GPT-Image-2.6 API 指南：Flare、Sunburst、GIF 與 SVG

讓一輪影像開發脫軌的請求，通常不是主視覺，而是後續那一句：「同一個呼叫能回傳 GIF 嗎？可以拿到 SVG 版的標誌嗎？設計能不能把馬克杯往左移兩吋，而不必重新生成整個場景？」一套圍繞單一平面 PNG 打造的流程，對這三個問題的答案都是：開一個新專案。

OpenAI 於 2026 年 11 月 4 日發布 Images 2.6，API 如今涵蓋了這些需求：兩種模型變體、GIF 與 SVG 輸出、標註引導編輯，以及獨立的複雜度控制。問題在於，新增的功能範圍來得比每一頁參考文件的更新還快。本指南提供可實際執行的 GPT-Image-2.6 API 整合，並標出你應該先確認限制、再寫死進程式碼的確切位置。

TL;DR

• 兩款模型，同一份價目表。 gpt-image-2.6-flare 是快速迭代路線；gpt-image-2.6-sunburst 鎖定更高品質、更多細節，並在 medium/high 品質下提供更強的一致性編輯。兩者採用相同 token 費率。
• 全新的 API 功能。 GIF 輸出、SVG 輸出、標註引導編輯，以及 complexity 參數。生成與編輯仍是各自獨立的端點。
• 以 token 計費，而非按張計費。 影像輸出每 1M token 為 $30；影像輸入每 1M 為 $8（快取 $2）；文字輸入每 1M 為 $5（快取 $1.25）。
• 文件有三處衝突。 GIF 的 frame_count、markup 支援的模型，以及品質／尺寸參考文件的部分內容。在寫死任何限制之前，請先對你的帳號驗證。

上線狀態： GPT-Image-2.6 即將在 ToAPIs 上線。以下程式碼範例已準備好，最新開放狀態請查看 模型頁。

1. GPT-Image-2.6 API 推出了什麼

Images 2.6 是 2026 年 11 月 4 日推出的世代，可在 ChatGPT、Codex 與 API 中使用。OpenAI 表示它的圖片生成速度比前一代快 50%。這是供應商對生成速度的說法，不是對你的 p95 延遲的承諾，也沒有談到價格：計費仍以 token 為基礎。

兩個模型 ID 各自負責不同的工作：

• gpt-image-2.6-flare 為快速迭代而打造。在 quality=low 時，OpenAI 描述生成最快約需 6 秒，這讓它成為提示詞探索、縮圖與 UI 預覽的預設選擇——在這些場景，「現在夠好」勝過「之後完美」。
• gpt-image-2.6-sunburst 鎖定更高品質與更多細節，並在 quality=medium 或 high 時提供更強的一致性編輯。用於最終素材，以及未變動部分必須完整保留的編輯。

兩款模型共用 token 費率，所以選擇的重點是採用率與延遲，而不是哪個模型 ID 比較便宜。如果你正從前一代遷移，GPT Image 2 API 指南 說明了共通的請求結構；本文聚焦於 2.6 新增的部分。GPT-Image-2.6 模型指南 則可查詢你的帳號是否可用。

此 API 相容於 OpenAI。以下範例指向 https://api.toapis.com/v1；若你要改用其他相容的 base URL，請保留 payload，只變更 base URL 與金鑰。

2. 你的第一個 GPT-Image-2.6 API 請求

先從生成開始。這個 curl 呼叫會請 Flare 以低品質、低複雜度產生一張方形草稿，是最快的合理煙霧測試：

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

在撰寫下載器之前，先檢查回應。依模型與請求選項而定，影像 API 通常會回傳 URL 或 base64 資料；假設一定會有 data[0].url 的用戶端，會在收到合法的 base64 回應時失敗。以下輔助函式同時處理兩種情況，本文每個範例都會用到它：

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")

180 秒的逾時是刻意設定的。複雜的提示詞最多可能需要約兩分鐘，因此 30 秒的用戶端逾時會把伺服器其實可能完成的請求拒於門外。如果你的產品無法讓請求撐那麼久，請改用工作佇列，而不是縮短逾時並盲目重試。

3. Flare 與 Sunburst：GPT-Image-2.6 API 模型選擇

有用的比較不是「哪個模型比較好」，而是「哪個模型能在可接受的延遲與成本下，讓這項任務被採用」。一張被否決的 Flare 草稿，成本可能高於一張順利交付的 Sunburst 圖片。

請用相同的提示詞與輸出尺寸執行兩款模型，一次只改一個變數，並以盲測方式審查結果。記錄採用率、p50/p95 延遲與原始回應中繼資料：請求與回傳的模型、品質、複雜度、尺寸、格式、token 用量（若有）以及耗時。一張好看的樣本，不能證明哪個模型更好。

實務上的模式：探索階段用低品質的 Flare，確定方向後改用高品質的 Sunburst。把提示詞沿用下去，但別期待第二張圖像素級一致。若一致性很重要，請測試編輯，而不是重新生成。

4. GPT-Image-2.6 API 的品質與複雜度

quality 接受 low、medium、high、xhigh、max 或 auto，預設為 auto。多數團隊只需要三個操作點：

• low：延遲是主要考量，而且圖片用完即丟。
• medium 或 high：輸出需要經過審查或正式交付。
• xhigh 或 max：用於最終素材，細節值得多花工夫。

延遲與 token 用量會隨工作負載而異。不要照抄 2.5 的每張價格；2.6 採用 token 計費。

complexity 則是獨立參數：low、medium 或 high，指南中的預設值為 high。它沒有額外費用，但較高的設定可能增加延遲與非預期的變動。請把它當成需要測試的提示詞遵循度變數，而不是免費的品質升級：低複雜度請求可能更快，而高複雜度請求可能把一個繁忙的場景梳理清楚，或「改善」了你原本希望保持原樣的部分。請用自己的提示詞做一輪小型 A/B 測試。

一次只變更一個變數。若同時改變品質與複雜度，結果不理想時，你無從得知是哪個旋鈕造成的。

GPT-Image-2.6 的 medium 品質範例：層疊卡紙與球場燈光。僅為示意輸出，並非基準測試。

GPT-Image-2.6 的 high 品質範例：更多表面細節與更銳利的邊緣。請在實際顯示尺寸下比較採用率，而不是銳利度。

5. GPT-Image-2.6 API 的 GIF 輸出

GIF 僅限生成。在 POST /v1/images/generations 上將 output_format 設為 gif；編輯端點不支援。可用的控制項如下：

• frame_count：預設 9。影像指南寫 2-64；API 參考文件寫 2-16。此衝突尚未解決，因此未經實測前，不要寫死 64。
• frame_duration_ms：預設 200，最小值 20。9 個影格、每個影格 200 ms，會產生 1.8 秒的播放長度；16 個影格則為 3.2 秒。這是算術，不保證動作流暢。

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,
)

從預設的 9 個影格開始。若需要更多，請以小幅度逐步往上試，並在第一次被拒絕時停下；這能告訴你帳號目前接受的上限。場景請保持簡單，因為 GIF 會把視覺決策乘以影格數。請留意實際交付的檔案大小與尺寸，而不只是 HTTP 狀態碼。

GPT-Image-2.6 範例：一次呼叫生成的短動態 GIF。影格數與播放長度取決於你請求的設定。

請把 GIF 當成預覽格式，而不是主要素材。保留設定，並盡可能保留一張靜態影格，供縮圖與無障礙備援使用。

6. GPT-Image-2.6 API 的 SVG 輸出

SVG 同樣僅限生成。將 output_format 設為 svg、維持 n=1，並預期得到靜態向量輸出。文件記載的限制：不支援串流、不支援部分影像、不支援壓縮，也不支援 prompt_rewriter。編輯端點不支援 SVG。

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,
)

請在你的用戶端拒絕 n>1。不要送出 output_compression，也不要期待漸進式渲染；SVG 會以完整的靜態素材送達。由於 SVG 本質上是標記語言，請把檔案視為不受信任：以圖片方式提供，或在內嵌前先消毒（sanitize）。一個看起來正確、卻夾帶非預期元素的向量檔，就是安全問題。

SVG 適合圖示、標籤、圖表，以及若以點陣圖放大就會露餡的印刷標記。它不適合照片、動畫或編輯工作流。若要修改向量，請用更精確的提示詞重新生成，或在設計工具中重建；除非你檢查過結構，否則不要承諾圖層可編輯。

GPT-Image-2.6 範例：簡單雙色標籤的靜態 SVG 輸出。內嵌前請先檢查回傳的標記內容。

7. GPT-Image-2.6 API 的標註引導編輯（markup-guided edits）

標註引導編輯會把來源圖片與一張透明 PNG 疊圖送到 POST /v1/images/edits。疊圖會繪製在第一張圖片上，且尺寸必須與它相符。第一張圖片與疊圖各自最多為 16,777,216 像素；疊圖檔案最大為 50 MB。

規則很嚴格：

• 標註不能與 mask 或 prompt_rewriter 併用。
• 疊圖必須是透明 PNG，不能是壓平後的截圖。
• 送出多張圖片時，疊圖只套用於第一張。
• 標註不收取額外費用，但請求仍依其 token 計費。

匯出底圖，建立相同像素尺寸的 RGBA 疊圖，在目標周圍畫上半透明的箭頭或外框，然後連同提示詞一起上傳；提示詞要定義要改什麼，以及什麼必須保持不變。疊圖指出「哪裡」，提示詞說明「什麼」。「把馬克杯往右移，並保留桌面、陰影與背景」是可測試的；「讓它更好」則不是。

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)

這個範例以 markup 作為疊圖的欄位名稱；請在目前的 API 參考文件中確認。參考文件將標註標示為 2.5 功能，而影像指南則描述它適用於 2.5 與 2.6。在測試請求成功之前，請勿上線。若 Sunburst 拒絕標註功能，不要默默切換版本；請把失敗凸顯出來，並保留最後一個已知可用的路徑。

GPT-Image-2.6 範例：標註引導編輯前的來源圖片。疊圖與提示詞未顯示。

GPT-Image-2.6 範例：編輯後的結果。請像檢視目標變更一樣仔細地檢查未變動的區域；一個看起來很逼真的新物件，仍可能移動了陰影或改變背景。

請用區域層級的檢查清單衡量編輯品質：目標已變更、非目標區域的幾何結構維持不變、陰影與反射一致、文字未變，且疊圖邊緣沒有出現新物件。請保留底圖，這樣重試時就不必重新生成。

8. GPT-Image-2.6 API 的尺寸與限制

建議尺寸為 1024x1024、1536x1024 與 1024x1536。自訂尺寸的長寬必須是 16 的倍數，長寬比介於 1:3 與 3:1 之間，且不得超過 3840x2160。任何高於 2560x1440 的尺寸都屬於實驗性；當版型不符合建議尺寸時，請先檢查這一點。

一個小小的用戶端防護，就能在浪費一次來回之前擋下多數錯誤請求：

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}"

GPT-Image-2.6 API 的文件衝突不是外觀問題，它們會改變你的用戶端應該接受什麼：

請把文件視為有版本的設定：記錄來源 URL、存取日期，以及你帳號的實際行為。不支援的列舉值回傳 400 是證據；設定檔裡的註解不是。

9. GPT-Image-2.6 API 呼叫的真實成本

OpenAI 對 Images 2.6 採用以 token 為單位的計價。gpt-image-2.6-flare 與 gpt-image-2.6-sunburst 採用相同費率：

成本公式為：

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

官方沒有固定的每張圖片價格；任何估算都要從實測的 token 用量開始。假設一次生成請求計費 400 個文字輸入 token 與 5,000 個影像輸出 token：(400 × 5 + 5,000 × 30) / 1,000,000 = $0.152。這些數量僅為示意，不是平均值。若一次編輯另計 2,000 個影像輸入 token，會增加 $0.016，總計 $0.168。

以 1,000 次請求計算，假設性的 $0.152 會變成約 $152，這還沒計入影像輸入或快取折扣。請追蹤每張被採用圖片的成本，而不是每次請求的成本：納入重試、退件、審查時間與儲存。當審查者退掉較便宜方案 40% 的輸出時，它反而可能更不划算。

兩條規則能讓算術保持誠實：快 50% 不代表便宜 50%，因為速度改變的是延遲，不是 token 費率；而 2.5 的每張價格不適用於 2.6。只有在輸入確實由快取提供時，快取輸入才會降低重複參考圖編輯的成本。請查看定價，並與回傳的用量核對。

10. 上線檢查清單與已知限制

GPT-Image-2.6 API 能力充足，但不是確定性的版面引擎。文件記載的限制仍然適用：複雜提示詞可能需要約兩分鐘、文字渲染有其限制、跨世代一致性不受保證，而且構圖控制並不完美。請為審查與重試而設計，而不是期待一次完美的呼叫。

在將 GPT-Image-2.6 API 流量正式導入之前：

• 把逾時設在最壞情況之上，或把長工作排入佇列。在逾時結果不明時，不要盲目重試已計費的請求；請先檢查狀態或冪等性。
• 在你自己的用戶端驗證模型 ID、品質、複雜度、尺寸與輸出格式。在花掉一次請求之前，先拒絕不支援的組合。
• 記錄請求與回傳的模型、格式、尺寸、品質、複雜度、token 用量、延遲，以及輸出的雜湊值。請遮蔽金鑰與敏感提示詞。
• 在指標中分開統計生成與編輯的失敗。一個被拒絕的標註請求與一次緩慢的生成，是不同的故障事件。
• 多輪圖片編輯請使用 Responses API；它支援跨回合的生成與編輯。若是一次性工作，Images 端點仍然比較簡單。
• 保留一套經過測試的備援。若 Sunburst 無法使用，Flare 仍可能完成請求，但輸出不同；當備援模型實際上場時，請告知使用者，不要默默替換。
• 把你需要的素材存放在可控制的儲存空間。不要假設臨時 URL 就是永久封存，也不要在未消毒的情況下內嵌不受信任的 SVG。

導入時，請使用一套能代表你工作負載的固定測試集：小型包裝文字、編輯後仍須維持形狀的產品、寬幅構圖，以及短動畫。依書面檢查清單評分，然後比較模型的採用率與 p95 延遲，而不是比較截圖。

11. 常見問題

該用 gpt-image-2.6-flare 還是 gpt-image-2.6-sunburst？

提示詞探索、變體與對延遲敏感的草稿請用 Flare，尤其是 quality=low 時。最終細節，以及必須保留圖片其餘部分的編輯，請用 Sunburst，並搭配 quality=medium 或 high。兩款模型共用 token 費率，因此請執行一輪小型採用測試，而不是假設一定要用較高品質的模型。

GPT-Image-2.6 API 的編輯功能支援 GIF 和 SVG 嗎？

不支援。GIF 與 SVG 是 GPT-Image-2.6 API 的生成格式；編輯端點兩者皆不支援。SVG 是靜態向量，n=1，且不支援串流、部分影像、壓縮或 prompt_rewriter。GIF 同樣僅限生成。請建立各自獨立的流程，不要指望編輯端點會忽略格式。

一張 GPT-Image-2.6 API 圖片要多少錢？

官方沒有固定的每張圖片價格。影像輸出每 1M token 為 $30，影像輸入每 1M 為 $8（快取 $2），文字輸入每 1M 為 $5（快取 $1.25）。請用實測的 token 數量估算，再以總支出除以被採用的圖片數。不要拿 2.5 的每張價格來編 2.6 的預算。

為什麼 GPT-Image-2.6 API 文件彼此不一致？

指南與 API 參考文件並未完全同步。frame_count 同時出現 2-64 與 2-16；markup 在參考文件中記載為僅支援 2.5，但指南寫 2.5/2.6；部分品質與尺寸表仍落後。請把這些視為依版本而異的限制，在你的帳號上測試，並記錄檢查日期與結果。

12. 從三次呼叫開始，而不是一次大規模遷移

用一批受控的呼叫來評估 GPT-Image-2.6 API：一次 Flare low/low 草稿、一次 Sunburst high/high 成品，以及一次符合你產品需求的格式請求。記錄 token、延遲與採用率，再決定哪些做法值得進入你的流程。

建立 ToAPIs 帳號，查看 GPT-Image-2.6 模型指南 以確認目前的使用權限，並在定價頁面確認費率。如果你還停留在前一代，請先閱讀 GPT Image 2 API 指南，然後一次遷移一個端點，而不是重寫整條流程。