สรุปสั้นๆ
GPT-Image-2.5 คือเทคโนโลยีสร้างและแก้ไขภาพรุ่นใหม่ล่าสุดของ OpenAI เปิดตัวเมื่อ 8 กันยายน 2026 ในฐานะผู้สืบทอดของ ChatGPT Images 2.0 และรุ่น API GPT-Image-2
สำหรับนักพัฒนา GPT-Image-2.5 มีให้ใช้เป็นสองโมเดล: Flare และ Sunburst Flare ถูกออกแบบให้เป็นตัวเลือกเริ่มต้นสำหรับงานโปรดักชันส่วนใหญ่ ผสานคุณภาพภาพที่สูงขึ้นกับเวลาในการสร้างที่เร็วขึ้นอย่างมาก Sunburst เหมาะกับเวิร์กโฟลว์ที่ความแม่นยำในการแก้ไขและความตรงของภาพสุดท้ายสำคัญกว่าความหน่วงแฝง
การอัปเกรดนี้ไม่ใช่แค่เรื่องภาพคมขึ้น GPT-Image-2.5 ปรับปรุงการคงลักษณะของภาพอ้างอิง การแก้ไขเฉพาะจุด ความสม่ำเสมอของการแก้ไขหลายรอบ ความสมจริงของภาพ ความสามารถในการทำตามคำสั่ง การสร้างพื้นหลังโปร่งใส และผลลัพธ์ความละเอียดสูง OpenAI ระบุว่าเวลาสร้างภาพลดลง สูงสุด 50% เมื่อเทียบกับ Images 2.0
ผลการทดสอบความชอบโดยมนุษย์ในช่วงแรกก็ดีเช่นกัน ในสแนปช็อต Arena วันที่ 9 กันยายน Sunburst อยู่อันดับหนึ่งสำหรับการสร้างภาพจากข้อความที่ 1421 ± 13 Elo ขณะที่ Flare อยู่ที่อันดับสองที่ 1399 ± 13 นำหน้า Image 2 ที่ 1381 ± 4
นักพัฒนาสามารถเข้าถึงทั้งสองรุ่นผ่าน CometAPI: GPT-Image-2.5 Flare ใช้ gpt-image-2.5-flare สำหรับงานที่ต้องการความเร็วและปริมาณสูง ขณะที่ GPT-Image-2.5 Sunburst ใช้ gpt-image-2.5-sunburst เมื่อความแม่นยำในการแก้ไขและความตรงของภาพสุดท้ายสำคัญที่สุด ทั้งสองสามารถใช้ผ่านเส้นทาง /v1/images/generations และ /v1/images/edits ที่คุ้นเคย; เอาต์พุตโปร่งใสควรใช้ PNG หรือ WebP
ประเด็นสำคัญ
- GPT-Image-2.5 เป็นการอัปเกรดระดับเจเนอเรชัน ไม่ใช่แค่ปรับคุณภาพภาพเล็กน้อย
- นักพัฒนาได้ 2 รุ่น: Flare เพื่อความเร็วและการสเกล และ Sunburst เพื่อความแม่นยำในการแก้ไขสูงสุด
- Flare ให้คุณภาพสูงกว่า Image 2 ด้วยความหน่วงแฝงที่ต่ำลง 50% ตามที่ OpenAI ระบุ
- ทั้งสองรุ่นรองรับโหมดคุณภาพ low, medium, high, xhigh, max และ auto
- มิติเอาต์พุตแบบกำหนดเองรองรับจำนวนพิกเซลระดับ 4K โดยความยาวด้านเดี่ยวได้ถึง 3840 พิกเซล
- ผล Arena ปัจจุบันจัดให้ Sunburst และ Flare อยู่เหนือ Image 2 ทั้งในงานข้อความ-สู่-ภาพและการแก้ไขภาพเดี่ยว
- ทั้งสองโมเดลใช้อัตราโทเคนทางการเดียวกัน: $5/M โทเคนข้อความขาเข้า, $8/M โทเคนภาพขาเข้า และ $30/M โทเคนภาพขาออก
- API Flare บน CometAPI ปัจจุบันให้ราคาหัวข้อขาเข้า/ขาออกต่ำกว่าสำหรับนักพัฒนาที่สร้างเวิร์กโฟลว์ภาพระดับโปรดักชัน
GPT-Image-2.5 คืออะไร?
GPT-Image-2.5 คือครอบครัวโมเดลการสร้างและแก้ไขภาพรุ่นล่าสุดของ OpenAI ใน ChatGPT เทคโนโลยีนี้ปรากฏเป็น ChatGPT Images 2.5 ในระดับ API นักพัฒนาสามารถเลือกระหว่างสองโมเดลที่แตกต่างกัน:
- gpt-image-2.5-flare
- gpt-image-2.5-sunburst
ความแตกต่างนี้สำคัญเพราะ “GPT-Image-2.5” ควรเข้าใจว่าเป็นรุ่นหรือครอบครัวของโมเดล มากกว่าหนึ่งรหัสโมเดล API เดียว
GPT-Image-2.5 ต่อยอดจากความสามารถของ Image 2 API ใน CometAPI โดยเน้นหนักขึ้นมากกับเวิร์กโฟลว์รอบการสร้างภาพ แทนที่จะมองแต่ละการสร้างเป็นผลลัพธ์ที่ค่อนข้างเป็นอิสระ รุ่นใหม่นี้ออกแบบมาเพื่อคงตัวแบบ องค์ประกอบ สไตล์ และการแก้ไขก่อนหน้าไว้ขณะผู้ใช้ทำซ้ำ
OpenAI เน้นความก้าวหน้าใน ความเที่ยงตรงของภาพอ้างอิงและการแก้ไขอย่างแม่นยำ รวมถึงความสม่ำเสมอหลายรอบ พื้นผิวที่สมบูรณ์ขึ้น และแสงธรรมชาติ สิ่งนี้ทำให้ GPT Image 2.5 เหมาะอย่างยิ่งสำหรับงานสร้างสรรค์เชิงพาณิชย์ที่การแก้ไขเพียงครั้งเดียวไม่ควรปรับโครงสร้างแอสเซ็ตส่วนอื่นๆ อย่างคาดเดาไม่ได้
การเปลี่ยนแปลงหนึ่งที่สำคัญคือการเพิ่ม xhigh และ max ก่อนหน้านี้ GPT Image รองรับการตั้งค่าคุณภาพถึงแค่ high; ดังนั้น GPT-Image-2.5 จึงให้นักพัฒนาควบคุมการแลกเปลี่ยนระหว่างความหน่วงแฝงกับความเที่ยงตรงได้มากขึ้น โมเดลยังรองรับ มิติแบบกำหนดเองรวมสูงสุด 8,294,400 พิกเซล แม้ว่า OpenAI จะทำเครื่องหมายว่าความละเอียดเหนือ 2560×1440 เป็นเชิงทดลอง ความกว้างและความสูงต้องเป็นจำนวนเท่าของ 16
Flare เทียบกับ Sunburst
Flare และ Sunburst แชร์ความสามารถหลักของ GPT-Image-2.5 เหมือนกัน แต่ปรับให้เหมาะกับข้อจำกัดโปรดักชันที่ต่างกัน
| ปัจจัยในการตัดสินใจ | Flare | Sunburst |
|---|---|---|
| เป้าหมายหลัก | การสร้างที่รวดเร็ว คุณภาพสูง และสเกลได้ | ความแม่นยำสูงสุดในการสร้างและแก้ไข |
| ความหน่วงแฝงโดยเปรียบเทียบ | เร็วกว่า; เหมาะกับเวิร์กโฟลว์เชิงโต้ตอบ | ช้ากว่า; ให้ความสำคัญกับความเที่ยงตรงและการควบคุม |
| งานที่เหมาะที่สุด | แอสเซ็ตโซเชียล ต้นแบบ การค้นหาด้วยภาพ แอปปริมาณสูง | ครีเอทีฟแคมเปญ ภาพสินค้าเด่น การแก้ไขเฉพาะจุดที่ยาก |
| พฤติกรรมการแก้ไข | ความซื่อสัตย์ต่อภาพอ้างอิงและความสม่ำเสมอหลายรอบที่แข็งแรง | ตัวเลือกที่แข็งแกร่งที่สุดเมื่อการคงรายละเอียดเป๊ะสำคัญ |
| การกำหนดเส้นทางแนะนำ | โมเดลค่าเริ่มต้นสำหรับคำขอทั่วไป | ระดับความแม่นยำสำหรับการสร้างและแก้ไขที่ต้องการมาก |
สำหรับแอปส่วนใหญ่ เริ่มต้นด้วย Flare และส่งต่อการแก้ไขขั้นสุดท้ายที่ยากไปยัง Sunburst วิธีนี้คงความตอบสนองโดยไม่เสียตัวเลือกความแม่นยำสูงกว่า
มีอะไรใหม่ใน GPT-Image-2.5?
ความเที่ยงตรงของภาพอ้างอิงที่ดีขึ้น
หนึ่งในความก้าวหน้าที่สำคัญคือความสามารถในการคงภาพต้นทางไว้อย่างซื่อสัตย์ การสร้างภาพแบบอ้างอิงมักมีข้อแลกเปลี่ยนที่ไม่สบายใจ: ยิ่งโมเดลแปลงภาพอย่างดุดันเท่าไร ก็ยิ่งมีโอกาสเปลี่ยนอัตลักษณ์ สัดส่วน ผลิตภัณฑ์ พื้นหลัง หรือรายละเอียดเล็กๆ ที่ควรคงอยู่มากขึ้นเท่านั้น
GPT-Image-2.5 ถูกออกแบบมาให้คงรายละเอียดเหล่านั้นมากขึ้น OpenAI ระบุว่าแบบควรยังคงจดจำได้ ในขณะที่แสง สภาพแวดล้อม เสื้อผ้า องค์ประกอบ หรือสไตล์ถูกปรับเปลี่ยน สิ่งนี้สำคัญสำหรับการแทนที่พื้นหลังผลิตภัณฑ์ เวอร์ชันครีเอทีฟรอบตัวละครเดียวกัน เปลี่ยนชุดโดยคงโพสและอัตลักษณ์ และองค์ประกอบทางเลือกที่สร้างจากแอสเซ็ตต้นทางเดียวกัน
ตัวอย่าง “Remixed baby portrait” อย่างเป็นทางการของ OpenAI แสดงการแก้ไขที่รับรู้แหล่งที่มา เปลี่ยนชุดแต่คงโพสและพื้นหลังสตูดิโอสีน้ำเงินไว้
ภาพอินพุตอย่างเป็นทางการจาก OpenAI
ภาพเอาต์พุตที่แก้ไขอย่างเป็นทางการจาก OpenAI
การแก้ไขภาพที่แม่นยำยิ่งขึ้น
การอัปเกรดใหญ่อีกประการคือการแก้ไขเฉพาะจุด หากภาพสินค้ามีขวด พื้นหลัง พาดหัว โลโก้ เงา และพร็อพเสริม เครื่องมือแก้ไขภาพที่ดีควรแทนที่เฉพาะพาดหัวได้โดยไม่เปลี่ยนรูปขวด มุมกล้อง หรือแสงโดยไม่คาดคิด GPT-Image-2.5 แยกแยะได้ดีขึ้นว่าอะไรควรเปลี่ยนและอะไรควรคงเดิม
ความน่าเชื่อถือของการแก้ไขหลายรอบ
คุณค่าที่แท้จริงของการแก้ไขภาพมักปรากฏหลังการแก้ไขครั้งแรก เวิร์กโฟลว์สร้างสรรค์ทั่วไปอาจสร้างฉากสินค้า เปลี่ยนพื้นหลัง ขยับสินค้า แทนที่พาดหัว เพิ่มตราโปรโมชัน ปรับแสง และสุดท้ายส่งออกเวอร์ชันพื้นหลังโปร่งใส
กับโมเดลภาพที่อ่อนกว่า แต่ละขั้นถัดมาอาจค่อยๆ เสื่อมรายละเอียดที่ตั้งไว้ก่อนหน้า GPT-Image-2.5 ถูกออกแบบมาโดยเฉพาะให้การเปลี่ยนแปลงก่อนหน้าคงอยู่ได้ดีขึ้นตลอดหลายรอบการแก้ไข พาการสร้างภาพเข้าใกล้กระบวนการแก้ไขแบบโต้ตอบมากกว่าลำดับการสร้างที่ไม่สัมพันธ์กัน
แสงและพื้นผิวที่เป็นธรรมชาติมากขึ้น
GPT-Image-2.5 ยังมุ่งเป้ากำจัดสิ่งประดิษฐ์ทางภาพที่ทำให้ภาพถ่ายที่สร้างด้วย AI ดูออกง่าย OpenAI รายงานการปรับปรุงแสงธรรมชาติและพื้นผิววัสดุที่สมบูรณ์ขึ้น ในทางปฏิบัติสิ่งนี้สำคัญกับผิวหนัง ผ้า แก้ว โลหะ บรรจุภัณฑ์ เฟอร์นิเจอร์ อาหาร และฉากสิ่งแวดล้อมที่สมจริง
ทำตามคำสั่งที่ซับซ้อนได้ดีขึ้น
พรอมป์สำหรับการสร้างภาพสมัยใหม่ยิ่งเหมือนบรีฟการออกแบบ ผู้ใช้อาจระบุหลายวัตถุ ตำแหน่งที่แน่นอน พาดหัว บรรจุภัณฑ์สินค้า มุมกล้อง สีแบรนด์ แสง ความสัมพันธ์หน้า-หลัง พื้นที่โปร่งใส และสิ่งที่ยกเว้น GPT-Image-2.5 ปรับปรุงความสามารถในการแปลคำขอที่มีโครงสร้างเหล่านี้ให้เป็นภาพที่สอดคล้องกัน
พื้นหลังโปร่งใสและเอาต์พุตที่ยืดหยุ่น
ทั้งสองโมเดล API ของ GPT-Image-2.5 รองรับพื้นหลังโปร่งใสเมื่อรูปแบบเอาต์พุตเป็น PNG หรือ WebP
background="transparent"
output_format="png"
สเปกการสร้างภาพอย่างเป็นทางการ ยังอนุญาตมิติ WIDTHxHEIGHT ใดๆ ที่ถูกต้อง แทนที่จะบังคับนักพัฒนาให้ใช้เพียงไม่กี่อัตราส่วนคงที่ ซึ่งเป็นประโยชน์สำหรับแอสเซ็ตอีคอมเมิร์ซ โอเวอร์เลย์ กราฟิกนำเสนอ คอมโพเนนต์ UI สติ๊กเกอร์ วัตถุแยกเดี่ยว ภาพขนาดย่อ และครีเอทีฟโฆษณา
ประสิทธิภาพเชิงเกณฑ์ของ GPT-Image-2.5
เกณฑ์วัดผลการสร้างภาพต้องตีความอย่างระมัดระวัง ไม่มีเมตริกเดียวที่เทียบเท่าเกณฑ์คณิตของโมเดลภาษา ซึ่งจับความสวยงาม การทำตามพรอมป์ ความแม่นยำในการแก้ไข ความสมจริง การเรนเดอร์ข้อความ และความเที่ยงตรงของอ้างอิงพร้อมกัน สำหรับ GPT-Image-2.5 หลักฐานเชิงปริมาณที่เป็นประโยชน์มีสามประเภท: ผลความชอบของมนุษย์จาก Arena การวัดความหน่วงแฝงของ OpenAI และการประเมินความปลอดภัยของ OpenAI
เกณฑ์ข้อความ-สู่-ภาพของ Arena
Arena ประเมินโมเดลด้วยความชอบของมนุษย์แบบปิดบัง: ผู้ใช้ได้รับผลลัพธ์จากสองโมเดลที่ไม่เปิดเผยชื่อสำหรับงานเดียวกันและเลือกผลลัพธ์ที่ชอบ สแนปช็อตแสดงดังนี้:
ภาพรวมเบื้องต้นของ Arena
| โมเดล | Elo ข้อความ-สู่-ภาพ | อันดับ | โหวต |
|---|---|---|---|
| Sunburst | 1421 ± 13 | 1 | 3,149 |
| Flare | 1399 ± 13 | 2 | 2,856 |
| Image 2 (medium) | 1381 ± 4 | 3 | 78,731 |
| MAI Image 2.6 | 1331 ± 7 | 4 | 11,213 |
| Grok Imagine Image 2.0 (low) | 1315 ± 12 | 5 | 2,681 |
เกณฑ์การแก้ไขภาพ
รูปแบบเดียวกันปรากฏในตารางผู้นำของ Arena สำหรับการแก้ไขภาพเดี่ยว
| โมเดล | Elo การแก้ไขภาพเดี่ยว | ผลต่างเทียบกับ Image 2 |
|---|---|---|
| Sunburst | 1520 ± 9 | +59 |
| Flare | 1491 ± 9 | +30 |
| Image 2 | 1461 ± 3 | 基准 (Baseline) |
| Grok Imagine Image 2.0 | 1439 ± 8 | -22 |
| MAI Image 2.6 | 1434 | -27 |
ข้อได้เปรียบของ Sunburst ชัดเจนเป็นพิเศษในการแก้ไข: ช่องว่างเหนือ Image 2 มากกว่าการสร้างภาพจากข้อความ สอดคล้องกับการวางตำแหน่งว่าเป็นโมเดลเน้นความแม่นยำ
ความหน่วงแฝงในการสร้าง
OpenAI ระบุว่า GPT-Image-2.5 ลดความหน่วงแฝงในการสร้างลงสูงสุด 50% เทียบกับ Images 2.0 สำหรับ API โดยเฉพาะ OpenAI วางตำแหน่ง Flare ว่าให้ภาพคุณภาพสูงกว่า Image 2 ด้วยความหน่วงแฝงต่ำลง 50% ส่วน Sunburst จงใจแลกเวลาในการสร้างที่มากขึ้นเพื่อความแม่นยำเพิ่มเติม
การประเมินความปลอดภัย
OpenAI ยังเผยแพร่การประเมินความปลอดภัยเชิงปริมาณโดยใช้พรอมป์เชิงปฏิปักษ์ที่ออกแบบมาเพื่อขอภาพที่ละเมิดนโยบาย
| โมเดล | สร้างอย่างปลอดภัย | บล็อกไม่ปลอดภัย | นำเสนอไม่ปลอดภัย |
|---|---|---|---|
| Sunburst | 77.0% | 21.9% | 1.09% |
| Flare | 79.4% | 19.2% | 1.41% |
| ChatGPT Images 2.0 baseline | 75.2% | 23.1% | 1.64% |
แหล่งที่มา: OpenAI Images 2.5 safety evaluations เมื่อเทียบกับเบสไลน์ 1.64% อัตราผลลัพธ์ที่ไม่ปลอดภัยสุดท้ายลดลง 0.55 จุดเปอร์เซ็นต์สำหรับ Sunburst และ 0.23 จุดเปอร์เซ็นต์สำหรับ Flare
ตัวเลขเหล่านี้คือผลทดสอบความปลอดภัยแบบกดดัน ไม่ใช่คะแนนคุณภาพภาพโดยรวมหรือประมาณการทราฟฟิกผู้ใช้ทั่วไป
Flare เทียบกับ Sunburst เทียบกับ Image 2
สำหรับนักพัฒนาส่วนใหญ่ คำถามที่มีประโยชน์กว่าคือไม่ใช่ GPT-Image-2.5 ดีกว่าเชิงนามธรรมเพียงใด แต่คือโมเดลใดเหมาะกับเวิร์กโหลดเฉพาะ
| มิติ | Flare | Sunburst | Image 2 |
|---|---|---|---|
| เป้าหมายหลัก | ความเร็ว + คุณภาพสูง | ความแม่นยำสูงสุด | โมเดลภาพทั่วไปรุ่นก่อนหน้า |
| ข้อความ-สู่-ภาพ | ยอดเยี่ยม | ดีที่สุดตามผล Arena ปัจจุบัน | ยอดเยี่ยม |
| การแก้ไขภาพ | ยอดเยี่ยม | ดีที่สุดในสามตัว | แข็งแกร่ง |
| Arena T2I Elo | 1399 ± 13 | 1421 ± 13 | 1381 ± 4 |
| Arena image-edit Elo | 1491 ± 9 | 1520 ± 9 | 1461 ± 3 |
| ความหน่วงแฝงโดยเปรียบเทียบ | ตัวเลือกที่เร็วที่สุด | ช้ากว่า | เบสไลน์ |
| ความซื่อสัตย์ต่ออ้างอิง | ปรับปรุงแล้ว | ปรับปรุง/โฟกัสความแม่นยำ | แข็งแกร่ง |
| การแก้ไขหลายรอบ | ปรับปรุงแล้ว | ปรับปรุงแล้ว | ปรับแต่งน้อยกว่า |
| การตั้งค่าคุณภาพ | สูงสุดถึง max | สูงสุดถึง max | สูงสุดถึง high |
| มิติแบบกำหนดเอง | มี | มี | มี |
| เอาต์พุตระดับ 4K | มี | มี | มี |
| พื้นหลังโปร่งใส | มี | มี | 有 (Yes) |
| การใช้งานที่เหมาะที่สุด | แอป โซเชียล ต้นแบบ การสร้างเป็นชุด | แคมเปญ ผลิตภัณฑ์ขัดเงา การแก้ไขยาก | การผสานงานที่มีอยู่ |
| แนะนำสำหรับโปรเจ็กต์ API ใหม่ | ใช่ เป็นค่าเริ่มต้น | ใช่ เมื่อความแม่นยำสำคัญ | ส่วนใหญ่เมื่อคงเวิร์กโฟลว์เดิม |
โมเดลใดชนะด้านคุณภาพ?
คำตอบปัจจุบันคือ Sunburst นำทั้งสองหมวดภาพหลักของ Arena และ OpenAI ระบุชัดว่าเป็นโมเดลที่มีความสามารถสูงสุดสำหรับการสร้างและแก้ไขภาพ
โมเดลใดชนะด้านความเร็ว?
คำตอบคือ Flare การผสานคะแนนความชื่นชอบที่สูงกับความหน่วงแฝงที่ลดลงอย่างมากทำให้เป็นตัวเลือกอเนกประสงค์ที่น่าสนใจที่สุดในครอบครัว
Flare มีต้นทุนต่ำกว่า Sunburst หรือไม่?
ไม่ ในระดับอัตราต่อหน่วยที่ประกาศ
ทั้งสองโมเดลปัจจุบันใช้อัตราโทเคนที่เผยแพร่เหมือนกัน ข้อได้เปรียบทางเศรษฐศาสตร์ของ Flare มาจากความหน่วงแฝงและผลผลิตเวิร์กโฟลว์ ไม่ใช่ราคาต่อโทเคนที่ต่ำกว่า
การกำหนดราคา GPT-Image-2.5
OpenAI ปัจจุบันใช้อัตราโทเคนเดียวกันกับ Flare และ Sunburst:
| ประเภทโทเคน | Flare | Sunburst |
|---|---|---|
| ข้อความขาเข้า | $5 / 1M โทเคน | $5 / 1M โทเคน |
| ข้อความขาเข้าที่แคช | $1.25 / 1M โทเคน | $1.25 / 1M โทเคน |
| ภาพขาเข้า | $8 / 1M โทเคน | $8 / 1M โทเคน |
| ภาพขาเข้าที่แคช | $2 / 1M โทเคน | $2 / 1M โทเคน |
| ภาพขาออก | $30 / 1M โทเคน | $30 / 1M โทเคน |
ดังนั้นอัตราโทเคนทางการจึงไม่ก่อให้เกิดความแตกต่างง่ายๆ แบบ “Flare ถูก, Sunburst แพง” ความแตกต่างทางเศรษฐศาสตร์มาจากพฤติกรรมเวิร์กโฟลว์ โมเดลที่เร็วกว่าอาจลดเวลารอของผู้ใช้ ความต้องการคอนเคอร์เรนซีของแอป การยกเลิกการสร้าง การทำซ้ำงานออกแบบ และทรัพยากรโครงสร้างพื้นฐานที่ถูกครอบครองโดยคำขอที่รันนาน
ต้นทุนอินพุตภาพ
ตัวอย่าง: ต้นทุนแก้ไขด้วยภาพอ้างอิง: ต้นทุนคำขอรวม = โทเคนข้อความขาเข้า × $5/M + โทเคนภาพขาเข้า × $8/M + โทเคนภาพขาออก × $30/M
ราคาของ GPT-Image-2.5 Flare และ Sunburst บน CometAPI
ปัจจุบัน CometAPI แสดงส่วนลดหัวข้อ 20% เมื่อเทียบกับอัตราขาเข้า/ขาออกทางการที่สอดคล้องกัน เนื่องจาก OpenAI เผยแพร่อัตราต่อหน่วยเดียวกันสำหรับ Flare และ Sunburst การเปรียบเทียบที่แสดงจึงเหมือนกันสำหรับทั้งสองรุ่น
| โมเดล | รหัสโมเดล | CometAPI ขาเข้า | CometAPI ขาออก | อัตราทางการขาเข้า/ขาออก |
|---|---|---|---|---|
| Flare | gpt-image-2.5-flare | $4 / 1M โทเคน | $24 / 1M โทเคน | $5 / $30 ต่อ 1M โทเคน |
| Sunburst | gpt-image-2.5-sunburst | $4 / 1M โทเคน | $24 / 1M โทเคน | $5 / $30 ต่อ 1M โทเคน |
ตัวเลขเหล่านี้เป็นราคาหัวข้อที่เรียบง่าย OpenAI คิดราคาข้อความขาเข้า ภาพขาเข้า อินพุตที่แคช และภาพขาออกแยกกัน ดังนั้นงานอ้างอิงภาพและการแก้ไขควรตั้งงบจากหมวดโทเคนที่ส่งคืนโดยคำขอจริง ยืนยันแคตตาล็อกโมเดลสดก่อนดีพลอยโปรดักชันเนื่องจากราคาผู้ให้บริการอาจเปลี่ยนแปลง
กรณีใช้งานที่ดีที่สุดสำหรับ GPT-Image-2.5
การถ่ายภาพสินค้า
การคงอ้างอิงและการแก้ไขเฉพาะจุดมีคุณค่าอย่างยิ่งในอีคอมเมิร์ซ ผู้ขายสามารถคงสินค้าเดิมไว้ขณะเปลี่ยนพื้นหลัง แสง บรรยากาศตามฤดูกาล ข้อความโปรโมชัน เงา องค์ประกอบ หรือแนวทางแคมเปญตามภูมิภาค
โฆษณาและครีเอทีฟแคมเปญ
Sunburst น่าดึงดูดเมื่อครีเอทีฟหลักต้องการเวอร์ชันย่อยที่ควบคุมได้อย่างระมัดระวัง ทีมการตลาดสามารถคงสินค้าและองค์ประกอบแบรนด์ไว้ขณะเปลี่ยนพาดหัว ฉากพื้นหลัง โปรโมชัน ภาษา หรือแนวทางภาพ
คอนเทนต์โซเชียลที่สเกลได้
ข้อได้เปรียบด้านความหน่วงของ Flare ทำให้เหมาะกับตัวสร้างภาพโซเชียล เครื่องมือสำหรับครีเอเตอร์ ภาพขนาดย่อเฉพาะบุคคล มีม แอสเซ็ตโปรไฟล์ และไปป์ไลน์คอนเทนต์อัตโนมัติ ซึ่งผลผลิตและความเร็วในการทำซ้ำมักสำคัญกว่าการไล่คะแนนความชอบอีกไม่กี่จุด
การสร้างต้นแบบภาพ
นักออกแบบสามารถใช้ GPT-Image-2.5 เพื่อสำรวจอย่างรวดเร็วสำหรับหน้าจอแอป แนวคิดเว็บไซต์ บรรจุภัณฑ์ ภายในอาคาร คอนเซ็ปต์ผลิตภัณฑ์ ภาพนำเสนอ และเลย์เอาต์โฆษณา
ผลิตภัณฑ์แก้ไขภาพ
สำหรับแอปที่ผู้ใช้อัปโหลดภาพของตัวเอง ความสามารถในการคงภาพอ้างอิงอาจสำคัญกว่าคุณภาพข้อความ-สู่-ภาพล้วน ตัวอย่างได้แก่ เปลี่ยนชุด รีดีไซน์ภายในบ้าน แทนที่พื้นหลัง รีทัชผลิตภัณฑ์ เวอร์ชันภาพพอร์ตเทรตเฮดช็อต และแอสเซ็ตส่วนบุคคล
แอสเซ็ตโปร่งใส
เอาต์พุตพื้นหลังโปร่งใสดั้งเดิมทำให้โมเดลใช้งานได้จริงมากขึ้นสำหรับวัตถุสินค้าที่แยกเดี่ยว สติ๊กเกอร์ กราฟิก UI แอสเซ็ตนำเสนอ และไปป์ไลน์คอมโพสิต
ข้อจำกัดของ GPT-Image-2.5
ข้อความยังคงล้มเหลวได้
การเรนเดอร์ข้อความดีขึ้นมากในรุ่น GPT Image ล่าสุด แต่ข้อความที่สร้างยังควรตรวจสอบด้วยมือสำหรับโฆษณาความเสี่ยงสูง บรรจุภัณฑ์ เมนู ข้อความทางกฎหมาย และสกรีนช็อต UI
การควบคุมเลย์เอาต์แบบเป๊ะพิกเซลไม่รับประกัน
คำสั่งภาษาธรรมชาติอย่าง “วางโลโก้ห่างจากมุมซ้ายบน 40 พิกเซลพอดี” ไม่เทียบเท่าข้อจำกัดเชิงกำหนดของเครื่องมือออกแบบ เลย์เอาต์ที่เป๊ะพิกเซลควรจัดการโดยสร้างแอสเซ็ตภาพก่อน แล้วประกอบข้อความหรือองค์ประกอบอินเทอร์เฟซอย่างแม่นยำด้วยโปรแกรมหรือในเครื่องมือออกแบบ
ความสม่ำเสมอของตัวละครและแบรนด์ยังอาจไหลเลื่อน
ความสม่ำเสมอหลายรอบดีขึ้น แต่ยังไม่สมบูรณ์ ลำดับภาพยาวๆ การสร้างตัวละครซ้ำ และแคมเปญแบรนด์ขนาดใหญ่ยังควรมีการตรวจสอบคุณภาพ
ความละเอียดสูงมากยังเป็นเชิงทดลอง
แม้ว่า API จะรองรับสูงสุด 8,294,400 พิกเซลรวม และความยาวด้านเดี่ยวสูงสุด 3840 พิกเซล แต่ความละเอียดเหนือ 2560×1440 ปัจจุบันถือเป็นเชิงทดลอง ระบบโปรดักชันควรทดสอบเอาต์พุตความละเอียดสูง แทนที่จะสมมติว่าการตั้งค่า 4K ทุกรูปแบบทำงานเหมือนกัน
พรอมป์ที่ซับซ้อนยังใช้เวลา
คำขอยากยังสามารถใช้เวลาประมวลผลมาก แอปควรมีสถานะโหลดที่เหมาะสม การหมดเวลา การลองใหม่สำหรับความผิดพลาดชั่วคราว และการจัดการแบบอะซิงโครนัสสำหรับงานแบบแบตช์
Flare หรือ Sunburst: ควรเลือกอะไร?
สามารถทำให้เรียบง่ายด้วยคำถามเดียว: ความเร็วหรือความแม่นยำของการแก้ไขขั้นสุดท้ายสำคัญกว่ากันสำหรับเวิร์กโฟลว์?
เลือก Flare เมื่อคุณกำลังสร้าง:
- แอปภาพสำหรับผู้บริโภค
- การสร้างปริมาณสูง
- เครื่องมือคอนเทนต์โซเชียล
- ต้นแบบรวดเร็ว
- การสร้างผลลัพธ์การค้นหาด้วยภาพ
- ประสบการณ์สินค้า
- เครื่องมือแก้ไขแบบโต้ตอบที่ผู้ใช้คาดหวังการตอบสนองเร็ว
เลือก Sunburst เมื่อคุณกำลังสร้าง:
- แอสเซ็ตแคมเปญพร้อมใช้งานจริง
- ภาพสินค้าพรีเมียม
- การแก้ไขภาพอ้างอิงที่ต้องการมาก
- การปรับแก้แบบหลายขั้นที่ยาก
- ภาพที่การคงรายละเอียดเป๊ะสำคัญกว่าความเร็วตอบสนอง
สำหรับแอปใหม่ส่วนใหญ่ ควรเริ่มที่ Flare และใช้ Sunburst เป็นระดับความแม่นยำมากกว่าเป็นตัวเลือกอัตโนมัติสำหรับทุกคำขอ ระบบโปรดักชันระดับสูงอาจกำหนดเส้นทางคำขอทั่วไปไปยัง Flare และสำรอง Sunburst สำหรับการแก้ไขที่ต้องการความแม่นยำสูงกว่า
ทำไมจึงใช้ GPT-Image-2.5 ผ่าน CometAPI?
CometAPI สามารถทำให้สแตกภาพโปรดักชันง่ายขึ้นในแบบที่เหนือกว่าความแตกต่างด้านราคา:
- One API: ใช้การยืนยันตัวตนเดียวกันและเส้นทาง
/v1/images/generationsและ/v1/images/editsที่คุ้นเคยสำหรับเวิร์กโฟลว์การสร้างและแก้ไขที่รองรับ - การสลับโมเดล: เปลี่ยนฟิลด์โมเดลเพื่อกำหนดเส้นทางจาก
gpt-image-2.5-flareไปgpt-image-2.5-sunburstหรือย้อนกลับไปgpt-image-2โดยไม่ต้องสร้างการผสานการใช้งานรอบข้างใหม่ - การเรียกเก็บเงินแบบรวม: รวมการใช้งานและการเรียกเก็บเงินสำหรับโมเดลที่รองรับแทนการดูแลบัญชีและใบแจ้งหนี้แยกสำหรับแต่ละเส้นทาง
- การทดลองหลายโมเดล: รันการเปรียบเทียบแบบควบคุมด้วยพรอมป์เดียวกัน ภาพอ้างอิงเดียวกัน มิติและการตั้งค่าคุณภาพเดียวกัน แล้ววัดความหน่วงแฝง การใช้โทเคน ความแม่นยำการแก้ไข และอัตราการยอมรับผลงาน
- การเพิ่มประสิทธิภาพต้นทุน: ตั้งค่าเริ่มต้นที่ Flare สำหรับงานตอบสนองและปริมาณสูง เพิ่มระดับไปยัง Sunburst สำหรับการแก้ไขที่อ่อนไหวต่อความแม่นยำ และคง Image 2 ไว้เมื่อเวิร์กโฟลว์ที่มีอยู่ต้องการพฤติกรรมที่สุกงอม ผสานการกำหนดเส้นทางกับข้อมูลการใช้งานจริง แทนการเลือกจากราคาต่อโทเคนตามหัวข้อเพียงอย่างเดียว
ข้อได้เปรียบเชิงปฏิบัติคือความสม่ำเสมอในการปฏิบัติการ: ทีมสามารถทดสอบและกำหนดเส้นทางโมเดลภายในการผสานงานเดียว โดยเลือกโปรไฟล์คุณภาพ ความหน่วงแฝง และต้นทุนที่เหมาะกับแต่ละคำขอ
บทสรุป
GPT-Image-2.5 เป็นก้าวล่าสุดของ OpenAI จากการสร้างภาพแบบกำเนิดไปสู่แพลตฟอร์มแก้ไขภาพที่ควบคุมได้มากขึ้น Flare คือเวอร์ชันที่ใช้งานกว้างที่สุด: ผสานคุณภาพและการแก้ไขของครอบครัวรุ่นใหม่เข้ากับความหน่วงแฝงที่ลดลงอย่างมีนัยสำคัญ เหมาะกับแอปแบบโต้ตอบและโปรดักชันปริมาณสูง
Sunburst ผลักดันต่อไปสู่ความแม่นยำ ผล Arena ปัจจุบันวางมันเหนือ Flare และ Image 2 ทั้งการสร้างภาพจากข้อความและการแก้ไขภาพเดี่ยว ทำให้เป็นตัวเลือกที่แข็งแกร่งกว่าในเวิร์กโฟลว์สร้างสรรค์ระดับมืออาชีพที่ต้องการมาก
แต่การเปลี่ยนแปลงที่มีความหมายที่สุดคือความน่าเชื่อถือของเวิร์กโฟลว์ การคงตัวแบบที่ดีขึ้น การแก้ไขเฉพาะจุด ความสม่ำเสมอหลายรอบ เอาต์พุตความละเอียดสูงแบบกำหนดเอง และการสร้างพื้นหลังโปร่งใส ทำให้ GPT-Image-2.5 ใช้งานได้จริงมากขึ้นสำหรับสายงานสร้างสรรค์จริง ไม่ใช่แค่เดโมการสร้างภาพแบบโดดเดี่ยว
คำถามที่พบบ่อย
GPT-Image-2.5 คืออะไร?
GPT-Image-2.5 คือครอบครัวโมเดลการสร้างและแก้ไขภาพรุ่นใหม่ล่าสุดของ OpenAI เปิดตัวในเดือนกันยายน 2026 ใน API แบ่งเป็น Flare และ Sunburst
ความแตกต่างระหว่าง ChatGPT Images 2.5 กับ GPT-Image-2.5 คืออะไร?
ChatGPT Images 2.5 หมายถึงประสบการณ์การสร้างภาพที่บูรณาการใน ChatGPT นักพัฒนาเข้าถึงรุ่นใหม่ผ่านโมเดล API เช่น gpt-image-2.5-flare และ gpt-image-2.5-sunburst
GPT-Image-2.5 Flare คืออะไร?
GPT-Image-2.5 Flare คือรุ่น GPT-Image-2.5 ที่เน้นความเร็วและเป็นตัวเลือกเริ่มต้นที่ OpenAI แนะนำสำหรับแอป API ส่วนใหญ่ มุ่งเน้นคุณภาพภาพสูง การแก้ไขภาพ และความหน่วงแฝงในการสร้างที่ต่ำลงอย่างมาก
GPT-Image-2.5 Sunburst คืออะไร?
GPT-Image-2.5 Sunburst คือรุ่น GPT-Image-2.5 ที่มีขีดความสามารถสูงสุดสำหรับการสร้างและแก้ไข ออกแบบมาสำหรับเวิร์กโฟลว์ที่ความแม่นยำและการควบคุมสำคัญกว่าความเร็วในการสร้าง
GPT-Image-2.5 ดีกว่า Image 2 หรือไม่?
หลักฐานปัจจุบันชี้ว่าใช่ ในสแนปช็อต Arena วันที่ 9 กันยายน Sunburst ได้ 1421 ± 13 และ Flare 1399 ± 13 สำหรับข้อความ-สู่-ภาพ เทียบกับ 1381 ± 4 ของ Image 2 การแก้ไขภาพเดี่ยวแสดงข้อได้เปรียบยิ่งใหญ่กว่าอีกสำหรับสองรุ่นใหม่
GPT-Image-2.5 เร็วกว่า Image 2 หรือไม่?
Flare เร็วกว่า OpenAI ระบุว่า Flare ให้ภาพคุณภาพสูงกว่า Image 2 ที่ความหน่วงแฝงต่ำลง 50% ส่วน Sunburst จงใจยอมใช้เวลาสร้างนานขึ้นเพื่อการควบคุมการแก้ไขที่เข้มงวดขึ้น
GPT-Image-2.5 รองรับภาพ 4K หรือไม่?
รองรับ ทั้งสองรุ่น API รองรับมิติแบบกำหนดเองรวมสูงสุด 8,294,400 พิกเซล และความยาวด้านเดี่ยวสูงสุด 3840 พิกเซล OpenAI ปัจจุบันถือว่าความละเอียดเหนือ 2560×1440 เป็นเชิงทดลอง
GPT-Image-2.5 ราคาเท่าไร?
OpenAI ปัจจุบันคิดราคา Flare และ Sunburst $5 ต่อหนึ่งล้านโทเคนข้อความขาเข้า $8 ต่อหนึ่งล้านโทเคนภาพขาเข้า และ $30 ต่อหนึ่งล้านโทเคนภาพขาออก อัตราสำหรับอินพุตที่แคชจะต่ำกว่า
ควรใช้ Flare หรือ Sunburst?
ใช้ Flare สำหรับงานเชิงโต้ตอบ ปริมาณสูง ผู้บริโภค โซเชียล และต้นแบบรวดเร็ว ใช้ Sunburst เมื่อความแม่นยำของการแก้ไขและความเที่ยงตรงของภาพสุดท้ายสำคัญกว่าความหน่วงแฝง