GPT Image 2.6 mantuvo el precio por token y subió la factura

OpenAI lanzó GPT Image 2.6 el 4 de noviembre de 2026, como dos modelos en la API de Images. Once días después, la pareja manejaba alrededor del 29 por ciento del volumen de peticiones de la pareja a la que reemplaza. El primer dato es una nota de lanzamiento. El segundo se está leyendo en algunos sitios como un veredicto, y no debería serlo.
Lo que salió el 4 de noviembre
gpt-image-2.6-flare está posicionado para la iteración rápida y el trabajo de imagen del día a día. gpt-image-2.6-sunburst está posicionado para el trabajo visual detallado, la precisión y la consistencia entre ediciones en calidad media o alta. Ambos suceden a GPT Image 2.5, que llegó en septiembre de 2026.
La lista de funciones es larga. La edición guiada por marcas permite superponer un PNG transparente que señala la región que quieres cambiar, describir el cambio y recibir un resultado con la anotación eliminada. La eliminación es la mitad útil. Describir una región con palabras es justo donde las ediciones suelen salir mal, y una máscara que vuelve limpia significa una pasada menos para borrar un contorno perdido en la esquina.
Salida SVG en el endpoint de generaciones, n=1. Salida GIF animado en generaciones o ediciones, frame_count de 2 a 16, frame_duration_ms de 20 a 2000. La creación de GIF también apareció dentro de ChatGPT esa semana.
Luego la que importa para el dinero: un control de complejidad. Low, medium o high, por defecto high, descrito como cuánta planificación ocurre antes del renderizado. Sin cargo aparte. Los ajustes más altos pueden aumentar la latencia.
Las tarifas no se movieron
Los dos modelos 2.6 llevan tarifas idénticas a las de 2.5: 5 dólares por millón de tokens de entrada de texto, 1.25 dólares para entrada de texto en caché, 8 dólares por millón de entrada de imagen, 2 dólares para entrada de imagen en caché, 30 dólares por millón de salida de imagen.
En una tarjeta de tarifas, eso se lee como una actualización gratuita. Capacidades nuevas, mismos precios, más una promesa de velocidad. OpenAI dice que 2.6 genera alrededor de un 50 por ciento más rápido que antes, y no ha publicado la línea base, así que la afirmación no puede comprobarse directamente. Los primeros probadores reportaron de 6.7 a 8.9 segundos para una imagen de 1024x1024 en calidad media, frente a unos 12 segundos en 2.5. Con 8.9 segundos es una victoria modesta. Con 6.7 es casi el doble, y esa dispersión es la parte honesta de una línea base sin publicar.
La factura sigue el número de tokens, no los segundos.
Dónde se mueve realmente la factura
Coste por imagen de 1024x1024, medido a partir del usage devuelto:
| Calidad | Coste por imagen |
|---|---|
| Low | $0.025 |
| Medium | $0.043 |
| High | $0.053 |
| Xhigh | $0.094 |
| Max | $0.21 |
Una prueba publicada de una generación de Sunburst en calidad media usó 109 tokens de entrada de texto y 1,449 tokens de salida de imagen, lo que da unos 0.044 dólares. Cae lo bastante cerca de la tabla como para confiar en la aritmética en vez de aceptarla por fe.
El pliegue está en el extremo barato. Una tarifa plana por token solo produce un precio plano por imagen si la imagen consume el mismo número de tokens, y en 2.6 no lo hace. En calidad baja y media, 2.6 usa más tokens de salida que 2.5. Un análisis situó el nivel de calidad baja en unas 4.2 veces el recuento antiguo de tokens. Ese multiplicador es de un análisis, no una cifra publicada por OpenAI, y yo lo tomaría con pinzas. Lo que sí me creo es la dirección: redactado en calidad baja, el modelo nuevo hace más trabajo que su predecesor, y nada en la tarjeta de tarifas lo dice.
La calidad baja es también donde vive el volumen. Quien genera una imagen principal a la semana no notará 0.018 dólares. Quien genera mil miniaturas antes de comer sí lo notará, y ese es el cliente al que una tarjeta sin cambios tranquiliza mejor.
La perilla de complejidad lo inclina un poco más. No cuesta nada, viene en high por defecto, y high significa más planificación antes del renderizado. La configuración por defecto es la lenta y, si la planificación gasta tokens, la cara. Llegar al camino barato exige saber que el ajuste existe y decidir bajarlo. Los valores por defecto fijan precios. Casi nadie los archiva bajo tarifas.
Dos nombres, un precio, dos costes
Flare y Sunburst cuestan lo mismo por token. No cuestan lo mismo por imagen.
Sunburst está construido para la precisión y la consistencia entre ediciones, lo que significa más detalle de escena y más tokens gastados en describirlo. Flare está construido para la iteración, lo que suele significar generar candidatos y tirar la mayoría. Mismas tarifas, distinto consumo. La hoja de precios te da un número para ambos y ninguna forma de saber con qué nombre saldrá más barato un prompt dado. Dos nombres a un precio es una manera de lanzar un nivel de velocidad sin lanzar un nivel de precio, y traslada la decisión a usuarios que en su mayoría no la medirán.
No creo que sea una trama. Cuando la diferencia entre dos variantes es latencia y fidelidad de edición en vez de coste, nombrarlas por separado es una decisión de producto justa. El efecto secundario es que eliges variante por reputación, nivel de calidad por instinto, dejas la complejidad por defecto, y la factura llega sin una sola línea que se explique sola.
Lo que el 29 por ciento puede decir y lo que no
Los números de volumen vienen del ranking público de imágenes de OpenRouter para el 14 de noviembre de 2026. Un día, image_output_requests, extraído de la página:
| Modelo | Peticiones |
|---|---|
| gpt-image-2.5-sunburst | 1,185,863 |
| gpt-image-2.5-flare | 893,853 |
| gpt-image-2.6-sunburst | 374,843 |
| gpt-image-2.6-flare | 230,996 |
La pareja de 2.5 suma 2,079,716. La de 2.6 suma 605,839. Eso es el 29 por ciento, y la lectura obvia es un lanzamiento flojo.
La lectura obvia ignora el calendario. 2.5 tuvo unos dos meses para que las herramientas de terceros lo integraran, para que las librerías envoltorio lo añadieran, para que los valores por defecto se reapuntaran hacia él. 2.6 tuvo once días. Pesar una huella de integración de once días contra una de dos meses mide distribución, no preferencia. Un modelo puede ser más rápido, mejor en ediciones e idéntico de precio por token y aun así quedarse en el 29 por ciento el día once, porque el software que lo llama todavía no se ha actualizado.
Para escala: el modelo de imagen líder ese día era google/gemini-3.1-flash-image con 2,345,139 peticiones. Los 20 primeros sumaron 10,873,674.
Dos límites sobre la cifra misma. Cuenta peticiones que devolvieron una imagen, en un agregador, en un día. El tráfico de agregadores se inclina hacia desarrolladores que prueban un modelo más que hacia pipelines de producción que ejecutan uno, así que si el volumen de borradores de calidad baja está en producción y la producción factura en primera parte, este ranking está mirando la habitación equivocada. Es una medición real de algo estrecho.
La cifra que hay que vigilar
El 29 por ciento derivará hacia arriba solo por integración y dirá poco en cualquier dirección. La tarifa por token no se movió y no se va a mover. La cifra que vale la pena seguir son los tokens de salida por imagen en calidad baja y media, leídos del usage devuelto, revisados dentro de un mes, cuando 2.6 haya tenido la ventana de integración que tuvo 2.5. Si se mantiene cerca de donde la pusieron las primeras mediciones, 2.6 es una subida de precio con una tarjeta de tarifas sin cambios, y la ganancia de velocidad se paga en parte en reintentos y escalados. Si baja en una versión menor, la tarjeta de tarifas nunca fue el documento interesante.
Una fecha que conviene tener a la vista junto a eso: el 1 de diciembre de 2026, cuando OpenAI retire gpt-image-1-mini, gpt-image-1.5 y chatgpt-image-latest de la API. Todos los que aún los ejecutan tendrán que moverse a algún sitio, y 2.6 es la puerta más cercana. Si la pareja 2.5 mantiene su volumen durante esa migración, o le entrega una parte a los nuevos modelos en una sola semana, dirá más sobre la adopción que cualquier instantánea de once días.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.
agent-autoloop guarda la espera de un humano como una fila en la base de datos
Un hub local pequeño que deja trabajar en segundo plano a un agente de código de línea de comandos y solo interrumpe al humano cuando hace falta una decisión. Lo interesante es qué toma de las colas de mensajes, los dos sitios donde se niega a ser listo y el riesgo de cadena de suministro que una instalación limpia no elimina.