GPT Image 2.6

1 个可用模型

提供商: OPENAI

更新于: 最近

GPT Image 2.6 是 OpenAI 2026 年 11 月 4 日发布的新一代图像生成模型，分为两个子模型：Flare（极速版）和 Sunburst（高精度版），在 GPT Image 2.5 的基础上新增了 Gif 和 SVG 图片输出格式，推理速度翻倍！

可用模型

GPT Image 2.6 Flare

gpt-image-2.6-flare

GPT Image 2.6 Flare 是 OpenAI 推出的图像生成与编辑模型，主打速度优化：支持快速迭代以及交互式文生图、图生图工作流，生成速度相比 GPT Image 2.5 提升约50%。该模型接收文本和图像输入来生成图片，提供从低到最高多个质量档位，支持透明背景，可自定义尺寸，尺寸需为16像素的整数倍，宽高比范围为1:3至3:1。GPT Image 2.6新增复杂度设置，用于控制模型在渲染前的规划程度，同时支持标记引导编辑、动态GIF输出以及SVG格式输出。如果相比响应速度，你更看重图像细节和多次编辑之间的一致性，则应选择Sunburst模型。

OpenAI · GPT Image 2.6

2026 年 11 月 4 日发布 · Flare 与 Sunburst 双档位

同一个提示词，直接出 GIF 和 SVG

图片模型第一次能交付「动」和「矢」——不止是一张位图。

GPT Image 2.6 在保留 2.5 全部能力的基础上，新增循环 GIF 动画、可编辑 SVG 矢量图、complexity 规划档与标注引导编辑。Flare 用更低的延迟换迭代速度，Sunburst 用更多计算换成品精度；两者共用同一套请求结构和公开模型 ID。

获取 API 接入阅读 API 文档 OpenAI 官方指南

输出格式

5 种

PNG / JPEG / WebP / GIF / SVG，同一个 output_format 参数切换。

GIF 帧数

2–64

配合 20–2000ms 的每帧时长，精确控制循环节奏。

模型档位

2 档

Flare 重速度，Sunburst 重精度，共用同一套参数。

规划复杂度

3 档

low / medium / high 控制模型在渲染前规划多少，不额外收费。

示例提示词

一只穿绿色外套的猴子，在雪中小木屋前提起一盏发光的灯笼，眨眼，再把灯笼放下。动作首尾相接，可以无缝循环；暖色灯光在雪面上投出柔和光晕，背景保持安静、不抢主体。

官方示例：Sunburst 用 frame_count=9、frame_duration_ms=200 生成的灯笼动画（总计 1.8 秒，首尾可无缝循环）。

一个参数四种交付形态

output_format 决定产物类型。位图适合摄影与合成，GIF 适合社媒与微交互，SVG 适合 Logo、图标与需要二次编辑的插画。

无损位图

PNG

保留 alpha 通道，透明背景商品的默认选择；编辑与合成链路最稳。

最快位图

JPEG

生成速度最快、体积最小，适合对时延敏感的批量位图，但不支持透明背景。

Web 位图

WebP

体积与画质平衡，支持透明背景与 output_compression 自定义压缩率。

循环动图

GIF

一个提示词生成完整循环动画，返回 b64_json，可直接落成 .gif 文件。

可编辑矢量

SVG

输出静态矢量 XML，路径、形状与颜色都可二次编辑；不含脚本与外链资源。

GIF 与 SVG 只能通过文生图接口获得，图片编辑接口不支持这两种输出；两者也都不支持 output_compression。

GIF 动图：在提示词里描述运动

把 output_format 设为 gif，然后在提示词里写清主体、运动方式与循环目标。模型返回的是一段完整动画，而不是需要你自己补帧的静态图。

官方示例提示词（译）

控制动画的三个参数

frame_count2–64 帧: 总帧数。帧数越多动作越细腻，但帧数 × 单帧尺寸 × 张数受模型像素预算限制。
frame_duration_ms20–2000ms: 每帧停留时长（按 10ms 取整）。9 帧 × 200ms ≈ 1.8 秒一个循环。
sizeauto / 16 的倍数: GIF 单帧尺寸，可选——留空即由 resolution + aspect_ratio 换算。GIF 的全部帧共享同一份像素预算（帧数 × 单帧像素不能超过单次请求上限），因此 APIPod 会随 frame_count 自动等比收缩单帧尺寸，同时保持宽高比与 16 对齐。

写出能循环的动画提示词

主体：先固定一个动作主语（角色、物体、场景），不要同时描述多个运动会打架的元素。
动作：按时间顺序写 2–4 个关键姿态，例如「提起 → 眨眼 → 放下」。
循环：明确要求首尾姿态一致（returns to its starting pose），才能无缝循环。
光线：动画里的光比静态图更容易糊，写明光源方向与色温能显著提升成片率。

限制

· GIF 只支持文生图，不支持参考图编辑与遮罩。
· 不支持 streaming、partial images、自定义 output_compression 与 prompt_rewriter。
· 透明背景只对位图有效，GIF 没有 alpha 通道。

SVG 矢量：能交付、也能二次编辑

把 output_format 设为 svg，模型先画一张参考位图，再把它转成矢量。产物是纯静态 XML：不含脚本、外链资源或内嵌位图，可以直接交给设计工具或前端代码使用。

GPT Image 2.6 Flare — 官方示例提示词（译）
为一家叫 Field & Flour 的本地面包店设计原创 Logo。要温暖、简洁、耐看；使用干净的类矢量形状、明确的剪影和均衡的负空间；宁可简单也不要堆细节，保证在小尺寸和大尺寸下都清晰可读。扁平设计，极简线条，非必要不用渐变。完全透明背景，单个居中 Logo，四周留足边距，边缘干净，不要实底、场景、棋盘格或水印。

GPT Image 2.6 Sunburst — 官方示例提示词（译）
为一家叫 Field & Flour 的本地面包店设计原创 Logo。要温暖、简洁、耐看；使用干净的类矢量形状、明确的剪影和均衡的负空间；宁可简单也不要堆细节，保证在小尺寸和大尺寸下都清晰可读。扁平设计，极简线条，非必要不用渐变。完全透明背景，单个居中 Logo，四周留足边距，边缘干净，不要实底、场景、棋盘格或水印。

什么时候该用 SVG 而不是 PNG

Logo、图标与品牌标识：改色、缩放、拆解都要在矢量里完成。
需要交给前端直接内联的场景：SVG 可以当组件用，体积远小于位图。
印刷与大尺寸物料：矢量在任意尺寸下都保持锐利。

参数约束

n 必须为 1 —— 一次请求只返回一个 SVG。
不支持 output_compression，压缩参数对矢量无意义。
图片编辑接口不支持 SVG 输出，SVG 也不能作为编辑的栅格输入。
quality 控制的是那张参考位图的保真度，会直接影响矢量还原的细节。

标注引导编辑：画出来，比描述更准

在参考图上叠一张标注层，用圈、框或箭头指出要改的地方，再用提示词说明改什么。相比纯文字描述，模型能更稳定地锁定区域，同时保持画面其它部分不变。

官方示例提示词（译）

把红圈内的条纹花瓶改成纯钴蓝色陶瓷。保持它的形状、干花和厨房其它部分不变。成图里去掉红圈。

1
准备一张干净的参考图与一张透明 PNG 标注层，圈出目标区域。
2
以 multipart 提交 image 与 markup 两个文件，markup 作为独立的标注通道。
3
提示词里同时写清「改什么」和「不要动什么」，并要求去掉标注痕迹。

complexity：决定模型想多久再画

complexity 控制图片模型在渲染前规划多少，与 quality 是两条独立的轴：quality 决定画得多细，complexity 决定想得多深。调整它不产生额外费用。

high
缺省值：密集文字、复杂版式与多物体关系。代价是更高的延迟，也可能引入不想要的变化。

同一提示词在不同 complexity 下可能得到不同构图——官方示例中，低档只保留了奖杯与横幅，高档才补齐球衣细节与看台。换档位后请对比结果，不要默认越高越好。

一个系列，两个档位

Flare 与 Sunburst 的请求参数完全一致，区别是模型愿意花多少时间。

Flare默认推荐

速度档

响应时间是首要考虑时的默认选择：快速迭代、批量变体与交互式产品内生成。

更低的单次延迟，适合高频迭代
支持全部五种输出格式
公开模型 ID：gpt-image-2.6-flare

查看 Flare

Sunburst精修旗舰

精度档

愿意为细节多等一会儿时的选择：精细视觉、多轮修改与商业交付级素材。

更强的细节保留与编辑一致性
支持全部五种输出格式
公开模型 ID：gpt-image-2.6-sunburst

查看 Sunburst

请求参数一张表看懂

GPT Image 2.6 沿用 GPT Image 2 的请求结构，新增三个字段；迁移只需要改模型 ID。

参数	取值	说明
model	gpt-image-2.6-flare / gpt-image-2.6-sunburst	公开模型 ID，决定使用哪个档位。
prompt	≤ 4000 字符	画面描述；GIF 需同时写明主体、运动与循环目标。
output_format	png / jpeg / webp / gif / svg	2.6 新增 gif 与 svg；gif/svg 仅支持文生图。
quality	low / medium / high / xhigh / max	保真档位；未传或 auto 时按 high 下发。
complexity	low / medium / high	2.6 新增，规划复杂度；未传时按 high。
frame_count / frame_duration_ms	2–64 / 20–2000ms	2.6 新增，仅 output_format=gif 时生效。
resolution + aspect_ratio	1K / 2K / 4K × 15 种比例	平台侧换算成上游像素 size。
size	auto 或宽x高（16 的倍数）	GIF 单帧尺寸，可选——留空即由 resolution + aspect_ratio 换算。GIF 的全部帧共享同一份像素预算（帧数 × 单帧像素不能超过单次请求上限），因此 APIPod 会随 frame_count 自动等比收缩单帧尺寸，同时保持宽高比与 16 对齐。
moderation	low / auto	内容审核严格度。APIPod 默认 low（更宽松、减少误拦），传 auto 恢复官方默认过滤。
background	auto / opaque / transparent	透明背景需 quality ≥ medium，且只能由参考图编辑产出。

几行代码接入

GIF、SVG 与位图共用同一个 /v1/images/generations 端点，只需切换 output_format。

generate.py

import base64, requests

resp = requests.post(
    "https://api.apipod.ai/v1/images/generations",
    headers={"Authorization": "Bearer $API_KEY"},
    json={
        "model": "gpt-image-2.6-sunburst",
        "prompt": "A monkey in a green coat lifts a glowing lantern, blinks, then lowers it; the loop returns to the starting pose.",
        "output_format": "gif",
        "frame_count": 9,
        "frame_duration_ms": 200,
        "quality": "high",
    },
)
data = resp.json()["data"][0]["b64_json"]
open("lantern.gif", "wb").write(base64.b64decode(data))

响应里的 data[0].b64_json 是产物的 base64：GIF 存成 .gif，SVG 存成 .svg，位图按同格式落盘。

获取 API Key

GIF 动画

"output_format": "gif"

SVG 矢量

"output_format": "svg"

位图

"output_format": "png"

常见问题

关于 GPT Image 2.6 在 APIPod 上的接入细节。

GPT Image 2.6 是什么？+

GPT Image 2.6 是 OpenAI 图片系列的新一代模型，2026 年 11 月 4 日以 Flare 与 Sunburst 两个档位发布。它在 2.5 的基础上新增三件事：原生 GIF 动画输出、原生 SVG 矢量输出，以及 complexity 规划档；编辑链路还支持标注层引导。

如何生成 GIF 动画？+

在 /v1/images/generations 上把 output_format 设为 gif，并在提示词里描述主体、动作与循环目标。可选 frame_count（2–64，默认 9）与 frame_duration_ms（20–2000，默认 200）控制动画节奏。模型返回的 data[0].b64_json 解码后就是完整 GIF。GIF 不支持图片编辑、流式输出与自定义压缩。

SVG 输出质量可靠吗？+

模型先生成一张参考位图，再把它转换成矢量，因此 quality 档位会直接影响矢量还原的细节量。产物是静态 XML：不含脚本、外链资源或内嵌位图，适合 Logo、图标与插画。图片编辑接口不支持 SVG 输出。

为什么生成的 GIF 变成了 PNG？+

检查三件事：output_format 是否显式设置为 gif；是否走到了图片编辑接口（GIF 只支持文生图）；响应里 data[0] 返回的是 b64_json 而非 url。APIPod 会按产物文件头识别格式并以正确的 Content-Type 转存，若结果仍是 PNG，通常是参数没有透传到上游。

complexity 和 quality 有什么区别？+

quality 控制渲染的保真度（low / medium / high / xhigh / max），complexity 控制模型在渲染前规划多少（low / medium / high）。前者影响画面精细程度，后者影响构图完整度与延迟。调整 complexity 不产生额外费用，缺省为 high。

什么是标注引导编辑？+

你在参考图上叠一张透明标注层，用圈、框或箭头标出要改的区域，再在提示词里描述改动内容。编辑接口会把标注层作为独立通道接收，模型据此锁定区域，同时要求它去掉标注痕迹并保持其它区域不变。

GIF 和 SVG 怎么计费？+

与位图同一套 Token 计费：提交时预扣，完成后按实际用量结算，多扣部分自动退还。GIF 的帧数与尺寸、SVG 的参考图与矢量 token 都会体现在最终用量里，帧数越多或尺寸越大越贵；最新价格请以定价页为准。

从 GPT Image 2.5 迁移要改什么？+

只改模型 ID：gpt-image-2.5-flare → gpt-image-2.6-flare，sunburst 同理。原有参数、端点与响应字段全部兼容；要用新能力时再加 output_format=gif/svg、complexity 或 frame_* 参数即可。

开始用 GPT Image 2.6 交付

位图、动图、矢量，一个 API Key，一套请求结构。

免费开始联系商务