GPT-Image-2.6 API: руководство по Flare, Sunburst, GIF и SVG

Запрос, который ломает спринт по изображениям, редко бывает главным кадром. Обычно это следующий вопрос: «Тот же вызов может вернуть GIF? Можно получить логотип в SVG? Может ли команда дизайна сдвинуть кружку на два дюйма влево, не перегенерируя всю сцену?» Пайплайн, построенный вокруг одного плоского PNG, отвечает на все три вопроса новым проектом.

OpenAI выпустила Images 2.6 4 ноября 2026 года, и API теперь закрывает эти запросы: два варианта модели, вывод в GIF и SVG, правки по разметке и отдельный контроль сложности. Подвох в том, что новая функциональность появилась быстрее, чем успели обновиться все справочные страницы. Это руководство даёт рабочую интеграцию с API GPT-Image-2.6, а затем отмечает конкретные места, где стоит подтвердить ограничение, прежде чем зашивать его в код.

TL;DR

• Две модели, один прайс-лист. gpt-image-2.6-flare — путь быстрой итерации; gpt-image-2.6-sunburst нацелена на более высокое качество, большую детализацию и более стабильные правки при качестве medium/high. Обе используют одинаковые тарифы на токены.
• Новые возможности API. Вывод в GIF, вывод в SVG, правки по разметке и параметр complexity. Генерация и редактирование остаются отдельными эндпоинтами.
• Оплата по токенам, а не за изображение. Выход изображения стоит $30 за 1M токенов; вход изображения — $8 за 1M ($2 при кэшировании); текстовый вход — $5 за 1M ($1.25 при кэшировании).
• Документация противоречит себе в трёх местах. GIF frame_count, поддержка markup моделями и части справочника по качеству и размерам. Проверяйте на своём аккаунте, прежде чем закреплять жёсткий лимит.

Доступность: GPT-Image-2.6 скоро появится в ToAPIs. Примеры кода готовы к запуску; актуальный статус доступности смотрите на странице модели.

1. Что появилось в API GPT-Image-2.6

Images 2.6 — поколение от 4 ноября 2026 года, доступное в ChatGPT, Codex и API. OpenAI утверждает, что модель генерирует изображения на 50% быстрее предыдущего поколения. Это заявление вендора о скорости генерации, а не обещание вашей p95-задержки, и оно ничего не говорит о цене: оплата по-прежнему идёт по токенам.

Два ID модели решают разные задачи:

• gpt-image-2.6-flare предназначена для быстрой итерации. При quality=low OpenAI описывает генерацию всего примерно за 6 секунд, что делает её выбором по умолчанию для исследования промптов, миниатюр и UI-превью, где «достаточно хорошо сейчас» важнее «идеально потом».
• gpt-image-2.6-sunburst нацелена на более высокое качество и детализацию, с более стабильными правками при quality=medium или high. Используйте её для финальных ассетов и правок, где неизменные части должны остаться нетронутыми.

Обе модели используют одинаковые тарифы на токены, поэтому выбор — про долю принятых результатов и задержку, а не про более дешёвый ID модели. Если вы мигрируете с предыдущего поколения, руководство по API GPT Image 2 объясняет общую структуру запроса; эта статья сосредоточена на том, что добавляет 2.6. Руководство по модели GPT-Image-2.6 — место, где стоит проверить доступность для вашего аккаунта.

API совместим с OpenAI. Примеры ниже рассчитаны на https://api.toapis.com/v1; если вы направляете их на другой совместимый base URL, сохраняйте payload и меняйте base URL и ключ.

2. Ваш первый запрос к API GPT-Image-2.6

Начните с генерации. Этот вызов curl запрашивает у Flare квадратный черновик с низким качеством и низкой сложностью — самый быстрый разумный smoke-тест:

curl -sS https://api.toapis.com/v1/images/generations \
  -H "Authorization: Bearer $TOAPIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "Paper-cut football stadium at night, layered cardstock, rim light, no text",
    "size": "1024x1024",
    "quality": "low",
    "complexity": "low",
    "n": 1
  }' -o flare-response.json

Изучите ответ, прежде чем писать загрузчик. В зависимости от модели и параметров запроса API для работы с изображениями обычно возвращает URL или base64-данные; клиент, который предполагает data[0].url, сломается на валидном ответе с base64. Вспомогательная функция ниже обрабатывает оба случая и используется во всех примерах этой статьи:

import base64
import os
import pathlib
import requests

API = "https://api.toapis.com/v1/images/generations"
HEADERS = {"Authorization": f"Bearer {os.environ['TOAPIS_API_KEY']}"}


def generate(model: str, prompt: str, output: str, **params) -> str:
    payload = {"model": model, "prompt": prompt, "n": 1, **params}
    response = requests.post(API, headers=HEADERS, json=payload, timeout=180)
    response.raise_for_status()
    item = response.json()["data"][0]
    target = pathlib.Path(output)
    if item.get("b64_json"):
        target.write_bytes(base64.b64decode(item["b64_json"]))
    else:
        target.write_bytes(requests.get(item["url"], timeout=60).content)
    return str(target)


if __name__ == "__main__":
    prompt = "Paper-cut football stadium at night, layered cardstock, rim light, no text"
    generate("gpt-image-2.6-flare", prompt, "flare-draft.png",
             size="1024x1024", quality="low", complexity="low")
    generate("gpt-image-2.6-sunburst", prompt, "sunburst-final.png",
             size="1536x1024", quality="high", complexity="high")

Таймаут в 180 секунд выбран намеренно. Сложные промпты могут занимать до примерно двух минут, поэтому 30-секундный таймаут клиента отклоняет работу, которую сервер, возможно, ещё выполняет. Если ваш продукт не может держать запрос так долго, используйте очередь задач, а не сокращайте таймаут и слепо повторяйте запрос.

3. Flare vs Sunburst: выбор модели в API GPT-Image-2.6

Полезное сравнение — не «какая модель лучше», а «какая модель будет принята на этой задаче при приемлемой задержке и стоимости». Отклонённый черновик Flare может стоить дороже, чем выпущенное изображение Sunburst.

Запустите обе модели на одинаковых промптах и размере вывода, меняйте по одной переменной за раз и оценивайте результаты слепым методом. Записывайте долю принятых результатов, задержку p50/p95 и сырые метаданные ответа: запрошенная и возвращённая модель, качество, сложность, размер, формат, расход токенов (если есть) и затраченное время. Один привлекательный образец не доказывает, что модель лучше.

Практичная схема: Flare с низким качеством для исследования, затем Sunburst с высоким качеством для выбранного направления. Передавайте промпт дальше, но не ждите пиксельно идентичного второго изображения. Если важна согласованность, тестируйте правку, а не новую генерацию.

4. Качество и сложность в API GPT-Image-2.6

quality принимает low, medium, high, xhigh, max или auto. По умолчанию — auto. Большинству команд достаточно трёх рабочих точек:

• low, когда доминирует задержка, а изображение одноразовое.
• medium или high, когда результат проверяют или публикуют.
• xhigh или max для финальных ассетов, где детализация оправдывает дополнительную работу.

Задержка и расход токенов зависят от нагрузки. Не копируйте цены за изображение из 2.5: в 2.6 оплата идёт по токенам.

complexity — отдельный параметр: low, medium или high, причём high — значение по умолчанию в руководстве. Отдельной платы за него нет, но более высокие значения могут добавить задержку и нежелательные изменения. Относитесь к нему как к параметру точности следования промпту, который нужно тестировать, а не как к бесплатному апгрейду качества: запрос с низкой сложностью может быть быстрее, а запрос с высокой сложностью может проработать насыщенную сцену или «улучшить» части, которые вы хотели оставить нетронутыми. Проведите небольшой A/B-тест на своих промптах.

Меняйте по одной переменной за раз. Если менять качество и сложность одновременно, плохой результат ничего не скажет о том, какая настройка его вызвала.

Пример GPT-Image-2.6 при среднем качестве: слоистый картон и огни стадиона. Иллюстративный результат, не бенчмарк.

Пример GPT-Image-2.6 при высоком качестве: больше деталей поверхности и более чёткие края. Сравнивайте долю принятых результатов, а не резкость, при том размере, в котором изображение будет отображаться.

5. Вывод GIF из API GPT-Image-2.6

GIF доступен только при генерации. Установите output_format в gif на POST /v1/images/generations; правки его не поддерживают. Параметры управления:

• frame_count: по умолчанию 9. В руководстве по изображениям указано 2-64; в справочнике API — 2-16. Противоречие не разрешено, поэтому не зашивайте 64 в код без живой проверки.
• frame_duration_ms: по умолчанию 200, минимум 20. Девять кадров по 200 мс дают анимацию длительностью 1,8 секунды; 16 кадров — 3,2 секунды. Это арифметика, а не гарантия плавного движения.

generate(
    "gpt-image-2.6-flare",
    "A paper lantern monkey swinging through a bamboo forest, simple background, no text",
    "monkey-lantern.gif",
    size="1024x1024",
    quality="low",
    output_format="gif",
    frame_count=9,
    frame_duration_ms=200,
)

Начните со значения по умолчанию — 9 кадров. Если нужно больше, увеличивайте небольшими шагами и останавливайтесь на первом отказе — так вы узнаете, что ваш аккаунт принимает сегодня. Держите сцену простой, потому что GIF умножает визуальные решения на каждый кадр. Следите за размером и разрешением доставленного файла, а не только за HTTP-статусом.

Пример GPT-Image-2.6: короткий анимированный GIF, сгенерированный одним вызовом. Количество кадров и длительность воспроизведения зависят от запрошенных настроек.

Относитесь к GIF как к формату превью, а не как к мастер-ассету. Сохраняйте настройки и, где возможно, статичный кадр для миниатюр и запасных вариантов для доступности.

6. Вывод SVG из API GPT-Image-2.6

SVG также доступен только при генерации. Установите output_format в svg, оставьте n=1 и ожидайте статичный векторный вывод. Документированные ограничения: нет стриминга, нет частичных изображений, нет сжатия и нет prompt_rewriter. Правки SVG не поддерживают.

generate(
    "gpt-image-2.6-sunburst",
    "A minimal field-and-flour bakery label, wheat stalk and rolling pin, two-color vector, no text",
    "field-and-flour.svg",
    size="1024x1024",
    quality="high",
    output_format="svg",
    n=1,
)

Отклоняйте n>1 в своём клиенте. Не отправляйте output_compression и не ждите прогрессивного рендеринга; SVG приходит как полный статичный ассет. Поскольку SVG — это разметка, считайте файл недоверенным: отдавайте его как изображение или санируйте перед встраиванием inline. Корректно выглядящий вектор с неожиданными элементами — это проблема безопасности.

SVG подходит для иконок, этикеток, схем и печатных меток, где был бы заметен растровый апскейл. Он не подходит для фотографий, анимации или рабочих процессов правки. Чтобы доработать вектор, перегенерируйте его с более точным промптом или пересоберите в дизайн-инструменте; не обещайте редактируемые слои, пока не проверили структуру.

Пример GPT-Image-2.6: статичный SVG-вывод для простой двухцветной этикетки. Проверьте возвращённую разметку, прежде чем встраивать её inline.

7. Правки по разметке в API GPT-Image-2.6

Правка по разметке отправляет исходное изображение и прозрачный PNG-оверлей на POST /v1/images/edits. Оверлей накладывается на первое изображение и должен совпадать с ним по размерам. Первое изображение и оверлей могут иметь не более 16,777,216 пикселей каждый; файл оверлея — не более 50 МБ.

Правила строгие:

• Разметку (markup) нельзя комбинировать с mask или prompt_rewriter.
• Оверлей должен быть прозрачным PNG, а не сплющенным скриншотом.
• Оверлей применяется к первому изображению, когда вы отправляете несколько изображений.
• Дополнительной платы за markup нет, но запрос всё равно тарифицируется по своим токенам.

Экспортируйте базовое изображение, создайте RGBA-оверлей с теми же пиксельными размерами, нарисуйте полупрозрачную стрелку или контур вокруг цели, затем загрузите оба файла с промптом, который определяет изменение и то, что должно остаться неизменным. Оверлей показывает, где; промпт говорит, что. «Сдвинь кружку вправо, а стол, тень и фон оставь без изменений» — проверяемо. «Сделай лучше» — нет.

import base64
import os
import requests

url = "https://api.toapis.com/v1/images/edits"
headers = {"Authorization": f"Bearer {os.environ['TOAPIS_API_KEY']}"}

with open("base.png", "rb") as image, open("overlay.png", "rb") as markup:
    response = requests.post(
        url,
        headers=headers,
        data={
            "model": "gpt-image-2.6-sunburst",
            "prompt": "Move the mug to the right side of the table and keep the table, shadow, and background unchanged.",
            "size": "1024x1024",
            "quality": "high",
            "complexity": "medium",
        },
        files={"image": image, "markup": markup},
        timeout=180,
    )
response.raise_for_status()
item = response.json()["data"][0]
if item.get("b64_json"):
    open("edited.png", "wb").write(base64.b64decode(item["b64_json"]))
else:
    open("edited.png", "wb").write(requests.get(item["url"], timeout=60).content)

В этом примере оверлей передаётся как часть с именем markup; подтвердите это имя в актуальном справочнике API. Справочник помечает markup как функцию 2.5, тогда как руководство по изображениям описывает её для 2.5 и 2.6. Не выпускайте в продакшен, пока тестовый запрос не завершится успешно. Если Sunburst отклоняет markup, не переключайте версию молча; покажите ошибку и сохраните последний проверенный путь.

Пример GPT-Image-2.6: исходное изображение до правки по разметке. Оверлей и промпт не показаны.

Пример GPT-Image-2.6: результат правки. Проверяйте неизменённые области так же внимательно, как запрошенное изменение; убедительный новый объект всё ещё может сдвинуть тень или изменить фон.

Оценивайте качество правки по чек-листу на уровне областей: цель изменена, геометрия вне цели сохранена, тени и отражения согласованы, текст не изменён, на краю оверлея нет новых объектов. Сохраняйте базовое изображение, чтобы можно было повторить попытку без перегенерации.

8. Размеры и ограничения в API GPT-Image-2.6

Рекомендуемые размеры — 1024x1024, 1536x1024 и 1024x1536. В пользовательских размерах значения должны быть кратны 16, соотношение сторон — от 1:3 до 3:1, а размер — не более 3840x2160. Всё, что выше 2560x1440, экспериментально; проверяйте это в первую очередь, когда макет отличается от рекомендуемых размеров.

Небольшая проверка на стороне клиента отлавливает большинство плохих запросов до того, как они стоят вам лишнего обращения к API:

def validate_size(width: int, height: int) -> str:
    if width % 16 or height % 16:
        raise ValueError("width and height must be multiples of 16")
    if not (1 / 3 <= width / height <= 3):
        raise ValueError("aspect ratio must stay between 1:3 and 3:1")
    if width > 3840 or height > 2160:
        raise ValueError("maximum size is 3840x2160")
    if width * height > 3840 * 2160:
        raise ValueError("pixel area exceeds the documented maximum")
    return f"{width}x{height}"

Противоречия в документации API GPT-Image-2.6 не косметические. Они меняют то, что должен принимать ваш клиент:

Относитесь к документации как к версионируемой конфигурации: записывайте URL источника, дату обращения и фактическое поведение вашего аккаунта. 400 от неподдерживаемого enum — это доказательство; комментарий в конфиге — нет.

9. Реальная стоимость вызова API GPT-Image-2.6

OpenAI тарифицирует Images 2.6 по токенам. И gpt-image-2.6-flare, и gpt-image-2.6-sunburst используют одинаковые тарифы:

Формула стоимости:

cost = (image_output_tokens * 30
      + image_input_tokens * 8
      + cached_image_input_tokens * 2
      + text_input_tokens * 5
      + cached_text_input_tokens * 1.25) / 1_000_000

Официальной фиксированной цены за изображение нет; любая оценка начинается с измеренного расхода токенов. Предположим, запрос генерации тарифицирует 400 входных текстовых токенов и 5 000 выходных токенов изображения: (400 × 5 + 5,000 × 30) / 1,000,000 = $0.152. Эти количества иллюстративны, а не средние. Правка, которая дополнительно тарифицирует 2 000 входных токенов изображения, добавляет $0.016, итого $0.168.

При 1 000 запросах гипотетические $0.152 превращаются примерно в $152 без учёта входных изображений и кэш-скидок. Отслеживайте стоимость на принятое изображение, а не на запрос: включайте повторы, отказы, время проверки и хранение. Более дешёвый вызов может проигрывать, если проверяющие отклоняют 40% его результатов.

Два правила сохраняют расчёты честными: на 50% быстрее не значит на 50% дешевле, потому что скорость меняет задержку, а не тарифы на токены; и цены за изображение из 2.5 не применяются к 2.6. Кэшированный вход снижает стоимость правок с повторяющимся референсом, только когда вход обслуживается из кэша. Проверьте тарифы и сверяйте с возвращённым расходом.

10. Чек-лист для продакшена и известные ограничения

API GPT-Image-2.6 обладает широкими возможностями, но это не детерминированный движок компоновки. Документированные ограничения по-прежнему действуют: сложные промпты могут занимать до примерно двух минут, рендеринг текста имеет ограничения, согласованность между генерациями не гарантируется, а контроль композиции несовершенен. Проектируйте систему под проверку и повтор, а не под один идеальный вызов.

Перед тем как пускать трафик через API GPT-Image-2.6:

• Ставьте таймаут выше худшего случая или отправляйте долгие задачи в очередь. Не повторяйте оплаченный запрос слепо после неоднозначного таймаута; сначала проверьте статус или идемпотентность.
• Проверяйте ID моделей, качество, сложность, размер и формат вывода в своём клиенте. Отклоняйте неподдерживаемые комбинации, прежде чем тратить запрос.
• Логируйте запрошенную и возвращённую модель, формат, размеры, качество, сложность, расход токенов, задержку и хэш вывода. Скрывайте ключи и чувствительные промпты.
• Разделяйте сбои генерации и правки в метриках. Отклонённый запрос markup и медленная генерация — разные инциденты.
• Используйте Responses API для многоходовой правки изображений; он поддерживает генерацию и правку между ходами. Эндпоинты Images остаются проще для одноразовых задач.
• Держите проверенный fallback. Если Sunburst недоступен, Flare может всё ещё выполнить запрос, но его вывод отличается; сообщайте пользователю, что сработала запасная модель, вместо молчаливой подмены.
• Храните нужные ассеты в контролируемом хранилище. Не считайте временный URL постоянным архивом и не встраивайте недоверенный SVG без санирования.

Для раскатки используйте фиксированный набор, отражающий вашу нагрузку: небольшой текст на упаковке, продукт, который должен сохранить форму после правки, широкая композиция и короткая анимация. Оценивайте по письменному чек-листу, затем сравнивайте модели по доле принятых результатов и p95-задержке, а не по скриншотам.

11. Частые вопросы

Какую модель выбрать: gpt-image-2.6-flare или gpt-image-2.6-sunburst?

Flare — для исследования, вариантов и черновиков, чувствительных к задержке, особенно при quality=low. Sunburst — для финальной детализации и правок, которые должны сохранить остальную часть изображения, при quality=medium или high. Обе модели используют одинаковые тарифы на токены, поэтому проведите небольшой тест приёмки, а не предполагайте, что более качественная модель нужна всегда.

Поддерживает ли API GPT-Image-2.6 GIF и SVG для правок?

Нет. GIF и SVG — форматы генерации API GPT-Image-2.6; правки не поддерживают ни один из них. SVG — статичный вектор с n=1 и без стриминга, частичных изображений, сжатия и prompt_rewriter. GIF тоже только для генерации. Стройте отдельные пути вместо надежды, что правка проигнорирует формат.

Сколько стоит одно изображение через API GPT-Image-2.6?

Официальной фиксированной цены за изображение нет. Выходные токены изображения стоят $30 за 1M токенов, входные токены изображения — $8 за 1M ($2 кэшированные), текстовые входные — $5 за 1M ($1.25 кэшированные). Оценивайте по измеренным количествам токенов, затем делите общий расход на принятые изображения. Не переиспользуйте цены за изображение из 2.5 для бюджета 2.6.

Почему документация API GPT-Image-2.6 противоречива?

Руководство и справочник API синхронизированы не полностью. frame_count встречается и как 2-64, и как 2-16; markup документирован как только для 2.5 в справочнике, но как для 2.5/2.6 в руководстве; некоторые таблицы качества и размеров отстают. Считайте это ограничениями конкретной версии, тестируйте на своём аккаунте и записывайте дату и результат проверки.

12. Начните с трёх вызовов, а не с миграции

Оценивайте API GPT-Image-2.6 контролируемой партией: один черновик Flare low/low, один финал Sunburst high/high и один запрос формата, подходящий вашему продукту. Логируйте токены, задержку и долю принятых результатов, затем решайте, что заслуживает места в пайплайне.

Создайте аккаунт ToAPIs, проверьте актуальный доступ в руководстве по модели GPT-Image-2.6 и подтвердите тарифы на странице тарифов. Если вы всё ещё на предыдущем поколении, сначала прочитайте руководство по API GPT Image 2, затем мигрируйте по одному эндпоинту за раз вместо переписывания всего пайплайна.