La page de tarifs de GPT Image 2.6 paraît rassurante au premier regard : Flare et Sunburst sont au même prix, avec la sortie image à 30 dollars le million de tokens, l'entrée image à 8 dollars et l'entrée texte à 5 dollars, comme pour la 2.5.
Avant de passer à la nouvelle version, les développeurs feraient bien de faire le calcul de quelques points ci-dessous.
Même prix unitaire, pas forcément le même coût par image
Sur la communauté des développeurs d'OpenAI, un développeur a publié un échantillon comparatif avec le même prompt : en qualité medium, la 2.5 a produit 344 tokens et la 2.6 en a produit 1 136.
Au calcul approximatif à 30 dollars le million de tokens, le coût de sortie par image passe d'environ 1 cent à environ 3,4 cents, soit 3,3 fois rien que sur ce poste. Ce développeur estime que le multiple est encore plus élevé pour le niveau low, autour de 4,2, et à peu près identique à partir de high.
Il ne s'agit que d'un échantillon personnel et d'une extrapolation ; OpenAI n'a pas publié de chiffres comparables. Ce qu'il montre, c'est qu'avant une migration, on ne peut pas se contenter de regarder la grille tarifaire. La démarche pratique consiste à faire tourner le même lot d'environ 20 prompts sur la 2.5 puis sur la 2.6, à comparer les tokens de sortie de chaque image, et seulement ensuite à décider de basculer ou non.
Deux absences
Batch. Les pages des deux modèles 2.6 indiquent v1/batch comme non pris en charge. La 2.5 Flare peut toujours passer par Batch, avec un prix de sortie égal à la moitié du tarif standard, soit 15 dollars le million de tokens. Pour une activité qui génère chaque nuit de grands volumes d'images bitmap, rester sur la 2.5 est nettement plus avantageux.
Instantanés figés. La 2.6 ne dispose pour l'instant que de l'instantané par défaut, alors que la 2.5 propose des versions datées, par exemple gpt-image-2.5-flare-2026-09-08. Pour un service en production sensible à la stabilité des sorties, ce point doit entrer dans l'évaluation du risque.
Comment utiliser le nouveau paramètre
Le nouveau paramètre complexity propose trois niveaux, low, medium et high, et contrôle la part de planification que fait le modèle avant le rendu. S'il est omis, la valeur par défaut est high, et le régler n'entraîne aucun surcoût.
Cette valeur par défaut high est facile à négliger. La documentation officielle est explicite : les valeurs basses conviennent aux retouches ciblées, comme un changement d'arrière-plan ; les valeurs hautes aident pour le texte dense et les mises en page complexes, mais peuvent augmenter la latence et introduire des modifications non voulues. Pour les interfaces de retouche locale, il est conseillé de passer explicitement low comme point de départ.
Les limites des autres nouveautés, regroupées ici :
| Fonction | Usage | Limites |
|---|---|---|
| SVG | output_format: "svg", via le point de terminaison de génération | n doit valoir 1 ; ni streaming ni images partielles ; le point de terminaison de retouche ne peut pas produire de SVG |
| GIF | output_format: "gif", avec frame_count et frame_duration_ms | Par défaut 9 images de 200 millisecondes chacune ; la limite du nombre d'images apparaît sous deux formes dans la documentation, 64 et 16 |
| Retouche par markup | POST /v1/images/edits, avec un calque d'annotation PNG transparent | La largeur et la hauteur doivent être identiques à celles de l'image d'origine ; incompatible avec mask et prompt_rewriter |
Par ailleurs, la vérification de l'organisation peut être exigée avant d'utiliser les modèles GPT Image ; les nouveaux comptes doivent prévoir ce délai.
Comment lire les affirmations sur la vitesse et la qualité
« 50 % plus rapide » et « environ 6 secondes au mieux » sont deux affirmations d'OpenAI. Selon un article, les 6 secondes correspondent au réglage de basse qualité de Flare, et la base de référence ainsi que la méthode de mesure des 50 % n'ont pas été publiées.
Les données externes sont encore rares. D'après une compilation de tiers, dans le classement préliminaire d'Arena du 4 novembre, en texte vers image, Sunburst totalise 1409 points et se classe deuxième, Flare 1384 points et se classe quatrième, tous deux en configuration medium ; Artificial Analysis n'avait pas encore d'entrée pour la 2.6 à ce moment-là. Ces classements peuvent changer d'ici quelques semaines et ne servent que de repère dans le choix.
Nous voulions aussi tester le GIF natif, mais l'outil de génération d'images intégré de Codex sur la machine locale n'expose ni le modèle ni les paramètres de format de sortie ; la requête directe n'a donné qu'un PNG d'une seule image, et la version du modèle derrière n'a pas pu être confirmée. L'animation de chargement de cette page a donc dû être assemblée à partir d'une planche de sprites à six cases ; la trajectoire de la première version était irrégulière et a été redessinée, mais le parcours circulaire garde une légère dérive.
Pour employer ce genre de petite animation dans un produit, le paramètre GIF de l'API ou une animation CSS écrite à la main sont plus maîtrisables que cette voie. La méthode des sprites suffit pour illustrer un contenu, mais manque encore de précision pour des éléments d'interface.
Comment choisir selon le cas
- Génération par lots chaque nuit : rester d'abord sur la 2.5 et profiter de Batch à moitié prix.
- Besoin d'icônes vectorielles ou de courtes animations en boucle : ce sont deux nouveautés de la 2.6, qui justifient de migrer uniquement pour elles.
- Fonctions de retouche en ligne : avant de passer à Sunburst ou Flare, relever pendant une semaine les tokens de sortie de chaque image et définir explicitement
complexityetquality. - Les équipes design et opérations doivent s'en servir : inutile d'attendre forcément le calendrier d'intégration de l'API.
Ce dernier cas est très fréquent. L'ingénierie en est encore aux comparatifs et attend la vérification de l'organisation, alors que les opérations doivent livrer des visuels de campagne la semaine prochaine. Entre-temps, elles peuvent utiliser un espace de travail tout prêt, comme pixpix.com/gpt-image-2-6, où Flare et Sunburst sont tous deux sélectionnables, utilisable après connexion, avec les images de référence et les réglages du modèle directement dans l'espace de travail. Il fonctionne par crédits, la consommation exacte se consulte dans l'espace de travail ; la page du modèle n'affiche pas de prix et ne mentionne ni GIF ni SVG, si bien qu'il permet surtout de mettre d'abord les images fixes en service, l'intégration au produit passant toujours par l'API.
Si les opérations produisent d'abord un lot de besoins et de prompts réels, l'ingénierie disposera, pour comparer la 2.5 et la 2.6, d'un jeu de test tout prêt, plus proche de la production que 20 prompts inventés de toutes pièces.
Sources : page des modèles et documentation de génération d'images d'OpenAI, communauté des développeurs d'OpenAI, CocoLoop, DEV Community, Kingy AI, Digit ; les données de tokens de la communauté sont un échantillon personnel et les coûts sont un calcul approximatif de la rédaction.