TokenPAPATokenPAPA
使用指南API 参考AI 应用博客定价注册

GPT Image 2.5 上线 TokenPAPA:flare 与 sunburst 价格对比和调用指南(2026)

GPT Image 2.5 已以 gpt-image-2.5-flare 和 gpt-image-2.5-sunburst 两个模型 ID 上线 TokenPAPA,价格均为 1M 输入 $4.65 / 1M 输出 $28,比 gpt-image-2 便宜约 13%。本文讲清楚两个变体的区别、调用端点和迁移方法。

GPT Image 2.5 上线 TokenPAPA:flare 与 sunburst 价格对比和调用指南

GPT Image 2.5 已以两个模型 ID 上线 TokenPAPA:gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。两者统一计费为每 1M 输入 token $4.65、每 1M 输出 token $28,走同一个 OpenAI 兼容图片接口,用的还是你现有的那个 API key。

相比上一代 gpt-image-2(1M 输入 $5.3846、1M 输出 $32.3),价格低约 13%。如果图像生成在你的产品里已经是一项看得见的成本,这个差价值得一次迁移评估。

下面把四件事说清楚:这两个 ID 到底是什么、差价到底省在哪、调用端点与可运行代码、以及在不看营销表格的前提下怎么在 flare 和 sunburst 之间做选择。

一句话版本:GPT Image 2.5 是提示词驱动的图像生成 + 编辑模型,公开能力点集中在语义理解、复杂指令执行、文字渲染、空间关系和创意表现。TokenPAPA 上两个变体均为 $4.65 输入 / $28 输出(每 1M token),默认分组及 Starter / Pro / Enterprise 套餐均可调用,端点是 POST /v1/images/generations,现有 key 直接可用。


两个变体速览

模型 ID输入 / 1M输出 / 1M缓存输入端点可用套餐
gpt-image-2.5-flare$4.65$28—OpenAI 兼容默认 / Starter / Pro / Enterprise
gpt-image-2.5-sunburst$4.65$28—OpenAI 兼容默认 / Starter / Pro / Enterprise

两行完全一样。这不是复制粘贴错误——在 TokenPAPA 上这两个变体的定价和可用性确实一致。

那 flare 和 sunburst 到底差在哪?

实话实说:TokenPAPA 上没有任何已公布差异。 同价、同套餐、同能力描述、同端点。它们更像同一代模型的两个检查点(release candidate),这在图像模型上很常见。

所以正确的选法是实测,而不是看表格:

  1. 拿 10–20 条你自己业务里真实会用到的提示词(商品图、UI 稿、博客头图、含文字的海报)。
  2. 在相同尺寸、相同质量参数下用两个 ID 各跑一遍。
  3. 按你真正在意的维度打分:文字是否可读、负面约束是否遵守、手部和排版是否崩、改图保真度如何。
  4. 把胜出的当默认,长尾流量路由给另一个。

如果只想先选一个:从 gpt-image-2.5-flare 开始,改回 sunburst 只需换一个字符串。

GPT Image 2.5 与 gpt-image-2 的价格差

模型输入 / 1M输出 / 1M输入降幅输出降幅
gpt-image-2$5.3846$32.3——
gpt-image-2.5-flare$4.65$28−13.6%−13.3%
gpt-image-2.5-sunburst$4.65$28−13.6%−13.3%

两个值得注意的点:

  • 降幅基本对称。 常见做法是只降输入侧,而图像生成的成本主要由输出侧决定,那种降价的真实体感会大打折扣。这次两边都降了,所以无论你的提示词长短,省的钱都能落到账单上。
  • 图像任务以输出 token 为主。 提示词很短,贵的是渲染出来的图。降在主导项上的 13.3%,才是真正体现到账单上的那个数字。

可以直接套用的成本公式

这里按 token 计费,不是按张数计费,所以账单是:

cost = (input_tokens  × 4.65
      + output_tokens × 28.00) / 1,000,000

gpt-image-2 用 5.3846 和 32.30 代入。从控制台导出一周真实用量,两套系数各算一遍,就是你这个流量规模下的月度差额——不需要假设"一张图多少 token"。

GPT Image 2.5 的能力边界

公开能力点里,能从上一代看到进步的地方是:

  • 语义理解——理解提示词的意图而不只是名词,多子句的需求不用再靠反复改写提示词硬凑。
  • 复杂指令执行——一次请求里同时满足主体、构图、配色、风格、排除项等多个约束,而不是生成十次挑一张。
  • 文字渲染——图像模型历史上最弱的一环。这一项能直接决定海报、UI 稿、社媒卡片能不能省掉后置合成步骤。
  • 空间关系——物体之间的相对位置。这是"一只猫和一张沙发"与"一只猫趴在绿色沙发的左扶手上"的差别。
  • 创意表现——风格跨度,决定了一张模板能不能撑完一整个内容日历。

对产品团队更关键的是:它不只做生成,还支持对已有图片的 AI 编辑——指令式修图、风格迁移、内容扩展(outpainting)、细节优化。也就是说"生成"和"修图"两条链路可以共用一个模型 ID。

怎么调用

图像模型走 OpenAI 兼容的图片端点,不是 /chat/completions。同一个 key,路径不同。

curl

TOKENPAPA_API_KEY="sk-..."

curl https://api.tokenpapa.ai/v1/images/generations \
  --oauth2-bearer "$TOKENPAPA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5-flare",
    "prompt": "哑光黑色半自动咖啡机放在水泥台面上,清晨柔和窗光,杂志级产品摄影,画面无文字",
    "size": "1024x1024",
    "n": 1,
    "response_format": "url"
  }'

Python(官方 OpenAI SDK,无需魔改)

from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.tokenpapa.ai/v1",
)

img = client.images.generate(
    model="gpt-image-2.5-flare",   # 或 "gpt-image-2.5-sunburst"
    prompt="哑光黑色半自动咖啡机放在水泥台面上,清晨柔和窗光,画面无文字",
    size="1024x1024",
    n=1,
)

print(img.data[0].url)

Node.js

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.TOKENPAPA_API_KEY,
  baseURL: "https://api.tokenpapa.ai/v1",
});

const img = await client.images.generate({
  model: "gpt-image-2.5-sunburst",
  prompt: "哑光黑色半自动咖啡机放在水泥台面上,清晨柔和窗光,画面无文字",
  size: "1024x1024",
  n: 1,
});

和官方示例相比,唯一的变化是 base_url。不需要代理中间层、不需要厂商专用客户端、不需要响应格式转换。

从 gpt-image-2 或 dall-e 迁移

因为走的是 OpenAI 图片 schema,迁移就是一个字符串的改动:

- "model": "gpt-image-2"
+ "model": "gpt-image-2.5-flare"

请求体其他部分不用动,重试逻辑、存储链路、审核步骤照常工作,key 也不用轮换。

两个实操提醒:

  1. 不要盲迁。 固定一组基准提示词,新旧两个 ID 各跑一遍,并排观察一周再切。图像模型的退化常常出现在某一类特定提示上,而不是总体质量。
  2. 路由,不要替换。 如果某类提示词在旧模型上更稳,就留着。TokenPAPA 上两个 ID 同 key、同余额随时可调,按提示词类别做一张路由表,成本只是一个字典查表。

什么时候不该选它

说清楚边界才有用:

  • 需要像素级确定性输出——任何生成式图像模型都会漂移,这类需求用模板加合成。
  • 需要矢量输出——这是栅格管线。
  • 用量很小——低频场景下 13% 是噪声,重新验证提示词的工时比 token 钱贵。等图像支出成为账单上看得见的一项再迁。
  • 必须本地部署或离线推理——这是托管 API。

一个 key 的价值

这次上新之所以是个"顺手就做了"的决定而不是一个项目,原因在于:TokenPAPA 的图像模型和对话模型共用同一个 base URL、同一个 API key、同一个余额。没有独立的媒体账户、没有额外充值、没有第二套限流预算。已经在调 deepseek-v4.1-flash、gpt-5.6-sol 的应用,加一个图像功能不需要动任何账号配置。


常见问题

GPT Image 2.5 是什么?

是 TokenPAPA 上的图像生成与编辑模型,对应 gpt-image-2.5-flare 和 gpt-image-2.5-sunburst。它支持根据自然语言提示生成图像,也支持对已有图片做指令式编辑、风格迁移、内容扩展和细节优化。

GPT Image 2.5 在 TokenPAPA 上多少钱?

每 1M 输入 token $4.65、每 1M 输出 token $28,两个变体同价。对比 gpt-image-2 的 $5.3846 / $32.3,输入便宜约 13.6%、输出便宜约 13.3%。

flare 和 sunburst 有什么区别?

在 TokenPAPA 上两者同价、同套餐、同能力描述。应视为同一代模型的两个检查点,用自己的提示词做 A/B 测试来选,而不是依赖官方未公布的质量差异。

用哪个接口调用?

POST https://api.tokenpapa.ai/v1/images/generations,OpenAI 兼容图片端点,不是 /chat/completions。

图像模型要单独申请 key 吗?

不需要。一个 key 同时覆盖对话、向量与图像模型,图像用量在同一余额计费。

默认分组能调用吗?

可以。两个 ID 的可用分组都包含 default / Starter / Pro / Enterprise,默认分组的 key 直接可调。


开始使用

两个 GPT Image 2.5 变体都已上线。实时价格见 https://tokenpapa.ai/pricing,在 https://tokenpapa.ai/keys 创建或复用 key,然后用你对话代码里已有的凭据调用 /v1/images/generations。

最后更新 2026-11-09。价格与套餐可用性已对照 TokenPAPA 定价数据核验。两个变体的定价与能力描述完全一致,本文不宣称任何 TokenPAPA 未公布的质量差异。

这篇文档对您有帮助吗?

最后更新于

GPT Image 2.5 上线 TokenPAPA:flare 与 sunburst 价格对比和调用指南(2026) | TokenPAPA