GPT Image 2.6 守住 token 价格,账单却涨了

OpenAI 于 2026 年 11 月 4 日发布 GPT Image 2.6,在 Images API 上以两个模型的形式提供。十一天后,这两个模型合计承担了它所取代的那一对模型约 29% 的请求量。第一个事实是一条发布说明。第二个事实在几处被读成了判决,但不该如此。
11 月 4 日发布了什么
gpt-image-2.6-flare 面向快速迭代和日常图像工作。gpt-image-2.6-sunburst 面向细致的视觉工作、精确度,以及在中高画质下跨多次编辑的一致性。两者都接替 2026 年 9 月推出的 GPT Image 2.5。
功能列表很长。标记引导编辑(markup-guided editing)允许你叠上一张透明 PNG,标出想改的区域,描述改动,然后拿回一张已经删掉标注的结果图。删干净标注才是有用的那一半。用文字描述一个区域,正是编辑最常出错的地方;而一张回来时干净的遮罩,意味着少一次把角落里多余轮廓擦掉的返工。
生成端点支持 SVG 输出,n=1。生成或编辑支持动图 GIF,frame_count 从 2 到 16,frame_duration_ms 从 20 到 2000。那一周 ChatGPT 里也出现了 GIF 创建功能。
然后是跟钱有关的那个:复杂度控制。低、中、高,默认高,官方描述是渲染前做多少规划。不单独收费。更高的设置可能增加延迟。
费率没有动
两个 2.6 模型的 token 费率与 2.5 完全一致:文本输入每百万 token 5 美元,缓存文本输入 1.25 美元,图像输入每百万 8 美元,缓存图像输入 2 美元,图像输出每百万 30 美元。
只看价目表,这像是免费升级。新能力,同样的价格,还加上一条速度声明。OpenAI 说 2.6 的生成速度比之前快约 50%,但没有公布基准,所以这个说法无法直接核验。早期测试者报告,1024x1024、中画质的一张图耗时 6.7 到 8.9 秒,而 2.5 约 12 秒。8.9 秒是个不大的领先。6.7 秒则接近翻倍,而这个区间正是未公布基准里最诚实的部分。
账单跟的是 token 数量,不是秒数。
账单真正变动的地方
每张 1024x1024 图片的成本,按返回的 usage 计算:
| 画质 | 每张成本 |
|---|---|
| 低 | $0.025 |
| 中 | $0.043 |
| 高 | $0.053 |
| Xhigh | $0.094 |
| Max | $0.21 |
一份公开测试中,中画质的 Sunburst 生成用了 109 个文本输入 token 和 1,449 个图像输出 token,折算约 0.044 美元。这个数字与表格相差足够小,可以相信算术本身,而不必凭信心接受。
麻烦出在便宜的那一端。只有当每张图消耗的 token 数相同时,按 token 计费才会等于按图计费,而在 2.6 上并非如此。在低画质和中画质下,2.6 使用的输出 token 比 2.5 更多。有一项分析认为,低画质档的 token 数约为旧版的 4.2 倍。这个倍数是单一分析的结论,不是 OpenAI 公布的数字,我会宽松地看待它。我信的是方向:以低画质出草稿时,新模型做的事比前代更多,而价目表上没有一个字提到这一点。
低画质也正是量最集中的地方。一周生成一张主图的人不会在意 0.018 美元。午饭前生成一千张缩略图的人会在意,而这份没变的价目表,最擅长安抚的正是前一种客户。
复杂度旋钮又把它推了一点。它不花钱,默认是高,而高意味着渲染前更多规划。于是默认配置就是慢的那个;如果规划要消耗 token,那也是贵的那个。想走便宜的路,得先知道有这个设置,再决定把它调低。默认值决定价格,却几乎没有人把它归到定价问题里。
两个名字,一个价格,两种成本
Flare 和 Sunburst 每个 token 的价格相同。每张图的成本并不相同。
Sunburst 为精确度和跨编辑的一致性而建,这意味着更多场景细节,以及更多花在描述细节上的 token。Flare 为迭代而建,通常意味着一次生成多个候选,然后扔掉大部分。同样的费率,不同的消耗。价目表给两者一个数字,却不告诉你某条 prompt 用哪个名字会更便宜。两个名字一个价格,是在不发价格档的情况下发了一个速度档,而它把选择权交给了大多不会去测量的用户。
我不认为这是套路。当两个变体的差别是延迟和编辑保真度而非成本时,分开命名是正当的产品决策。副作用是:你按口碑选变体,凭感觉选画质档,复杂度留在默认值,然后账单来了,没有任何一项能自我解释。
29% 能说明什么,不能说明什么
用量数字来自 OpenRouter 2026 年 11 月 14 日的公开图像榜单。单日数据,image_output_requests,从页面上解析得到:
| 模型 | 请求数 |
|---|---|
| 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 的那一对合计 2,079,716。2.6 的那一对合计 605,839。这就是 29%,而最直观的读法是发布疲软。
最直观的读法忽略了日历。2.5 有大约两个月时间让第三方工具接入、让封装库支持、让默认值重新指向它。2.6 只有十一天。拿十一天的接入规模去对比两个月的,衡量的是分发,不是偏好。一个模型可以更快、编辑更好、每 token 定价完全相同,然后在第十一天仍然停在 29%,因为调用它的软件还没更新。
作为参照:那天排第一的图像模型是 google/gemini-3.1-flash-image,2,345,139 次请求。前 20 名合计 10,873,674。
这个数字本身有两条边界。它统计的是返回了图片的请求,来自一个聚合平台,仅一天。聚合平台的流量偏向于测试模型的开发者,而不是跑模型的产线,所以如果低画质草稿的量在产线上,而产线走的是第一方计费,那么这个榜单看的是另一个房间。它是对一件窄事情的可靠测量。
该盯的数字
这 29% 会仅凭接入就自然上行,无论哪种情况都说明不了太多。每 token 费率没有动,也不会动。真正值得追踪的是低画质和中画质下每张图的输出 token 数,从返回的 usage 里读出来,一个月后再看一次,那时 2.6 已经拿到了 2.5 曾有过的接入窗口。如果它维持在早期测量的位置附近,那么 2.6 就是一次套着未变价目表的涨价,速度上的收益会部分以重试和放大来偿还。如果它在某个小版本里降下来,那价目表从来就不是那份有意思的文件。
还有一个日期要放在旁边一起看:2026 年 12 月 1 日,OpenAI 从 API 中移除 gpt-image-1-mini、gpt-image-1.5 和 chatgpt-image-latest。所有还在跑这些模型的人必须迁到别处,而 2.6 是最近的那扇门。2.5 那一对能否在这次迁移中守住用量,还是在某一周里把一大块交给新模型,会比任何十一天的快照更能说明采用情况。
相关文章
一份社区维护的点击表,关掉了国产 Android 系统里的广告
它不动系统,不解锁,不刷机,只把厂商本来就留出来的开关一个个拨过去。代价是这份名单得一直有人续写。
有人从外部重建了 IDM,并写下了自己没有碰过的部分
Mister Download Manager 用 Rust 重写了 Internet Download Manager 的下载流程,声称速度快 5 倍、支持 86 种语言。更值得细读的,是它解释如何在不复制任何代码的前提下完成重写的那一段。
Rune 是一个 Rust UI 框架,设计初衷是让 agent 能检查自己的工作
Rune 能无头渲染、导出元素树并接受脚本化输入,这让编码 agent 拿到截图永远给不了的东西,一个可 diff 的信号。这个框架仍是预发布版本,不接受 pull request。
agent-autoloop 把「等人」存成数据库里的一行
一个小的本地 hub,让命令行 coding agent 在后台干活,只在需要决策时才打断你。有意思的是它从消息队列里借了什么,哪两处故意不耍聪明,以及一次干净的安装也没能消掉的供应链风险。