API Hop

用於圖片生成與編輯的 GPT Image 2.5 Sunburst API

查看 GPT Image 2.5 Sunburst Token 價格與參考圖編輯範例。請確認生成格式、品質設定及圖片輸入限制。

GPT Image 2.5 Sunburst API 價格與計費

文字輸入

官方價格

文字輸入
$5.0000 /M

API Hop 價格 降低 20%

文字輸入
$4.0000 /M

快取文字輸入

官方價格

快取文字輸入
$1.2500 /M

API Hop 價格 降低 20%

快取文字輸入
$1.0000 /M

圖像輸入

官方價格

圖像輸入
$8.0000 /M

API Hop 價格 降低 20%

圖像輸入
$6.4000 /M

快取圖像輸入

官方價格

快取圖像輸入
$2.0000 /M

API Hop 價格 降低 20%

快取圖像輸入
$1.6000 /M

圖像輸出

官方價格

圖像輸出
$30.0000 /M

API Hop 價格 降低 20%

圖像輸出
$24.0000 /M

參考價格尚未經獨立驗證。比較成本前,請確認來源最新的價格、計費單位和適用條件。

GPT Image 2.5 Sunburst 線上圖片工具

圖片設定

登入後可使用帳戶餘額執行。

圖片結果

範例預覽

API Hop 實測範例

2026 年 10 月 22 日透過 API Hop 記錄。每個結果僅代表所列模型與模式的一次請求,不保證成功率、速度或正式環境品質。下方模型回答保留原始語言。

更換背景,保留商品

gpt-image-2.5-sunburst · image-to-image ·

參考原圖
參考原圖 · 原始檔案
gpt-image-2.5-sunburst 實測背景編輯結果
實測輸出 · 原始檔案

目視比較顯示背景為白色,主體與構圖大致保留,但表面與反射略有變化。這不是前景像素完全一致的編輯。請對照原圖檢查杯緣、冰塊、液面、檸檬、葉片與台座。

此回應未重複模型名稱。紀錄保留精確的請求模型與請求 ID,但未獨立驗證上游路由。

完整請求與輸入資料

POST /openai/v1/images/generations

{
  "model": "gpt-image-2.5-sunburst",
  "prompt": "Edit the supplied product photograph. Replace only the turquoise background with a plain white studio background. Keep the same clear glass, orange drink level, ice, pedestal, lemon wedge and green leaf, with their shapes, colors and relative positions unchanged. Preserve the full composition. No new objects, text, logos or watermarks.",
  "image_urls": [
    "https://api.apihop.ai/generated/364459846248173568/0.png"
  ],
  "n": 1,
  "size": "16:9",
  "resolution": "1k",
  "quality": "low",
  "output_format": "png",
  "stream": false
}
回應中繼資料與回報用量
{
  "requestId": "f54b32313846f75de4b6ad00436f81e5",
  "jobId": null,
  "responseModel": null,
  "responseAt": "2026-10-22T12:30:33.730Z",
  "finishedAt": "2026-10-22T12:30:39.031Z",
  "usage": {
    "input_tokens": 1588,
    "input_tokens_details": {
      "cached_tokens": 0,
      "image_tokens": 1508,
      "text_tokens": 80
    },
    "output_tokens": 120,
    "output_tokens_details": {
      "image_tokens": 120,
      "text_tokens": 0
    },
    "total_tokens": 1708
  },
  "outputSha256": null,
  "responseEvidence": {
    "sha256": "da63f3f64e34dc7422c0238289ba0d74673cb8521bcaffc034a6275293670e5e",
    "bytes": 317,
    "phase": "submission",
    "http": 200,
    "requestId": "f54b32313846f75de4b6ad00436f81e5",
    "observedAt": "2026-10-22T12:30:33.730Z"
  },
  "assets": [
    {
      "url": "/examples/requestbeam-2026-10-22/edit-sunburst-0.png",
      "bytes": 1371982,
      "sha256": "27bc71ddf76a9bbdc7399b3ab88f5ff2bd567dd0b775fae17bd30a3cb1d98cfa",
      "metadata": {
        "programs": [],
        "stream_groups": [],
        "streams": [
          {
            "codec_name": "png",
            "codec_type": "video",
            "width": 1536,
            "height": 864,
            "r_frame_rate": "25/1"
          }
        ],
        "format": {
          "size": "1371982"
        }
      },
      "poster": null
    }
  ]
}
下載公開證據紀錄

GPT Image 2.5 Sunburst 提示詞範例

下方圖片在所連結的 OpenAI 提示詞指南中歸屬於此模型,並非 API Hop 實測結果。展示的提示詞與設定是可重用的請求範例,而非已驗證的重現參數;改編提示詞均有標示。使用編輯結果前,請對照輸入檢查幾何形狀、文字與非預期變動。

查看提示詞

Extract the product from the input image and isolate it on a fully transparent background. Output: centered product, crisp silhouette, no halos/fringing. Preserve product geometry and label legibility exactly. Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow. Do not restyle the product; remove the background and preserve clean alpha transparency.

OpenAI 圖片提示詞指南,GPT Image 2.5 Sunburst 範例
查看提示詞

Turn this drawing into a photorealistic image. Preserve the exact layout, proportions, and perspective. Choose realistic materials and lighting consistent with the sketch intent. Do not add new elements or text.

OpenAI 圖片提示詞指南,GPT Image 2.5 Sunburst 範例
查看提示詞

In this room photo, replace ONLY the white chairs with chairs made of wood. Preserve camera angle, room lighting, floor shadows, and surrounding objects. Keep all other aspects of the image unchanged. Photorealistic contact shadows and fabric texture.

OpenAI 圖片提示詞指南,GPT Image 2.5 Sunburst 範例

什麼是 GPT Image 2.5 Sunburst

OpenAI 面向高精度影像生成與編輯的旗艦模型

GPT Image 2.5 Sunburst 是 OpenAI 於 2026 年 9 月 8 日推出的影像生成與編輯模型,也是 GPT Image 2.5 系列中更強調畫面品質和編輯精度的版本。

我們認為,Sunburst 最大的變化並不只是能夠生成更精美的圖片,而是能夠更準確地理解使用者希望修改什麼,以及哪些內容應該保持不變。

例如,在製作一張產品廣告圖時,你可能只希望改變產品的擺放角度、調整背景燈光,或者替換其中一段文字,但並不希望產品本身的外觀和整個畫面的構圖發生變化。Sunburst 就是針對這類需要精確控制的工作進行了最佳化。

OpenAI 將 Sunburst 定位為適合高階創意工作和精細影像編輯的模型。與同系列的 Flare 相比,它更願意投入生成時間來提高輸出精度。

我們建議,如果你的業務主要依賴高品質的最終圖片,例如商業攝影、廣告設計和品牌素材,那麼 Sunburst 值得優先測試。但如果只是希望快速生成大量圖片,Flare 可能更加合適。

OpenAI 官方釋出說明

同時支援文生圖、參考圖編輯和多圖合成的視覺模型

GPT Image 2.5 Sunburst 不只是一個 Text-to-Image 模型,它還可以接收已有圖片作為輸入,通過文字指令完成影像編輯、風格轉換和多張參考圖的合成。

我們認為,這種能力比單純的文生圖更接近真實的設計工作。因為使用者通常不會在第一次生成圖片後就直接滿意,而是需要不斷修改細節。

例如,你可以上傳一個人物角色、一張室內背景以及一張服裝參考圖,讓模型按照指定的位置和關係重新生成畫面。

在 Genflick 於 2026 年 9 月進行的測試中,GPT Image 2.5 系列成功完成了包含三張參考圖的角色與場景組合任務,能夠保留人物服裝、背景特徵以及指定的左右位置關係。

當然,這不代表複雜合成永遠不會出錯。我們建議在涉及產品外觀、人物身份或品牌標識時,優先提供清晰的原圖,並明確要求模型保留哪些特徵。

Genflick 多參考圖實測

支援六檔畫質和自定義解析度的影像生成模型

GPT Image 2.5 Sunburst 支援 low、medium、high、xhigh、max 和 auto 六種畫質設定,其中 auto 為預設選項。

在解析度方面,官方推薦使用 1024x1024、1536x1024 和 1024x1536,同時支援滿足尺寸約束的自定義解析度。模型最高支援約 4K 畫素規模的輸出,但較高解析度目前仍存在實驗性限制。

我們認為,畫質檔位最大的價值是讓開發者根據業務需求控制成本,而不是所有場景都直接使用 max,這個我們在其他模型的解讀中也多次提到了,思考檔位最高可能並不能得到最好的結果。

例如,對於網站中的普通文章配圖,使用 medium 或 high 可能已經足夠;對於需要展示產品細節的商業圖片,可以進一步測試 xhigh 和 max。

需要注意的是,畫質檔位越高不代表每一項要求都會做得更好。部分實測甚至發現,高檔位會增加使用者沒有要求的裝飾元素。

我們建議先在低成本檔位確定構圖和內容,再提高畫質生成最終素材,這樣會更加合理。

OpenAI 影像生成參數文件

RequestBeam 的 GPT Image 2.5 Sunburst 線上工具與 API

我們希望通過 RequestBeam,讓你更快地體驗 GPT Image 2.5 Sunburst 在真實業務中的表現,而不是先花費大量時間完成 API 接入。

你只需要登入 RequestBeam、建立 API Key,並完成少量儲值,就可以通過線上工具開始評估模型,不需要先編寫呼叫程式碼,也不必為了短期測試購買固定方案,同時減少自行管理多個模型平台帳號的麻煩。

GPT Image 2.5 Sunburst 的核心功能與領域優勢

精確影像編輯:只修改指定內容,儘量保留其他細節

我們認為,精確編輯是 GPT Image 2.5 Sunburst 最值得關注的能力。

過去使用影像生成模型時,一個比較常見的問題是:使用者希望修改一個很小的地方,模型卻順便改變了人物面部、產品形狀甚至整個背景。

Sunburst 針對這種情況進行了最佳化。OpenAI 特別強調,它能夠在複雜主體和背景中執行區域性編輯,同時儘可能保留原有的主體、構圖和品牌元素。

我們的電商客戶向我們分享了他使用 Sunburst 與 Flare 的測試對比,他使用相同的產品提示詞,分別測試多個畫質檔位,發現 Sunburst 更容易保持產品的視角、反射和構圖一致,而 Flare 在不同設定下更容易重新改動畫面。

我們認為,這種能力適合電商商品圖、廣告素材和已有設計圖的區域性修改。

角色與參考圖一致性:適合連續創作和人物素材

對於使用 AI 製作漫畫、故事插圖和營銷素材的使用者來說,角色一致性一直是一個很重要的問題。

我們更關注 Sunburst 能否在改變人物姿勢、服裝或背景時,繼續保留人物的關鍵特徵,例如面部結構、髮型、配飾和整體視覺風格。

OpenAI 在釋出時特別展示了參考圖人物轉換場景、調整造型以及連續修改的能力。

我們的一位短劇客戶向我們回饋,過去一些無法取得滿意結果的提示詞,在 Sunburst API 上得到了明顯改善,尤其對人物一致性和畫面品質表示認可。

我們認為,Sunburst 適合製作同一個人物的多張宣傳圖、連續故事插畫,以及需要保持視覺身份的品牌角色素材。

我們的建議是先建立一張經過確認的角色參考圖,再圍繞這張圖片生成不同場景。先保證角色基礎素材的一致性,再生成效果圖會得到更好的結果。

商業攝影:更自然的光照、材質與產品細節

我們認為,Sunburst 的另一個重要應用場景是商業產品攝影。

OpenAI 在 GPT Image 2.5 中重點改善了自然光照、材質紋理和參考圖片的細節保留,Sunburst 則進一步強調高品質的最終視覺效果。

例如,我們的一位電商客戶向我們分享,他在為自己的一款護膚產品生成宣傳圖片,通過使用 Sunburst 上傳參考圖來生成不同背景的產品效果圖,同時又要求保留瓶身比例、包裝顏色和產品標識,結果讓他很滿意。

當然,商業攝影的評估不能只看圖片是否漂亮。Everypixel 在 2026 年 9 月對 48 個商業攝影場景進行了盲測。Sunburst 相對於 Qwen Image 2,在照片真實感上的偏好佔比為 69.0%;但與 GPT Image 2 相比,僅獲得 52.7%,其置信區間包含 50%,因此不能認為它在真實感方面取得了明確優勢。

我們認為,這個結果很有參考價值。Sunburst 的優勢可能更多體現在指令執行與編輯控制上,而不一定是每一張圖片都明顯更加真實。

對於電商產品圖,我們建議分別檢查產品形狀、包裝文字、光影合理性和背景細節,因為電商的基礎是貨版對應,如果出現了貨不對版的情況,會影響使用者對你品牌的信任。

Everypixel 商業攝影盲測

文字與複雜排版:適合海報、資訊圖和產品視覺設計

在廣告海報和營銷圖片中,模型不僅需要生成圖片,還必須正確處理文字、數字和佈局。

我們認為,Sunburst 在這方面已經具備較高的實用價值。

我們已經從多位客戶的回饋中得知 Sunburst 在海報,九宮格分鏡等具體的業務任務中,表現讓人滿意,顯著減少了修改次數,有的甚至一次成型。

所以基於這些具體業務的回饋,我們認為,對於包含少量明確文字的宣傳圖片,Sunburst 已經值得用於實際工作。但在文字很多、排版複雜或需要嚴格遵循品牌規範時,依然需要人工驗收。

我們的建議是把圖片中的文字內容、位置、大小關係以及禁止新增的元素分別寫清楚,最好使用結構化的 Prompt,這樣可以幫助你更好地生成圖片。

連續修改與品牌素材生產:降低重複生成的工作量

我們更看重 Sunburst 能否融入實際的設計流程,而不僅僅是生成一張效果不錯的圖片。

在商業工作中,設計師通常需要先生成初稿,再按照回饋反覆修改,例如調整商品位置、改變背景顏色、替換文字,以及針對不同渠道生成不同版本。

GPT Image 2.5 系列改善了連續編輯時的細節保留能力,Sunburst 則更強調修改的精度。

我們的其中一位客戶,他是一位長期使用 GPT Image API 的開發者表示,他此前已經生成超過約 8 萬張圖片,並在新版測試中觀察到參考圖利用和介面元素相對於GPT Image 2.5來說有所改善。

我們認為,對於營銷團隊而言,真正值得評估的是從初稿到最終素材是否需要修改的次數變少。

GPT Image 2.5 Sunburst 基準測試與效能表現

我們在這一部分會參考 Artificial Analysis、Arena、Everypixel 和 Quantslant 公佈的測試資料,以及部分客戶的分享。

文生圖品質:AA-Image-T2I v2.0 達到 1198 Elo

Artificial Analysis 的 AA-Image-T2I v2.0 榜單中,GPT Image 2.5 Sunburst 在 max 檔位取得 1198 Elo,位列當時榜單第一。

在同一榜單中,GPT Image 2.5 Flare Max 為 1191 Elo,而 GPT Image 2 High 為 1172 Elo。

這一評測基於匿名成對影像比較,通過人類評審的偏好計算 Elo 分數,因此更接近使用者對生成圖片整體品質的判斷。

但我們注意到,Sunburst 與 Flare 的 95% 置信區間存在重疊,這意味著兩者的整體文生圖品質比較接近。

我們建議,如果業務主要是普通文生圖,可以先測試 Flare;對於最終視覺品質要求較高的素材,再把 Sunburst 加入對照。

Artificial Analysis 文生圖榜單

Artificial Analysis · 獨立評估AA-Image-T2I v2.0匿名成對圖片偏好 · 來源排行榜快照

Elo · 越高越好

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

Sunburst 與 Flare 的 95% 信賴區間重疊;分數不能證明明確品質差距。

來源:Artificial Analysis · 零起點刻度

影像編輯品質:AA-Image-Editing v2.0 達到 1183 Elo

在 Artificial Analysis 的 AA-Image-Editing v2.0 中,Sunburst Max 取得 1183 Elo,而 Flare Max 為 1163 Elo,GPT Image 2 High 為 1125 Elo。

我們認為,相比文生圖成績,這項結果更能體現 Sunburst 的產品定位。

影像編輯的重點不是從零生成一張圖片,而是根據已有圖片和修改要求,輸出符合使用者預期的結果。根據客戶給我們的分享資料,修改和叢林生成的比例差不多是3:1左右。所以從這組資料來看,Sunburst 在影像編輯方面具有比較明確的優勢。

我們的建議是,如果你正在開發 AI 圖片編輯器、商品換背景或區域性重繪工具,可以優先測試 Sunburst,而不是僅根據模型的文生圖排名選型。

Artificial Analysis 影像編輯榜單

Artificial Analysis · 獨立評估AA-Image-Editing v2.0圖片編輯偏好 · 來源排行榜快照

Elo · 越高越好

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

偏好分數衡量受評估的編輯任務,不保證保留每個要求的細節。

來源:Artificial Analysis · 零起點刻度

多參考圖編輯:Arena Multi Image Edit 達到 1535 分

在 Arena 的 Multi Image Edit 榜單中,GPT Image 2.5 Sunburst 取得 1535±9 分,Flare 為 1501±8 分,GPT Image 2 Medium 為 1454±4 分。這些資料當時仍帶有初步評測標記。

我們認為,這項成績對需要合成多張參考圖片的應用尤其重要。

例如,將不同圖片中的人物、服裝和場景合成為同一張圖片時,模型不僅需要理解每張圖片,還需要處理多個物件之間的位置、比例與視覺關係。

不過,Arena 分數來自使用者偏好比較,並不等同於每個物件都被準確還原。因此對於商品組合、人物合影和複雜場景生成,我們仍然建議人工檢查細節是不可缺少的一環。

Arena 多圖編輯排行榜

Arena · 獨立評估Arena Multi Image Edit初步結果 · 已報告分數與 ± 區間

分 · 越高越好

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

這些結果標示為初步資料。使用者偏好分數不代表每個物件都準確重現。

來源:Arena · 零起點刻度

商業攝影盲測:對 GPT Image 2 的真實感偏好僅為 52.7%

Everypixel 測試了 48 個商業攝影場景,由 13 名製作團隊成員進行匿名評審。

在 Sunburst 與 GPT Image 2 的對比中,三個主要維度的結果分別為:照片真實感偏好佔比 52.7%,提示詞遵循表現 55.2%,美學偏好 56.7%。

我們認為,這項測試提醒我們,在照片真實感方面,52.7% 的結果沒有形成統計上明確的優勢。雖然 Sunburst 在提示詞遵循和美學方面略佔上風,但優勢也比較有限。

所以我們建議,對於已經使用 GPT Image 2 製作商業攝影素材的團隊,我們建議不要急著整體遷移。可以先挑選那些需要精確編輯、複雜構圖和文書處理的場景測試 Sunburst,再決定是否切換。

Everypixel 48 場景盲測

Everypixel · 獨立評估Sunburst 相對 GPT Image 2 的偏好48 個商業攝影場景 · 13 位製作團隊審查者 · 盲測

偏好比例(%) · 越高越好 · 50% = 偏好相同

  • 照片寫實度52.7%
  • 提示詞遵循度55.2%
  • 美感56.7%

寫實度信賴區間包含 50%,沒有統計上明確的寫實優勢。其他已報告偏好提升幅度有限。

來源:Everypixel · 零起點刻度

生成速度與成本:High 約 28 秒,Max 約 78 秒

Quantslant 使用相同提示詞,對 Sunburst 和 Flare 的生成速度與成本進行了測試。

在 1536×864 解析度下,得到以下結果:

畫質Sunburst 耗時Flare 耗時單張圖片費用
Medium14.0 秒12.8 秒$0.0086
High27.8 秒17.9 秒$0.033
Max77.8 秒37.6 秒$0.130

這組資料來自特定測試環境,其中 Medium 只有少量樣本,不能視為平台的穩定響應時間或固定定價。

我們認為,這裡最值得注意的是,Sunburst 與 Flare 採用相同的官方 Token 費率,但 Sunburst 在較高畫質檔位下需要明顯更長的時間。另外,從 High 提升到 Max,影像費用增加了不少,但並不意味著圖片品質也會獲得同樣比例的提升。我們已經反覆強調過了,高檔思考在增加時間的同時,並不一定能帶來最好的結果,是我們反覆和客戶強調的反認知的點。

我們建議普通圖片先使用 High 進行評估。如果是高價值廣告素材或需要保留複雜細節的最終圖片,再嘗試 Max。對於需要快速生成和反覆預覽的使用者,我們更推薦 Flare。

Quantslant 原始速度與成本測試

Quantslant · 獨立評估依品質分列的生成時間相同提示詞 · 1536×864 · Medium / High / Max

秒 · 越低越好

  • Medium
    Sunburst14.0 秒
    Flare12.8 秒
  • High
    Sunburst27.8 秒
    Flare17.9 秒
  • Max
    Sunburst77.8 秒
    Flare37.6 秒

特定測試條件,Medium 樣本較少。這不是保證的平台回應時間。

來源:Quantslant · 零起點刻度

Quantslant · 獨立評估每張圖片的實測成本相同提示詞 · 1536×864 · Medium / High / Max

每張圖片 USD · 越低越好

  • Medium$0.0086
  • High$0.033
  • Max$0.130

此特定測試的成本,不是固定定價或 API Hop 價格。成本較高不代表品質等比例提升。

來源:Quantslant · 零起點刻度

GPT Image 2.5 Sunburst 與 Flare、GPT Image 2、Nano Banana 2.1、MAI-Image-2.6 同類模型對比

對比 GPT Image 2.5 Flare:編輯精度優先還是生成速度優先

我們認為,Sunburst 和 Flare 雖然它們屬於同一代產品,最應該放在一起比較,但其實他們卻針對不同的業務需求進行了最佳化。

根據 Artificial Analysis 的獨立測試,兩者在文生圖品質上的差距並不大。Sunburst Max 為 1198 Elo,Flare Max 為 1191 Elo。

但是在影像編輯上,Sunburst 的優勢更加明顯,兩者分別為 1183 和 1163 Elo。

從速度來看,Quantslant 的測試發現,在 High 檔位下 Flare 明顯更快,而在 Max 檔位下速度差距進一步擴大。

我們覺得這兩個模型並不存在簡單的升級替代關係,他們的場景也不盡相同。

如果你正在開發部落格配圖生成器、普通 AI 文生圖網站,或者需要批次生成社交媒體素材,我們建議優先使用 Flare。

如果你的產品需要使用者上傳參考圖片,並不斷對人物、商品和區域性畫面進行精確修改,那麼我們更推薦 Sunburst。

對於同時具有生成和編輯功能的平台,我們建議讓 Flare 承擔快速創作,把 Sunburst 留給精修任務,不管是 Flare 和 Sunburst,我們都建議只從 high 開始進行測試。

Artificial Analysis 文生圖對比 · 編輯對比

對比 GPT Image 2:新版本更適合編輯,但不是所有商業圖片都值得遷移

GPT Image 2 是 Sunburst 的重要參考物件,因為很多已經接入 OpenAI 圖片生成能力的應用都需要判斷是否值得升級。

從 Artificial Analysis 的評測來看,Sunburst 在文生圖和影像編輯方面的 Elo 分數都高於 GPT Image 2。

不過,Everypixel 的商業攝影盲測給出了另一種參考。在真實感方面,Sunburst 並沒有表現出統計上明確的領先。

我們認為,這說明新版本更值得關注的部分是對複雜要求和編輯任務的處理,而不是所有商業場景下都能生成明顯更漂亮的圖片。

另外,兩個版本的畫質設定也不同。GPT Image 2 最高支援 High,而 Sunburst 新增了 XHigh 和 Max,可以為最終輸出提供更多配置空間。

對於已經使用 GPT Image 2 的團隊,我們建議優先遷移圖片編輯和多參考圖合成任務,而對於已經表現穩定的商品展示圖、文章配圖,則可以先保留舊模型進行對照。

我們不建議僅僅因為 Sunburst 是新版本,就直接替換所有生成任務,基於業務測試後再決定是否遷移才是最正確的選擇。

Everypixel 對比結果

對比 Nano Banana 2.1:更高的影像編輯偏好與更低的生成成本

Nano Banana 2.1 是 Google 的影像生成與編輯模型,也是評估 Sunburst 時值得考慮的跨平台選擇。

在 Artificial Analysis 的 AA-Image-T2I v2.0 中,Sunburst Max 為 1198 Elo,Nano Banana 2.1 為 1160 Elo。

在影像編輯榜單中,兩者分別為 1183 和 1137 Elo。

從這兩項成績來看,Sunburst 在獨立偏好測試中更佔優勢。

不過,成本是另一個需要考慮的因素。Artificial Analysis 在對應的標準化評估設定中,將 Sunburst 的費用列為約每千張 210.7 美元,而 Nano Banana 2.1 約為每千張 33.6 美元。這個數字只適用於相應評測配置,並不是任意解析度、任意畫質下的固定費用。

我們認為,如果你追求更高的影像編輯品質,可以優先測試 Sunburst;如果業務需要大量生成圖片,那麼 Nano Banana 2.1 的成本優勢值得重點評估。

Artificial Analysis 文生圖與編輯排行榜

對比 MAI-Image-2.6:高精度視覺工作與批次素材生產的不同選擇

MAI-Image-2.6 是 Microsoft AI 的影像生成模型,同樣適合納入商業圖片生成的選型測試。

在 Artificial Analysis 的文生圖榜單中,Sunburst Max 取得 1198 Elo,MAI-Image-2.6 為 1151 Elo;在影像編輯榜單中,分別為 1183 和 1139 Elo。

兩項測試都顯示 Sunburst 在人類偏好評分中領先。成本方面,同一評測的標準化每千張生成費用分別約為 210.7 美元和 38.9 美元。

我們認為,如果你的業務需要製作精品廣告、精細商品圖片或經過多輪修改的品牌素材,那麼 Sunburst 更值得優先考慮。

但如果你要為大型商品目錄批次生成背景圖,或者為內容網站持續生產大量插圖,那麼 MAI-Image-2.6 可能在經濟性上更加合適。

我們的建議是,對於輸出規模較大的應用,先定義可以接受的最低圖片品質,再選擇滿足這個標準且綜合成本更低的模型,而不是直接使用排行榜第一名。

Artificial Analysis 文生圖榜單

GPT Image 2.5 Sunburst API 整合常見問題

如何透過 API Hop 呼叫此模型?

為伺服器建立 API Hop API 金鑰,向 POST /openai/v1/images/generations 傳送 JSON,使用本頁顯示的模型 ID 與提示詞。產生新圖片時省略 image_urls。提交前請確認目前模型價格:生成請求會計費,並非免費連線測試。

如何透過 API Hop 編輯參考圖?

將所選模型、編輯提示詞與 image_urls 傳至 POST /openai/v1/images/generations。最多提供 16 個可公開存取的 HTTP(S) 圖片網址。此 API Hop 端點以 JSON 處理生成與參考圖編輯。目前公開規約不支援 multipart 上傳、base64 資料 URI、遮罩或獨立的 /images/edits 路由。描述要修改及保留的細節,然後檢查完整結果。再次編輯時,請將前次結果重新作為參考網址傳入;此端點不保留對話紀錄。

產生的圖片網址在哪裡?

stream: false 時,API Hop 等待完成後,透過 data[].url 回傳圖片網址與可用的用量資訊。讀取結果前請先檢查 HTTP 狀態與回應內容。請使用此端點文件定義的回應格式,而非上游 Base64 回應解析器。若應用程式需要長期存取,請將完成的圖片下載至自己的儲存空間。

如何讀取串流結果?

stream: true 時,請持續讀取 SSE 事件直到 image_generation.completed 與 [DONE],並處理錯誤事件。不保證提供中途圖片預覽。此 Images generations 端點不回傳可供輪詢的任務 ID。若完成前連線中斷,請保留已有的請求 ID,先檢查請求紀錄與帳戶用量,再提交可能計費的另一個生成請求。用戶端斷線不能證明生成已取消。

API Hop 完整參數與回應參考文件

相關圖片 API