมด หากแก้ไขต่อ ให้ส่งผลลัพธ์ก่อนหน้าเป็น URL อ้างอิงอีกครั้ง เอนด์พอยต์นี้ไม่เก็บประวัติบทสนทนา

URL ภาพที่สร้างอยู่ที่ไหน?

เมื่อ stream: false, API Hop รอจนเสร็จแล้วส่ง URL ภาพใน data[].url พร้อมข้อมูลการใช้งานที่มี ตรวจสอบสถานะ HTTP และเนื้อหาการตอบกลับก่อนอ่านผลลัพธ์ ใช้รูปแบบการตอบกลับตามเอกสารเอนด์พอยต์นี้ ไม่ใช่ตัวแยกการตอบกลับ Base64 ต้นทาง ดาวน์โหลดภาพที่เสร็จไปยังที่เก็บของคุณเมื่อแอปต้องเข้าถึงระยะยาว

ควรอ่านผลลัพธ์สตรีมอย่างไร?

เมื่อ stream: true ให้อ่านเหตุการณ์ SSE จนถึง image_generation.completed และ [DONE] พร้อมจัดการเหตุการณ์ผิดพลาด ไม่รับประกันตัวอย่างภาพบางส่วน เอนด์พอยต์ Images generations นี้ไม่ส่ง ID งานสำหรับโพล หากการเชื่อมต่อจบก่อนเสร็จ ให้เก็บ ID คำขอที่มีและตรวจบันทึกคำขอกับการใช้งานบัญชีก่อนส่งการสร้างใหม่ที่อาจมีค่าบริการ ไคลเอนต์ขาดการเชื่อมต่อไม่ได้พิสูจน์ว่าการสร้างถูกยกเลิก

เอกสารอ้างอิงพารามิเตอร์และการตอบกลับ API Hop ฉบับเต็ม

API ภาพที่เกี่ยวข้อง