不少人在提示词里写“4K 高清、正方形、透明背景”，图出来还是老样子。原因很直接：这些归参数管，模型从提示词里读不到。把该放参数的东西挪出去，让提示词专心描述画面，稳定性立刻好一截。
下面按实际使用的顺序讲一遍——选模型、设参数、写提示词、按需求套写法、改图、多轮迭代、验收、迁移。
模型选错，调提示词就是白费功夫
GPT Image 2.5 底下有两个模型，定位不一样。Flare 是小的，跑得快，画质大概和 GPT Image 2 打平；Sunburst 是主力，画质更好，代价是慢。
选哪个，取决于你手上这套流程现在是什么状态。如果已经在用 GPT Image 2 而且质量达标，那就先拿 Flare 试，看能不能在画质不掉的前提下把时间省下来。如果场景比较复杂、GPT Image 2 本来就达不到要求，那得先上 Sunburst，把“到底能不能达标”这件事确认下来。
Sunburst 达标以后别停在这儿。用同一套提示词、同一批参考图、同样的尺寸再跑一遍 Flare，如果画质还能接受、速度确实快了，就换过去；Sunburst 那点画质优势是你的刚需，就留着。第一次做对比的时候，除了模型，其他什么都别动——同一个质量标签在不同模型上并不等于同样的画质和响应时间。
还有一件事得提醒：别人测出来的提速不算数。提示词、参考图、输出尺寸、质量档都会影响结果，得拿你自己的真实图去测。
参数：尺寸、质量、透明背景
尺寸走 size。常用的几档是 1024x1024（方）、1536x1024（横）、1024x1536（竖），往上还有 2K 和 4K 的规格。想自定义就写 宽x高，但四条规矩绕不过去：
超过 368 万像素（也就是 2560x1440）属于实验性质，别拿去跑生产。
质量档的顺序是先定模型、再调 quality。出图不达标就往高试；一旦达标了，反过来往低试，看看能不能保住画质同时省点时间。xhigh 和 max 别当默认值用——文档说得很明白，更高的档位不保证每个提示词都更好，只在质量确实没满足、时间预算又允许的时候上。
透明背景是踩坑最多的地方。提示词里写“透明背景”远远不够，参数必须显式写 background="transparent"，输出用 PNG 或 WebP。拿到图之后要检查透明通道，头发、玻璃、阴影、物体边缘最容易出问题。要是看到棋盘格纹理，那是模型把透明“画”出来了，不是真的透明。另外，output_compression 只对 JPEG 和 WebP 有效，PNG 别传这个参数。后续继续编辑这张图时，还得再强调一遍保持透明。
提示词怎么写
文档给了八条原则，我按自己理解的顺序重排了一下。
第一件要说清的是结果本身。是产品照、广告还是示意图？构图、宽高比、东西摆在哪儿，都点明。复杂需求按“场景—主体—细节—限制”分段写，比一大段糊在一起好改。
格式不必讲究。短句、描述性段落、类 JSON 结构、标签流都能表达同样的意图，挑你自己最好维护的那种就行，不用迷信什么特殊语法。
然后写能看见的东西。材质、光线、颜色、质感，一个都别省。要照片感就直接写 photorealistic 或 real photograph。相机参数像“50mm 镜头”这类，只是给模型一个外观线索，不是真的在做物理模拟。遇到宽幅、电影感、雨夜、霓虹这种场景，把尺度、气氛、颜色写出来，光丢一句“氛围感”没用。
人物动作也要具体。全身还是半身、脚有没有入画、眼睛看哪儿、手在做什么，写清楚了姿势才可控。文档举的例子是“手自然地握住车把”“低头看着摊开的书”，这类描述比“一个人在骑车”有效得多。
需要出文字的时候，把文案用引号框起来，说明位置和字体，再补一句“不要多余文字”。生僻词或者品牌名可以逐字母拼出来。出图后检查拼写和清晰度——小字多、信息密、字体杂的情况，值得把质量档提到 high 对比一下。
改图的写法和生成不一样，核心是把“改什么”和“别动什么”分开。先说“只改 X”，然后列出要保留的：身份、几何、布局、光线、标签。不想要的也写出来：不要文字、不要 logo、不要水印。做局部精修时，还要点名饱和度、对比度、箭头、相机角度、周围物体这些不能动的元素。
用多张参考图的时候，给每张分配角色。第 1 张当主体，第 2 张当风格，说清它们怎么组合、哪个元素挪到哪儿。
最后一条最重要：一次只改一件事。把上一轮输出作为下一轮编辑的输入，只提一个改动，同时把要保留的细节再重复一遍。像“和之前一样的风格”这种引用能传递上下文，但结果一旦漂移，关键约束就得重写。加新指令之前，先看现在这张图对不对。
按需求套写法
不同类型的图，写法的重心不一样。
产品照和人像靠“主体 + 取景 + 光线 + 质感”，末尾补一句不要什么，比如“不要过度修图、不要磨皮”。文档里那张老水手的例子就是靠这个思路——描述皱纹、毛孔、晒痕、褪色的纹身，再明确说“不要美化”。
信息图、流程图要说清给谁看、要讲什么。这类图里模型容易编，标签和逻辑关系出图后必须自己核对，不能只看好不好看。
带文字的海报和广告，文案用引号写死，说清出现几次，要求“只出现一次、清晰可读”，再补上“不要多余文字、水印、logo”。品牌名和标语这种关键文案，最好逐字母确认。
Logo 要讲清品牌调性和形状，强调简单、小尺寸也认得出。用 n 参数一次多出几版，配透明背景和 PNG 输出。文档里还特别提醒：要原创、不要侵权。
历史场景靠地点和日期锚定，比如“1969 年 8 月 16 日，纽约 Bethel”。模型会自己推断服饰和布景，但历史准确性得人工过一遍。
漫画分镜的写法是拆节拍，一格一个动作，描述要具体、动作化，别写抽象概念。
UI 预览有个反直觉的点：要把它当成已经上线的产品来描述，讲布局、层级、间距和真实控件。一旦用“概念图”“设计草图”这类说法，出来的就是草图。
课件和科学图当成教学简报写。受众、教学目标、视觉形式、必需标签、不能出现的东西，全列出来，再要求干净的扁平风格和足够留白。标签密集的用 quality="high"。
PPT 和图表当交付物规格写，不要当插画需求写。点名交付物是什么、画布多大、层级怎么排，数字和标签直接写进提示词，横版配 high。文档里那个 TAM/SAM/SOM 的例子还附了一句提醒：示例数字是虚构的设计输入，实际用之前必须换成核实过的数据。
改图：把话说满
改图用 client.images.edit，带上参考图。几类常见需求：
翻译但不想动版式，一句话就够——“把图里的文字翻成西班牙语，其他任何地方都不要改”。翻完检查译文，也检查有没有残留的原语言文字。
换风格时给参考图一个明确角色，比如“用输入图的配色和质感”，新主体单独描述。
保身份换衣服是要求写得最满的一类。脸、表情、发型、体型、姿势、身份全部列进“不能变”，只说衣服换，还要补一句光线阴影要跟原图对上，否则成品会像贴上去的。
多图合成按编号说清第几张是什么、哪个元素挪到哪儿、什么不能变。
抠图要两头都写：提示词里说“隔离主体、透明背景、不要光晕毛边”，参数里也要 background="transparent" 加 PNG。
线稿转写实当成规格说明来写，保住布局和透视，再指定材质和光，最后加一句“不要新增元素或文字”。
删物体最简单，点名删什么，补一句“其他都别动”。
把人放进新场景，要写清光线、细节、取景、视线方向、和场景的互动，以及哪些面部特征和比例不能变。用 gpt-image-2 的时候记得别传 input_fidelity，图像输入始终按高保真处理。
多轮修改和角色一致
多轮改图的节奏是：拿上一张当输入，一次只改一个条件。比如先出一张高速公路广告牌，下一轮只写“改成冬天下雪的傍晚”，这样能看清到底是哪一步起了作用。
做多页插画时，先定一个可复用的角色参考，把外观、比例、服装、气质写清楚。之后换场景、换故事，把这些定义性细节再列一遍，并加一句“不要重新设计角色”。
但要有心理准备：反复编辑仍可能改到你本想保留的地方。文档的态度很明确——如果某个区域必须一点都不能变，就把批准的编辑合成回原图，别指望靠提示词兜住。
出图后检查这几件事
交付之前过一遍：
- 要透明的话，文件里是真的透明通道，还是画出来的背景？
- 换提示词或换模型时，在真实样本上比过质量、延迟和成本吗？
从旧模型迁过来
迁移这件事，文档给了一条挺实用的路径。
先存基线。把生产里用的提示词和参考图收一批，难点都要覆盖：难改的图、精确文字、人脸、产品形状、透明素材。记下当前模型、请求设置和结果。
然后选第一个候选。GPT Image 2 够用就从 Flare 开始测延迟；不够用就从 Sunburst 开始测质量。第一次比的时候，提示词、参考图、尺寸、输出格式全部保持不变。
看结果要看全套：有没有照做、脸和产品有没有变、文字准不准、有没有乱改、透明对不对。重复请求几次看稳定性。改图流程要测完整的编辑序列，不只是单步。
质量过了再测速度。Flare 画质还能接受、延迟确实下降，才切过去。
调参一次只动一个。先比质量档，再考虑重写提示词。指标要看典型响应和慢响应、失败率、重试次数、每张可用图的成本——别假设更快的模型一定更便宜，价格得自己查。
最后按工作流灰度。小流量先跑，盯同样的指标，逐步放量，旧模型还受支持就留着回滚。
两个参数上的差别值得记一下。gpt-image-2 不要传 input_fidelity，它始终高保真。gpt-image-1.5 2026 年 12 月 1 日停服，gpt-image-1 2026 年 10 月 23 日停服。从 1 或 1.5 迁过来，别照抄旧设置。
一段能跑的代码
官方示例固定在 gpt-image-2 上，可以直接当基线用：
要改图就换成 client.images.edit，把 image=[Path("你的图.png")] 传进去，其余参数照旧。
用下来感受最深的一点是，这套工具对“说清楚”的回报很高，对“堆形容词”的回报很低。把参数和提示词分开，把改动和约束分开，一次只动一个变量，剩下的就是看图和改图。
AI 速览
