OpenAI Images 2.6 API 全面解析:Flare、Sunburst、GIF/SVG 与局部编辑怎么选

GPT-Image-2.6 Flare 与 Sunburst 于 2026 年 11 月 4 日上线 API。本文系统解析两个模型的选型标准、GIF/SVG 输出参数、complexity 与 quality 的区别、markup 标记编辑接入方式、Batch API 限制,以及可运行的调用示例。

NixAPI Team 2026年11月10日 约23 分钟阅读
OpenAI Images 2.6 API 全面解析:Flare 与 Sunburst 选型、GIF 与 SVG 参数、complexity 控制、markup 局部编辑

引言:这次更新不只是”多了 GIF”

2026 年 11 月 4 日,OpenAI 发布 Images 2.6,API 端同步上线两个模型:

模型 ID定位
gpt-image-2.6-flare速度优先,快速迭代、交互式生成与编辑
gpt-image-2.6-sunburst细节优先,密集构图、文字排版、跨编辑一致性

官方称整体生成速度提升约 50%,Flare 在 low 档最快 6 秒返回。同时新增 GIF 输出、SVG 导出、markup 引导编辑和 complexity 参数。

但对开发者来说,真正重要的不是功能清单,而是这三个变化:

  1. 控制维度从 1 个变成 2 个——quality 管渲染保真度,complexity 管生成前的规划量,两者独立;
  2. 输出形态从静态图扩展到动图和矢量图——这直接改变了素材生产的工作流;
  3. Batch API 没了——2.6 不支持批量端点,而 2.5 支持且图像输出半价($15 vs $30 per 1M)。

成本提醒:本文专注 API 接入与参数。2.6 的低/中质量档实际成本比 2.5 高 3–4 倍(单价表相同但输出 token 数不同)的详细拆解,见配套文章 OpenAI Images 2.6 真实成本拆解。

一、Flare 与 Sunburst:怎么选

两个模型价格完全相同(同一张价目表),所以选型只看两点:延迟和一致性。

维度gpt-image-2.6-flaregpt-image-2.6-sunburst
定位速度细节
延迟low 档最快 6 秒更慢,OpenAI 未公布具体数字
布局质量海报、产品图、版式布局质量提升密集构图、文字排版
跨编辑一致性一般medium/high 档更强(同一角色或产品连改 5 次不漂移)
价格同一张表同一张表

决策规则

  • 探索阶段(要 10 个版式对比、跟用户来回试)→ Flare,迭代速度就是产品体验;
  • 交付阶段(同一角色要连改 5 次保持一致)→ Sunburst,一致性是硬需求;
  • 不要因为 Sunburst”质量更高”就全线使用——在 low 档它没有质量优势,只有延迟劣势。

第三方实测提醒:2.6 Sunburst 在同等质量档下可能比 2.5 Sunburst 更慢。官方宣传的”提速 50%“主要体现在 Flare 和高/中档位。如果你的 pipeline 有延迟 SLA,务必实测。

二、核心参数:quality 与 complexity 是两个维度

这是本次更新最容易误解的一点。

2.1 两者分别控制什么

参数控制什么取值默认
quality渲染细节与保真度low / medium / high / xhigh / max / autoauto(部分渠道默认 medium)
complexity生成前的规划量——画面里放多少元素、层级、关系low / medium / highhigh

OpenAI 的表述很明确:“Adjusting complexity has no separate fee.”——调 complexity 不额外收费。

但它会增加延迟,而且官方明确警告:高 complexity 可能引入你不想要的额外变化。

2.2 怎么搭配

场景qualitycomplexity说明
换背景、换招牌lowlow局部编辑,低规划量避免误改别处
图标、简单示意图lowlow干净、元素少,视觉噪音会降低可读性
产品营销图、文档配图mediummedium均衡
海报、多对象场景highhigh元素多、关系复杂

默认 complexity: high 是个陷阱。很多接入方直接省略这个参数,结果每次生成都在做最大规划量规划——延迟上升、成本上升(因为规划会影响输出 token 数),而且对简单的局部编辑反而容易”改多了”。显式设置 complexity 是接入第一天就该做的事。

2.3 一段可运行的示例

import openai

client = openai.OpenAI()  # 或 base_url="https://api.nixapi.com/v1"

resp = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="极简线稿风格的咖啡杯图标,深灰线条,透明背景",
    quality="low",
    complexity="low",          # 别省略!默认 high 会做最大规划
    size="1024x1024",
    output_format="png",
)

# 注意:响应里有没有 usage,取决于渠道
print(resp.data[0].b64_json[:32], "...")

cURL 版本:

curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "极简线稿风格的咖啡杯图标,深灰线条,透明背景",
    "quality": "low",
    "complexity": "low",
    "size": "1024x1024",
    "output_format": "png"
  }'

三、GIF 输出:参数与成本陷阱

3.1 三个参数

curl -s \
  -H "Authorization: Bearer ***" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "一架纸飞机 looping 一次,扁平风格",
    "output_format": "gif",
    "frame_count": 9,
    "frame_duration_ms": 200,
    "quality": "high",
    "complexity": "low"
  }' > plane.json

jq -r '.data.b64_json' plane.json | base64 --decode > plane.gif
参数取值默认
output_formatpng / jpeg / webp / gif / svgpng
frame_count2 – 169
frame_duration_ms20 – 2000200

默认 9 帧 × 200ms = 1.8 秒循环。

3.2 帧尺寸限制:一条容易忽略的规则

所有帧被画在一张 sheet 上,而这张 sheet 受与单张图像相同的像素上限约束。

具体后果:

  • 16 帧时,单帧尺寸上限 720×720(因为 16 帧要拼成一张大图);
  • 帧数越多,单帧可用分辨率越低。

如果你要生成”清晰的大尺寸动图”,帧数和分辨率是此消彼长的。需要 1080p 级别的动图,实际只能做到很少的帧数。

3.3 成本:GIF 按合并面积计价

GIF 的成本 = 所有帧加起来当作一张同等面积图片的成本。

实测数据:

GIF 配置成本
12 帧 512×512(medium)$0.055
12 帧 512×512(high)$0.067
16 帧 720×720(最大尺寸,high)$0.147

12 帧 512×512 的 GIF($0.055)比一张 1024×1024 的静态图($0.044)更贵。 批量生成动图时,成本预期必须按帧数重算,不能套用静态图的经验。

3.4 两个额外注意

  • API 生成的 GIF 无限循环播放——没有”播放一次就停”的选项;
  • 实测文件大小约 0.5 – 1.5 MB。

四、SVG 输出:什么时候值得用

2.6 支持直接返回矢量文件。

适合 SVG 的场景:

  • 图标、logo、简单插画——从 app icon 到广告牌都能无损缩放;
  • 网页/应用内需要可缩放的资产;
  • 设计工具里需要单条 path 仍可编辑。

不适合的场景:复杂纹理、照片级内容、渐变密集的插画——这些场景光栅图反而更合适。

resp = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="一个极简的闪电图标,单色,简洁线条",
    output_format="svg",
    quality="low",
    complexity="low",
)
svg = resp.data[0].b64_json  # base64 编码的 SVG

渠道差异:部分第三方聚合渠道(如 AI/ML API)尚未支持 SVG 输出,返回的格式集合是 PNG/JPEG/WebP/GIF。如果你的流程依赖 SVG,先验证目标渠道是否真的透传了 output_format: "svg"。

五、markup 引导编辑:让模型知道改哪里

这是本次更新最具实用价值的功能,也是图像编辑领域的一个范式转变。

5.1 传统方式的痛点

用文字描述编辑位置一直很痛苦:

“把左边那个灯往左移一点,不对,是右边那个灯”

这种句子谁也不想写。

5.2 markup 的做法

在第一张输入图之后,提供第二张透明 PNG 作为标注层,在图上圈出或箭头指向要改的区域。

resp = client.images.edit(
    model="gpt-image-2.6-sunburst",
    image=[
        open("original.png", "rb"),   # 第一张:原图
        open("markup.png", "rb"),     # 第二张:透明标注层
    ],
    prompt="把圈出的台灯换成黑色金属材质,其余部分保持不变",
    quality="high",
    complexity="low",     # 局部编辑用 low,避免改到别的地方
)

三个实操要点:

  1. 第二张图必须是透明 PNG,画上红圈、箭头之类的标记;
  2. 它作用在第一张图上——顺序不能反;
  3. complexity 用 low——这是局部编辑,规划量越低越不容易产生意外改动。

5.3 2.5 也支持

OpenAI 的 changelog 明确:“markup-guided editing for supported GPT Image 2.5 and 2.6 models”。

这一点很重要:如果你已经在用 2.5,不需要为了 markup 编辑迁移到 2.6。只有 GIF 和 SVG 是 2.6 独有的。

六、尺寸、批量与限制

6.1 自定义尺寸

项值
步进16 像素的倍数
宽高比1:3 到 3:1
长边上限3,840 像素
总像素上限8,294,400(4K)
官方状态超过 2560×1440 的尺寸标注为实验性

6.2 Batch API:不支持

这是本次更新对生产流程影响最大的一条:

Images 2.5Images 2.6
Batch 端点 支持 不支持
Batch 图像输出价$15 / 1M未列出

Flare 的模型页只列出了两个端点:image generation 和 image edit。Batch 被标记为不支持。

如果你现在的生产流程是”夜间批量生成几千张素材”:

  • 2.6 不能直接替换 2.5;
  • 而且 2.5 的 Batch 是半价——这一条让 2.5 在批量场景的成本优势进一步放大;
  • 迁移前必须先重构为并发调用 + 自己的重试队列。

6.3 usage 字段:先验证再建成本追踪

API 参考文档里的 usage 对象描述仍然写着”applies to gpt-image-1 only”。

这意味着:不要假设 2.6 的响应一定带 usage。第三方实测也观察到某些渠道的 2.6 响应里没有 usage。

如果你要建成本追踪系统,接入第一天就先验证:

resp = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="一个简单的测试图",
    quality="low",
)
print("has usage:", hasattr(resp, "usage"))
print(resp.usage if hasattr(resp, "usage") else "NO USAGE FIELD")

没有 usage 的话,你就无法按真实 token 记账——只能退回到”按档位估算”,而这正是成本误差的来源。

七、从 2.5 迁移的检查表

检查项结论行动
需要 GIF2.5 做不到迁 2.6
需要 SVG2.5 做不到迁 2.6
需要 markup 编辑2.5 也支持不必迁
用 Batch API2.6 不支持留在 2.5,或重构为并发 + 重试队列
低/中质量档大批量2.6 贵 3–4 倍且无 Batch 折扣留在 2.5
高质量档成本相同、提速约 50%可以迁
需要可复现快照2.6 没有日期固定的 model string自己加输出缓存
成本追踪依赖 usage文档说仅适用于 gpt-image-1先验证再上线

八、和 NixAPI 的关系:为什么统一端点在这里有实际价值

Images 2.6 引入了新的输出形态(GIF、SVG)、新的控制维度(complexity)、新的尺寸规则(16px 倍数、4K、1:3–3:1),而不同渠道的支持程度还不一样:

  • SVG 输出并非所有渠道都支持;
  • usage 字段的返回情况因渠道而异;
  • Batch 支持与否也可能不同。

这正是”统一 API 层”能解决的具体问题:

  1. 参数透传可控——complexity、frame_count、frame_duration_ms 这些新参数在透传时可能被静默丢弃,需要一个能验证回显的层;
  2. 能力探测——网关可以在接入时探测目标渠道支持哪些 output_format,而不是等到运行时报错;
  3. 统一计费——真实 token 数来自 usage,统一视图里用实测 usage 而不是档位估算;
  4. 工作负载路由——按任务类型自动分流:批量图标 → 2.5 Batch;最终交付图 → 2.6 Sunburst;探索迭代 → 2.6 Flare。

完整模型列表与实时价格见 NixAPI 定价页。

九、结语

Images 2.6 的功能列表看起来很吸引人——GIF、SVG、markup 编辑、complexity。但对开发者来说,真正需要记住的是这三条:

  1. complexity 默认是 high,且不额外收费——但会增加延迟并可能引入意外改动。显式设置它是接入第一天就该做的事。
  2. 2.6 没有 Batch API,而 2.5 的 Batch 是半价——批量生产场景暂时没有迁移理由。
  3. markup 编辑 2.5 就支持——只有 GIF 和 SVG 才是必须迁移的理由。

最后提醒一句:本文没有展开成本细节,因为2.6 的低/中档成本是 2.5 的 3–4 倍这件事值得单独一篇。具体数据见 OpenAI Images 2.6 真实成本拆解。


延伸阅读:


本文由 NixAPI 编辑团队撰写。NixAPI 是统一接入多家大模型 API 的聚合服务,支持 OpenAI / Anthropic / Google / DeepSeek 等 30+ 模型,控制台 注册即送 $1 试用额度。

立即体验 NixAPI

稳定可靠的大语言模型 API 中转,支持 OpenAI、Claude、Gemini、DeepSeek、Qwen、Grok,充值 ¥0.8 = $1

免费注册