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

毁掉一次图像冲刺的，很少是主视觉图本身，而是后续追问：“同一个调用能返回 GIF 吗？能把 logo 给成 SVG 吗？设计能不能把马克杯左移两英寸，而不用重生成整个场景？”围绕一张扁平 PNG 搭建的流水线，面对这三种诉求都只能另起项目。

OpenAI 于 2026 年 11 月 4 日发布 Images 2.6，API 现在覆盖了这些诉求：两个模型变体、GIF 与 SVG 输出、标记引导编辑，以及独立的复杂度控制。问题在于，新能力上线的速度快过了每一页参考文档的更新速度。本指南给出一套可运行的 GPT-Image-2.6 API 集成，然后标出那些在硬编码前应先确认限制的具体位置。

TL;DR

• 两个模型，一张价目表。 gpt-image-2.6-flare 是快速迭代路径；gpt-image-2.6-sunburst 面向更高质量、更多细节，并在中等/高质量下提供更强的编辑一致性。两者使用相同的 token 费率。
• 新增 API 能力。 GIF 输出、SVG 输出、标记引导编辑，以及 complexity 参数。生成与编辑仍是独立端点。
• 按 token 计费，而非按张计费。 图像输出为每 1M token $30；图像输入为每 1M token $8（缓存 $2）；文本输入为每 1M token $5（缓存 $1.25）。
• 文档在三处存在冲突。 GIF 的 frame_count、markup 的模型支持范围，以及部分质量/尺寸参考。上线任何硬性限制前，请先在你的账户上验证。

上线状态： GPT-Image-2.6 即将在 ToAPIs 上线。以下代码示例已准备好，最新开放状态请查看 模型页。

1. GPT-Image-2.6 API 发布了什么

Images 2.6 是 2026 年 11 月 4 日的生成版本，在 ChatGPT、Codex 和 API 中可用。OpenAI 表示，它生成图像的速度比上一代快 50%。这是厂商关于生成速度的说法，不是对你 p95 延迟的承诺，也没有说明价格：计费仍按 token 进行。

两个模型 ID 服务于不同任务：

• gpt-image-2.6-flare 为快速迭代而设计。在 quality=low 下，OpenAI 称生成最快约需 6 秒，这使它成为提示词探索、缩略图和 UI 预览的默认选择——在这些场景里，“现在够好”胜过“以后完美”。
• gpt-image-2.6-sunburst 面向更高质量和细节，在 quality=medium 或 high 时具有更强的编辑一致性。用于最终素材，以及未改动区域必须保留的编辑。

两个模型共享 token 费率，所以选择取决于采纳率和延迟，而不是更便宜的模型 ID。如果你正从上一代迁移，GPT Image 2 API 指南解释了共享的请求结构；本文聚焦 2.6 新增的内容。GPT-Image-2.6 模型指南则是查看你账户可用性的地方。

该 API 兼容 OpenAI。以下示例指向 https://api.toapis.com/v1；如果你把它们指向另一个兼容的 base URL，请保留请求载荷，只更改 base URL 和密钥。

2. 你的第一个 GPT-Image-2.6 API 请求

从生成开始。这个 curl 调用让 Flare 以低质量和低复杂度生成一张方形草稿，这是最快且合理的冒烟测试：

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

在编写下载器之前先检查响应。取决于模型和请求选项，图像 API 通常返回 URL 或 base64 数据；假定 data[0].url 的客户端会在合法的 base64 响应上失败。下面的辅助函数同时处理两种情况，并用于本文每个示例：

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 秒超时是刻意设置的。复杂提示词可能耗时约两分钟，因此 30 秒的客户端超时会把服务器仍可能完成的工作拒掉。如果你的产品无法承受这么长的请求，请使用任务队列，而不是缩短超时并盲目重试。

3. Flare 与 Sunburst：GPT-Image-2.6 API 模型选择

有用的比较不是“哪个模型更好”，而是“在这个任务上，哪个模型能以可接受的延迟和成本被采纳”。一张被拒的 Flare 草稿，成本可能高于一张最终交付的 Sunburst 图像。

让两个模型在相同提示词和输出尺寸上运行，一次只改变一个变量，并对结果做盲评。记录采纳率、p50/p95 延迟和原始响应元数据：请求与返回的模型、quality、complexity、size、format、token 用量（如有）以及耗时。一个好看的样本不能证明某个模型更好。

一个实用模式：先用低质量的 Flare 探索，再对选中的方向使用高质量 Sunburst。沿用提示词，但不要指望第二张图逐像素一致。如果一致性很重要，请测试一次编辑，而不是全新生成。

4. GPT-Image-2.6 API 中的质量与复杂度

quality 接受 low、medium、high、xhigh、max 或 auto。默认值为 auto。多数团队只需要三个工作点：

• 当延迟优先、且图像可丢弃时用 low。
• 当输出会被审核或交付时用 medium 或 high。
• 当细节值得额外工作量时，用 xhigh 或 max 处理最终素材。

延迟和 token 用量因工作负载而异。不要照搬 2.5 的单图价格；2.6 采用 token 计费。

complexity 是独立参数：low、medium 或 high，指南默认值为 high。它不单独收费，但更高设置可能增加延迟和不想要的改动。应把它当作提示词遵循度变量来测试，而不是免费的质量升级：低复杂度请求可能更快，而高复杂度请求可能理清繁杂场景，或者“改进”你原本希望保持原样的部分。请在你自己的提示词上做小规模 A/B 测试。

一次只改变一个变量。如果同时改变 quality 和 complexity，糟糕的结果无法告诉你哪个旋钮造成了它。

GPT-Image-2.6 中等质量示例：分层卡纸与体育场灯光。示例输出，并非基准测试。

GPT-Image-2.6 高质量示例：更多表面细节和更紧的边缘。在显示尺寸下比较采纳率，而不是锐度。

5. GPT-Image-2.6 API 的 GIF 输出

GIF 仅用于生成。在 POST /v1/images/generations 上将 output_format 设为 gif；编辑不支持该格式。控制参数为：

• frame_count：默认 9。图像指南写 2-64，API 参考写 2-16。该冲突尚未解决，因此没有实际验证前不要硬编码 64。
• frame_duration_ms：默认 200，最小 20。9 帧、每帧 200 毫秒会产生 1.8 秒的播放；16 帧会产生 3.2 秒。这是算术，不是流畅运动的保证。

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,
)

从默认的 9 帧开始。如果需要更多，以小步向上探测，并在第一次被拒绝时停止；这会告诉你账户当前接受的限制。保持场景简单，因为 GIF 会把视觉决策乘以帧数。关注交付的文件大小和尺寸，而不只是 HTTP 状态码。

GPT-Image-2.6 示例：一次调用生成的短动态 GIF。帧数和播放时长取决于你请求的设置。

把 GIF 当作预览格式，而不是主素材。保留设置，并尽可能保留一张静帧，用于缩略图和无障碍回退。

6. GPT-Image-2.6 API 的 SVG 输出

SVG 同样仅用于生成。将 output_format 设为 svg，保持 n=1，并预期静态矢量输出。文档限制：不支持流式输出、不支持部分图像、不支持压缩，也不支持 prompt_rewriter。编辑不支持 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,
)

在客户端拒绝 n>1。不要发送 output_compression，也不要指望渐进渲染；SVG 以完整静态素材返回。由于 SVG 是标记语言，请把文件视为不受信任：以图像方式提供，或在内联前做安全净化。一个看起来正确但包含意外元素的矢量图，是安全问题。

SVG 适合图标、标签、图表，以及会暴露位图放大痕迹的印刷标记。它不适合照片、动画或编辑工作流。要修改矢量图，请用更精确的提示词重新生成，或在设计工具中重建；除非你检查过结构，否则不要承诺图层可编辑。

GPT-Image-2.6 示例：简单双色标签的静态 SVG 输出。内联提供前请检查返回的标记。

7. GPT-Image-2.6 API 中的标记引导编辑

标记引导编辑会把源图像加上一张透明 PNG 叠加层发送到 POST /v1/images/edits。叠加层绘制在第一张图像上，尺寸必须与其匹配。第一张图像和叠加层各自最多 16,777,216 像素；叠加层文件最大 50 MB。

规则很严格：

• 标记不能与 mask 或 prompt_rewriter 组合使用。
• 叠加层必须是透明 PNG，而不是扁平化截图。
• 发送多张图像时，叠加层应用于第一张图像。
• 没有额外标记费用，但请求仍按其 token 计费。

导出基础图像，创建同像素尺寸的 RGBA 叠加层，在目标周围画一个半透明箭头或轮廓，然后用一条定义改动内容和必须保持不变部分的提示词上传两者。叠加层显示“在哪里”，提示词说明“做什么”。“把马克杯右移，并保持桌子、阴影和背景不变”是可测试的；“让它更好”则不是。

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)

此示例使用 markup 作为叠加层部件名；请在当前 API 参考中确认。参考文档把 markup 标为 2.5 功能，而图像指南将其描述为适用于 2.5 和 2.6。测试请求成功前不要上线。如果 Sunburst 拒绝 markup，不要静默切换版本；请把失败暴露出来，并保留最后已知可用的路径。

GPT-Image-2.6 示例：标记引导编辑前的源图像。叠加层和提示词未显示。

GPT-Image-2.6 示例：编辑后的结果。像检查请求的改动一样仔细检查未改动区域；一个看起来很可信的新物体仍可能移动阴影或改变背景。

用区域级清单衡量编辑质量：目标区域已改变、非目标几何结构保留、阴影与反射一致、文字未变、叠加层边缘没有新物体。保留基础图像，以便无需重新生成即可重试。

8. GPT-Image-2.6 API 的尺寸与限制

推荐尺寸为 1024x1024、1536x1024 和 1024x1536。自定义尺寸必须使用 16 的倍数、宽高比在 1:3 到 3:1 之间，且不超过 3840x2160。超过 2560x1440 的任何尺寸都属于实验性；当布局偏离推荐尺寸时，请先验证它。

客户端的一小段校验可以在浪费一次往返之前拦住大多数错误请求：

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 文档的冲突不是表面问题。它们会改变客户端应该接受什么：

把文档视为带版本的配置：记录来源 URL、访问日期，以及你账户的实际行为。不支持的枚举返回 400 是证据；配置注释不是。

9. GPT-Image-2.6 API 调用的真实成本

OpenAI 按 token 为 Images 2.6 定价。gpt-image-2.6-flare 和 gpt-image-2.6-sunburst 使用相同费率：

成本公式为：

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

官方没有固定的单图价格；任何估算都始于实测 token 用量。假设一次生成请求计费 400 个文本输入 token 和 5,000 个图像输出 token：(400 × 5 + 5,000 × 30) / 1,000,000 = $0.152。这些计数仅为示例，不是平均值。若一次编辑还计费 2,000 个图像输入 token，则会增加 $0.016，总计 $0.168。

在 1,000 次请求下，假设的 $0.152 约为 $152，尚未计入图像输入或缓存折扣。按每张被采纳的图像追踪成本，而不是按请求：包含重试、拒稿、审核时间和存储。如果审核员拒绝其 40% 的输出，更便宜的调用也可能得不偿失。

两条规则让成本计算保持诚实：快 50% 不等于便宜 50%，因为速度改变的是延迟，不是 token 费率；2.5 的单图价格不适用于 2.6。只有当输入由缓存提供时，缓存输入才会降低重复参考图编辑的成本。查看定价，并与返回的 usage 对账。

10. 生产检查清单与已知限制

GPT-Image-2.6 API 能力很强，但不是确定性的布局引擎。文档限制仍然适用：复杂提示词可能耗时约两分钟，文字渲染有局限，跨生成一致性无法保证，构图控制并不完美。请按审核与重试来设计，而不是指望一次完美调用。

在正式接入 GPT-Image-2.6 API 流量之前：

• 设置超过最坏情况的超时，或把长任务放入队列。超时结果不明确时，不要盲目重试已付费请求；先检查状态或幂等性。
• 在自己的客户端校验模型 ID、quality、complexity、size 和 output format。在消耗请求前拒绝不支持的组合。
• 记录请求与返回的模型、format、尺寸、quality、complexity、token 用量、延迟和输出哈希值。对密钥和敏感提示词做脱敏。
• 在指标中区分生成失败和编辑失败。被拒的标记请求和缓慢的生成是不同的事件。
• 多轮图像编辑使用 Responses API；它支持跨轮生成与编辑。对于一次性任务，Images 端点仍然更简单。
• 保留经过测试的回退。如果 Sunburst 不可用，Flare 可能仍能服务请求，但输出不同；当实际运行的是回退模型时，请告知用户，不要静默替换。
• 将所需素材存入受控存储。不要假定临时 URL 是永久存档，也不要在未净化的情况下内联不受信任的 SVG。

上线时，使用一套能代表你工作负载的固定测试集：包装上的小字、编辑后必须保持形状的产品、宽幅构图，以及一段短动画。按书面清单评分，然后按采纳率和 p95 延迟比较模型，而不是截图。

11. 常见问题

应该使用 gpt-image-2.6-flare 还是 gpt-image-2.6-sunburst？

探索、变体和延迟敏感的草稿用 Flare，尤其是 quality=low 时。最终细节，以及必须保留图像其余部分的编辑，用 Sunburst 的 quality=medium 或 high。两个模型共享 token 费率，所以请做一个小规模采纳测试，而不是假定更高质量的模型总是必要。

GPT-Image-2.6 API 的编辑支持 GIF 和 SVG 吗？

不支持。GIF 和 SVG 是 GPT-Image-2.6 API 的生成格式；编辑两者都不支持。SVG 是静态矢量，n=1，不支持流式输出、部分图像、压缩或 prompt_rewriter。GIF 同样仅用于生成。请构建独立路径，而不是指望编辑忽略格式。

一张 GPT-Image-2.6 API 图像的成本是多少？

官方没有固定的单图价格。图像输出为每 1M token $30，图像输入为每 1M token $8（缓存 $2），文本输入为每 1M token $5（缓存 $1.25）。用你实测的 token 数估算，然后以总支出除以被采纳的图像数。不要用 2.5 的单图价格做 2.6 的预算。

为什么 GPT-Image-2.6 API 文档不一致？

指南和 API 参考没有完全同步。frame_count 同时出现 2-64 和 2-16；markup 在参考中记为仅 2.5，在指南中为 2.5/2.6；部分质量和尺寸表滞后。请把这些当作版本特定的限制，在你的账户上测试，并记录检查日期和结果。

12. 从三次调用开始，而不是一次迁移

用一批受控请求评估 GPT-Image-2.6 API：一次 Flare low/low 草稿、一次 Sunburst high/high 成品，以及一次符合你产品需求的格式请求。记录 token、延迟和采纳率，再决定哪些值得进入流水线。

创建 ToAPIs 账户，查看 GPT-Image-2.6 模型指南了解当前访问权限，并在定价页确认费率。如果你仍在上一代，先阅读 GPT Image 2 API 指南，然后逐个端点迁移，而不是重写整个流水线。