Halaman harga GPT Image 2.6 sekilas tampak sederhana. Flare dan Sunburst berharga sama: keluaran gambar 30 dolar AS per juta token, masukan gambar 8 dolar, dan masukan teks 5 dolar, persis seperti 2.5.
Namun sebelum memutuskan upgrade, pengembang sebaiknya menghitung dulu beberapa hal berikut.
Harga satuan sama, biaya per gambar belum tentu sama
Di komunitas pengembang OpenAI, seorang pengembang mengunggah sampel perbandingan dengan prompt yang sama: pada kualitas medium, 2.5 menghasilkan 344 token keluaran, sedangkan 2.6 menghasilkan 1.136 token.
Dengan perhitungan kasar 30 dolar AS per juta token, biaya keluaran per gambar naik dari sekitar 1 sen menjadi sekitar 3,4 sen, atau 3,3 kali lipat hanya dari pos ini. Pengembang tersebut memperkirakan pada tingkat low kelipatannya lebih tinggi, sekitar 4,2 kali, sementara pada high ke atas hampir sama.
Ini hanya sampel pribadi dan hasil perkiraan; OpenAI belum merilis angka serupa. Yang bisa disimpulkan, daftar harga saja tidak cukup untuk merencanakan migrasi. Cara yang praktis adalah menjalankan kumpulan sekitar 20 prompt yang sama di 2.5 dan 2.6, membandingkan token keluaran per gambar, lalu baru memutuskan apakah akan beralih.
Dua hal yang hilang
Batch. Halaman kedua model 2.6 menandai v1/batch sebagai tidak didukung. 2.5 Flare masih bisa menggunakan Batch, dengan harga keluaran separuh dari harga standar, yaitu 15 dolar AS per juta token. Bagi bisnis yang membuat banyak gambar bitmap secara batch tiap malam, bertahan di 2.5 jelas lebih hemat.
Snapshot tetap. Saat ini 2.6 hanya punya snapshot default, sedangkan 2.5 punya versi bertanggal, misalnya gpt-image-2.5-flare-2026-09-08. Untuk layanan produksi yang sensitif terhadap kestabilan keluaran, hal ini perlu dimasukkan dalam penilaian risiko.
Cara memakai parameter baru
Parameter baru complexity punya tiga tingkat, yaitu low, medium, dan high, yang mengatur seberapa banyak perencanaan yang dilakukan model sebelum merender. Jika dihilangkan, nilai defaultnya high, dan mengubahnya tidak dikenai biaya tambahan.
Default high ini mudah terlewat. Dokumentasi resmi menuliskannya dengan jelas: nilai rendah cocok untuk penyuntingan yang terfokus seperti mengganti latar belakang, sedangkan nilai tinggi membantu untuk teks padat dan tata letak rumit, tetapi dapat menambah latensi dan memunculkan perubahan yang tidak diinginkan. Untuk antarmuka yang melakukan penyuntingan lokal, sebaiknya kirim low secara eksplisit sebagai titik awal.
Batasan fitur baru lainnya dirangkum di sini:
| Kemampuan | Cara pakai | Batasan |
|---|---|---|
| SVG | output_format: "svg", lewat endpoint generate | n harus 1; tidak mendukung streaming dan gambar parsial; endpoint edit tidak bisa menghasilkan SVG |
| GIF | output_format: "gif", disertai frame_count dan frame_duration_ms | Default 9 frame, 200 milidetik per frame; batas jumlah frame ditulis dua versi di dokumentasi, 64 dan 16 |
| Edit markup | POST /v1/images/edits, dengan lapisan anotasi PNG transparan | Lebar dan tinggi harus sama dengan gambar asli; tidak bisa dipakai bersamaan dengan mask dan prompt_rewriter |
Selain itu, penggunaan model GPT Image mungkin mensyaratkan verifikasi organisasi lebih dulu, jadi akun baru perlu menyisihkan waktu untuk itu.
Cara menyikapi klaim kecepatan dan kualitas
“Lebih cepat 50%” dan “tercepat sekitar 6 detik” sama-sama klaim dari OpenAI. Sebuah laporan menunjukkan bahwa angka 6 detik sesuai dengan pengaturan kualitas rendah pada Flare, sedangkan acuan dan metode pengukuran untuk angka 50% tidak dipublikasikan.
Data pihak luar masih sedikit. Menurut rangkuman pihak ketiga, pada papan peringkat awal Arena tanggal 4 November, untuk teks-ke-gambar Sunburst meraih 1409 poin di peringkat kedua dan Flare meraih 1384 poin di peringkat keempat, keduanya dengan konfigurasi medium; Artificial Analysis saat itu belum punya entri untuk 2.6. Peringkat ini bisa berubah dalam beberapa minggu, jadi anggap sebagai acuan saja saat memilih model.
Kami juga ingin menguji GIF native, tetapi alat pembuat gambar bawaan Codex lokal tidak membuka parameter model maupun format keluaran. Permintaan langsung hanya menghasilkan PNG satu frame, dan versi model di baliknya pun tidak bisa dipastikan. Animasi pemuatan di halaman ini akhirnya dirakit dari sprite sheet enam kotak. Versi pertamanya punya lintasan yang tidak rapi sehingga digambar ulang sekali, dan lintasan memutarnya masih sedikit bergeser.
Untuk animasi kecil di dalam produk, parameter GIF dari API atau animasi CSS yang ditulis sendiri lebih mudah dikendalikan daripada cara ini. Metode sprite cukup untuk ilustrasi konten, tetapi belum cukup presisi untuk aset antarmuka.
Pilihan untuk tiap situasi
- Pembuatan gambar batch tiap malam: tetap di 2.5 dulu dan manfaatkan harga separuh dari Batch.
- Butuh ikon vektor atau animasi loop pendek: kedua hal ini adalah kemampuan baru 2.6, jadi bisa bermigrasi khusus untuk keduanya.
- Fitur penyuntingan online: sebelum beralih ke Sunburst atau Flare, catat token keluaran per gambar selama seminggu, lalu atur
complexitydanqualitysecara eksplisit. - Desainer dan tim operasional perlu memakainya: belum tentu harus menunggu jadwal integrasi API.
Kasus terakhir ini sangat umum. Tim engineering masih menjalankan perbandingan dan menunggu verifikasi organisasi, sementara tim operasional minggu depan sudah butuh gambar kampanye. Selama itu, mereka bisa memakai ruang kerja yang sudah jadi lebih dulu, misalnya pixpix.com/gpt-image-2-6. Flare dan Sunburst bisa dipilih, dan layanan ini bisa dipakai setelah login, dengan gambar referensi dan pengaturan model tersedia di dalam ruang kerja. Penagihannya memakai kredit, dan konsumsi sebenarnya harus dilihat di ruang kerja; halaman model tidak mencantumkan harga serta tidak menyinggung GIF dan SVG. Jadi yang diselesaikannya adalah memulai pemakaian gambar statis lebih dulu, sedangkan untuk mengintegrasikannya ke produk tetap harus lewat API.
Jika tim operasional lebih dulu mengumpulkan kebutuhan nyata dan prompt, tim engineering akan punya set uji siap pakai saat membandingkan 2.5 dan 2.6, yang lebih mendekati kondisi produksi daripada mengarang 20 prompt dari nol.
Sumber: halaman model dan dokumentasi pembuatan gambar OpenAI, komunitas pengembang OpenAI, CocoLoop, DEV Community, Kingy AI, Digit; data token dari komunitas adalah sampel pribadi, dan biaya merupakan perhitungan kasar situs ini.