GPT-Image 2.5 进入 AI 3D 工作流：Tripo 准备参考图，Meshy 开放 API

2026 年 9 月 15 日，Tripo 将 GPT-Image-2.5 Sunburst 接入 Tripo Studio，Meshy 也在图像 API 中加入了 GPT-Image-2.5 Flare 与 Sunburst。对游戏制作更实用的变化发生在模型生成之前：概念图可以先被整理成清楚的姿势、多方向视图和彼此分离的部件，再沿着同一条流程进入 3D。

OpenAI 于 9 月 8 日发布 Images 2.5，重点包括更好地保留参考对象、更精确的局部编辑，以及多轮修改中的一致性。Flare 面向速度更快的常规 API 场景，Sunburst 则用更长生成时间换取更细的控制。Tripo 和 Meshy 这次把这些图像能力放到了 3D 资产的输入环节，并没有把它们描述成新的 3D 生成模型。

Tripo 用模板整理 3D 生成前的参考图

Tripo Image Gen 当前流程提供角色拆分、头部提取、T Pose、角色补全、素材提取、变体、3D 增强和打印准备等模板。创作者可以从文字、上传图片或两者组合开始，再用模板把参考图调整到更适合下一步制作的位置。

这里处理的是常见的输入问题：一张好看的概念图可能没有展示角色背面，可能把道具和背景连在一起，也可能让人形角色保持不利于绑定的姿势。T Pose 或素材提取不会直接完成最终模型，但能在 3D 生成前把目标结构表达得更明确。

Tripo 还可以把选中的角色参考扩展为正面、左侧、右侧和背面视图。这些图片继续留在同一工作区内，用于检查、编辑和后续模型生成。

拆分结果可以直接批量转入 3D

当角色或场景中包含多个可用部件时，Cutout 可以先将它们分离，再分别作为资产处理。Tripo 表示，选中的结果可以直接进入 Generate 3D，Batch to 3D 则可以一次处理最多 10 张准备好的图片。

这条路径适合把身体、头部、头发和装备做成独立资产，也适合从场景概念图中拆出一组道具。它可以减少参考图整理与 3D 生成之间的手动搬运，但最终几何、拓扑、纹理、尺寸和绑定仍需分别验收。

Meshy 将两档模型开放给自动化图像流程

Meshy 9 月 15 日的更新将 gpt-image-2-5-flare 与 gpt-image-2-5-sunburst 加入 Text to Image 和 Image to Image 的可选模型。文字生成每张消耗 9 个 Meshy credits，图像编辑每张消耗 12 个，与原有 GPT-Image-2 定价相同。两档模型均支持 1:1、16:9、9:16、4:3、3:4、3:2 和 2:3。

API 对批量准备参考图或自建资产工具的团队更有价值。Meshy 在 9 月 14 日还为 Image to Image 增加了 input_task_id，可以把已经完成的图像任务继续传给编辑流程，不必先复制输出链接再发起新请求。

更明确的输入仍然需要资产验收

两项集成指向同一个制作变化：图像生成正在进入 3D 之前的参考准备阶段。受控姿势、可见的侧面与背面，以及分别提取的场景道具，能比一张优先考虑构图的概念图提供更明确的输入。

目前两项公告都没有给出受控对比，无法据此判断最终模型质量、清理时间或整套游戏资产的一致性能提高多少。团队可以先固定一小组角色与道具规格，保持提示词和验收条件不变，对比单图与准备后的多视图输入，再检查轮廓、部件分离、拓扑、纹理连续性和绑定结果，判断新增的图像步骤是否值得进入正式流程。