GPT Image 2.5 品質檔位:auto、high、xhigh、max 怎麼選
發布於 2026年10月27日 更新於 2026年10月27日 9 分鐘閱讀
GPT Image 2.5 品質預設 auto,從 low 到 max 共六檔。low/medium 探構圖、high 定稿,只在局部細節還不夠時才升 xhigh 或 max。

想選對 GPT Image 2.5 的品質檔位,記住一句話:預設 auto,正式成稿用 high,只有 high 之後仍看得見具體缺陷,才值得升到 xhigh 或 max。品質檔位(quality)決定模型在一張圖上花多少運算,它不是「越高越好看」的評分鈕,也不是提示詞裡的形容詞。
在創作頁上,Flare 與 Sunburst 都提供 auto、low、medium、high、xhigh、max 六檔,與 1K、2K、4K 三檔解析度搭配使用。把這兩條軸混在一起,是最常白花時間的地方。

六檔各自買到什麼
官方在 2026 年 9 月 8 日推出 gpt-image-2.5-flare 與 gpt-image-2.5-sunburst 時,首次把品質階梯往上多開兩級:xhigh 與 max 是新增的,先前的 GPT Image 系列最高只到 high。這些檔位的差別在於模型願意在細節區域投入多少推理預算,不是主觀的銳利度分數:
| 檔位 | 適合場景 | 會得到什麼 | 代價 |
|---|---|---|---|
low | 縮圖、構圖試錯 | 最快最省,細節偏軟但版面可讀 | 邊緣與小字容易糊 |
medium | 日常社群配圖 | 材質與整體協調性夠用 | 極小細節不保證 |
high | 成稿預設 | 細節明顯更實,成本仍可控 | 比 medium 慢 |
xhigh | 微細節就是交付重點 | 邊緣與細紋更穩 | 成本上升,收益看畫面 |
max | 高價值主視覺、難度極高的提示詞 | 可用的最大運算預算 | 最慢,也不保證更好 |
auto | 不想每次調參 | 交給模型判斷 | 同一句提示詞可能落到不同檔 |
auto 是預設,不是最佳解
auto 是官方預設,也是站內兩個模型的預設。好處是省心,代價是不可重現:同一句提示詞,今天可能按 medium 算,明天可能按 high 算。
單張圖無所謂,做系列圖就會出事——你以為只換了背景,其實品質檔也跟著跑了。判斷方法很簡單:只要在比較兩個版本,就把檔位釘死。探索階段用 auto,需要和上一批對齊材質、交客戶時,用 high 當固定起點。
品質檔與解析度是兩條軸
很多人把「4K」當成品質檔,其實是兩件事:
- 解析度(1K/2K/4K):決定輸出多少像素,影響能裁多大、能印多大。
- 品質檔(low 到 max):決定生成時投入多少運算,影響細節站不站得住。
四種組合在實務上都有用:
1K + low:批次掃構圖,最省。1K + high:只看細節取捨,不必等 4K。2K + high:多數交付的甜蜜點。4K + medium:只要大畫布,細節交給後製。
官方也提醒,高於 2560×1440 的解析度仍標為實驗性,出貨前要單獨檢查。畫幅與像素怎麼挑,見尺寸與畫幅指南;這篇只談品質檔。
站內預設值為何不一樣
創作頁給兩個模型的起點不同,這是刻意的:
- Flare:
1K+auto。它定位快、延遲比前代低,適合探索與批次草稿,先別把預算花在像素上。 - Sunburst:
2K+high。它定位精修,預設就以成稿標準起步。
因此從 Flare 切到 Sunburst 時,品質檔會從 auto 變 high,解析度從 1K 變 2K。這種跳變會讓「只換了模型」的比較失真:畫面變好,可能一半來自檔位。要做公平對照,先把兩邊的品質檔與解析度調成一致,只換模型。分工細節見 Flare 與 Sunburst 對照。
三個該升 xhigh 的訊號
升檔要有觸發條件,不要憑感覺。出現以下三種情況,才輪到 xhigh:
- 畫面裡有必須讀清的小字或圖表標籤,high 下筆畫開始黏在一起。
- 微細節是賣點:織物紋理、金屬拉絲、皮膚毛孔、產品接縫,放大後糊成一片。
- 邊緣不乾淨:產品輪廓與背景交界出現毛邊、溢色,縮到網頁尺寸仍看得見。
三種都不成立時,升檔只是更慢地產出同一張圖。反過來說,如果問題在這三處之外——手部結構、物件數量、文字內容寫錯——升到 max 也救不回來,那是提示詞或參考圖的問題。
文字類畫面可搭配畫面文字寫法:先把文案與位置寫死,再用檔位補細節,順序反了效果差很多。

升檔後記得降檔回測
官方那句「更高的品質檔不保證更好」,值得當成流程的一步,而不是免責聲明。每次升檔後做一次回降:
- 在
xhigh或max出一張,確認問題區域真的解決了。 - 同一句提示詞放回
high,再出一張。 - 兩張縮到實際投放尺寸看不出差別,就留在
high。
這一步省下的時間比任何提示詞技巧都多。複雜提示詞在最高檔位可能要等將近兩分鐘,一張 max 的時間夠跑三四張 high。
常見誤區
- 把「4K」「高品質」「masterpiece」寫進提示詞:參數歸控制項,句子歸畫面。
- 在 low 上判斷材質:low 本來就軟,用它判斷金屬拉絲到不到位,結論一定錯。
- 一次改兩件事:同時換檔位與提示詞,你不會知道是哪個起作用。
- 預設 max 求安心:成本與時間都翻倍,畫面未必更好,還讓你少試幾個方向。
- 拿不同檔位做 A/B:對照實驗的前提是其他變數一致。
一套可重複的檔位流程
固定成三步,比每次臨場判斷穩:
- 探索:Flare +
1K+low或medium,一輪只改提示詞的一層,先把主體與構圖定下來。 - 定稿:切 Sunburst +
2K+high,把材質、邊緣、文字補齊。需要更大幅面再上4K。 - 補刀:只在具體缺陷仍存在時,把同一句提示詞升到
xhigh;max留給返工成本高於等待成本的畫面。
三步走完再回降一次。你會養出自己的檔位習慣:什麼題材值得 high、什麼題材 medium 就夠、什麼情況下 max 只是心理安慰。
下一步
拿一張最近反覆重抽的圖,用 high 重跑一次,再對照 xhigh。若兩者在投放尺寸下沒差別,就把這套判斷沉澱成模板,回到創作頁用更低的檔位跑更多方向。想讓同一套檔位在多輪編輯裡保持穩定,接著看多輪編輯怎麼只改一處。
常見問題
GPT Image 2.5 的品質預設是什麼?
auto。官方把 auto 列為 Flare 與 Sunburst 的預設值,由模型自行判斷。要穩定重現,再手動指定 low 到 max 之間的固定檔位。
max 一定比 high 好嗎?
不一定。官方明確表示,更高的品質設定不保證每句提示詞都出更好的圖。max 買的是運算量,不是畫面承諾;先講清楚哪裡不夠,再決定升檔。
品質檔和 1K/2K/4K 是同一件事嗎?
是兩條不同的軸。解析度決定輸出像素,品質檔決定模型在一張圖上投入多少運算。1K 配 high、4K 配 medium 都是合理組合。
站內 Flare 和 Sunburst 的預設為什麼不同?
Flare 定位快速日常出圖,預設 1K 加 auto;Sunburst 定位精修,預設 2K 加 high。預設只是起點,兩邊都能手動改六檔。
把 4K 寫進提示詞有用嗎?
大致沒用。尺寸與品質是控制項參數,句子裡的「4K」只是建議。要 4K 出圖,就在創作頁把解析度設成 4K。
分享
相關文章
GPT Image 2.5 多輪精修:只改一處、鎖住其餘
用 GPT Image 2.5 做多輪編輯時,每輪只寫一處改動,並列出必須鎖定的主體、構圖與光線,避免越改越漂。
模型更新GPT Image 2.5 Flare 與 Sunburst:怎麼選
對照 GPT Image 2.5 Flare 與 Sunburst 的速度、精度與創作—編輯—精修流程,並說明在 image25.xin 創作頁如何切換選用。
提示詞技巧GPT Image 2.5 提示詞結構:主體、場景、光線、構圖
按主體、場景、光線、構圖四層寫 GPT Image 2.5 提示詞,搭配 Flare 探索與 Sunburst 精修,減少重抽、讓出圖更穩。