OpenAI图像API新增动图与SVG输出

据 MarkTechPost 报道，OpenAI 的 Images 2.6 把图片生成扩展到了 GIF 动画、SVG 导出和区域标记编辑，API 则分成 Flare、Sunburst 两个模型。对程序员来说，重点是能否把生成结果直接接进交互流程和素材生产。

原文给出的卖点是生成速度提高 50%，Flare 在低质量下最快 6 秒出图。但这些是报道转述的官方口径，没有独立测试。值得研究的是能力和参数怎么选；速度、成本与成品质量，还需要分开判断。

Flare 和 Sunburst 应该怎么选

原文将 GPT-Image-2.6 描述为接受文字、图片输入并输出图片的模型家族，覆盖 ChatGPT、Codex 和 API。模型权重不开放，只能使用 OpenAI 托管服务。

两个 API 模型的分工很明确：Flare 面向快速迭代和交互流程，Sunburst 面向细节丰富的构图，以及多次编辑时的一致性。

Flare 的「最快 6 秒」有明确条件：quality 设置为 low。它不是平均耗时，也不是复杂请求的响应保证。Sunburst 则主打 medium 或 high 质量下的细节与编辑一致性，原文没有给出对应耗时。

报道还称，Images 2.6 相比上一版本生成快 50%。这个整体口径不能直接套到每一种尺寸、质量和编辑任务上。

使用量方面，OpenAI 据称每周在 ChatGPT 和 API 生成超过 4B，即 40 亿张图片；8 周前 Images 2.5 发布时超过 3B，即 30 亿张，当前平均每天超过 500M，即 5 亿张。这能说明使用规模，不能证明模型质量领先。

complexity 为什么要和 quality 分开调

新参数 complexity 控制模型在渲染前投入多少规划，支持 low、medium、high 三档。两个模型省略该字段时，默认都是 high。

可以把它理解成：先花多少工夫安排文字、布局和对象关系，再开始画。quality 则控制渲染细节与保真度，两者解决的问题不同。

简单编辑也默认使用 high，是接入时最容易忽略的地方。

按原文说明，换背景、修改招牌等局部任务适合较低的 complexity；密集文字、复杂排版、多对象关系更适合较高档位。但规划越多，可能越慢，也可能引入不想要的改动。

调整 complexity 没有单独费用。不过，「不单独收费」不能直接理解成请求总成本一定不变，原文没有给出不同档位的 token 消耗对照。

原文也没有提供请求代码、完整字段组合或 SDK 示例，因此还不足以据此写出可直接运行的接入代码。

GIF 和 SVG 能省步骤，但支持范围要看清

ChatGPT 侧新增的 GIF 流程包括：用提示词或照片生成动画、调整速度、编辑单帧并分享结果。用户还可以保存并标记人物、宠物和角色参考图，以后重复使用，无需再次上传。

API 侧，报道引用的指南列出了 SVG、动画 GIF 输出，以及两个模型的 markup-guided edits。后者允许用户通过标记指定要修改的区域，比单靠文字描述位置更直接。

这里有一处口径差异：发布文章说区域标记编辑「即将进入 API」，指南却已列为支持。原文没有解释是文档提前更新、分批开放，还是发布节奏不同，接入时需要确认实际可用性。

对前端而言，SVG 最有吸引力的地方是图标、示意图和界面素材能够缩放。GIF 则可能减少单独制作动画的步骤。

但支持格式不等于成品可以直接交付。原文没有展示 SVG 路径是否简洁、文字如何处理，也没交代 GIF 的帧数、尺寸和循环控制。ChatGPT 的逐帧编辑能力，同样不能自动视为 API 已暴露对应接口。

我的判断

我更看重输出格式和编辑控制。它们如果稳定可用，确实可能减少素材生成后的加工步骤；单独一个最低耗时，解释不了完整工作流的效率。

成本则需要另算。Flare 和 Sunburst 采用相同的 token 单价：

计费项目	每 1M tokens
文字输入	$5.00，缓存 $1.25
图片输入	$8.00，缓存 $2.00
图片输出	$30.00

图片输入、输出单价与 GPT-Image-2.5 相同，但原文没有公布 2.6 的单张成本表。

作为对照，报道列出的 Google Nano Banana 2.1 每张 1K 图片起价 $0.0336，4K 为 $0.113；BFL FLUX 3 Image 分别为 $0.048 和 $0.607，最大输出标为 4K、约 16 MP。它们按张报价，更方便预估预算，但没有相同任务的质量对照，无法据此判断谁更划算。

报道表格列出，GPT-Image-2.6 发布于 2026 年 11 月 4 日，2.5 为 9 月 8 日，Nano Banana 2.1 为 10 月，FLUX 3 Image 为 10 月 1 日。这些时间和能力均来自所给原文。

另外，Nano Banana 2.1、FLUX 3 Image 的最大参考图数量分别为 14、10，OpenAI 两代模型均未披露；2.6 的最大输出尺寸也未披露。FLUX 3 Image Klein 提供开放权重路线，参数量为 5.6B，采用 FLUX Kommunity License，据称最低可在 RTX 3090 上运行。

这篇能支持功能选型的初步筛选，不能支持质量排名。

作者没有提供亲自测试记录、基准分数或同题生成对照。SVG、GIF 是报道中的差异点；速度、编辑一致性和经济性，目前仍需实测。

能拿来做什么

• 在图片生成交互中，可以先用 Flare 的 quality: low 验证构图，再评估 Sunburst 的精细输出，并记录平均耗时和失败情况。
• 做局部编辑时，可以从 complexity: low 开始；处理密集文字或复杂布局时再提高档位，同时检查目标区域之外是否发生变化。
• 为前端生成 SVG 图标或示意图时，应检查缩放效果、路径复杂度和文字表现，再决定能否纳入素材库。
• 在 Node 服务中接入前，可以用固定任务记录输入、输出 token 和重试次数，算出实际单张成本，再与按张收费的模型比较。