Skip to content

模型卡|GPT-Image-2.6

2026年11月7日1 分鐘
TL;DRGPT-Image-2.6(API ID:gpt-image-2.6-flare/gpt-image-2.6-sunburst):OpenAI 於 2026-11-04 發布,新增 GIF 動畫生成、markup 標註精準編輯、SVG 向量輸出;定價維持 2.5 代不變(text in $5/image in $8/image out $30,每 1M tokens);LMArena 文字生成圖片榜(preliminary,2026-11-02 讀取)顯示 2.6 Sunburst 落後自家 2.5 Sunburst,但 Artificial Analysis 隔兩天後的轉述又稱 2.6 家族拿下雙榜冠亞軍——同一個模型在不同榜單、不同讀取時間點排名互相矛盾

查詞與收藏

正在載入查詞工具…

🌏 English version

模型資訊

項目值
Model IDgpt-image-2.6-flare/gpt-image-2.6-sunburst
廠商OpenAI
參數量未公開
Context Window不適用(圖像生成模型;輸出總像素上限 8,294,400px,單邊不超過 3,840px,超過 2560×1440 標為實驗性)
Input 定價 (USD/1M tokens)文字輸入 $5.00;圖像輸入 $8.00(cache $2.00)
Output 定價 (USD/1M tokens)$30.00(兩個變體相同,與 2.5 代持平)
開源否
發布日2026-11-04
官方公告OpenAI:Introducing Images 2.6
家族GPT-Image 系列(GPT Image 1,2025-04 → GPT Image 2,2026-04 → GPT-Image-2.5,2026-09 → GPT-Image-2.6,本次)

能力亮點

  • 新增 GIF 動畫生成:從文字 prompt 或上傳圖片直接產出會動的 GIF,可調動畫速度並逐格編輯,最多 16 格
  • markup 精準編輯:在 API 傳入透明 PNG 疊圖標註要改哪一塊,取代純文字描述修改範圍;同時新增 SVG 向量輸出,是目前除 Recraft 外少數能直接吐向量圖的 API
  • Flare 變體生成速度再加快約 50%,最低品質設定下最快 6 秒出圖;Artificial Analysis 實測顯示 Flare 的文字生成圖片中位延遲從前代約 55 秒降到約 30 秒
  • 新增 complexity 參數獨立於 quality 控制模型規劃程度,預設為 high;消費端新增可重複使用的角色/寵物參考圖,不用每次重新上傳

Benchmark 表現

來源GPT-Image-2.6前代(2.5 代)對照
LMArena 文字生成圖片榜(Medium 品質,preliminary,2026-11-02 讀取)Sunburst 1409±13(第 2 名,2,967 票)/Flare 1384±13(第 4 名,2,792 票)2.5 Sunburst 1427±5(第 1 名,54,913 票)/2.5 Flare 1399±5(第 3 名)Nano Banana 2.1 1325±9(第 7 名)
LMArena 單圖編輯榜(同上讀取日)Sunburst 1476±10(第 3 名)/Flare 1462±10(第 5 名)2.5 Sunburst 1517±5(第 1 名)/2.5 Flare 1482±5(第 2 名)MAI-Image-2.7-Preview 1469±7(第 4 名)
Artificial Analysis 雙榜(2026-11-06 第三方轉述)⚠️文字生成圖片與編輯雙榜雙雙拿下前兩名原文稱「超越 2.5 代」,未附精確分差數字原文未列出其他模型對照分數

⚠️ 三組數字來自不同獨立平台、不同品質設定(LMArena 用 Medium,OpenAI 官方未說明 Artificial Analysis 用哪個品質檔)、不同讀取時間點(11-02 對 11-06),且都不是 OpenAI 自測。LMArena 兩筆 2.6 資料的投票數(約 2,800~3,000 票)遠低於 2.5 代的 5 萬多票,區間寬度也是鄰近名次的兩倍以上,屬於統計上還不穩定的早期樣本;Artificial Analysis 這邊截至 11-05 甚至尚未收錄 2.6,11-06 才出現「拿下雙榜冠亞軍」的說法,但原始文章沒有附上分數,只能視為第三方轉述,無法逐一核對換算。

GPT-Image-2.6 發布後四天的評測結論反轉
GPT-Image-2.6 發布後四天的評測結論反轉LMArena 榜單標示日期 11-02 時 2.6 排名在自家 2.5 代之後,Artificial Analysis 在 11-05 尚未收錄此模型,11-06 的第三方轉述卻改稱 2.6 拿下雙榜冠亞軍 兩榜單對同一模型結論相反 2026-11-02 LMArena:落後 2.5 2026-11-04 官方正式發布 2026-11-05 AA 尚未收錄 2026-11-06 稱拿下雙榜冠亞軍

日期為各榜單自述或讀取時間點,非嚴格事件發生順序;LMArena 的榜單標示日期甚至早於 OpenAI 11-04 的正式發布。

與前代/競品比較

跟 2.5 代比,2.6 的定價完全沒變(text in $5/image in $8/image out $30,每 1M tokens),新增的 GIF、markup 編輯、SVG 向量輸出都算在同一套費率裡,等於免費加功能。但耐人尋味的是:截至目前能看到的獨立評測(LMArena),2.6 的兩個變體在「畫質偏好」這個維度上反而雙雙輸給自家 2.5 代的對應變體——速度大幅提升、功能明顯增加,畫質卻沒有同步躍進,至少目前的早期投票數據是這樣顯示。

跟 Google Nano Banana 2.1 比,兩家都是按 token 計費且圖像輸出同樣是 $30/1M tokens,但 Google 圖像輸入只要 $1.50(OpenAI 要 $8),而且 Google 額外公布了「1K 圖消耗 1,120 tokens,等於 $0.0336」這種可以直接換算成每張圖價格的資訊,OpenAI 沒有公布對應換算,開發者得自己實測才知道真實成本。社群已有報告指出同樣 prompt 在 2.6 的 low/medium 品質設定下,耗費的輸出 token 數比 2.5 明顯更高(一份報告是約 1,136 比 344 tokens),代表即使費率沒變,實際帳單可能不降反升。

跟走「每張圖固定價」路線的 ByteDance Seedream 5.0 flash($0.018/張)、Recraft V4.1 Flash($0.007/張)比,GPT-Image-2.6 的按 token 計費在高量生產場景下完全無法事先精算預算,這是整個 GPT-Image 系列(跟同樣按 token 計費的 Nano Banana)共有的結構性缺點,不是這次升級解決的問題。

對 Agent 開發的意義

如果你在做素材自動化 agent(行銷圖、社群貼文配圖、品牌吉祥物動畫):GIF 生成+可重複使用參考圖,可以把「畫同一個角色的多張變體」這種以前要靠 prompt 工程硬湊一致性的任務,變成存一次參考圖就重複呼叫;但要先用自己的實際 prompt 測一輪 token 消耗,別直接假設帳單會跟 2.5 代一樣。

如果你在做需要向量輸出的設計 pipeline(logo、icon、UI 元件):markup 編輯+SVG 匯出讓「指出要改哪一塊」不用再靠文字描述座標,SVG 輸出又能直接進排版工具不用再描圖;但 Recraft 用固定每張圖價格也提供 SVG,兩者的差異已經不是功能有無,而是計費模式可不可預測。

不適合:需要精算單張圖成本的高量生產場景(每月數千張以上的素材流水線),這種情境下按 token 計費的不確定性會壓過新功能帶來的好處,Seedream 或 Recraft 的固定每張圖價格更適合排預算;也不適合現在就拿「某個排行榜第一名」當選型依據——同一天的兩個獨立榜單對 2.6 的畫質排名根本互相矛盾,等票數跟榜單都穩定下來才值得當成選型證據。

今日收穫

之前以為「獨立第三方榜單」至少比廠商自己的 benchmark 更可信、更穩定;GPT-Image-2.6 這次打破了這個假設——同一個模型,LMArena(preliminary、投票數只有前代的 5%)顯示它排名掉到自家前代之後,兩天後 Artificial Analysis 的轉述又說它拿下雙榜冠亞軍,而且後者連分數都沒附。榜單本身的更新速度跟上線後的統計噪訊,現在已經是圖像模型發布週期裡跟定價、功能同等重要的變數:任何「發布當天就拿下第一」的說法,都該先問清楚是哪個榜、哪個品質檔、讀取在哪一天。

參考資料