围绕原图做有目标的修改
Sunburst 的重点是高保真与精细控制，而不只是从零生成画面。编辑时可同时说明需要改变的背景、光线或物件，以及应保留的主体形状、颜色和构图。适合设计方向已经确定、希望减少整张重做的工作，也便于逐项检查修改是否符合要求。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文字生成图像；参考图片与文字联合编辑
- 平台参考图输入
- 单个 URL 或最多 16 个 URL；本地图片可用 multipart 上传
- 平台图片数量
- n 为 1–10；b64_json 返回方式仅支持 1 张
- 平台画幅设置
- auto 或 WIDTHxHEIGHT；宽高为 16 的倍数，长边不超过 3840 像素
- 平台尺寸边界
- 总像素 655,360–8,294,400，宽高比不超过 3:1
- 平台结果交付
- 图片 URL 或 Base64 图像数据；长任务支持异步回调
- 局部编辑方式
- :official 变体支持 multipart Alpha PNG 蒙版
以上数量、尺寸与交付方式为本平台调用范围，不作为原生模型容量声明；局部蒙版编辑使用对应的 :official 变体。
核心能力
了解 gpt-image-2.5-sunburst 能为你的工作带来什么。
把参考素材变成创作约束
通过图片与文字联合输入，可以围绕已有产品照、活动主视觉或人物素材提出新的场景方案。多张参考图应各自说明用途，例如主体外观、背景氛围或配色方向，避免让模型自行猜测素材关系。输出仍需审核，参考图并不意味着所有细节都会被精确复制。
让修订过程保留可回退版本
连续修订可把已选中的结果作为下一次编辑输入，依次处理背景、灯光和局部物件，而不是每轮都重新描述整张图。建议保存每轮确认版本，并明确本轮仅需修改的内容。通过这种方式组织创作，更容易发现后续修改是否影响了此前认可的主体细节。
适用场景
从具体任务出发，找到模型发挥作用的位置。
商品图片换景
输入商品照片，描述新的摄影棚、节日陈列或生活化环境，同时列出包装轮廓、标签内容和品牌色等保留要求。交付物可用于商品展示与营销创意筛选。若商品本身必须逐像素不变，应将生成背景与原始商品素材合成，而不是只依赖生成结果。
活动视觉定向改稿
将已有活动主视觉作为参考，提出更换道具、调整环境或改变构图重心的指令，并说明不可改变的品牌元素。适合在既定视觉方向下探索不同方案，输出供设计师筛选和排版。涉及标题、日期及品牌标识时，最终文字内容与位置仍应人工逐项检查。
选中草稿后的精修
把已选中的生成草稿提交到编辑入口，集中修改背景干扰、物件颜色或光照关系。需要蒙版控制时，可选择 :official 变体上传原图与 Alpha PNG 蒙版。交付物是可继续修订的图像版本，验收时重点比较修改区域、边缘融合和应保留内容。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
Sunburst 与 Flare 如何取舍
如果任务首先需要快速获得多个构思方向，侧重速度的 GPT Image 2.5 Flare 更适合作为候选；如果已有素材和明确修改清单，希望围绕产品外观或活动细节精修，可优先选择 Sunburst。也可以先选定 Flare 草稿，再把图片交给 Sunburst 编辑。两者的取舍应围绕实际成图效果，不预设固定的质量提升幅度。
标准 ID 与 :official 的选择
gpt-image-2.5-sunburst 与 gpt-image-2.5-sunburst:official 共享高保真与精细控制的定位，不代表两代模型。普通文字生成或参考图改稿可使用标准 ID；需要按已定义流程上传蒙版时，选择 :official 变体。调用中显式填写完整 ID，并将图片输入、返回方式与具体参数一起保存，便于复现和比较修订结果。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 高保真不等于原图像素完全不变。修改背景或物件时，主体纹理、标签、人物外观和周围光影仍可能变化；连续修订也可能影响此前确认的细节。产品实拍必须原样保留时，应采用合成，并逐轮保存获批版本。
- 文字与布局仍需验收。海报中的准确措辞、字符清晰度、标题位置及复杂信息层级不能只靠提示词保证。适合先生成视觉方案，再检查品牌文字、日期和版式；需要严格排版的成品可在设计工具中完成。
- 蒙版编辑有独立输入要求：使用 :official 变体，将原图和蒙版放在同一个 multipart 请求中。蒙版必须带 Alpha 通道并与第一张原图同尺寸，不能混用 URL 原图与本地蒙版；编辑边缘仍可能发生自然融合。
常见问题
解答使用 gpt-image-2.5-sunburst 时的常见疑问。
Sunburst 能直接根据文字生成图片吗？
可以。向 /openai/images/generations 提交 model=gpt-image-2.5-sunburst 和 prompt 即可开始文字生成。建议描述主体、环境、光照与构图，明确是否需要文字；已有图片需要修改时，则使用编辑入口。
如何让参考图编辑更贴近原设计？
向 /openai/images/edits 提交图片和编辑指令，并显式填写 Sunburst ID。提示词应分别说明修改目标与保留内容，多张参考图还应注明各自用途。每轮只集中处理明确目标，并对照原图检查主体与品牌细节。
Sunburst 的蒙版应如何准备？
蒙版流程使用 gpt-image-2.5-sunburst:official，原图与蒙版均通过 multipart 上传。蒙版为带 Alpha 通道的 PNG，与第一张原图同尺寸且不超过 4MB；透明区域允许修改，只有黑白颜色而无透明通道的图片不能替代。
可以一次生成多张并返回 Base64 吗？
平台允许 n 设置为 1–10，适合获取多个候选图；但 response_format=b64_json 时仅支持 1 张。需要多张结果时使用 URL 返回方式，需要直接处理 Base64 图像数据时则单张请求，不要将两种设置混用。
多轮编辑会自动记住之前的图片吗？
应把选中的图片作为下一次编辑输入，并在新指令中说明本轮修改与保留要求，不要仅依赖此前请求。长任务可加入 callback_url，先获取 task_id，完成后接收结果；保存各轮图片和指令，便于比较与回退。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。