GPT Image 2.6 指南：Sunburst 与 Flare 的可调复杂度、SVG 与动画 GIF 输出

GPT Image 2.6 于 2026-11-04 经官方 changelog 上线，是 Images API 当前的图像生成与编辑模型家族。与 11-01 只能在 SDK 文档串里「露面」相比，本批写作时（2026-11-09）两张模型卡、图像生成指南专节与定价页当日均可完整抓取——参数规则、定价与端点支持全部可以落到官方原文。本文事实来源为当日抓取的官方 changelog、Sunburst 与 Flare 两张模型卡、图像生成指南（.md 全文变体）与定价页；代码示例照录官方指南（文档核对版，本站未执行真实生成请求）。

1. 发布与 SDK 跟进时间线

官方 changelog 2026-11-04 条目（Feature，标注 Model 为 gpt-image-2.6-sunburst 与 gpt-image-2.6-flare、API 为 v1/images/generations 与 v1/images/edits）原文：

Released GPT-Image-2.6 Sunburst and GPT-Image-2.6 Flare for image generation and editing, with adjustable complexity, SVG generation, and animated GIF generation. Added markup-guided editing for supported GPT Image 2.5 and 2.6 models.

SDK 侧跟进在第二天：openai-python v3.46.0 的 #4247 与 openai-node v7.51.0 的 #3114，release notes 标题同为「add image complexity and GIF and SVG output controls」（两包 release notes 本站 2026-11-09 复核）。把 SDK 升到这两个版本以上，图像参数里就有复杂度与 GIF、SVG 输出控制可用。

2. 两款模型：定位、快照与端点

两张模型卡的定位语不同。Sunburst 卡面摘要行是「Image generation and editing for detailed visual work」，正文写用它做 detailed compositions 与图像编辑工作流；Flare 卡面摘要行是「Image generation and editing for fast iteration」，正文写用于交互式生成与编辑。除定位语外，两张卡的结构完全一致：

端点支持是硬边界：图像模型不经 Responses API、Chat Completions、Batch 或微调调用，卡面端点表里除图像生成与编辑外全部标 Not supported；定价页的 Batch 分组价目表也没有 2.6 的行，与卡面一致。

3. 定价：两卡同价，与 2.5 同费率

两张模型卡的定价表完全相同，且与官方定价页的标准价行一致（2026-11-09 双源核对）：

指南的成本节确认图像输出按每百万可计费 token $30 计算，markup 引导编辑与其他编辑走同样 token 费率、不加价。这组费率与 GPT Image 2.5 完全相同——指南原文对 2.5 的表述就是同样的五个数字，定价页里 2.5 与 2.6 的行也逐项同价；但同费率不等于同成本，官方提醒 token 消耗会随模型与质量设置不同。

4. 可调复杂度：complexity 三档

complexity 是 2.6 的核心新参数，控制「模型在渲染前做多少规划」。指南给出的规则：

• 取值 low / medium / high，两档模型一致；缺省即 high。
• 低档适合聚焦编辑，比如换一个背景或改一块标牌；高档适合密集文字、复杂布局与物体之间的关系。
• 更高的复杂度可能增加时延，也可能引入不想要的改动——官方建议按自己的任务对比出图。
• quality 是另一个独立设置，负责渲染质量；调节 complexity 本身没有额外费用。

指南用同一 prompt、medium 质量的剪纸风足球场景做了三档对比示范，并请读者对比随复杂度变化的奖杯、队服与 CHAMPIONS 标牌（含标牌的位置）。quality 的两处官方表述要合起来看：「Size and quality options」一节把 xhigh 与 max 两档的引入写在 2.5 两款名下；「Calculating costs」一节则明确 GPT Image 2.6 与 2.5 Sunburst and Flare 的 quality 取值都是 low / medium / high / xhigh / max——合看即 2.6 同样有这五档。

5. markup 引导编辑：把「改哪里」画在图上

markup 编辑走 v1/images/edits：在原图上叠一张透明 PNG 蒙层（标注层，圈出或标出该改的位置），再在 prompt 里用文字描述要改什么。指南明说该能力支持 GPT Image 2.5 与 2.6 两代模型。以下是官方指南照录的 Python 示例（重涂蒙层圈出的条纹花瓶）：

import base64
from pathlib import Path

from openai import OpenAI

client = OpenAI()
overlay = Path("markup-vase-overlay-gpt-image-2-6.png")
with open("kitchen.webp", "rb") as image, overlay.open("rb") as markup:
    result = client.images.edit(
        model="gpt-image-2.6-flare",
        image=("kitchen.webp", image, "image/webp"),
        markup=(overlay.name, markup, "image/png"),
        quality="medium",
        prompt=(
            "Recolor the striped vase inside the red circle to solid cobalt blue ceramic. "
            "Keep its shape, the dried stems, and the rest of the kitchen unchanged. "
            "Remove the red circle from the finished photo."
        ),
    )

Path("vase.png").write_bytes(base64.b64decode(result.data[0].b64_json))

同一操作的 curl 版本（同样照录自指南）：

set -euo pipefail

curl --fail --silent --show-error https://api.openai.com/v1/images/edits \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model=gpt-image-2.6-flare \
  -F quality=medium \
  -F 'image=@kitchen.webp;type=image/webp' \
  -F 'markup=@markup-vase-overlay-gpt-image-2-6.png;type=image/png' \
  -F 'prompt=Recolor the striped vase inside the red circle to solid cobalt blue ceramic. Keep its shape, the dried stems, and the rest of the kitchen unchanged. Remove the red circle from the finished photo.' |
  jq -er '.data[0].b64_json' | base64 --decode > vase.png

注意示例里的两个细节：prompt 明确要求「把红圈从成品里去掉」，这是 markup 工作流的组成部分——标注只是引导，不该出现在结果里；蒙层是透明 PNG，与原图方向校正后尺寸一致。官方指南另给出硬性约束：markup 只作用于第一张输入图（其余图作参考），标注层与第一张输入图各自至多 16,777,216 像素、标注文件上限 50 MB，且不能与 mask 同用。

6. SVG 输出：可编辑矢量，仅 generations 端点

在 v1/images/generations 上把 output_format 设为 "svg" 即产出 SVG，适合需要可编辑路径、形状与颜色的图标和插画。规则全部来自指南：

• n 必须为 1。
• 不支持流式、部分图与 output_compression。
• edits 端点不支持 SVG 输出；SVG 也不是编辑请求的合格位图输入。
• 机制：API 会先生成一张参考图、再用它产出 SVG，参考图受 quality 设置控制；费用等于参考图的图像模型费率加上产出 SVG 所用 token 的费率。
• 产物：解码 data[0].b64_json 得到 base64，存成 UTF-8 的 XML 字节、扩展名用 .svg；文档只含静态矢量内容——不支持脚本、外部资源与内嵌位图。

指南用 Field & Flour 面包房 logo 同 prompt 对比了两款模型：Flare 与 Sunburst 各自生成的 SVG 在构图元素（面包、麦穗、擀面杖）上有可见差异。

7. 动画 GIF 输出：帧数、帧时长与像素预算

output_format 设为 "gif" 时，generations 与 edits 两个端点都支持——想在动画里用静帧参考图，就把参考图发给 edits 端点。prompt 里要描述主体、运动与期望的循环效果。GIF 专用请求字段（官方指南原表）：

size 描述的是每一帧成品尺寸。帧数、帧尺寸与动画张数必须同时装进模型的尺寸限制与请求总像素预算——超限时官方给出的减法顺序是：减 frame_count、减帧尺寸、或减 n；用 auto 让 API 在模型限制内自选帧尺寸。响应里的动画解码 b64_json 后存为 .gif。GIF 输出同样不支持流式、部分图与自定义 output_compression；frame_count 与 frame_duration_ms 两个参数只用于 GIF 输出。指南的示范：frame_count=9、frame_duration_ms=200 的灯笼猴子动画，1.8 秒后回到起始姿势。

基础生成的端点形态与 2.5 通用示例一致（官方指南的 Generate Images 示例以 gpt-image-2.5-sunburst 示范，同端点同参数形态）：

from openai import OpenAI
import base64

client = OpenAI()

prompt = """
A children's book drawing of a veterinarian using a stethoscope to
listen to the heartbeat of a baby otter.
"""

result = client.images.generate(model="gpt-image-2.5-sunburst", prompt=prompt)

image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)

with open("otter.png", "wb") as f:
    f.write(image_bytes)

8. 常见错误与排查

• 拿到的还是位图而不是 SVG：确认 output_format 设为 svg 且 n 为 1，并确认请求打在 generations 端点——edits 不产 SVG。
• SVG 打开没有动画或脚本：这是设计约束而非缺陷——产物只含静态矢量内容，无脚本、无外部资源、无内嵌位图。
• GIF 请求报错：检查预算三件事——frame_count 在 2–16、frame_duration_ms 在 20–2000、总像素不超模型限制；超限就减帧数、减帧尺寸或减 n。
• 想让 GIF 循环更顺：官方建议把主体、运动与期望循环写进 prompt；静帧参考图走 edits 端点。
• 复杂度调高后结果反而变乱：官方原文即提醒更高复杂度可能引入不想要的改动；回落档位或换 quality 设置对比。
• 用了 Responses 或 Batch 调不通：图像模型不经这些端点——卡面端点表除 generations 与 edits 外全部 Not supported。

9. 下一步

• 本文两张卡的官方替代定位（gpt-image-2 已公告弃用、2027-02-10 关停，本卡即官方替代行所指）：见《gpt-image-2 官方弃用：2027-02-10 关停，官方替代 GPT Image 2.6》。
• 上一代双模型的参数规则（xhigh / max 质量档、任意分辨率、透明背景），见《GPT Image 2.5 解读：sunburst / flare 双模型、xhigh-max 质量档与任意分辨率》。
• 提示词写法与商业使用边界，见《GPT Image 2 提示词公式与商业使用边界》。
• 跨模型选型对比，见《GPT Image 2 vs Midjourney vs DALL·E 3：三大图像生成模型实战对比（2026）》。
• 发布时间线的持续汇总，见《OpenAI 模型更新日志（2026 持续更新）》。