OpenAI 發布了 GPT Image 2.5，社交平台上第一批對比圖已經刷了好幾輪。對做 OC 和短劇的創作者來說，真正該關心的不是參數表，而是兩件事：這一代在哪些活上確實比 Image 2 穩，以及你現在這套「參考圖 + 畫布 + 素材庫」的做法要不要改。
這篇把模型本身的分檔講清楚，再落到你每天真正在做的事情上：怎麼用參考圖鎖住角色和商品、怎麼一輪只改一處、什麼時候該停下來驗收。
GPT Image 2.5 是什麼
GPT Image 2.5 分成兩條線。Flare 面向日常量產，社交圖、產品草稿、封面、需要反覆試的方向都歸它；Sunburst 面向要放大看的成片，複雜材質、產品細節、密集文字屬於這一檔。兩條線都支援文生圖和參考圖編輯，輸入結構一樣，換檔不用重寫提示詞。
這個分檔是模型這一側的事。你在創作工具裡能不能挑檔位、挑到哪幾檔，取決於工具接了哪條線，這一點後面單獨說。
Image 2 升級了什麼
OpenAI 的發布說明把提升歸納為四點：光線更自然、紋理更豐富、參考主體保持得更牢、多輪編輯時更聽得懂「只改這裡」。官方還給了一個速度口徑，生成延遲最高能降約一半。
這四點裡，對連續創作影響最大的是第三和第四點。角色在第五張圖上還是同一張臉、商品在換了場景之後標識沒跑，這才是你真正會為之付費的能力。
| 工作環節 | Image 2 時期的常見做法 | 2.5 上值得改的地方 |
|---|---|---|
| 參考圖 | 傳一張圖然後反覆抽卡 | 明說哪些元素必須保持，把參考圖當約束而不是靈感 |
| 編輯 | 改完再並排找哪裡漂了 | 一輪只提一個變化，其餘全部寫進「保留」清單 |
| 細節 | 反覆放大確認材質 | 材質、結構、小字這類活交給 Sunburst 檔 |
| 批次 | 先大批生成再人工挑 | 用快檔探方向，方向定了再用精細檔出成片 |
品質檔位怎麼用
GPT Image 2.5 在 API 側提供 low、medium、high、xhigh、max 五級。low 用來看佈局，medium 是大多數圖的起點，high 適合營銷圖和文字多的畫面，xhigh 和 max 留給要放大或要印刷的資產。
有一點容易踩坑：2.5 的檔位名不要和 Image 2 機械對應。想要接近舊版 medium 的觀感，從 2.5 的 high 開始比會更接近。
需要提醒的是，這五級是模型 API 的引數。在 ArcLoop 裡你調的是解析度和畫幅，1K、2K、4K 三檔，配 16:9、9:16、1:1 三種比例。先用 1K 把構圖定下來，透過了再往上提，這個思路和調品質檔是一樣的，都是別為沒定稿的構圖付高價。
參考圖編輯：鎖住已通過的，只改一件事
參考圖編輯真正的價值不是讓模型重畫一張更好的，而是讓它別動你已經透過的部分。寫指令時按三段來：引用哪張已確認的圖、這一輪唯一要改什麼、哪些必須原樣保留。
以所附產品圖為唯一商品參考。
只把透明玻璃杯替換為無圖案的深藍色陶瓷杯，位置、高度和杯柄方向保持一致。
保留人物、桌面木紋、電腦、窗戶、相機角度、裁切、光線方向和陰影軟硬程度。
不要新增文字，不改變其他道具，不重畫整個房間。
反過來，如果一條指令裡同時提「換背景、改服裝、加文字、改姿勢」，就算模型能力再強，出問題你也定位不到是哪一句沒聽。改壞了就退回上一版重來，別在壞版本上繼續疊指令。
什麼時候用 Flare，什麼時候用 Sunburst
第一輪用快檔：角色換場景、構圖探索、社交比例、封面留白，一次出一組候選方向。第二輪用精細檔：產品標籤、材質、機械結構、近距離紋理、中文小標題、最終廣告主圖。
兩檔的請求結構一樣，所以同一套提示詞和參考圖可以直接沿用，只換模型。這也是為什麼值得先把提示詞寫規整：寫得越結構化，換檔的成本越低。
同一款米白色旅行水杯，出三張電商草稿：正面白底主圖、窗邊使用場景、右側留白的廣告底圖。
保持杯體比例、蓋子接縫、把手位置和正面標識完全一致。
不新增品牌以外的任何文字。先用 1K 確認構圖。
如何在 ArcLoop 中使用 GPT Image 2.5
GPT Image 2.5 現在是 ArcLoop 裡可以選擇的圖片模型之一：從對話方塊下方的模型選項卡開啟 Story Settings，選擇 GPT Image 2.5 Flare 作為圖片模型，旁邊設定圖片解析度和比例。本文其他內容——用 Reference image 鎖定主體、每輪只改一個變數、確認後再 Bind——工作流程完全一樣，只是換成了新模型來跑。
- 在 Story Settings 裡選好模型。 日常使用選 GPT Image 2.5 Flare；圖片解析度根據用途來定（草稿低一些，要出片的幀高一些），比例按交付規格設定。
- 先把主體做成資產。 在我的資產裡建好角色或產品，上傳 Main image，再補幾張覆蓋不同角度和狀態的 Reference image。每次生成都用
@引用這個資產，主體一致性就不靠運氣了。 - 先低解析度打草稿，構圖確認後再提高解析度。 構圖不對就改描述，別靠切換檔位來救一個構圖本來就有問題的畫面。
- 用 Reference image 引導修改，每輪只改一處。 寫清楚哪些要保持不變，再寫這一輪要改的那一個點。把原圖和結果放在一起對比。
- 確認的幀 Bind 到資產上，備註好模型、解析度、比例和 prompt，幾個月後重新生成也能復現。
- 交付前最後檢查文字、邊緣和細節——模型能力更強，但小字依然容易翻車。
完整工作流在分鏡和封面上的應用，可以參考如何用 GPT Image 2 製作短劇角色設計、Storyboard 和封面，步驟在 2.5 上同樣適用。
從 Image 2 遷移，三件事值得改
- 已驗證的資產先別動。 提示詞、參考圖、比例都保留，換模型時先跑一輪對照，看差異出在哪。
- 重新校準檔位。 不要假設新版的 medium 等於舊版的 medium，用同一張參考圖各出一張，用眼睛定。
- 歷史輸出別覆蓋。 舊版透過的圖留著，新版存成新版本。哪天要回滾或要給客戶看演進過程，都用得上。
模型換代對創作者的意義，從來不是「按鈕變多了」，而是同一張參考圖能更穩地變成一整套可交付的素材。把資產建好、把每輪修改寫清楚，換哪代模型你的流程都不用重來。
