Claude Opus 5, Sora 2, Nano Banana 2, Gemini Omni, GPT-6 Astra… all on Pro.

46% OFF Compare plans

GPT Image 2.6 評測:你應該使用哪個模型和輸出?

透過六張原創海報結果和一個動畫 GIF,比較 Sunburst 和 Flare,包括質量評級、相對成本和官方 API 定價。

flare low: blue desk lamp poster with red notebook and green plant

GPT Image 2.6 為你提供兩種模型選擇:Sunburst 用於精細的視覺工作,Flare 用於快速迭代。它更有趣的新增功能是動畫 GIF,以及一個獨立的複雜度控制,用於決定構圖或編輯的規劃程度。

實際問題是哪種組合適合你的工作。以下是關於模型選擇、輸出設定、官方存取和成本的簡短路徑。

在 GlobalGPT 上試用 GPT Image 2.6

如何在 Sunburst 和 Flare 之間選擇

你的優先事項從為什麼
快速探索想法並迭代FlareOpenAI 將其定位為快速迭代。
詳細的構圖和精細的編輯SunburstOpenAI 將其定位為詳細的視覺工作。
GIF 或標記引導的編輯任一兩者都支援這些已記錄的功能。

Sunburst 和 Flare 描述確立了它們的預期角色。質量勝出者仍需要匹配的測試;僅憑模型名稱無法證明哪個能更好地處理您的提示。

如何選擇質量:我們的六圖對比

我們使用相同的檯燈海報提示詞,在低、中、高質量下分別使用 Flare 和 Sunburst。提示增強已關閉,所有六個請求都選擇了 1K 輸出。每種組合生成一次。這些設置會改變 質量,而非複雜度。

我們的視覺品質星級是對這張海報任務的編輯判斷:文字可讀性、要求的物體擺放、可見細節和整體完成度。五顆星意味著可見的妥協更少。成本星級對六張靜態圖像請求中記錄的平台收費進行排名:星越多表示越貴。它們不是官方的 API 美元價格。

GPT Image 2.6 flare-low original desk lamp poster result
耀斑 · 低

視覺品質:★★★★☆
相對成本:★☆☆

標題和副標題清晰可讀,分離明確,黃銅開關可見。一個良好的起始結果。

GPT Image 2.6 flare-medium original desk lamp poster result
耀斑 · 中

視覺品質:★★★☆☆
相對成本:★★☆

文字可讀,排列整潔,但黃銅開關在前視圖中不清晰可見。

GPT Image 2.6 flare-high original desk lamp poster result
耀斑 · 高

視覺品質:★★★★☆
相對成本:★★★

黃銅開關可見,陶瓷表面有光澤。燈形狀的改變是一種變化,而不是質量躍升的證明。

GPT Image 2.6 sunburst-low original desk lamp poster result
旭日 · 低

視覺品質:★★★★☆
相對成本:★☆☆

清晰的黃銅控件和寬敞的佈局;三個要求的物體都容易區分。

GPT Image 2.6 sunburst-medium original desk lamp poster result
sunburst · 中

視覺質量:★★★★☆
相對成本:★★☆

更緊湊的佈局,帶有小型黃銅控件和可讀文本。在此示例中,與低設置相比沒有決定性優勢。

GPT Image 2.6 sunburst-high original desk lamp poster result
sunburst · 高

視覺質量:★★★★☆
相對成本:★★★

圓潤的燈具輪廓和清晰的排版。在此簡報中,較高的設置並未產生明顯的改進。

發生了什麼變化? 燈具輪廓、間距和反射的變化比整體潤色更明顯。所有六張圖都按照要求的順序放置了燈具、筆記本和植物,燈具比植物高,兩行文字在此查看尺寸下可讀。Flare medium 使黃銅控件更難驗證。所有六張圖都傾向於自然木色桌面,而不是要求的淡奶油色表面。

我們對這份簡報的選擇:從低質量開始。兩個低質量結果都是可用的起點,而高質量輸出對於這個簡單的海報並沒有顯示出決定性的優勢。這是每個設置的一個樣本,不是一般的成功率或速度基準。

如何選擇輸出

先選擇模型,再選擇任務,然後選擇輸出。Sunburst是精細工作模型;Flare是快速迭代模型。這是兩個模型變體,任何一個都可以生成新圖像或編輯現有圖像。PNG、JPEG、WebP 和 GIF 描述的是交付物,而不是另一種模型選擇。

根據任務選擇輸出

輸出如何請求何時使用重要限制
靜態光柵圖像output_format: "png", "jpeg",或 "webp"照片、宣傳圖、產品圖片和普通圖像編輯PNG 是默認格式。JPEG 和 WebP 支持輸出壓縮。
動畫 GIFoutput_format: "gif" 用於生成或編輯循環產品展示、角色反應和輕量動畫2–16 幀;每幀 20–2000 毫秒,四捨五入到 10 毫秒。預設值:9 幀和 200 毫秒。不支援串流、部分圖像或自訂輸出壓縮。

對於 GIF,請明確描述動作和循環:「一個剪紙吉祥物揮手一次,然後回到起始姿勢;固定攝影機且背景不變。」 請求 幀數:9 和 幀持續時間:200 以獲得約 1.8 秒的動畫。使用編輯端點提供靜態參考。幀大小和數量必須符合模型的大小和總像素限制;如果請求過大,請減少它們。

我們的動畫 GIF 結果

原始 Sunburst 動畫藍色檯燈吉祥物 GIF
Generated using Sunburst, medium quality, and GIF output. The downloaded file is 512 × 512 pixels, with 9 frames at 200 ms per frame: a 1.8-second cycle.

這是原始動畫檔案,而不是靜態圖像預覽。其相對成本為 ★★★★ 在同一觀測收費尺度上,高於每個靜態圖像請求。其輸出大小和任務不同,因此價格差異不是同類模型比較。

如何選擇複雜度

上面的六張圖片並未測試複雜性:保存的請求中沒有明確的複雜性字段。以下是官方參數指南,而非實測對比。

複雜性改變規劃工作量;品質控制渲染保真度。在比較複雜性時保持品質不變,這樣結果一次只回答一個問題。

複雜性起始用例需要檢查的權衡
低專注的編輯和簡單場景更快、更簡單的過程是否會遺漏約束?
中具有多項要求的佈局它是否在不做不必要更改的情況下改善了放置?
高(默認)密集文本和複雜對象關係額外的規劃可能會增加延遲並引入不必要的編輯。

如何訪問 GPT Image 2.6

官方 API + 命令行: 使用 OpenAI API 金鑰,選擇 Sunburst 或 Flare,並透過 Python 或 curl 呼叫圖像 API。兩者使用相同的帳戶、端點和權杖定價。curl 是一個命令列用戶端,不是另一個模型或訂閱。

任務官方端點傳送內容
生成POST /v1/images/generations模型、提示、品質、複雜度和輸出格式
編輯POST /v1/images/edits參考圖像、模型和更改指令

保管好您的金鑰 OPENAI_API_KEY。可能需要 API 組織驗證。請參閱 官方 API 設定和輸出說明.

Python

from openai import OpenAI
import base64

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.6-sunburst",
    prompt=(
        "A clean editorial product photograph of a modern desk lamp, "
        "warm window light, walnut desk, realistic materials, no text"
    ),
    size="1536x1024",
    quality="medium",
)

image_bytes = base64.b64decode(result.data[0].b64_json)
with open("desk-lamp.png", "wb") as image_file:
    image_file.write(image_bytes)

命令列:curl

curl https://api.openai.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "A bold editorial poster of a coastal city at sunset, geometric architecture, orange and teal palette, no text",
    "size": "1024x1024",
    "quality": "medium"
  }'

GPT Image 2.6 定價

OpenAI 按權杖單位列出 GPT Image 2.6 的定價。官方圖像生成定價表 總結如下。兩個官方模型頁面都列出了相同的美元費率。快取費率是單獨的費率卡條目,並非每次請求都保證折扣;不要假設每次快取命中都會在回應使用情況中顯示。

計費單位標準費率快取費率
文字輸入$5.00 / 1 million tokens$1.25 / 100 萬 tokens
圖像輸入$8.00 / 100 萬 tokens$2.00 / 100 萬 tokens
圖像輸出$30.00 / 100 萬 tokens—

沒有單獨的複雜度設定。更高的複雜度可能需要更長時間,但不會在費率表上增加第二次複雜度附加費。相同的代幣費率並不保證每次結果的成本相同。

我們的看法

Flare 是探索方向的合理起點;Sunburst 是值得為最終構圖評估的細節處理選項。當一個小循環比靜態圖更能傳達信息時,GIF 很有用。根據交付成果選擇輸出,然後針對任務調整複雜度,而不是假設最高值總是看起來最好。

常見問題

GPT Image 2.6 Sunburst 和 Flare 有什麼區別?

Sunburst 適合精細的視覺工作,而 Flare 專注於快速迭代。在我們對每個質量設置進行的單張海報測試中,兩者都生成了可讀的文本和清晰的對象佈局;沒有一個是決定性的整體贏家。

我應該選擇哪種質量設置?

對於簡單的需求,從低質量開始,並在花費更多之前檢查結果。在這次六張圖片的海報測試中,中質量和高质量改變了燈具設計和間距,但沒有持續產生更好的成品圖像。

複雜度與質量相同嗎?

不是。質量控制渲染保真度,而複雜度控制規劃工作量。這六張海報圖像比較了質量設置;它們沒有衡量改變複雜度的效果。

GPT Image 2.6 能生成動畫 GIF 嗎?

是的。我們的 Sunburst GIF 結果包含九個 512 × 512 幀,每幀顯示 200 毫秒,形成 1.8 秒的循環。GIF 輸出適用於輕量級循環視覺效果。

質量和價格星級代表什麼?

質量星級是我們在本次測試中對文本可讀性、佈局、可見細節和完成度的編輯評估。價格星級表示相對觀察成本:星級越多表示越貴。它們不是官方 API 美元報價。

官方 GPT Image 2.6 API 的費用是多少?

兩個模型頁面均列出每百萬文本輸入令牌 5 美元,緩存文本輸入 1.25 美元,圖像輸入 8 美元,緩存圖像輸入 2 美元,圖像輸出 30 美元。總請求成本取決於令牌使用量和適用的緩存規則。

我可以通過 Python 或 curl 訪問 GPT Image 2.6 嗎?

是的。使用帶有圖像 API 的 OpenAI API 密鑰,並選擇 gpt-image-2.6-sunburst 或 gpt-image-2.6-flare。Python 和 curl 是同一 API 的兩種客戶端;可能需要進行組織驗證。

最新文章