GPT Image 2.6 a tenu le prix des tokens et fait monter la facture

OpenAI a livré GPT Image 2.6 le 4 novembre 2026, sous la forme de deux modèles sur l'API Images. Onze jours plus tard, le couple traitait environ 29 pour cent du volume de requêtes du couple qu'il remplace. Le premier fait est une note de lancement. Le second est lu, en quelques endroits, comme un verdict, et il ne devrait pas l'être.
Ce qui est sorti le 4 novembre
gpt-image-2.6-flare est positionné pour l'itération rapide et le travail d'image quotidien. gpt-image-2.6-sunburst est positionné pour le travail visuel détaillé, la précision et la cohérence entre les retouches en qualité moyenne ou haute. Tous deux succèdent à GPT Image 2.5, arrivé en septembre 2026.
La liste des fonctions est longue. L'édition guidée par balisage permet de superposer un PNG transparent marquant la zone à modifier, de décrire le changement et de récupérer un résultat dont l'annotation a été retirée. Le retrait est la moitié utile. Décrire une zone avec des mots est précisément là où les retouches tournent mal, et un masque qui revient propre signifie une passe de moins pour effacer un contour parasite dans un coin.
Sortie SVG sur l'endpoint de génération, n=1. Sortie GIF animé sur la génération ou l'édition, frame_count de 2 à 16, frame_duration_ms de 20 à 2000. La création de GIF est aussi apparue dans ChatGPT cette semaine-là.
Puis celle qui compte pour l'argent : un contrôle de complexité. Low, medium ou high, high par défaut, décrit comme la quantité de planification avant le rendu. Aucun frais séparé. Les réglages plus élevés peuvent augmenter la latence.
Les tarifs n'ont pas bougé
Les deux modèles 2.6 portent des tarifs identiques à ceux de 2.5 : 5 dollars par million de tokens d'entrée texte, 1.25 dollar pour l'entrée texte en cache, 8 dollars par million d'entrée image, 2 dollars pour l'entrée image en cache, 30 dollars par million de tokens de sortie image.
Sur une grille tarifaire, cela se lit comme une mise à niveau gratuite. Nouvelles capacités, mêmes prix, plus une promesse de vitesse. OpenAI annonce une génération environ 50 pour cent plus rapide qu'avant, sans publier la référence, donc l'affirmation ne peut pas être vérifiée directement. Les premiers testeurs rapportent 6.7 à 8.9 secondes pour une image 1024x1024 en qualité moyenne, contre environ 12 secondes sur 2.5. À 8.9 secondes, le gain est modeste. À 6.7, il frôle le double, et cet écart est la part honnête d'une référence non publiée.
La facture suit le nombre de tokens, pas les secondes.
Où la facture bouge vraiment
Coût par image 1024x1024, mesuré à partir de l'usage retourné :
| Qualité | Coût par image |
|---|---|
| Low | $0.025 |
| Medium | $0.043 |
| High | $0.053 |
| Xhigh | $0.094 |
| Max | $0.21 |
Un test publié d'une génération Sunburst en qualité moyenne a utilisé 109 tokens d'entrée texte et 1,449 tokens de sortie image, soit environ 0.044 dollar. On est assez près du tableau pour faire confiance à l'arithmétique plutôt que de l'accepter par foi.
Le hic se situe dans le bas de gamme. Un tarif au token ne donne un prix par image constant que si l'image consomme le même nombre de tokens, et sur 2.6 ce n'est pas le cas. En qualité basse et moyenne, 2.6 utilise plus de tokens de sortie que 2.5. Une analyse situe le palier basse qualité à environ 4.2 fois l'ancien nombre de tokens. Ce multiplicateur vient d'une seule analyse, pas d'un chiffre publié par OpenAI, et je le tiendrais avec prudence. Ce que je retiens, c'est la direction : rédigé en basse qualité, le nouveau modèle travaille plus que son prédécesseur, et rien sur la grille tarifaire ne le dit.
La basse qualité est aussi là où vit le volume. Quelqu'un qui génère une image d'en-tête par semaine ne remarquera pas 0.018 dollar. Quelqu'un qui génère mille vignettes avant midi le remarquera, et c'est ce client qu'une grille inchangée rassure le mieux.
Le bouton de complexité incline un peu plus. Il ne coûte rien, il est sur high par défaut, et high signifie plus de planification avant le rendu. La configuration par défaut est donc la lente et, si la planification consomme des tokens, la coûteuse. Prendre le chemin moins cher suppose de savoir que le réglage existe et de décider de le baisser. Les valeurs par défaut fixent les prix. Presque personne ne les classe dans la tarification.
Deux noms, un prix, deux coûts
Flare et Sunburst coûtent le même prix au token. Ils ne coûtent pas le même prix par image.
Sunburst est conçu pour la précision et la cohérence entre les retouches, donc plus de détail de scène et plus de tokens pour le décrire. Flare est conçu pour l'itération, ce qui veut généralement dire générer des candidats et en jeter la plupart. Mêmes tarifs, combustion différente. La grille vous donne un chiffre pour les deux et aucun moyen de savoir sur quel nom un prompt donné reviendra moins cher. Deux noms à un prix, c'est une façon de livrer un palier de vitesse sans livrer un palier de prix, et cela déplace la décision vers des utilisateurs qui, pour la plupart, ne la mesureront pas.
Je ne crois pas que ce soit un stratagème. Quand la différence entre deux variantes tient à la latence et à la fidélité d'édition plutôt qu'au coût, les nommer séparément est un choix produit légitime. L'effet de bord, c'est qu'on choisit une variante à la réputation, un palier de qualité au feeling, qu'on laisse la complexité par défaut, et que la facture arrive sans ligne qui s'explique d'elle-même.
Ce que les 29 pour cent peuvent dire, et ne peuvent pas dire
Les chiffres de volume viennent du classement public des images d'OpenRouter pour le 14 novembre 2026. Un jour, image_output_requests, extrait de la page :
| Modèle | Requêtes |
|---|---|
| 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 |
Le couple 2.5 totalise 2,079,716. Celui de 2.6 totalise 605,839. Cela fait 29 pour cent, et la lecture évidente est un lancement mou.
La lecture évidente ignore le calendrier. 2.5 a eu environ deux mois pour que les outils tiers l'intègrent, que les bibliothèques d'enveloppe l'ajoutent, que les valeurs par défaut soient réorientées vers lui. 2.6 a eu onze jours. Peser une empreinte d'intégration de onze jours contre une de deux mois mesure la distribution, pas la préférence. Un modèle peut être plus rapide, meilleur en édition et au même prix au token, et rester à 29 pour cent au jour onze, parce que le logiciel qui l'appelle n'a pas encore été mis à jour.
Pour l'échelle : le premier modèle d'image ce jour-là était google/gemini-3.1-flash-image avec 2,345,139 requêtes. Les 20 premiers totalisaient 10,873,674.
Deux limites au chiffre lui-même. Il compte les requêtes qui ont renvoyé une image, sur un agrégateur, un seul jour. Le trafic d'agrégateur penche vers les développeurs qui testent un modèle plutôt que vers les pipelines de production qui en font tourner un, donc si le volume de brouillons basse qualité vit en production et que la production facture en direct, ce classement regarde la mauvaise pièce. C'est une mesure réelle d'une chose étroite.
Le chiffre à surveiller
Les 29 pour cent dériveront vers le haut par la seule intégration et ne diront pas grand-chose dans un sens ou dans l'autre. Le tarif au token n'a pas bougé et ne bougera pas. Le chiffre qui vaut le suivi, c'est le nombre de tokens de sortie par image en qualité basse et moyenne, lu dans l'usage retourné, vérifié dans un mois, quand 2.6 aura eu la fenêtre d'intégration accordée à 2.5. S'il reste près des premières mesures, 2.6 est une hausse de prix déguisée en grille inchangée, et le gain de vitesse se rembourse en partie en reprises et en agrandissements. S'il baisse dans une version mineure, la grille n'a jamais été le document intéressant.
Une date à garder en vue à côté : le 1er décembre 2026, quand OpenAI retire gpt-image-1-mini, gpt-image-1.5 et chatgpt-image-latest de l'API. Tous ceux qui les font encore tourner devront aller quelque part, et 2.6 est la porte la plus proche. Savoir si le couple 2.5 tient son volume pendant cette migration, ou en cède une partie aux nouveaux modèles en une seule semaine, en dira plus sur l'adoption que n'importe quel instantané de onze jours.
Articles associés
Une feuille de calcul communautaire de clics pour couper les publicités des Android chinois
Il ne touche pas au système, ne déverrouille rien, ne flashe rien. Il bascule un à un les interrupteurs que les fabricants ont déjà prévus. Le prix à payer, c'est la liste qu'il faut continuer d'écrire.
Quelqu'un a reconstruit IDM de l'extérieur et a écrit ce qu'il n'a pas touché
Une réimplémentation en Rust d'Internet Download Manager revendique 5 fois la vitesse et 86 langues. Le document le plus intéressant est le paragraphe qui explique comment elle a été construite sans rien copier.
Rune est un framework UI Rust conçu pour qu'un agent puisse vérifier son propre travail
Rune rend en headless, vide son arbre d'éléments et accepte des entrées scriptées, ce qui donne à un agent de codage un signal différable qu'aucune capture d'écran ne fournit. Le framework est en préversion et n'accepte pas de pull requests.
agent-autoloop range l'attente d'un humain dans une ligne de base de données
Un petit hub local qui laisse un agent de code en ligne de commande travailler en arrière-plan et n'interrompt l'humain que pour une décision. Ce qu'il emprunte aux files de messages, les deux endroits où il refuse d'être malin, et le risque de chaîne d'approvisionnement qu'une installation propre n'efface pas.