Prezzi+7% bonus
Contatta le vendite

API GPT Image 2.6 Flare: Generazione, Modifica e Prezzi

Impara a generare e modificare immagini con GPT Image 2.6 Flare su GPTProto, incluse richieste asincrone, esempi in Python e curl, parametri e prezzi.

API GPT Image 2.6 Flare: Generazione, Modifica e Prezzi

GPT Image 2.6 Flare è un modello di generazione e modifica di immagini di OpenAI progettato per un'iterazione rapida. Su GPTProto, puoi utilizzarlo per creare bozze di layout pubblicitari, generare immagini di prodotto e revisionare immagini tramite una chiave API GPTProto e un saldo condiviso. L'integrazione prevede due percorsi specifici per le attività: uno per generare immagini dal testo e un altro per modificare immagini di riferimento. Invia una richiesta, conserva l'ID della previsione e recupera gli output completati tramite l'URL dei risultati. Questa guida spiega il flusso di lavoro utilizzando gli schemi di richiesta pubblicati da GPTProto, anziché presupporre che i suoi percorsi immagine utilizzino i formati di richiesta e risposta nativi di OpenAI.

Use this pattern

Make the first API call.

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://gptproto.com/v1",
    api_key=os.environ["GPTPROTO_API_KEY"],
)

completion = client.chat.completions.create(
    model="gpt-6.2-sol",
    messages=[
        {
            "role": "user",
            "content": "Who are you?"
        }
    ]
)
print(completion.choices[0].message.content)

Try this API without coding.

Choose a model, test a real prompt and inspect the response before integrating the SDK.

Punti chiave

  • Genera con POST /api/v3/openai/gpt-image-2.6-flare/text-to-image; modifica con il percorso separato /image-edit su https://gptproto.com.

  • Autenticati con Authorization: Bearer YOUR_GPTPROTO_API_KEY. Le richieste di invio JSON utilizzano anche Content-Type: application/json.

  • La generazione da testo a immagine richiede prompt. La modifica delle immagini richiede images e prompt; il modello è già identificato nel percorso.

  • Il flusso di lavoro predefinito è asincrono. Esegui il polling di data.urls.get finché data.status non diventa completed o failed, quindi leggi data.outputs.

  • GPTProto elenca le opzioni di consegna url e b64_json. Non confondere il formato di consegna con il formato del file immagine e non dare per scontato che ogni funzionalità a monte sia esposta.

  • Confronta le impostazioni utilizzando il costo totale delle immagini approvate, inclusi gli input di riferimento e le generazioni ripetute, non un prezzo fisso non supportato per livello di qualità.

Table of contents

A cosa serve Flare

Flare è pensato per bozze rapide, anteprime frequenti e revisioni interattive. Gli utilizzi pratici includono l'esplorazione di sfondi per foto di prodotti, il test di composizioni per campagne e la generazione di diverse direzioni visive prima di sceglierne una da finalizzare. GPT Image 2.6 Sunburst è l'alternativa orientata al dettaglio e alla coerenza all'interno della stessa famiglia. Non è semplicemente una "modalità illustrazione" e Flare non è limitato al fotorealismo. Confrontali in base ai dettagli che determinano l'approvazione: fedeltà dell'etichetta, layout, conservazione di un soggetto approvato e numero di revisioni richieste. Utilizza il catalogo dei modelli per verificare la disponibilità attuale. Un account condiviso non rende identici gli input, i percorsi delle attività o le impostazioni di output di ogni modello.

Configura la tua chiave API

Crea una chiave nella dashboard delle chiavi API di GPT Proto, quindi rendila disponibile alla tua applicazione lato server:

export GPTPROTO_API_KEY="your_api_key_here"

Mantieni la chiave fuori dal codice del browser e dal controllo versione. Caricala da una variabile d'ambiente o dal secret store della tua distribuzione. Se utilizzi un file locale .env, escludi quel file dai commit. Per questa guida, l'origine dell'API è https://gptproto.com. I percorsi di generazione e modifica riportati di seguito contengono già /api/v3; non anteporre /v1 né sostituire l'URL di base delle chat-completions. Una richiesta riuscita all'elenco dei modelli non è prova che un percorso immagine possa completare un lavoro. Verifica il flusso completo di invio e risultato con una piccola richiesta prima di aggiungere l'elaborazione batch.

Genera un'immagine

Il percorso text-to-image di Flare pubblica questo endpoint:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image

Inizia con un'immagine e impostazioni esplicite in modo che la richiesta sia facile da ispezionare:

curl --request POST \
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "A square studio product photo of a matte navy insulated bottle on a pale gray plinth. Soft side lighting, warm off-white background, room for copy on the left. No text.",
    "n": 1,
    "quality": "medium",
    "size": "1024x1024",
    "enable_sync_mode": false,
    "response_format": "url"
  }'

Il modello viene selezionato tramite l'URL. Questo percorso pubblicato non richiede un campo model separato, e size è facoltativo anziché un terzo campo obbligatorio.

Campi di richiesta

Campo Requisito Valori o comportamento pubblicati
prompt Obbligatorio Istruzioni testuali per l'immagine
n Opzionale 1–10 immagini; iniziare con 1 per un test controllato
quality Opzionale auto, low, medium, high, xhigh, max; predefinito auto
size Opzionale auto, 1024x1024, 1536x1024, 1024x1536, 2048x2048, 2048x1152, 3840x2160, 2160x3840; predefinito auto
enable_sync_mode Opzionale Booleano; predefinito false
response_format Opzionale url o b64_json; predefinito url
Questi sono i campi elencati nello schema text-to-image attuale di GPT Proto. Non aggiungere quality: "hd", negative_prompt, format o output_format solo perché un altro modello o API li accetta. Lo schema pubblicato non specifica una lunghezza massima per il prompt, pertanto un limite proveniente da un altro endpoint non deve essere considerato come contratto per questo percorso.

Recuperare il risultato

L'invio e il recupero dei risultati utilizzano un envelope contenente code, message e data. Il successo HTTP da solo non significa che la generazione sia terminata. Controllare il code a livello di business e lo stato della previsione.

Campo Come utilizzarlo
data.id Conservare questo ID di previsione per la risoluzione dei problemi e il recupero successivo
data.urls.get Utilizzare l'URL del risultato restituito invece di tentare di indovinare un indirizzo di polling
data.status created, running, completed o failed
data.outputs Stringhe di output; popolate quando la previsione è completata
data.error Informazioni sull'errore quando lo stato è failed
Effettuare il polling ogni 1–3 secondi mentre il processo è created o running, come descritto nel riferimento al percorso di GPT Proto. Un tipico indirizzo di risultato segue questo schema:
GET https://gptproto.com/api/v3/predictions/{result_id}/result

Utilizzare la stessa autenticazione Bearer durante il polling. Per response_format: "url", gli output completati sono URL di file. Per b64_json, l'array di output documentato può contenere stringhe Base64. Nessuno dei due casi utilizza l'assunzione nativa di OpenAI data[0].b64_json per questo percorso di GPT Proto. Salvare le risorse che è necessario conservare, preservare il loro tipo di supporto effettivo e non fare affidamento su una durata non documentata dell'URL ospitato.

Python: Invio e polling

Installa requests nell'ambiente della tua applicazione. Il seguente esempio effettua un invio, esegue il polling dell'URL del risultato restituito e stampa gli URL di output completati. Il limite di cinque minuti è un timeout dell'applicazione utilizzato in questo esempio, non una garanzia del servizio.

import os
import time
from urllib.parse import urlparse
import requests
ORIGIN = "https://gptproto.com"
API_KEY = os.environ["GPTPROTO_API_KEY"]
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
def read_envelope(response):
    response.raise_for_status()
    body = response.json()
    if body.get("code") != 200:
        raise RuntimeError(f"GPT Proto request failed: {body.get('message')}")
    data = body.get("data")
    if not isinstance(data, dict):
        raise RuntimeError("Missing prediction data")
    return data
def submit_and_poll(scene, payload, timeout_seconds=300):
    if scene not in {"text-to-image", "image-edit"}:
        raise ValueError("Unsupported scene")
    endpoint = f"{ORIGIN}/api/v3/openai/gpt-image-2.6-flare/{scene}"
    response = requests.post(
        endpoint,
        headers={**HEADERS, "Content-Type": "application/json"},
        json=payload,
        timeout=(10, 120),
    )
    prediction = read_envelope(response)
    prediction_id = prediction.get("id")
    deadline = time.monotonic() + timeout_seconds
    while True:
        status = prediction.get("status")
        if status == "completed":
            outputs = prediction.get("outputs")
            if not isinstance(outputs, list) or not outputs:
                raise RuntimeError("Completed prediction has no outputs")
            return outputs
        if status == "failed":
            raise RuntimeError(
                f"Prediction {prediction_id} failed: {prediction.get('error')}"
            )
        if status not in {"created", "running"}:
            raise RuntimeError(f"Unexpected prediction status: {status}")
        if time.monotonic() >= deadline:
            raise TimeoutError(f"Check prediction {prediction_id} before resubmitting")
        result_url = prediction.get("urls", {}).get("get")
        parsed = urlparse(result_url or "")
        if (
            parsed.scheme != "https"
            or parsed.netloc != "gptproto.com"
            or not parsed.path.startswith("/api/v3/predictions/")
        ):
            raise RuntimeError("Unexpected result URL; check the route documentation")
        time.sleep(2)
        prediction = read_envelope(
            requests.get(result_url, headers=HEADERS, timeout=(10, 60))
        )
if __name__ == "__main__":
    outputs = submit_and_poll(
        "text-to-image",
        {
            "prompt": "A square product photo of a navy bottle on a pale plinth, soft side lighting, no text",
            "n": 1,
            "quality": "medium",
            "size": "1024x1024",
            "enable_sync_mode": False,
            "response_format": "url",
        },
    )
    for output_url in outputs:
        print(output_url)

Salva lo script come flare_example.py se desideri riutilizzare il suo helper nell'esempio di modifica qui sotto. Si interrompe intenzionalmente in caso di errori di richiesta, invece di inviare nuovamente in modo automatico una generazione potenzialmente fatturabile. Aggiungi una gestione dei tentativi in produzione attorno all'operazione appropriata dopo aver verificato se la previsione originale esiste.

Node.js: Inviare una generazione

Con un runtime Node.js attuale che supporta fetch e AbortSignal.timeout, puoi inviare lo stesso JSON senza un wrapper di immagine specifico per l'SDK. Salva questo esempio come file .mjs :

const apiKey = process.env.GPTPROTO_API_KEY;
if (!apiKey) throw new Error("Imposta prima GPTPROTO_API_KEY");
const response = await fetch(
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${apiKey}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      prompt: "A square product photo of a navy bottle, soft side lighting, no text",
      n: 1,
      quality: "medium",
      size: "1024x1024",
      enable_sync_mode: false,
      response_format: "url",
    }),
    signal: AbortSignal.timeout(120000),
  },
);
if (!response.ok) throw new Error(`HTTP ${response.status}`);
const body = await response.json();
if (body.code !== 200 || !body.data) {
  throw new Error(body.message || "Invio della previsione fallito");
}
console.log(JSON.stringify(body.data, null, 2));

Questo stampa la previsione, non un file immagine finito. Usa il suo valore urls.get per il polling autenticato e leggi outputs solo dopo che lo stato diventa completed, seguendo il flusso di lavoro sopra indicato.

Modificare le immagini di riferimento

La rotta di modifica immagine Flare è separata dalla generazione:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/image-edit

Accetta JSON con i campi obbligatori images e prompt. GPT Proto descrive images come un array di stringhe e consente fino a 16 immagini di riferimento. Elenca le stesse impostazioni di qualità, dimensione, sincronizzazione e consegna della rotta di generazione. Prepara le immagini di riferimento attraverso il flusso di caricamento supportato e ispeziona la richiesta generata. Usa quelle stringhe di riferimento in images; non sostituire un percorso di file locale, una codifica Base64 arbitraria o un campo multipart denominato image senza aver verificato la rappresentazione dell'input prevista. Ad esempio, archivia le stringhe di riferimento da quel flusso come un array JSON in GPTPROTO_REFERENCE_IMAGES, quindi riutilizza l'helper Python:

import json
import os
from flare_example import submit_and_poll
references = json.loads(os.environ["GPTPROTO_REFERENCE_IMAGES"])
if (
    not isinstance(references, list)
    or not 1 <= len(references) <= 16
    or not all(isinstance(item, str) and item for item in references)
):
    raise ValueError("Fornisci 1–16 stringhe di riferimento valide dal flusso di caricamento")
outputs = submit_and_poll(
    "image-edit",
    {
        "images": references,
        "prompt": "Replace only the tabletop with light oak. Preserve the bottle shape, printed label, camera angle, reflections, and shadow direction.",
        "n": 1,
        "quality": "medium",
        "size": "1024x1024",
        "enable_sync_mode": False,
        "response_format": "url",
    },
)
print(outputs)

Maschere e markup non sono intercambiabili

L'attuale schema di modifica di GPT Proto non elenca i campi mask o markup. Non inviare una maschera in bianco e nero o un livello di annotazione trasparente presumendo che venga interpretato come un limite di modifica. OpenAI documenta la modifica guidata dal markup nella sua guida alla generazione di immagini, ma il supporto a monte non è prova che il percorso JSON di GPT Proto esponga gli stessi controlli. Per questo percorso, inizia con input di riferimento supportati e un'istruzione di modifica precisa. Confronta l'output con l'originale, incluse le aree che dovevano rimanere invariate.

Scegli qualità, dimensioni e consegna separatamente

Usa low per bozze economiche quando soddisfano il brief, quindi confronta le impostazioni medium e superiori per le risorse finali. Questa è una raccomandazione di flusso di lavoro, non una garanzia misurata che un'impostazione più alta produca sempre l'immagine migliore o una particolare latenza.

Il selettore di dimensioni pubblicato include opzioni quadrate, orizzontali e verticali. La sua guida alle dimensioni richiede bordi divisibili per 16, un bordo massimo di 3.840 pixel, un rapporto di aspetto non più largo o alto di 3:1 e un conteggio totale di pixel compreso tra 655.360 e 8.294.400. Inizia con i preset elencati invece di presumere che qualsiasi larghezza e altezza personalizzata venga accettata.

response_format controlla la consegna: url o b64_json. Non seleziona PNG, JPEG, WebP, GIF o SVG. L'attuale schema di richiesta di GPT Proto non elenca output_format, frame_count, frame_duration_ms, complexity o negative_prompt.

OpenAI documenta funzionalità aggiuntive, inclusi output SVG e GIF animate. Trattale come funzionalità a monte finché il percorso GPT Proto che utilizzi non le espone esplicitamente. Non aggiungere campi non documentati alla richiesta né descrivere questi formati come output confermati di questo percorso.

Prezzi e costi per immagine approvata

Tariffe verificate l'8 novembre 2026, ora del Pacifico. Il riferimento al modello attuale di GPT Proto elenca queste tariffe per token immagine; i prezzi possono variare.

Componente di fatturazione Tariffa GPT Proto per 1M di token
Input immagine $7,60
Output immagine $28,50
Input immagine memorizzato nella cache $1,90

L'input di testo viene fatturato separatamente. Controlla la tariffa in tempo reale e la precisione visualizzata prima di stimare un lavoro completo. La pagina del modello pubblicizza attualmente tariffe inferiori del 5% rispetto al prezzo di listino; si tratta di una dichiarazione di prezzo specifica per il modello, non di uno sconto garantito su tutti i modelli o di un risparmio fisso su ogni immagine generata. A titolo illustrativo, 1.000 token di output immagine fatturabili a $28,50 per milione costano $0,0285. Questo è un esempio aritmetico che copre solo l'output, non una previsione di quanti token utilizzerà una particolare immagine. L'input di testo, l'elaborazione delle immagini di riferimento e le generazioni ripetute si aggiungono al totale.

Il riferimento al percorso attuale non documenta un campo usage nel suo envelope di previsione. Utilizza le informazioni di fatturazione disponibili per il tuo account; non basare il reporting dei costi su un campo di risposta non confermato. Una qualità superiore, output più grandi e riferimenti aggiuntivi possono modificare il consumo, ma qui non è stabilito alcun moltiplicatore fisso o prezzo per immagine basato su livelli.

Tieni traccia della spesa totale divisa per le risorse approvate per confrontare i flussi di lavoro. Una bozza più economica che richiede diverse revisioni può costare più di un risultato di qualità superiore ottenuto al primo tentativo. Inizia con n: 1, utilizza le dimensioni richieste dal posizionamento e aumenta il volume solo dopo aver verificato sia la qualità dell'output che la fatturazione. Consulta i prezzi di GPT Proto per i termini di pagamento attuali a livello di account.

Scrivi prompt che puoi valutare

Descrivi la risorsa, il soggetto, la composizione, l'illuminazione, lo stile e i vincoli in un linguaggio semplice. Per una modifica, separa la modifica richiesta dai dettagli che devono rimanere invariati. Non dare per scontato che un ordine fisso delle parole abbia un vantaggio documentato nella ponderazione dei token.

Campagna prodotto: “Crea una pubblicità in studio quadrata per una bottiglia isolata blu navy opaco. Posizionala sul terzo destro su un piedistallo grigio pallido. Mantieni libera la metà sinistra per il testo. Usa un'illuminazione laterale morbida e uno sfondo bianco sporco caldo. Lascia l'immagine priva di testo.”

Revisione mirata: “Cambia solo il piano del tavolo in rovere chiaro. Mantieni invariati l'angolazione della fotocamera, la forma della bottiglia, l'etichetta stampata, i riflessi e la direzione dell'ombra. Abbina l'illuminazione esistente.”

Testo esatto: “Crea un poster per eventi in formato ritratto con il titolo ‘NIGHT MARKET’ scritto esattamente così. Usa un titolo grande in alto, una foto del prodotto al centro e uno spazio libero in basso per aggiungere una data in seguito.”

Controlla le scritte a grandezza naturale e ispeziona il ritaglio finale. Un output visivamente convincente può comunque contenere un'etichetta errata o un'area di testo inutilizzabile. La guida ai prompt di GPT Image 2.5 fornisce esercizi di prompting correlati; i suoi esempi non sono un benchmark per Flare 2.6.

Gestisci gli errori senza creare job duplicati

Controlla sia la risposta HTTP che l'envelope della previsione. L'accettazione della richiesta, il completamento della generazione e il recupero degli asset sono passaggi distinti.

Stato o condizione Azione consigliata
HTTP 400 Controlla i campi obbligatori, i valori supportati ed eventuali messaggi relativi alla moderazione
HTTP 401 Controlla la chiave Bearer e l'accesso all'account; non ripetere credenziali invariate
HTTP 403 Il riferimento alla rotta elenca crediti insufficienti come possibile causa; controlla il saldo e il messaggio restituito
HTTP 413 Riduci il corpo della richiesta o utilizza il flusso di lavoro di caricamento dei riferimenti supportato
HTTP 429 Attendi prima di riprovare; rispetta Retry-After se la risposta lo fornisce
HTTP 500, 502 o 504 Determina se l'invio ha creato una previsione prima di inviare una seconda generazione
data.status: "failed" Ispeziona data.error; correggi la causa invece di eseguire il polling a tempo indeterminato

Utilizza una policy di retry limitata con jitter per le operazioni riprovabili. Il ritardo, il numero di tentativi e la scadenza dell'applicazione sono scelte di configurazione a tua discrezione, non impostazioni predefinite garantite da GPT Proto. Non dare per scontato che ogni risposta contenga un particolare set di intestazioni di limitazione della frequenza (rate-limit).

Registra gli ID delle previsioni, lo stato della risposta, i tempi e i dettagli dell'errore sanificati. Non registrare la chiave API, le immagini di riferimento complete o l'intero payload della richiesta. Dopo un timeout di rete, recupera la previsione nota ove possibile prima di inviarla nuovamente; le generazioni duplicate potrebbero comportare costi aggiuntivi.

Sposta un flusso di lavoro esistente su Flare 2.6

Un aggiornamento è più che sostituire una stringa di modello. GPT Proto seleziona questo modello e questa attività tramite il percorso della rotta. Mantieni disponibile un'integrazione esistente mentre testi la nuova generazione o la rotta di modifica con prompt e riferimenti rappresentativi.

Utilizza impostazioni esplicite per dimensioni, qualità, conteggio immagini e consegna. Confronta l'accuratezza del testo, la conservazione dei dettagli del prodotto, il tempo necessario per un risultato approvato e la spesa totale tra le revisioni. Ricontrolla l'analisi della risposta e il comportamento di polling prima di spostare il traffico di produzione ricorrente.

Se stai eseguendo la migrazione da un client di immagini nativo OpenAI, adatta il payload e la gestione dei risultati all'envelope data.status e data.outputs di GPT Proto. Non dare per scontato che client.images.generate() o client.images.edit() possano chiamare queste rotte native di GPT Proto senza modifiche.

Una chiave per Agenti, Coding e App

Potenzia i tuoi agenti AI, strumenti di programmazione e app con un accesso conveniente ai modelli leader tramite un'unica chiave API.

Esplora i modelli API
Una chiave per Agenti, Coding e App
Related models
All models
OpenAI
5% OFF
OpenAI
5% OFF
OpenAI
20% OFF
OpenAI
20% OFF

Domande frequenti

Quale URL dovrei utilizzare per GPT Image 2.6 Flare su GPTProto?

Utilizza https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image per la generazione e il percorso /image-edit per la modifica tramite immagine di riferimento. Autenticati con una chiave Bearer GPTProto.

Ogni richiesta restituisce immediatamente i dati dell'immagine in Base64?

No. L'impostazione predefinita pubblicata è l'elaborazione asincrona con consegna tramite URL. L'invio potrebbe restituire una previsione i cui output sono ancora vuoti. Esegui il polling dell'URL del risultato restituito, quindi leggi data.outputs al termine. b64_json è un'opzione di consegna supportata separata.

Posso richiedere una modifica basata su GIF, SVG o maschera tramite questi percorsi?

Gli schemi attuali non espongono controlli di formato GIF/SVG o campi maschera. Il supporto a monte di OpenAI non stabilisce la loro disponibilità tramite questi percorsi GPTProto. Utilizza i parametri pubblicati per il percorso selezionato.

Quanto costa un'immagine?

Non esiste un prezzo universale per un'immagine di qualità bassa, media o alta. Il consumo di token, gli input di riferimento e i tentativi ripetuti influiscono sulla spesa totale. Utilizza le tariffe correnti e la fatturazione effettiva dell'account per il carico di lavoro che intendi eseguire.

Dovrei scegliere Flare o Sunburst?

Inizia con Flare per iterazioni rapide e revisioni interattive. Valuta Sunburst quando la composizione dettagliata o la coerenza tra le modifiche determinano se una risorsa è utilizzabile. Scegli utilizzando output rappresentativi invece di presumere che uno sia il modello per la fotografia e l'altro per l'illustrazione.

Related Articles

Altri articoli del blog
Le migliori API Speech-to-Text per sviluppatori: 11 servizi a confronto

Le migliori API Speech-to-Text per sviluppatori: 11 servizi a confronto

La migliore API speech-to-text dipende dal fatto che l'audio arrivi in tempo reale o come file completato, dalle lingue e dagli accenti contenuti e dalla necessità di etichette per i parlanti o timestamp per le parole. Deepgram e AssemblyAI documentano prodotti per lo streaming, mentre il modello deprecato whisper-1 elabora audio registrato. OpenAI ha programmato la chiusura di whisper-1 per il 26 febbraio 2027; le nuove integrazioni dovrebbero valutare i sostituti consigliati piuttosto che iniziare con questo endpoint legacy.

Michael Johnson | 2026-11-11

Cos'è Claude Fable 5.2? Coding, giochi ed esempi creativi

Cos'è Claude Fable 5.2? Coding, giochi ed esempi creativi

Abbiamo provato Claude Fable 5.2 su due progetti visivi: un sito web per un museo d'arte e uno studio interattivo sull'acquerello. Il sito web è risultato fluido e dall'aspetto pulito, con una palette sobria e filtri per le mostre perfettamente funzionanti. La demo sull'acquerello era pratica da usare, i controlli hanno funzionato durante il nostro test e il rendering è apparso naturale. Questi risultati pratici sono la parte più interessante di questa recensione, insieme ai benchmark di programmazione e ai progetti della community riportati di seguito. Claude Fable 5.2 è il modello di Anthropic per il ragionamento complesso, lo sviluppo software e il lavoro esteso tramite agenti, rilasciato il 9 novembre 2026. Il suo fascino creativo deriva dall'applicazione di queste capacità a elementi visibili e interattivi: siti web, giochi, grafica procedurale e animazioni. Il mio consiglio è di provarlo su un progetto con diversi requisiti interconnessi: design, comportamento, contenuti e revisione. Una semplice riscrittura non giustifica il costo di questo livello. Un progetto che si blocca ripetutamente con un modello più economico è un banco di prova migliore. Puoi ottenere l' accesso all'API di Claude Fable 5.2 tramite GPTProto , con tariffe standard sui token inferiori del 10% rispetto al prezzo ufficiale.

Schuyler Stacy | 2026-11-11

Cos'è Seedream 5.5? Editing a 100 round, RGBA nativo e stato dell'API

Cos'è Seedream 5.5? Editing a 100 round, RGBA nativo e stato dell'API

La maggior parte degli aggiornamenti dei modelli di immagine sono facili da riassumere: output migliore, migliore aderenza ai prompt o generazione più rapida. Seedream 5.5 è più interessante perché ByteDance si concentra su ciò che accade dopo la prima immagine. Il modello è progettato per mantenere un'immagine stabile attraverso modifiche ripetute, produrre risorse trasparenti riutilizzabili e renderizzare testi densi con meno errori. C'è un problema. I risultati più audaci, inclusa la demo di editing a 100 round e la maggior parte dei confronti tra modelli, provengono dai test interni di ByteDance. Seedream 5.5 non è stato ancora aggiunto a GPTProto e la sua documentazione API internazionale pubblica è ancora incompleta. Ecco la versione breve. Stato di Seedream 5.5 Informazioni attuali Rilascio ufficiale 9 novembre 2026 Tipo di modello Generazione e modifica di immagini Miglioramenti principali Editing multi-turno, risorse RGBA native, realismo e rendering del testo Accesso per i consumatori In fase di rilascio tramite i prodotti ByteDance Accesso a GPTProto Non ancora disponibile ID API internazionale pubblico Non documentato al momento della stesura Seedream 5.5 Pro Annunciato, senza data di rilascio Crea con Seedream 5.0 Pro

Schuyler Stacy | 2026-11-10

Cos'è ChatGPT Images 2.6? GIF, generazione più rapida e Flare vs Sunburst

Cos'è ChatGPT Images 2.6? GIF, generazione più rapida e Flare vs Sunburst

ChatGPT Images 2.6 è l'aggiornamento di OpenAI del 4 novembre 2026 per la generazione e la modifica di immagini. Porta le GIF in loop su ChatGPT e introduce due modelli API. Flare è progettato per bozze e revisioni rapide. Sunburst è quello che proverei per primo quando un'etichetta di prodotto deve sopravvivere a un cambio di sfondo. Ho provato l'aggiornamento su uno schizzo di un gatto con una stella arancione sul petto. Ho chiesto un singolo movimento della zampa alzata. Il viso, i baffi e la stella mi hanno fornito dettagli fissi da controllare mentre la zampa si muoveva. Bozze più rapide con Flare

Schuyler Stacy | 2026-11-05