模型資訊
| 項目 | 值 |
|---|---|
| Model ID | gpt-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。
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
- OpenAI:Introducing Images 2.6(官方公告)
- OpenAI's GPT-Image-2.6 Flare and Sunburst Top Every Image Leaderboard(AlphaSignal)
- GPT-Image-2.6: What Changed, Flare vs. Sunburst, Pricing(Oimi AI Studio)
- GPT Image 2.6 vs Gemini, FLUX and Seedream Compared(Digital Applied,含 LMArena 完整榜單數字)
- GPT Image 2.6: Flare vs Sunburst, Pricing and API Guide(Digital Applied)
- OpenAI Developer Community:Images, upgraded — introducing ChatGPT Images 2.6