GPT Image 2.6 的定價頁乍看十分省心：Flare 與 Sunburst 同價，圖像輸出每百萬 token 30 美元，圖像輸入 8 美元，文字輸入 5 美元，與 2.5 一樣。
不過在升級之前，開發者最好先把下面幾件事算清楚。
單價相同，單張未必相同
在 OpenAI 開發者社群裡，一位開發者貼出了同一提示詞的比較樣本：2.5 的 medium 品質輸出 344 個 token，2.6 的 medium 輸出 1,136 個。
以每百萬 token 30 美元粗估，單張圖的輸出費用從約 1 美分漲到約 3.4 美分，光是這一項就是 3.3 倍。這位開發者估計 low 檔的倍數更高，約 4.2 倍，high 以上則大致持平。
這只是個人樣本與推算，OpenAI 並未公布類似數字。它能說明的是，遷移前不能只看價目表。務實的做法是用同一批約 20 組提示詞分別跑 2.5 和 2.6，比較每張圖的輸出 token，再決定要不要切換。
少了的兩樣東西
Batch。兩個 2.6 模型的頁面都把 v1/batch 標示為不支援。2.5 Flare 仍可使用 Batch，輸出價為標準價的一半，每百萬 token 15 美元。每晚批次產出大量點陣圖的業務，留在 2.5 明顯比較划算。
固定快照。2.6 目前只有預設快照，2.5 則有附日期的版本，例如 gpt-image-2.5-flare-2026-09-08。對輸出穩定性敏感的線上業務，這一點要列入風險評估。
新參數怎麼用
新增的 complexity 有 low、medium、high 三檔，控制模型在渲染前做多少規劃，省略時預設為 high，調整它不會額外收費。
預設為 high 這點很容易被忽略。官方文件寫得很清楚：較低的值適合更換背景這類聚焦的編輯，較高的值有助於密集文字與複雜版面，但可能增加延遲，也可能帶入不想要的改動。做局部編輯的介面，建議明確傳入 low 作為起點。
其他幾項功能的限制整理如下：
| 功能 | 用法 | 限制 |
|---|---|---|
| SVG | output_format: "svg"，使用生成端點 | n 須為 1；不支援串流與部分圖像；編輯端點無法輸出 SVG |
| GIF | output_format: "gif"，搭配 frame_count、frame_duration_ms | 預設 9 格、每格 200 毫秒；影格數上限在文件中有 64 和 16 兩種寫法 |
| markup 編輯 | POST /v1/images/edits，傳入透明 PNG 標註層 | 寬高須與原圖相同；不能與 mask、prompt_rewriter 同時使用 |
另外，使用 GPT Image 模型前可能需要先完成組織驗證，新帳號要把這段時間預留出來。
速度與品質的說法怎麼看
「提速 50%」和「最快約 6 秒」都是 OpenAI 的說法。有報導指出，6 秒對應的是 Flare 的低品質設定，而 50% 的基準與測量方法並未公布。
外部數據目前還很少。根據第三方彙整，Arena 在 11 月 4 日的初步排行榜上，文字生成圖像項目 Sunburst 以 1409 分排第二，Flare 以 1384 分排第四，兩者都是 medium 配置；Artificial Analysis 當時還沒有 2.6 的條目。這些排名幾週後可能就會改變，選型時當作參考即可。
我們也想測試原生 GIF，但本機 Codex 內建的生圖工具沒有開放模型與輸出格式參數，直接請求只拿到單格 PNG，也無法確認背後的模型版本。這個頁面的載入動畫只好改用六格 sprite sheet 合成，第一版軌跡不規整，重畫了一次，繞圈的軌跡仍有輕微偏移。
產品中如果要用這類小動畫，走 API 的 GIF 參數或手寫 CSS 動畫，都比這條路更好掌控。sprite 的做法用來做內容配圖還行，拿來做介面素材則精度不足。
不同情況下怎麼選
- 每晚批次出圖：先留在 2.5，用 Batch 半價。
- 需要向量圖示或短循環動畫：這兩項是 2.6 的新能力，可以單獨為它們遷移。
- 線上編輯類功能：改用 Sunburst 或 Flare 之前，先記錄一週每張圖的輸出 token，並明確設定
complexity和quality。 - 團隊裡的設計與營運人員要用：不一定要等介面排程。
最後這種情況很常見。工程端還在跑比較、等組織驗證，營運端下週就要產出活動圖。這段期間可以讓他們先用現成的工作台，例如 pixpix.com/gpt-image-2-6，Flare 和 Sunburst 都能選，登入後就能使用，參考圖與模型設定都在工作台裡。它按點數計費，實際消耗要在工作台中查看，模型頁沒有列出價格，也沒有提到 GIF 和 SVG，所以它解決的是先把靜態圖用起來，要接進產品仍然得走 API。
營運端先跑出一批真實需求與提示詞，工程端做 2.5 與 2.6 比較時就有現成的測試集，比憑空編 20 組提示詞更貼近線上情況。
參考來源：OpenAI 模型頁與圖像生成文件、OpenAI 開發者社群、CocoLoop、DEV Community、Kingy AI、Digit；社群的 token 數據為個人樣本，費用為本站粗估。