ChatGPT Images 2.5 是 OpenAI 在 2026 年 9 月 8 日推出的 ChatGPT 內建圖片生成新版本，從免費帳號到付費方案都看得到它。這一版把力氣花在編輯與速度：參考圖裡的人與物更留得住，連續修改更一致，生成等得更短。你今天要生圖或改圖，不用先弄懂任何模型名稱。
先給判斷：這一版的主題是編輯與速度，不是畫質革命。TechRadar 的 Graham Barlow 在24 小時實測後給的總評是 welcome, if not groundbreaking，他也明白官方為什麼沒把這版叫 3.0。我的讀法相同，改進是真的，幅度不在世代跳躍那一檔。
重點先看：ChatGPT Images 2.5 是 OpenAI 在 2026 年 9 月 8 日推出的圖片生成新版本，全方案都能用，免費帳號也在內。
這一版的主題是編輯與速度。參考圖主體保留、精準編輯、多輪一致是能力重點，生成延遲官方宣稱最多少 50%。
新入口有四個：Templates 範本起手、Sketch 草圖變圖、圖上留言改局部、把自己用過的 prompt 分享出去。Templates 在 Work mode 還不能用。
免費額度官方沒有公布任何方案別數字，既有額度不變，以帳號內顯示為準。
輸出圖歸使用者，OpenAI 保留用於改進服務的權利，圖片帶 C2PA 中繼資料與 SynthID 隱形浮水印。
現在就打開 ChatGPT，傳一張參考圖加一句指令，抓十分鐘完成第一張圖與一輪留言修改。
今天就要生圖，要付錢嗎
不用為了用它先付錢。OpenAI 的幫助文件寫得明白，ChatGPT Images 在所有方案都能用，加強版的 Images with thinking 才是 Plus、Pro、Business 限定，Enterprise 與 Edu 要再等，web、iOS、Android 都在。官方公告的說法一致，Images 2.5 當天就對 ChatGPT、ChatGPT Work 與 Codex 的使用者逐步推出，桌面、行動、網頁都在內。
方案的差異在功能與用量，不在能不能用。免費帳號生圖改圖都行，付費方案多的是加強功能與用量餘裕。判斷要不要付錢的順序：先看用量有沒有撞到額度，再看需不需要 thinking 等級的生成，然後才輪到方案比較。官方對推送的說法是逐步開，介面還沒看到新入口就等推送抵達，不是一次全站切換。
加強版的判斷也可以更白話：官方對 thinking 的說法是給模型更多時間思考，先計畫與修正再輸出。構圖複雜或指令很多的場合才值得開它，一般貼文素材用不到，標準生成已經吃下大部分工作。先用免費額度與標準生成把流程跑順，再考慮要不要為了 thinking 與更大用量升級方案。
額度是另一回事。官方沒有公布任何方案別的張數或小時數字。幫助文件與公告頁都找不到數字，release notes 反而明載 existing image-generation limits are unchanged，既有圖片生成額度不變。說穿了，官方本來就不逐案公布這種數字，與其在網路上找過期說法，不如直接看帳號裡顯示多少。DALL·E 時代的舊額度說法是退場前的舊規，套不到現在。
額度去哪查？動作很簡單，打開帳號裡的生成入口，用量與限制照畫面顯示的算。官方明載既有額度不變，原本用得順的節奏不會突然變緊。若畫面顯示跟過去經驗差很多，先檢查帳號與方案狀態，再考慮其他原因。
方案與註冊的細節另有完整整理，站上的ChatGPT 入門教學從註冊、方案比較到基本操作都有。
額度看帳號，不看傳聞。
新在哪，把官方宣稱拆開來看
官方公告把改進寫成一段話，拆開是四件事：光線與材質更自然、參考照片裡的主體更留得住、編輯指令跟得更牢、延遲更低。規模順便記一個數字，OpenAI 自己給的每週生成量超過 30 億張，母數是 ChatGPT Images 與 API 的 GPT-Image 模型兩處合計。
把量級放在旁邊看，這四項改進都不是邊角功能，每一項都作用在反覆修改與等待這兩個環節上。
讀官方宣稱有個順序：先看官方怎麼說，再看媒體試用印證了哪些，兩邊都有的才算站得住。公告裡的比較基準是官方自己選的，跟誰比、比什麼項目，讀的時候先看清楚，數字才不會被張冠李戴。
OpenAI 的發布影片示範這次更新的圖片生成與編輯能力，可與下文的功能拆解對照。（OpenAI 官方影片）
參考圖裡的主體更留得住
這是最有感的改進。公告的說法是，Images 2.5 更能從參考照片出發，把熟悉的主體換到新場景、新風格、新構圖，主體辨識度更高，光線與材質更自然，有辨識度的特徵更有機會帶過去。API 段落補了一句，同樣的忠實度讓參考圖帶頭的流程更可靠，變體更能錨在原圖上。
放到工作裡是這樣用的（示意）：同一張產品照，換背景、換季節、換節日版面，主體不用每次重講。以前換場景常連主體一起換掉，重 prompt 的時間都耗在這裡。
再往深一層看參考圖的價值：它把「重做」變成「改」。舊流程裡，換一個場景等於重出一張圖，運氣不好整批重來。參考圖工作流讓既有的成果可以繼續往上疊，同一個主體的素材庫會越養越大，重複使用的價值高於單張產出。
官方案例：狗狗換上特技服
換裝前後並列，觀察毛色、站姿與背景是否仍能對上。（OpenAI 官方範例）
精準編輯，只動你指的地方
官方說它更擅長只編輯你要求的部分，其他細節保持原樣，複雜主體與背景也一樣。指令理解與版面也在進步：含現實資訊的圖內容更準，能處理更複雜的版面，包含透明背景，系統卡開頭也點名資訊圖表準確度與版面的改善。TechRadar 的實測觀察同方向，資訊圖表比以前更好。
這項能力配上留言修改才是完整的一組：模型只動指到的區域，其他畫面凍結。對有品牌規範的素材，招牌色、logo 位置、包裝細節不能每次重生的場合，這是能不能放心用 AI 出稿的分界。
官方案例：整理床鋪
床被與枕頭改變後，可對照床頭板、床邊桌及燈具是否保留。（OpenAI 官方範例）
官方案例：多城市票券
觀察城市內容修改時，票券版面與其他資訊的變化。此片由多張圖片組成，用於展示編輯。（OpenAI 官方範例）
多輪修改更一致
長對話裡的表現是這一版的主打。公告寫得具體：編輯指令跟得更牢，先前的修改更可能保持一致，每一輪編輯建立在已經做完的工作上，畫質不隨時間退化。對會反覆修圖的人，這比單張畫質重要，改到第三次整張圖走鐘，是舊版本最磨人的地方。
官方那句「畫質不隨時間退化」值得單獨看。修圖工作流的失敗常常不是某一輪改壞，而是修到後段畫面開始漂，主角的臉與產品的比例慢慢不是原來那樣。一致性改進直接對準這個問題，也是三輪修圖範本能把第三輪留給微調的原因。
官方案例：方塊連續旋轉
兩代結果並列，觀察連續修改後的邊緣、形狀與光影。這是官方展示，不能代替自己的素材測試。（OpenAI 官方範例）
速度項目是延遲，數字是上限
生成延遲官方宣稱比前一版最多少 50%。最多兩個字要照官方的寫法記，它是上限值，不是每張都少一半，實際感受取決於提示詞複雜度。消費端的官方錨點只有一句，依請求複雜度，生成可能要幾分鐘。官方沒有給秒數，網路上寫幾秒生一張的說法，都超過官方說過的範圍。
實際等待還受請求複雜度影響：API 端對複雜提示詞給的上限是兩分鐘，消費端的說法是幾分鐘。規劃產能時把單張等待抓寬一點，比抓緊再落空好。
把速度放進工作流還有一個角度：批量。延遲上限砍半對單張是體感，對一批素材是時程，本來一個下午的等待壓縮下來，重跑的成本也跟著低。會大量出圖的人，速度改進的價值比偶爾生圖的人大得多。
官方 API 文件的限制節列了四條：複雜提示詞可能要等最多兩分鐘才處理完、文字渲染仍有掙扎、跨次生成的角色與品牌元素偶爾守不住一致性、排版敏感的構圖擺位可能不準。這四條都要當成排產能時的緩衝。
把四項放回工作流看，價值集中在反覆修改的場合，一次生圖就走的需求，感受會淡很多。官方自己的比較基準是 Images 2.0，第三方的 24 小時實測方向一致，這一輪的進步是讓「修」變便宜，不是讓「看」變驚豔。
以下為 OpenAI 官方 LinkedIn 發布貼文，介紹這次更新與 API 模型分工；速度數字仍須連同官方比較條件閱讀。
怎麼用，四個新入口的實際操作
release notes 在 2026 年 9 月 8 日的條目列出四個新入口：從範本起手、把草圖變成圖、邊看圖邊留言修改、把用過的 prompt 分享出去。同一條目還記了兩件小事，生成圖時有些人會看到動態點點，甚至一場貪食蛇，Templates 在 Work mode 還不支援。能用的地方比想像多，開了 Image Generation 能力的 GPTs 會用新模型生圖，Codex 裡也能生成與編輯圖片。
四個入口對應四種起手方式：有畫面感但不會畫，用 Sketch。完全沒想法，從 Templates 挑。已經有圖要改，用留言。已經有成功的 prompt，分享給同事或客戶複用。選入口的判斷只有一條，你手上已經有什麼，就從那一端進去。
用 Sketch 畫草圖當參考
Sketch 讓你直接在 ChatGPT 裡畫一張草圖當輸入，行動端的步驟是：
- 在訊息框輸入 @，選 Sketch
- 畫草圖，可以選顏色、擦除、復原筆畫
- 按確認送出草圖
- 補一句文字指令，說明要把它變成什麼
官方給的例子是畫一棟房子，加一句「把這張草圖變成樹叢圍繞的紅色房子水彩畫」。Jay Peters 在The Verge 的實測裡試給大家看：他用電腦滑鼠畫了一隻貓的塗鴉，模型把它變成了寫實照片。
Sketch 的適用場合很具體：構圖已經在你腦子裡，文字描述卻老是差一點。畫得出輪廓就交給模型補材質與光線，這條路通常比反覆改 prompt 快。反向也成立，對畫面完全沒有想法時，Sketch 幫不了你，從 Templates 挑比較實際。
以下官方示範展示 Sketch 草圖輸入，可對照上方的操作步驟。（OpenAI 官方影片）
從 Templates 範本起手
不知道 prompt 怎麼下手的場合，從範本開始最快。路徑是打開 Images 再進 Templates，官方給的例子有 Poster 海報與 Merch 周邊商品。選完版型再補細節，要傳達的資訊、設計元素、風格，ChatGPT 可能回問你問題，幫你把需求收斂清楚。Work mode 的使用者要等，這個入口還沒進 Work mode。
範本起手的價值在約束，不在靈感。海報與周邊商品這類格式有固定的資訊結構，要放什麼字、留多少白，格式本身就給了框架，你補的是內容與風格。ChatGPT 回問的設計也在這裡發揮，它會把缺的規格問清楚，比你一次寫完整 prompt 的負擔小。
版型與留言可以混用：從 Templates 生出海報底稿，再用留言改文案區與配色，一張圖從起手到定稿不出同一個對話。這種混搭是 2.5 才順的路徑，單靠範本或單靠改圖都少了一半。
以下官方示範展示 Templates 如何以既有格式開始創作，再加入自己的內容與風格。（OpenAI 官方影片）
官方案例：九宮格海報
這組作品展示系列配色、幾何構圖與粗體字的搭配；不代表可直接選取的 Templates 清單。（OpenAI 官方範例）
圖上留言指哪改哪
留言修改是這一版最實用的新動作。把生成圖打開，直接在圖上放留言，編輯會更聚焦，行動端把圖全螢幕開啟就能編輯或加留言。同一位 The Verge 記者的最小案例：用留言把貓眼從藍色改成綠色，一句話完成局部換色。
留言修改的節奏（示意）：先生成一版可用的底圖，不在第一輪計較細節。第二輪用留言指定一個區域改。每輪只改一件事，改完確認再進下一輪。這個節奏配合多輪一致性，三輪修圖範本就是照它走的。
官方對選取工具的警告要記住：highlight 不是永遠精準，修改可能超出你選的範圍。關鍵區域留修改餘裕，不要把最精細的活壓在選取邊界上。
官方案例：旅行資訊圖表改字
案例示範替換圖表中的文字。驗收時也要檢查鄰近標籤與整體版面。（OpenAI 官方範例）
長寬比、Resize 與分享 prompt
行動端還有一組控制項。長寬比用比例選擇器或直接寫進 prompt，想要的比例說清楚就好。Resize 與 Remove 是兩個獨立控制項，改尺寸與移除元素不用重 prompt。生成的圖會自動存進 Images，要刪圖得刪掉對話，整理素材庫時要記得這件事。
素材管理的習慣要跟著建立：生成圖跟著對話走，要清乾淨就是清對話。要長期保留的圖，送印或發布前先另存檔案，不要把對話當素材庫用，誤刪的代價是一整批歷史。
分享是反向的入口。Share → Prompt template → Copy link，把自己用過的 prompt 包成範本，別人換上自己的照片與細節就能試。家長端也有控制，連結青少年帳號的家長可能可以決定能不能在 ChatGPT 生圖改圖。
新手常卡的順序問題：比例在一開始就指定，用比例選擇器或寫進 prompt 都行，比生成完再調省事。要出多平台素材，第一輪先鎖主要版位的比例，其他平台再用 Resize 補，素材的一致性會好一些。
三輪修圖 Prompt 範本
老實說，這一版三個賣點湊在一起才是真正省時間的地方：參考圖固定主體、留言鎖定局部、多輪一致守住成果。把它們串成一輪一輪的範本，第一次用就能照抄。
第一輪｜生圖：請參考我傳的照片，把照片裡的〔主角〕放進〔場景〕，風格是〔風格〕，長寬比〔比例〕。畫面其他細節由你決定，先給我一版。
第二輪｜留言指改：在圖上留言，只把〔要改的區域〕改成〔修改內容〕，其他地方維持原樣。
第三輪｜微調收斂：整張圖維持不動，只把〔細項〕調成〔目標〕。符合需求就停在這一版，不要重新生成。用法是把〔〕換成自己的內容，一輪一則訊息。第一輪靠參考圖錨定主體，第二輪用留言指改局部，第三輪只微調並明確喊停。失敗模式也先講：主體走鐘時回到第一輪重新錨定，不要在第三輪硬修。留言選取的修改範圍本來就可能溢出，一次只改一個區域比較穩。
這套節奏接到內容產製就是標準作業：發想、出圖、微調、收稿。站上的用 ChatGPT 做 SEO 完整教學，把 prompt 技巧與內容產製流程講得更系統。
範本還能往上長一層：把第一輪的參考圖與指令存成自己的起手組合，遇到同類素材直接換〔〕裡的內容。這也是分享 prompt 入口的正確用法，你分享的是結構，別人填自己的材料，成果各自歸各自。
範本跑完怎麼判斷成功：主體在同一輪裡被認得出來，留言指改的地方有動、沒指的地方沒動，第三輪收斂後整張圖沒有漂。任何一項沒達到，回到對應的輪次重跑，不要硬往下一步推。這個驗收跟印刷檢查同一套邏輯，看的是成果，不是感覺。
中文字、印刷與解析度的實際邊界
中文字渲染的官方邊界
中文是你最先會撞到的邊界。官方在 API 文件的限制節自己寫了：雖然顯著改善，模型在精確的文字擺放與清晰度上仍可能掙扎。官方沒有提供任何中文字準確率數字，你看到有人報百分比，那不是官方說法。
要出印刷級中文字，不要指望一次到位。我的做法是兩段：先在對話裡多輪修，把字修到可讀，送印前把最終檔在目標尺寸打開檢查一次。
修字的實務做法：把要出現的文字直接寫進指令，指定位置與大小，一輪只修一段。標題與短字先修到位，長文案與密排文字可以留給設計軟體事後處理，這個分工是我的建議，不是官方建議。
常見的失敗（示意）：字的位置對了但清晰度不夠、該動的地方沒動、標點與字距擠在一起。指令裡把字串用引號標清楚、指定位置與大小，一輪只處理一段文字，失敗會少一些。真的修不動的字，裁掉重放或事後補，不要跟模型耗。
官方案例：科學簡報與婚禮邀請卡
簡報可看資訊層級，邀請卡可看小字與裝飾的配置。視覺完整仍不等於內容正確，使用前應核對知識、姓名與日期。（OpenAI 官方範例）
印刷與解析度看尺寸規則
尺寸規則寫在 API 文件：寬高都要是 16 的倍數，長寬比 1:3 到 3:1，單邊最多 3840px，總像素上限 8,294,400，就是 4K 一格，超過 2560×1440 的解析度屬實驗性。建議尺寸是 1024×1024、1536×1024、1024×1536。格式預設 png，可選 jpeg 與 webp，官方註明 jpeg 比 png 快，透明背景要 png 或 webp 搭背景設 transparent。
消費端的比例自由度看行動端選擇器，要精確控制像素與格式，得走 API。一般社群素材，比例選擇器給的已經夠用。要 4K 級輸出、透明背景、指定格式的場合，API 是唯一精確的路。解析度開進實驗性區間時，把驗收標準一起提高，別只看縮圖就點頭，輸出後自己在目標尺寸檢查銳利度與文字，這一步沒有工具替你做。
商用、浮水印與來源標示
生成的圖能商用嗎
使用條款寫得直接：輸出歸你，你對它負責，OpenAI 保留把輸出用於改進服務的權利。這是服務的通用條款，整套服務都適用。
真正的風險不在輸出授權，在輸入端與用途。肖像、商標、既有 IP 的輸入，與廣告不實之類的用途，各自有各自的法律問題。條款把輸出給你，不會替你解輸入的責任。
授權與責任要一起讀：輸出歸你，同時你對輸出負責，這兩句是同一條的兩面。拿生成圖做商業投放，廣告不實、侵權、誤導這些責任本來就在使用者身上，跟圖是不是 AI 生成無關。AI 讓產出變快，責任標準照舊。
幫客戶生圖是另一種常見情況。輸出授權在你身上，交付之後誰擔什麼責任，合約裡寫清楚，比爭論 AI 圖能不能商用更有用。實務上客戶在意的是能不能改、來源能不能交代，輸出歸使用者這一條給了基本依據。
浮水印有兩層，C2PA 加 SynthID
OpenAI 繼續用 C2PA 中繼資料與隱形浮水印標記自家工具做的圖。系統卡講得更細：透過 ChatGPT、Codex 與 OpenAI API，加入 Google DeepMind 的 SynthID，這層隱形浮水印補 C2PA 的不足。OpenAI 採 Google DeepMind 的技術，兩種訊號疊在同一張圖上，驗證工具因此能一次看兩層。
兩層訊號的分工：C2PA 是中繼資料，看得到也剝得掉。SynthID 設計上就是補中繼資料被移除後的缺口，官方的說法是互補。驗證工具同時偵測兩種，單靠任何一層都有破口。
浮水印怎麼藏、怎麼被剝，機制細節站上有AI 生成內容浮水印的解析，講得比公告深。
怎麼驗一張圖的來源
openai.com/verify 是瀏覽器工具，配上 Content Provenance API，偵測 C2PA 與 SynthID，支援 PNG、JPEG、WebP。官方把話講在前頭：not_detected 只代表沒找到支援的訊號，中繼資料被剝掉、浮水印被破壞、舊模型生成、或訊號上線之前的圖，都驗不出來。
來源驗證在編輯台的用法：收到一張宣稱 AI 生成的投稿或素材，先丟驗證工具看訊號，有 C2PA 或 SynthID 就有依據，驗不出來也不要直接定罪，回到產出者那裡問來源。工具提供線索，判定還是要回到人與來源。
安全側同場有數字可以看。系統卡的安全測試用專為違規設計的提示詞去打模型，Unsafe Generation Presented 這個指標，Sunburst 1.09%、Flare 1.41%，前代 baseline 是 1.64%，官方的詮釋是表現相當或更好，細微差距不具統計顯著性。前提要跟著引，這些提示詞是對抗式測試集，不能代表日常流量的違規率。
寫實度提高也讓深偽風險變大，官方在系統卡直說，沒有防護的話這種寫實度能做出更有說服力的深偽。這類影像違反使用政策，防護做在 prompt 與圖片兩層，從上游拒答到輸出封鎖疊了四層。
開發者 API，Flare 與 Sunburst 怎麼選
簡單講，一般使用者不需要懂 Flare 與 Sunburst 這兩個名字，要接 API 的人才需要。模型的背景知識與各家模型怎麼分工，站上的大型語言模型解析有基礎篇。
先看分工，再挑模型
Flare 把同樣的品質、編輯與速度改進帶進 API，官方定位是多數應用的預設選擇，宣稱比 GPT-Image-2 更高品質、延遲低 50%。Sunburst 走另一邊，為需要更緊編輯控制的精品視覺工作流而設，細節創作更精準，生成時間更長。模型頁的標語直接二分：Sunburst 是最強的圖片生成與編輯模型，Flare 是高品質日常生成的最快模型，模型 ID 是 gpt-image-2.5-flare 與 gpt-image-2.5-sunburst。
選型的情境化判斷：商品圖日常量產、社群素材、示意圖，Flare 的速度與品質夠用，費用也好控制。同一張圖要反覆精修的場合才值得開 Sunburst，例如主視覺、包裝、投放等級的素材，多花的等待換更緊的編輯控制。官方把 Flare 稱為多數應用的預設選擇，這個建議可以直接照抄。
名字與檔位的對應也簡單：Flare 配中低檔位跑量，Sunburst 配高檔位出精品，這個組合邏輯跟官方標語一致。先用 Flare 的 auto 檔跑一批看結果，再決定哪些素材值得開高檔重出。
這個 50% 是 API 端對 GPT-Image-2 的比較；ChatGPT 端的最多少 50% 是對 Images 2.0 的比較，兩組各自成立，基準不同，引用時不要合併成一句。
預設用 Flare。要對同一張圖反覆精修、出投放等級的素材，再上 Sunburst。代價是等待。兩個模型頁都還沒公布 tier 分級的速率限制數字，舊模型 gpt-image-2 的分級表不能直接套用到 2.5。
Token 費率與官方示例
兩個模型費率相同，官方在定價頁與模型頁、指南寫得一致，下表是截至 2026 年 9 月 9 日的每百萬 tokens 單價。
| 計費項目 | 每百萬 tokens |
|---|---|
| 圖片輸出 | $30 |
| 圖片輸入 | $8 |
| 圖片快取輸入 | $2 |
| 文字輸入 | $5 |
| 文字快取輸入 | $1.25 |
| 文字輸出 | 不計費，輸出的是圖片 |
官方提醒過兩件事：費率相同不代表每張成本相同，token 消耗會因模型與品質設定而不同；GPT Image 2 的計算機不支援估算 2.5 的 token 消耗。官方指南內建的估算器給了一個示例，196 個輸出 tokens 估圖片輸出成本 $0.00588，按每百萬圖片輸出 tokens $30 換算，不含輸入 tokens 與串流部分圖。這是官方指南示例，不是你的實際帳單。
計費結構的讀法：輸入分文字與圖片兩種，各有快取價，圖片輸出是最貴的一項。多輪編輯裡，每一輪帶的參考圖都算圖片輸入，反覆修圖的費用主要長在這裡，快取價是官方給的緩解設計。真正的每張成本要用自己的工作流實測，官方也明說計算機不支援 2.5 的估算。
帳單怎麼核對：跑一批之後，把帳單上的 token 用量對照費率表算一遍，差額通常來自沒預期到的輸入或串流。對過一次，費率結構就摸清了，後面的預算抓法會準很多。
品質檔位與計費的關係
品質檔位有 low、medium、high、xhigh、max，加預設的 auto，xhigh 與 max 是這一版新增的檔位。檔位直接影響 token 消耗，也就是每張成本。一次請求可以用 n 參數生多張，串流部分圖每張加計 100 個圖片輸出 tokens。要盯帳單的話，這兩個開關最值得先看。
檔位怎麼選：草稿與試版用 low 或 medium，定稿再拉到 high 以上，xhigh 與 max 留給最終輸出，因為消耗直接反映在帳單。auto 讓模型自己判斷，圖一多的場合不如自己分層控制。這是成本控制的槓桿，畫質的差異要眼睛看得出來再付。
端點與編輯能力
端點就兩個：v1/images/generations 與 v1/images/edits，Chat Completions、Batch、Fine-tuning 都不支援。Responses API 的用法是把圖片生成掛在 tool 層指定模型，主線模型會自動改寫 prompt，回應裡讀得到 revised_prompt。edits 端點負責改既有圖、拿別張圖當參考生新圖、上傳圖加 mask 做局部編輯，模型頁列的對應功能是 inpainting，官方示例用四張輸入圖合成一個禮籃。
Responses API 的加值在多輪編輯與檔案回收：生成結果以 image File IDs 回傳，後續輪次直接接著用，適合把生圖接進自動化的流程。
組織可能要先完成 API Organization Verification 才能呼叫。moderation 參數預設 auto，另一個選項是 low。可用性方面，官方支援國家清單列有台灣，API 端不用擔心地區。
整體接入的順序建議：先在消費端把 prompt 與工作流試順，再搬到 API。消費端的留言修改與多輪一致這些體感，搬到 API 就是 edits 端點與參考圖輸入，概念同一套，收費換成 token。先有順的流程再自動化，省的是兩邊除錯的時間。
跟 Nano Banana、Grok Imagine、Midjourney 比，該用哪個
比較先講基準：你選的不是最強模型，是入口、計價制度與工作流的匹配。各家價格按 2026 年 9 月 9 日查價。
Google 的圖片模型家族是三層：Nano Banana 家族裡，Nano Banana 2 Lite 走最快最省，Nano Banana 2 就是 Gemini 3.1 Flash Image，Nano Banana Pro 就是 Gemini 3 Pro Image 走工作室品質。API 計價上，NB2 圖片輸出每百萬 tokens $60，官方換算一千張 $0.067，NB Pro 是 $120，NB2 Lite 是 $30。
消費端從 Gemini 免費層到 Google AI 付費訂閱都有。Google 模型線的其他動態，站上有Gemini 3.8 Flash 的解析。
選 Google 的典型情境：已經在用 Gemini 做文字與研究，圖片素材想用同一個帳號、同一套計費解決。NB2 Lite 走大量低價素材，NB Pro 走最高品質輸出，分工清楚，價格表附每張換算，預算好抓。
自己跑一輪小測試比看評測直接：拿同一組 prompt 與參考圖，在各家生同一批圖，比主體保留、文字、速度與單張成本，再用你自己的素材驗一次。測試單很小，結論直接落在你自己的素材上。
前一代的評測裡，TechRadar 把 ChatGPT Images 放在 Nano Banana 2 前面，但生成時間更長讓人挫折。這一版補上速度，排名類的結論要等更多獨立實測。到 2026 年 9 月 9 日為止，檢索得到的深度實測只有 TechRadar 那一篇 24 小時實測，還沒有多家獨立深評。
xAI 的 Grok Imagine Image 2.0 在 2026 年 8 月 7 日正式上線，入口是 grok.com/imagine 與 iOS、Android 的 app。API 按 2026 年 9 月 9 日查到的定價明細，輸出每張 $0.04 起，依解析度與檔位最高到 $0.08，輸入每張另計 $0.01。
功能面有 magic wand 區域編輯、Segmentation、背景移除、最多五張參考圖的 Multi-ref、九種比例的 Smart resize，也有自己的 Templates。xAI 頁面自稱 2026 年 8 月 7 日當時排在 Arena 雙榜世界第二，這是廠商自述，採信與否自行判斷。站上有Grok Imagine Image 2.0 的完整專文，xAI 的語言模型側另有Grok 4.6 的解析。
Grok Imagine 的強項在編輯工具的完整度：區域編輯、去背、多參考圖、比例調整都在同一套裡，每張計價對量大的素材庫好算帳。
價格之外，輸入限制也是選型條件：Grok Imagine 的 Multi-ref 收五張參考圖，OpenAI 的 edits 端點用四張輸入圖做過官方示例，多圖融合的需求兩家都接得住。
Midjourney 走純訂閱。V8.2 從 2026 年 7 月 24 日起是預設版本，重點放在美學、畫質與個人化，也有新的 Edit Model。四檔月費 $10、$30、$60、$120，年繳 8 折，沒有免費層，也沒有公開 API。開源側的 Black Forest Labs FLUX.2 用每張計價，klein 4B 從 $0.014 起，pro 從 $0.03 起，max $0.07，flex $0.05，排版是強項，dev 版開放權重，只能本地非商用。
Midjourney 的位置最單純：美學取向的創作與概念圖。訂閱制不適合偶爾生一張的輕使用者，也接不進自動化流程，它與 API 工作流是兩個世界，選它等於選一個封閉但調校好的創作環境。
五家的計價制度放在同一張表，差異主要在計價單位與入口。
| 家族 | 現行版本 | 入口 | 計價方式 |
|---|---|---|---|
| OpenAI ChatGPT Images | Images 2.5 | ChatGPT 網頁與 app、Codex、API | API 用 token 計價，官方未提供每張換算 |
| Google Nano Banana | Lite、2、Pro | Gemini 與 API | API 用 token 計價，官方附每張換算 |
| xAI Grok Imagine | Image 2.0 | grok.com/imagine、iOS、Android、API | 每張計價，輸出 $0.04 到 $0.08，輸入 $0.01 |
| Midjourney | V8.2 | 官方網站，無公開 API | 訂閱四檔，月費 $10 到 $120，無免費層 |
| Black Forest Labs FLUX.2 | klein、pro、max、flex | API | 每張計價，$0.014 起 |
沒有全能的第一名，只有對得上的工作流。已在 ChatGPT 裡工作、要參考圖與多輪修改，Images 2.5 最順手。要每張單價可預測的量大素材，看 xAI 與 FLUX。要美學優先的創作，Midjourney。已用 Gemini 與 Google 帳號，Nano Banana 系列整合最省事。API 彈性上，Midjourney 是唯一沒有公開 API 的一家。
圖片之外的生成側還在快速變動。影片與多模態的模型地圖，站上另有MiniMax H3 與 Gemini Omni 的解析。
跟前代 Images 2.0 的差異與名字對照
時間座標先立好。Images 2.0 在 2026 年 4 月 21 日發布，官方當時的定位是文字渲染、多語言支援與視覺推理的改進。Zac Hall 在9to5Mac 的報導把間隔講得直白：四月發布 ChatGPT Images 2，五個月後推出強化版 2.5。同篇報導的回顧整理還提到 2K 解析度輸出、多種長寬比、可用網路搜尋輔助、非拉丁文字的處理，以及 Instant 與 Thinking 兩種等級。
回顧整理提到的 Instant 與 Thinking，是上一個世代就有的兩種生成等級；2.5 的消費端另有 Images with thinking 這個獨立功能，Plus、Pro、Business 可用。名字接近，不是同一件事，查資料時別混在一起。
同一段時間 OpenAI 的動態很密。GPT-6 Astra 在 9 月 3 日宣布，先提供給有限的組織，還沒全面開放，站上有GPT-6 Astra 的解析。舊名字的清理也剛完成：DALL·E 的官方 GPT 已退役，官方 FAQ 的說法是要繼續生圖改圖就用 ChatGPT Images，退役日定在 2026 年 8 月 30 日。
名字的世代是這樣疊上來的：DALL·E 是上一個世代的名字，官方 GPT 已退役。接手的 ChatGPT Images 走版本線，API 側的模型名跟著版本走，這一代拆成 Flare 與 Sunburst，速度與精度分開賣。
兩代的差異用同維度對照最清楚，重點是主打換了位置。
| 項目 | Images 2.0 | Images 2.5 |
|---|---|---|
| 發布日 | 2026 年 4 月 21 日 | 2026 年 9 月 8 日 |
| 官方主打 | 文字渲染、多語言、視覺推理 | 參考圖主體保留、精準編輯、多輪一致、速度 |
| 對應 API 模型 | gpt-image-2 | gpt-image-2.5-flare、gpt-image-2.5-sunburst |
| 品質檔位上限 | high | xhigh、max |
OpenAI 圖片模型名字對照
名字系統一併整理。功能名、版本名、API 模型名是三層不同的東西，寫名字前先對照。
| 名字 | 是什麼 |
|---|---|
| ChatGPT Images | ChatGPT 內建的圖片生成功能 |
| ChatGPT Images 2.5 | 這個功能的最新版本，官方繁中頁另有一個中文名 |
| GPT-Image-2.5 Flare | API 模型，快、日常生成，多數應用的預設選擇 |
| GPT-Image-2.5 Sunburst | API 模型，最強、編輯精度優先，生成時間較長 |
| ChatGPT Images 2.0 | 前代版本，對應 API 模型 gpt-image-2 |
| DALL·E 與 DALL·E GPT | 已退役，2026 年 8 月 30 日下架 |
| Images with thinking | 獨立功能，Plus、Pro、Business 可用 |
| Sketch 與 Templates | 2.5 隨附的輸入與起手功能 |
官方繁中頁把產品名裡的 Images 換成了另一個中文名詞。官方選的詞跟一般中文寫作常用的「圖片」不同，指的是同一件事，看官方資料時對上就好。
版本號的讀法：小數點的跳版代表主題式的改進，2.5 的主題是編輯與速度，照這個命名邏輯，下一個整數版才會是另一輪大改。對使用者的意義很實際，小版把既定工作流變順，大版才需要重新學工具。升級壓力這一版很小，功能都在原地。
常見問題
ChatGPT Images 2.5 免費用得到嗎？
用得到。ChatGPT Images 在所有方案都能用，Images 2.5 也對全方案推出，免費帳號在內。各方案分別有多少額度，官方沒有給過任何數字，release notes 明載既有圖片生成額度不變，實際額度以帳號內顯示為準。
台灣可以用嗎？
API 端可以，官方的支援國家清單列有台灣。消費端官方沒有提供地區清單，文件只列平台與方案；ChatGPT 在台灣日常可用，官方也有繁中頁面，但「官方支援台灣」的消費端宣稱目前沒有文件可引。
跟 Images 2.0 差在哪？
前代主打文字渲染、多語言與視覺推理；這一版主打參考圖主體保留、精準編輯、多輪一致性與速度，生成延遲官方宣稱最多少 50%。額度不變，API 的 token 費率兩代相同，品質檔位新增 xhigh 與 max。
中文字渲染可靠嗎？
官方自述是雖然顯著改善，模型在精確的文字擺放與清晰度上仍可能掙扎，而且沒有提供中文字的準確率數字。要出印刷級中文字，先在對話裡多輪修，最終檔案在目標尺寸再檢查一次。
生成的圖能商用嗎？
可以。使用條款把輸出的權利給使用者，你對輸出負責，OpenAI 保留把輸出用於改進服務的權利。授權這端條款寫得清楚，要留意的是輸入與用途，肖像、商標、既有 IP 的素材，或廣告不實的應用，責任都落在使用者身上。
生成的圖有浮水印嗎？
有兩層。C2PA 中繼資料，加上 Google DeepMind 的 SynthID 隱形浮水印，覆蓋 ChatGPT、Codex 與 API。用 openai.com/verify 或 Content Provenance API 可以驗；not_detected 只代表沒驗到訊號，中繼資料被剝掉就驗不出來，不代表一定不是 AI 生成。
ChatGPT Images 2.5 是什麼？
OpenAI 在 2026 年 9 月 8 日推出的 ChatGPT 內建圖片生成新版本，全方案都能用，免費帳號也在內。這一版的主題是編輯與速度：參考圖主體保留、多輪修改一致，生成延遲官方宣稱最多少 50%。API 對應的模型是 gpt-image-2.5-flare 與 gpt-image-2.5-sunburst。
API 多少錢？
兩個模型同價，計費以百萬 tokens 為單位，圖片輸出 $30 是最大宗，圖片輸入 $8、圖片快取輸入 $2，文字輸入 $5、文字快取輸入 $1.25，文字輸出不收費。價格表一樣，帳單不會一樣，token 消耗隨模型與品質設定浮動，官方指南的示例是 196 個輸出 tokens 估 $0.00588。
下一步
立刻能做的動作就一組：打開 ChatGPT、傳一張參考圖、加一句指令，抓十分鐘完成第一張圖與一輪留言修改。用得上三輪修圖 Prompt 範本，整組抄進對話就能跑。
開發者的下一步分兩條：先用 Flare 小量驗證每張成本，要反覆精修再上 Sunburst。費率與規則以官方文件為準，2.5 的速率限制分級還沒公布，舊表不能套。
素材線往影片側延伸，站上有HeyGen 的指南可以接；圖片內容在 AI 搜尋裡怎麼被引用，看GEO 的概念解析。
額度、中文、商用、API 的界限都知道了，剩下的就是練手感：拿同一張參考圖把三輪修圖 Prompt 範本跑一遍，你會知道主體保留與留言修改在自己的素材上表現如何，別人的評測取代不了這一步。
抓十分鐘，今天先生出第一張圖。
