GPT Image 2.6 守住 token 價格,帳單卻變貴了

OpenAI 於 2026 年 11 月 4 日發布 GPT Image 2.6,在 Images API 上以兩個模型的形式提供。十一天後,這兩個模型合計承擔了它所取代的那一對模型約 29% 的請求量。第一個事實是一則發布說明。第二個事實則在幾處被讀成了判決,但不該如此。
11 月 4 日發布了什麼
gpt-image-2.6-flare 鎖定快速迭代與日常圖像工作。gpt-image-2.6-sunburst 鎖定細緻的視覺工作、精確度,以及在中高品質下跨多次編輯的一致性。兩者都接替 2026 年 9 月推出的 GPT Image 2.5。
功能清單很長。標記引導編輯讓你疊上一張透明 PNG,標出想改的區域,描述改動,然後拿回一張已經把標註刪掉的結果。刪乾淨標註才是有用的那一半。用文字描述一個區域,正是編輯最常出錯的地方;而一張回來時乾淨的遮罩,意味著少一次把角落多餘輪廓擦掉的返工。
生成端點支援 SVG 輸出,n=1。生成或編輯支援動態 GIF,frame_count 從 2 到 16,frame_duration_ms 從 20 到 2000。那一週 ChatGPT 裡也出現了 GIF 建立功能。
然後是跟錢有關的那個:複雜度控制。低、中、高,預設為高,官方描述是渲染前做多少規劃。不另外收費。較高的設定可能增加延遲。
費率沒有動
兩個 2.6 模型的 token 費率與 2.5 完全一致:文字輸入每百萬 token 5 美元,快取文字輸入 1.25 美元,圖像輸入每百萬 8 美元,快取圖像輸入 2 美元,圖像輸出每百萬 30 美元。
只看價目表,這像是免費升級。新能力,同樣的價格,還加一條速度聲明。OpenAI 說 2.6 的生成速度比之前快約 50%,但沒有公布基準,所以這個說法無法直接核驗。早期測試者回報,1024x1024、中品質的一張圖耗時 6.7 到 8.9 秒,而 2.5 約 12 秒。8.9 秒是不大的領先。6.7 秒則接近翻倍,而這個區間正是未公布基準裡最誠實的部分。
帳單跟的是 token 數量,不是秒數。
帳單真正變動的地方
每張 1024x1024 圖片的成本,依回傳的 usage 計算:
| 品質 | 每張成本 |
|---|---|
| 低 | $0.025 |
| 中 | $0.043 |
| 高 | $0.053 |
| Xhigh | $0.094 |
| Max | $0.21 |
一份公開測試中,中品質的 Sunburst 生成用了 109 個文字輸入 token 和 1,449 個圖像輸出 token,折算約 0.044 美元。這個數字與表格相差夠小,可以相信算術本身,而不必憑信心接受。
麻煩出在便宜的那一端。只有當每張圖消耗的 token 數相同時,按 token 計費才會等於按圖計費,而在 2.6 上並非如此。在低品質與中品質下,2.6 使用的輸出 token 比 2.5 更多。有一項分析認為,低品質級的 token 數約為舊版的 4.2 倍。這個倍數是單一分析的結論,不是 OpenAI 公布的數字,我會寬鬆看待它。我信的是方向:以低品質打草稿時,新模型做的事比前代更多,而價目表上沒有一個字提到這件事。
低品質也正是量最集中的地方。一週生成一張主圖的人不會在意 0.018 美元。午餐前生成一千張縮圖的人會在意,而這份沒變的價目表,最擅長安撫的正是前一種客戶。
複雜度旋鈕又把它推了一點。它不花錢,預設是高,而高意味著渲染前更多規劃。於是預設組態就是慢的那個;如果規劃要消耗 token,那也是貴的那個。想走便宜的路,得先知道有這個設定,再決定把它調低。預設值決定價格,卻幾乎沒有人把它歸到定價問題裡。
兩個名字,一個價格,兩種成本
Flare 和 Sunburst 每個 token 的價格相同。每張圖的成本並不相同。
Sunburst 為精確度與跨編輯的一致性而建,這意味著更多場景細節,以及更多花在描述細節上的 token。Flare 為迭代而建,通常意味著一次生成多個候選,然後丟掉大部分。同樣的費率,不同的消耗。價目表給兩者一個數字,卻不告訴你某條 prompt 用哪個名字會更便宜。兩個名字一個價格,是在不推出價格級距的情況下推出了一個速度級距,而它把選擇權交給了大多不會去測量的使用者。
我不認為這是套路。當兩個變體的差別是延遲與編輯保真度而非成本時,分開命名是正當的產品決策。副作用是:你按口碑選變體,憑感覺選品質級,複雜度留在預設值,然後帳單來了,沒有任何一項能自我解釋。
29% 能說明什麼,不能說明什麼
用量數字來自 OpenRouter 2026 年 11 月 14 日的公開圖像排行榜。單日資料,image_output_requests,從頁面上解析取得:
| 模型 | 請求數 |
|---|---|
| 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 |
2.5 的那一對合計 2,079,716。2.6 的那一對合計 605,839。這就是 29%,而最直觀的讀法是發布疲軟。
最直觀的讀法忽略了行事曆。2.5 有大約兩個月時間讓第三方工具接入、讓封裝函式庫支援、讓預設值重新指向它。2.6 只有十一天。拿十一天的接入規模去對比兩個月的,衡量的是散布,不是偏好。一個模型可以更快、編輯更好、每 token 定價完全相同,然後在第十一天仍然停在 29%,因為呼叫它的軟體還沒更新。
作為參照:那天排第一的圖像模型是 google/gemini-3.1-flash-image,2,345,139 次請求。前 20 名合計 10,873,674。
這個數字本身有兩條界線。它統計的是有回傳圖片的請求,來自一個聚合平台,僅一天。聚合平台的流量偏向測試模型的開發者,而不是跑模型的產線,所以如果低品質草稿的量在產線上,而產線走的是第一方計費,那麼這個排行榜看的是另一個房間。它是對一件窄事情的可靠測量。
該盯的數字
這 29% 會僅憑接入就自然上行,無論哪種情況都說明不了太多。每 token 費率沒有動,也不會動。真正值得追蹤的是低品質與中品質下每張圖的輸出 token 數,從回傳的 usage 裡讀出來,一個月後再看一次,那時 2.6 已經拿到 2.5 曾有過的接入窗口。如果它維持在早期測量的位置附近,那麼 2.6 就是一次套著未變價目表的漲價,速度上的收益會部分以重試與放大來償還。如果它在某個小版本裡降下來,那價目表從來就不是那份有意思的文件。
還有一個日期要放在旁邊一起看:2026 年 12 月 1 日,OpenAI 從 API 中移除 gpt-image-1-mini、gpt-image-1.5 和 chatgpt-image-latest。所有還在跑這些模型的人都必須遷到別處,而 2.6 是最近的那扇門。2.5 那一對能否在這波遷移中守住用量,還是在某一週裡把一大塊交給新模型,會比任何十一天的快照更能說明採用情況。
相關文章
一份社群維護的點擊表,關掉了中國品牌 Android 系統裡的廣告
它不動系統,不解鎖,不刷機,只把廠商本來就留出來的開關一個個撥過去。代價是這份名單得一直有人續寫。
有人從外部重寫了 IDM,並寫下自己沒碰過的部分
Mister Download Manager 用 Rust 重寫了 Internet Download Manager 的下載流程,聲稱速度快 5 倍、支援 86 種語言。更值得細讀的,是它解釋如何在不複製任何程式碼的前提下完成重寫的那一段。
Rune 是一個 Rust UI 框架,設計初衷是讓 agent 能檢查自己的工作
Rune 能無頭繪製、匯出元素樹並接受腳本化輸入,這讓編碼 agent 拿到截圖永遠給不了的東西,一個可 diff 的訊號。這個框架仍是預先發布版,不接受 pull request。
agent-autoloop 把「等人」存成資料庫裡的一列
一個小型的本地 hub,讓命令列 coding agent 在背景做事,只在需要決策時才打斷你。有意思的是它向訊息佇列借了什麼,哪兩處刻意不耍聰明,以及一次乾淨的安裝也沒能消掉的供應鏈風險。