GPT Image 2.6 API 怎麼選？Flare、Sunburst 與 GIF 參數檢查

2026-11-06

AI

/

OpenAI

/

API

/

開發工具

驗證於 2026-11-06

本文目錄

要在 API 產生靜態圖片或短動畫，GPT Image 2.6 有兩個正式模型 ID：gpt-image-2.6-flare 與 gpt-image-2.6-sunburst。先依任務選模型，再決定 complexity、quality 與輸出格式，才能知道是哪一個設定影響結果。

OpenAI 11 月 4 日 changelog確認兩個模型已推出。本文於 2026 年 11 月 6 日查核官方文件，提供串接前的決策與驗收方法；沒有呼叫 API、量測速度或驗證帳號可用權限。

Flare 與 Sunburst 怎麼比較？#

官方將 Flare定位在快速迭代；Sunburst著重細緻構圖與編輯工作。可先拿 Flare 評估需要反覆出稿的素材，細節關係較複雜的任務則把 Sunburst 納入比較。這是依官方定位安排試驗，實際速度與合格率仍要測量。

比較時固定提示、輸出尺寸、格式、quality 和 complexity，每次只換模型。先寫好驗收條件，例如主體完整、指定數量正確、裁切後仍保留重點、編輯區外的重要物件維持一致，再保存每次輸出。把失敗與重試一起計入成本，才能回答哪一個模型適合自己的素材流程。

本機模型的硬體與推論效能是另一套條件，若要比較，可參考 Qwen-Image 在 M3 的出圖實測所記錄的實際環境，保留 API 與本機各自的量測條件。

complexity 控制規劃，quality 控制渲染#

依官方生成指南，兩個 2.6 模型都接受 low、medium、high complexity，省略時為 high。它控制渲染前的規劃程度，與 quality 分開。

例如只修改背景顏色，可以固定其他欄位比較低、中 complexity；需要密集排版或物件關係時，再加入 high。高 complexity 可能增加延遲，也可能帶來不希望出現的改動，因此每次保留原圖與要求保留的區域，逐一驗收。

官方指南仍有大量 2.5 範例。複製範例時先核對 model，再核對該格式支援的欄位，避免只讀到 2.6 小節卻送出舊模型名稱。

GIF 請求先驗欄位，再驗動畫#

下面是 POST /v1/images/generations 的請求 body 示意，只檢查 JSON 語法，未送出 API。實際串接需要 API 金鑰、可用模型權限，組織也可能需要完成驗證。

1
{
2
  "model": "gpt-image-2.6-flare",
3
  "prompt": "A small paper lantern gently sways and returns to its starting position. Fixed camera, plain background.",
4
  "output_format": "gif",
5
  "size": "auto",
6
  "quality": "medium",
7
  "complexity": "medium",
8
  "frame_count": 9,
9
  "frame_duration_ms": 200,
10
  "n": 1
11
}

frame_count 接受 2–16，預設 9；frame_duration_ms 接受每幀 20–2000 毫秒，按 10 毫秒取整，預設 200。此處 9 × 200 毫秒得到名目一輪 1.8 秒，這是參數計算，實際回傳檔仍要解碼確認幀數與時間。

GIF 回傳完整動畫，b64_json 解碼後保存為 .gif。這個格式不支援 streaming、partial images、自訂 output_compression 或 prompt_rewriter；幀數、尺寸與動畫數也會共同占用請求像素預算。遇到限制時，先減少其中一項，記下哪一種組合可成功。

驗收要包含開頭與結尾的銜接、主體每幀的一致性、實際播放時間和檔案大小。若要放進網站，再測目標瀏覽器與減少動態效果的替代呈現；生成成功只完成素材製作的一段。