GPT Image 2.5 API价格：Flare与Sunburst怎么选

GPT Image 2.5 API：按张费用与两个版本怎么选

Orux AI的GPT Image 2.5 API按张收费：1K为5.4 Credits（$0.027）、2K为9 Credits（$0.045）、4K为14.4 Credits（$0.072），Flare与Sunburst同价。OpenAI没有为这两个模型公布固定每张价格，而是按每100万图像输出tokens收费$30，所以实际费用取决于画质和尺寸。下文给出价格表、两个版本的区别、Python请求，以及原文仔细检查过的一个已有案例。

GPT Image 2.5每张多少钱

Orux AI按完成图片的数量收固定费用，由请求的resolution决定。下面将其与OpenAI的token计价及第三方按张报价并列，价格快照日期为2026年10月29日。

左右滑动查看完整表格。

来源：OpenAI GPT Image 2.5 Sunburst、OpenAI GPT Image 2.5 Flare、getimg.ai API价格，以及Orux的Flare和Sunburst模型页。Orux AI以Credits计费，固定1 Credit=$0.005；括号美元只用于比较。

比较前有两个限制：

• OpenAI单张费用取决于指定质量与尺寸实际产生多少输出tokens。其质量设置从low到max，另有auto，并明确GPT Image 2计算器不估算GPT Image 2.5用量。没有公开单张token数量，无法做严格同条件的官方美元单张比较，本文不作此宣称。
• Orux AI这两个模型的请求配置没有quality字段，只能选择分辨率和比例，不能通过本站选择OpenAI质量档。如果你的流程依赖low质量制作低价草稿，应考虑直接使用OpenAI。

固定单价的价值是可预算：1,000张2K图片为9,000 Credits（$45）。失败生成不收费，图片任务只有达到SUCCESS才结算。如果主要考虑费用，Nano Banana 2.1在本站三个尺寸都更低，1K/2K/4K为3.6/5.4/8.1 Credits；完整排序见图片生成API价格对比（英文）。

Flare与Sunburst有什么区别

价格没有区别，在Orux AI使用的参数也相同。区别主要来自OpenAI的产品定位，以及原文所记录的生成时间样本。

左右滑动查看完整表格。

67秒和125秒来自原文引用的2026年10月模型页统计，各只有5次已完成任务。这些历史样本中Sunburst的均值更长，但样本少、条件未受控，不能据此确定总体速度胜负，更不是今天的耗时保证。实际等待会随负载、提示和分辨率变化。

OpenAI将Sunburst定位于重视精确编辑的工作。按这个定位，可先用Flare尝试草稿、商品图或需要多候选选片的任务；原文样本中的等待均值约为Sunburst一半。涉及现有图片编辑或小文字、细节的最终稿时，可把Sunburst作为候选。这是厂商定位与有限历史观察引出的试用建议，不是受控画质排名。两者公开单价相同，不等于整项制作成本只剩等待这一种差别。

用Python生成图片

Orux AI图片请求是异步任务：提交、轮询，然后下载。该任务接口不提供回调，结果网址也会过期，因此成功后应及时保存。

# pip install requests pillow
import io, os, time, requests
from PIL import Image

BASE = "https://orux.top/api/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['ORUX_API_KEY']}"}

PRICE = {"1K": 5.4, "2K": 9.0, "4K": 14.4}  # Credits per image, Flare and Sunburst, 2026-10-29

job = {
    "model": "gpt-image-2.5-flare",  # or "gpt-image-2.5-sunburst"
    "input": {
        "prompt": "Studio product photograph of a small matte purple ceramic vase "
                  "on a warm white background, soft natural shadow, no text.",
        "resolution": "2K",
        "aspect_ratio": "3:2",
    },
}

r = requests.post(f"{BASE}/tasks", headers=HEADERS, json=job, timeout=60)
r.raise_for_status()  # 401 bad key, 402 top up your balance, 429 back off and retry
task_id = r.json()["task_id"]
print("submitted", task_id, "| charged only on SUCCESS:", PRICE[job["input"]["resolution"]], "Credits")

while True:
    time.sleep(5)
    t = requests.get(f"{BASE}/tasks/{task_id}", headers=HEADERS, timeout=30).json()
    if t["status"] not in ("QUEUED", "RUNNING"):
        break

if t["status"] != "SUCCESS":
    raise RuntimeError(t.get("error") or t["status"])  # FAILED / EXPIRED are not charged

for i, url in enumerate(t["result"]):
    data = requests.get(url, timeout=120).content  # temporary URL: download now
    img = Image.open(io.BytesIO(data))
    print(f"out_{i}: {img.size[0]}x{img.size[1]}")
    with open(f"out_{i}.{img.format.lower()}", "wb") as f:
        f.write(data)

原文示例没有总轮询时限；生产使用时应另设总超时与取消策略。常用输入为：

• prompt：主体、场景、风格和光线。每个请求生成一张。
• resolution：1K、2K、4K，这是本站改变单张价格的输入。
• aspect_ratio：auto、1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9；另有仅限1K的27:16、16:27、9:8、8:9。
• image_urls：最多16张参考图。不传为文生图，传入用于编辑或融合。

编辑仍用相同请求，只需加入参考图。例如为已有商品照换风格：

job["model"] = "gpt-image-2.5-sunburst"
job["input"].update({
    "prompt": "Keep the vase exactly as shown. Replace the background with pale linen "
              "and add a soft window shadow from the left.",
    "image_urls": ["https://example.com/your-vase.png"],  # publicly reachable URL
})

参考网址必须能被服务访问，因此使用公开或签名链接，不用本地文件路径。

案例：一本书里的微缩书店

仔细阅读一个输出，比泛泛谈模型质量更有帮助。这是GPT Image 2.5 Sunburst模型页保存的“Miniature bookshop”案例，是原文查看的Orux已有案例，不是本次新生成。

保存参数为resolution="2K"、aspect_ratio="3:2"，公开文件实测2048×1365。这是该文件的尺寸，不保证每个2K输出都一样。原提示词如下：

A whimsical miniature bookshop built inside a giant teal hardcover book, glowing honey-colored windows, tiny green plants, detailed handcrafted paper diorama on a cream background. The front awning clearly reads exactly "Orux AI". Warm playful illustration, cinematic studio lighting, tactile paper textures.

这个不可能的空间关系，依靠三个尺度线索变得可读：左侧竖直书脊仍像普通书；书店上方层叠书页充当屋顶，把书变成建筑；窗内更小的书架和灯说明内部能容纳微缩活动空间。去掉任一线索，画面就容易只剩“一本书”或“一家店”。条纹雨棚与攀援植物连接两种尺度，没有另加一片独立景观。

提示词也采用同样思路：精装书给结构，“paper diorama”给纸张边缘质感，“honey-colored windows”暗示温暖室内。这个结果的雨棚“Orux AI”逐字正确。一次正确只是观察，不是文字总会正确的保证。

作为参照，Flare模型页已有“Desert architecture”案例同样使用2K和3:2，文件也是2048×1365，小铜牌上的“Orux AI”也正确。两者提示不同，因此不是模型间受控对照，只能说明各自在这些设置下曾有一次短文字正确。

如果改用于图书馆阅读周，优先改空间隐喻，而非堆装饰。例如摊开的地图册内建流动图书馆，以地图折页作墙、一扇门标定尺度，就是有实质区别的创作要求。这个方向没有生成过，只是可尝试的建议。

交付前检查文字和输出尺寸

含字图片上线前都要人工逐字阅读。可用四项检查：

左右滑动查看完整表格。

尺寸很容易自动验证，上面Python已经通过Pillow打开下载文件；进入CMS前给img.size加断言即可。文字则不能因此自动过关。日期、价格和法律文字等关键信息应保留为网页可选取文本，图片内字样只作仍需校对的装饰。

FAQ

Q.GPT Image 2.5每张多少钱？

按2026年10月29日快照，Orux AI的Flare与Sunburst同价：1K为5.4 Credits（$0.027）、2K为9（$0.045）、4K为14.4（$0.072）。OpenAI没有固定单张价，按每100万图像输出tokens $30计费，实际取决于质量与尺寸。

Q.该选Flare还是Sunburst？

按厂商定位，可把Flare作为多候选草稿的起点，把Sunburst列为精确编辑和细节终稿的候选，本站单价相同。原文2026年10月各5次完成样本均值为67/125秒，只是小样本历史参考，不保证今天的速度，也不构成画质胜负。

Q.分辨率会改变价格吗？

会，这是本站改变该单张价格的输入。两个模型都是1K 5.4、2K 9、4K 14.4 Credits。画面比例、提示长度和参考图数量不改变此处按张费率。

Q.能编辑已有图片吗？

能。向image_urls传入最多16个公开可访问的图片网址，配上明确说明保留和改变内容的提示。OpenAI把Sunburst定位于重视编辑精度的任务；本站请求格式与单价与文生图一致。

Q.生成需要多久？

原文引用的2026年10月样本中，Flare约一分钟、Sunburst约两分钟，具体均值67/125秒，各5次完成任务。这不是当前时限保证。每隔几秒轮询任务，成功后及时下载，因为结果网址会过期。

来源与下一步

可在GPT Image 2.5 Flare和GPT Image 2.5 Sunburst页加载已有案例，或参考Nano Banana 2.1 API价格（英文）。价格核对日2026-10-29；getimg.ai报价核对日2026-10-30。来源：OpenAI模型文档、OpenAI价格、getimg.ai。