GPT Image 2.5 时代 · 模型对比 · 场景选型 · 提示词技巧 · 成本优化
截至 2026 年 9 月,OpenAI 的图像生成模型已经从 DALL-E 系列演进到 GPT Image 2.5 时代。Codex 用户可以直接调用这些模型生成图片,与编码能力无缝结合。
| 模型 | 发布时间 | 定位 | 核心能力 | Codex 可用 |
|---|---|---|---|---|
| Sunburst GPT-Image-2.5 Sunburst | 2026.09 | 旗舰精度 | 最高画质、精确编辑、细节创意工作 | ✅(API 方式) |
| Flare GPT-Image-2.5 Flare | 2026.09 | 快速主力 | 高质量 + 速度快,日常首选 | ✅(ChatGPT 2.5 后端) |
| Standard GPT Image 2 | 2026.04 | 标准 | 2K 输出、推理生成、多语言文字 | ✅ |
| Legacy GPT Image 1.5 | 2025.12 | 兼容 | 真实感、文字渲染、透明 PNG | ⚠️ 仅旧项目 |
| Legacy DALL·E 3 | 2023 | 已退役 | 初代 ChatGPT 集成生图 | ❌(2026.03 退役) |
首图生成快了近一倍,多轮编辑迭代更流畅。快速试错、大量出图首选 Flare。
评论式编辑(comment-based edits)只改你指定的部分,多轮编辑后细节保持一致。
用 @Sketch 调出画板,画草稿+文字描述,精确控制构图和元素位置。
内置海报、周边、传单、产品图等模板,直接套用标准尺寸和布局。
更自然的光照、更丰富的纹理、肤色更真实,减少"塑料感"。
基于参考图修改时,主体特征保留更好,换背景/改风格不易走形。
| 维度 | Sunburst | Flare | Image 2 |
|---|---|---|---|
| 定位 | 旗舰精度 | 快速主力 | 标准 |
| 画质 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 速度 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| 编辑精度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ | ⭐⭐⭐ |
| Sketch 支持 | ✅ | ✅ | ❌ |
| Templates 支持 | ✅ | ✅ | ❌ |
| 自定义尺寸 | 任意宽高(8 的倍数) | 任意宽高 | 标准比例 |
| 成本 | 较高 | 中等 | 中等 |
| 适合场景 | 精细创意、商业出图、精确编辑 | 日常设计、快速迭代、概念图 | 通用场景、旧项目兼容 |
GPT Image 2 及以上支持 中日韩、印地语、孟加拉语等非拉丁文字的字符级精准渲染。海报、Logo、菜单、信息图等含文字场景直接可用,无需后期重绘。
生成前模型会先"思考"构图、光照、元素布局。复杂场景(多物体、特定视角、文字排版)成功率大幅提升,可减少 2-3 轮反复修改。
遇到模型不知道的东西(最新产品、特定 Logo、近期事件),会自动联网搜索并整合到图像中,配合事实检查避免"幻觉"。
| 使用场景 | 推荐模型 | 推荐模式 | 理由 |
|---|---|---|---|
| 快速概念草图、头脑风暴 | Flare | Instant | 速度优先,快速迭代想法 |
| UI/UX 设计初稿、图标生成 | Flare | Instant / Thinking | 质量和速度平衡 |
| 产品图、营销素材 | Flare | Thinking | 构图更专业,文字更准确 |
| 海报、传单、含大量文字 | Sunburst + Templates | Thinking | 文字精度 + 版式模板 |
| 角色设计、概念艺术 | Sunburst + Sketch | Thinking | 草图控制构图 + 高质量渲染 |
| 精确多轮编辑(改局部) | Sunburst | Thinking | 编辑精度最高,细节保留好 |
| 批量生成缩略图、占位图 | Flare | Instant | 快、便宜、量大为王 |
| 技术架构图、流程图 | Flare + Sketch | Thinking | 手画线框图转精美示意图 |
| 商品主图、电商详情页 | Sunburst | Thinking | 商业级画质,值得投入 |
在 Codex 中,图像生成通过工具调用实现,主要有三种方式切换模型:
用 ChatGPT Images 2.5 生成一个 SaaS 产品的登录页插画,
风格简洁现代,主色调蓝色
$imagegen --model gpt-image-25-flare "一个科技感的仪表盘 UI"
在 ~/.codex/config.toml 或项目 .codex/config.toml 中:
[image]
model = "gpt-image-25-flare"
quality = "high"
size = "1792x1024"
直接在 Codex 对话中描述需求,由 AI 自动调生图工具。最自然、最常用。
适合:日常概念图、文档配图、快速原型
通过内置技能命令精确控制参数。需要生图时最直接的方式。
适合:批量出图、脚本化工作流、精确控制
通过 Skill 机制封装自己的生图脚本,接入任意生图 API。
适合:团队定制、特殊需求、多模型对比
# 基础生成
$imagegen "一只在月球上打高尔夫的柴犬,电影级光影"
# 指定模型和尺寸
$imagegen --model gpt-image-25-sunburst --size 1536x1024 \
"一个赛博朋克风格的城市夜景,霓虹灯,雨天"
# 指定输出数量(最多8张)
$imagegen --n 4 "极简风格的 App 图标设计,蓝色主题"
# 基于参考图生成
$imagegen --reference ./my-photo.jpg \
"把这张照片改成宫崎骏动画风格"
# 保存到指定目录
$imagegen --output ./assets/hero.png \
"产品官网 hero 背景图,抽象几何渐变"
Codex 生图最大的优势是可以和代码工作流无缝衔接。常见组合用法:
❌ 坏例子(太笼统):
帮我画一只猫
✅ 好例子(结构化):
画一只橘色的英国短毛猫【主体】,
坐在窗台上,背景是城市夜景灯光虚化【环境】,
平视视角,中景构图,猫咪占据画面中心【构图】,
吉卜力工作室风格,手绘动画质感【风格】,
暖色调,窗外冷色灯光对比,柔和的室内灯光【光照】,
高细节,电影级画质,8K【质量】
不要水印,不要文字【负向约束】
【产品名称和外观】,放在【场景/背景】中,
【构图方式:平视/俯视/特写】,
商业摄影风格,专业产品摄影,
干净的背景,柔和均匀的布光,
高分辨率,锐化,专业后期调色
一个【应用类型:SaaS 仪表盘/电商App/个人博客】的界面设计,
【风格:现代简约/新拟态/玻璃拟态/赛博朋克】,
主色调【颜色】,辅助色【颜色】,
包含【核心模块列表】,
Dribbble 风格,高保真,UI8 质量,
清晰的排版,合理的留白
一张【系统名称】的技术架构图,
包含【组件1】、【组件2】、【组件3】等模块,
用箭头标注数据流方向,
【风格:等轴测/扁平化/手绘风格】,
配色用蓝色系代表服务,绿色代表数据流,
清晰的标签,专业的技术文档风格,
白色背景,矢量图质感
一个【角色描述:性别、年龄、外貌特征、服装】,
【姿势/动作】,【表情/神态】,
背景是【场景描述】,
【艺术风格:概念艺术/赛博朋克/奇幻/写实】,
【艺术家风格参考】,
戏剧性光照,高细节,概念艺术作品集级别
GPT Image 系列对精确描述的遵循度很高。说清楚"什么东西、在什么地方、什么角度、什么风格",一次成功率大幅提升。
明确说"左边是 A,右边是 B,中间是 C"、"前景是 X,背景是 Y"。复杂构图配合 Sketch 功能效果最好。
说"皮克斯动画风格"比说"卡通风格"准得多。可以参考:具体艺术家、电影/游戏风格、设计网站(Dribbble/Behance)、艺术流派。
明确说"正好 3 个苹果"、"A 在 B 的上方"、"人物朝左看"。模型对数量和空间关系的理解在 2.5 版本提升很大。
不想要什么就明确说出来:"不要文字"、"不要水印"、"不要多余的手指"、"画面中没有人物"。
多物体、特定视角、包含文字、复杂布局的场景,一定要开 Thinking 模式,虽然慢一点但成功率高很多。
GPT Image 2 及以上版本对中文提示词的理解已经非常好了,日常使用完全可以用中文。但有两点注意:
建议:主体和场景用中文,风格和技术术语用英文,混合写就行。
GPT Image 2.5 最大的进步之一就是多轮编辑的一致性。不再是每次重画一张新图,而是真的在原图基础上修改。
| 编辑方式 | 适用场景 | 提示词示例 |
|---|---|---|
| 全局风格转换 | 整体改画风、色调、氛围 | "把这张图改成水彩画风格" |
| 局部修改 | 只改某个具体部分 | "把左边的椅子换成沙发" |
| 添加元素 | 在指定位置加东西 | "在桌子上加一杯咖啡" |
| 移除元素 | 去掉不需要的东西 | "去掉背景中的人物" |
| 调整构图 | 裁剪、扩展、改视角 | "把画面扩宽,增加左右两侧空间" |
| 文字编辑 | 修改图中的文字内容 | "把招牌上的文字改成'营业中'" |
| 方式 | 计费单位 | 适合人群 | 注意事项 |
|---|---|---|---|
| ChatGPT 订阅 | 订阅内含额度 | Plus/Pro 订阅用户 | 有使用上限,Pro 更高 |
| Codex Credits | 按 Credits 扣 | Codex 用户 | 走 $imagegen 技能从 Credits 扣 |
| API 直接调用 | 按张/按 Token | 开发者、批量生产 | 按需付费,量大有优惠 |
$imagegen 技能生图会从 Codex Credits 中扣除,而 Pro 订阅的 Credits 有高倍率加成——相当于用订阅费覆盖了大量生图需求,比单独买 API 划算得多。
不确定效果时,先用 1024px 或更小的尺寸、Instant 模式快速试 2-3 版,满意了再出大图。
80% 的场景 Flare 足够。只有最终交付或需要精确编辑时才用 Sunburst。
一张写得好的提示词一次成功,比模糊描述反复修改省得多。花 30 秒优化提示词是值得的。
批量占位图、缩略图用 Flare + Instant,速度快且省。不要每张都上最高质量。
有参考图时,模型理解需求更快更准,减少摸索轮次。
Templates 内置了标准尺寸和优化的布局参数,直接套用比自己调尺寸效率高。
超过 3 轮还不满意的,重开一张。不仅省钱,最终效果往往也更好。
Plus 用户有每日/每月上限,高消耗任务注意分配。月末额度用不完可以集中生产素材。
不是所有场景都需要 Sunburst。简单任务用 Flare 更快更省,效果差距不大。模型选择应该匹配任务难度。
描述模糊 = 反复修改 = 更多消耗 + 更低效率。写好提示词是性价比最高的投资。
多轮编辑有累积误差,改到第 5 轮画质已经下降不少。不如 2-3 轮不满意就重新生成。
虽然文字渲染能力已经很强,但生僻词、专业术语、特殊排版还是可能出错。含文字的图一定要仔细检查。
涉及真实人物、受版权保护的设计时要注意合规。商业用途的图尽量原创描述,不要直接模仿真人或品牌。
2K 大图生成慢、消耗高。用在什么地方就生成什么尺寸:缩略图 512px 就够,网页 hero 图 1792x1024 合适,打印才需要最高分辨率。
简单场景(单物体、纯色背景)开 Thinking 反而慢,Instant 就够。Thinking 模式的价值在于处理复杂构图和多元素场景。