GPT Image 2.5 Flare 产品图测试：多加一张参考图，瓶子会更像吗？

多加一张参考图，并没有始终让产品看起来更一致。在 GPT Image 2.5 Flare 的测试中，单图和双图请求都生成了符合要求的场景；但在石材场景里，双参考图生成的瓶子，视觉上的大小和瓶盖比例变化更明显。对于这次小规模测试，用一张清晰、完整的产品图作为起点更合适。

这个结论有意限定在很小的范围内。我们测试的是一个合成的无标签瓶子、三个场景提示词，并且每种条件只生成了一张图。第二张参考图是同一张图片的细节裁剪，不是另一个拍摄角度。这些结果不能证明多张独立的产品照片通常更没用。

这套流程适合需要制作少量产品视觉素材的创作者，也适合实现参考图编辑功能的开发者。文中提供了全部六张输出图、准确的提示词结构、参考图准备方法，以及一份实用的验收清单。

10 月 12 日拍摄的公开嵌入式 Playground 截图显示，该界面提示目前无法进行图片编辑。本文的编辑结果来自下文所示的 API 路由，而不是这个 Playground。请不要在这张截图所示的界面中寻找蒙版或参考图上传控件。

准备素材并设置对照条件

我们的源图是一只琥珀色瓶身、象牙色瓶盖的瓶子，由 Ofox 在此前的一次 GPT Image 测试中生成。它不是客户照片，也没有品牌或可读标签。输入文件尺寸为 1024 × 1024 像素。

条件 A 只提供这张图片。条件 B 则先提供这张图片，再提供一张从原图中按坐标 (320, 200, 720, 850) 裁出的细节图。裁剪范围突出显示瓶身和部分瓶盖区域，尺寸为 400 × 650 像素，不包含新的视角信息。

这一点很重要。裁剪图可以让模型注意已有特征，却无法展示产品被遮住的一面。把它称为“两种视角”会夸大输入所包含的信息。如果你的实际需求是展示产品背面的 logo，就应提供一张获准使用的真实背面照片，并单独评估那套工作流程。

两种条件都使用同一套提示词模板，包括解释第二张参考图用途的句子。这样可以在保持文字请求不变的同时，只改变所提供的图片。

完整提示词模板

Place this same amber bottle with the same ivory cap on {SCENE}.
Preserve bottle shape, cap shape, amber color and proportions.
Show one complete upright bottle, no text, no additional products.
The first reference is the whole product; any second reference is a
detail crop of that same image, not another product.

三个场景对应的替换文本如下：

所有请求都通过 Ofox 的 openai/gpt-image-2.5-flare 调用 /v1/images/edits，参数为 size=1024x1024、n=1，没有显式设置 quality 参数或蒙版。这不是 FLUX 测试，也不是不同图像模型家族之间的比较。在记录以下观察结果前，我们通过实际响应确认了所选路由可用。

先提交一张参考图，再测试双图条件

单参考图请求使用 multipart 图片字段。请将凭证保存在 OFOX_API_KEY 中，不要把它放进截图或共享脚本。

curl --silent --show-error --fail-with-body \
  --connect-timeout 15 --max-time 120 \
  'https://api.ofox.io/v1/images/edits' \
  -H "Authorization: Bearer $OFOX_API_KEY" \
  -F 'model=openai/gpt-image-2.5-flare' \
  -F 'image[]=@source.png;type=image/png' \
  -F 'size=1024x1024' -F 'n=1' \
  -F 'prompt=Place this same amber bottle with the same ivory cap on an ivory linen tabletop with soft window light. Preserve bottle shape, cap shape, amber color and proportions. Show one complete upright bottle, no text, no additional products. The first reference is the whole product; any second reference is a detail crop of that same image, not another product.' \
  -o linen-one.json

测试双参考图条件时，在源图字段后再添加一个 image[] 字段，上传 detail-crop.png，并将响应保存为另一个文件名。提示词、模型和其他参数保持不变。这些都是计费生成请求；运行包含六个场景请求的测试套件前，请先检查可下载的测试包。

成功响应返回了 base64 PNG 数据。测试包会分别保存原始返回字节和响应元数据。如果你的路由返回的是其他格式，应明确处理对应格式，不要把错误对象当成图片保存。首次设置和解码响应时，可以参考 GPT Image API 指南。

亚麻布场景：两种条件下都能辨认出瓶子

两张图都展示了放在浅色织物表面、受到暖色侧光照射的瓶子。琥珀色瓶身和象牙色瓶盖仍然清晰可辨。双参考图结果改变了反光和瓶身下部的阴影；它并不是对原图进行像素级无差别的移植。

如果是用于营造氛围的图片，两张都可以作为候选。但如果是目录商品图，而且尺寸与材质颜色必须符合真实产品，仅仅能认出产品还不够。请与获准使用的产品照片对照，并拒绝任何会改变买家实际收到商品外观的结果。

石材场景：第二张参考图没有改善这次结果

单参考图版本保留了较大的瓶子，构图比例也与源图相近。双参考图版本则把看起来更小的瓶子放进了更宽的搁板构图中；瓶盖和瓶身的比例看起来也有所不同。尽管整体场景看起来合理，这仍然与提示词中“保持比例”的要求相冲突。

输入变化和随机生成都可能影响结果。每种条件只有一张结果图，而且没有使用受控 seed，因此我们无法把全部差异都归因于新增的裁剪图。我们能确认的是：不能仅仅因为提供了更多参考素材，就接受这张特定的双参考图结果。

纸张场景：简单背景更容易检查产品

两张输出图里的瓶子都较大且保持直立，背景则是鼠尾草绿的环境。阴影和细微轮廓仍有差异。与复杂的生活方式场景相比，简单背景更容易看出这些差异，但并不能保证产品完全不变。

验证工作流程时，可以先从简单场景开始，以便清楚检查产品。确认后再加入复杂道具、透视效果或多个产品。否则，场景效果可能会分散注意力，让人忽略产品正在逐渐偏离参考图。

有依据地接受或拒绝每张图片

请将原始分辨率的输出图与源图并排检查。我们的观察来自对这六个样本的视觉判断，不是盲测评分，也不是自动身份相似度评分。

不要把这份清单转化为没有依据的“100% 一致性”评分。应与负责产品图片的人一起设定验收阈值。对于品牌包装，即使整体构图出色，文字准确性和 logo 位置也可能是硬性要求。

如果某张结果不合格，应先判断问题来自场景、输入参考图，还是产品外观发生了偏移。下一轮比较时只改变一个变量。如果不先明确每张图片的作用就不断添加参考图，结果可能会更难诊断。

可用于实际生产的起步方案

使用一张清晰、获准使用的产品图，一段具体的场景提示词，以及明确的输出要求。保存第一张验收通过的结果，并记录准确的模型、输入文件和提示词。只有在能说清第二张参考图补充了什么信息时，才添加它，例如标签特写或另一个获准使用的拍摄角度，并评估添加后的变化。

如果要求保留原始产品，不要把每个新场景都接着上一张生成结果继续编辑。那会变成另一种多轮编辑实验。我们的六个请求都从同一张源图开始，因此场景之间不会通过连续编辑继承偏移。

如果交付要求产品像素完全准确，可以考虑把未修改的产品合成到验收通过的背景中，并检查边缘、透视和阴影。蒙版教程介绍了为什么一张看起来合理的图片并不能证明产品得到了精确保留。