什麼是 ChatGPT Images 2.6？GIF 動圖、更快的生成速度，以及 Flare 與 Sunburst 的對比

什麼是 ChatGPT Images 2.6？

ChatGPT Images 2.6 指的是 ChatGPT 中的圖像體驗。您可以描述圖像、上傳參考圖，或在對話中繼續編輯圖像。OpenAI 宣佈此功能已在 ChatGPT 和 Codex 層級中推出。其說明中心將 GIF 製作描述為逐步推廣的功能。

開發人員在發送 API 請求時會選擇模型。模型 ID 為 gpt-image-2.6-flare 和 gpt-image-2.6-sunburst。兩者皆接受文字和圖像輸入以進行圖像處理。如果您想自動化處理一批產品圖片或為應用程式添加動畫，這些就是您在整合時會用到的名稱。

ChatGPT Images 2.6 有哪些新功能？

將繪圖或靜態圖像轉換為 GIF

要求製作一個短循環動畫，並描述需要移動的部分。您可以從提示詞開始，上傳靜態圖像，或使用草圖。繪圖工具本身可追溯至 Images 2.5。在 2.6 版本中，粗略的角色設計可以變成揮手的吉祥物或您可以打開並保存的反應 GIF。

ChatGPT 還可以保存具名的參考照片供後續對話使用。如果您將一個角色保存為 Mascot，在未來的圖像提示詞中輸入 @Mascot 即可重複使用該參考。這讓創作者能在不同的簡報中保持一致的起始圖像。

更快速地生成圖像並在編輯過程中保留更多細節

OpenAI 將 Images 2.6 的生成速度描述為比以往快 50%。它還將此次更新定位於在修訂過程中保留更多細節。對於線上商店而言，這意味著可以更換背景，同時保持瓶蓋、標籤和拍攝角度與原始圖像接近。時間取決於請求內容，因此如果速度對您的工作流程很重要，請使用相同的提示詞、尺寸和品質來測量從提交到獲得可用輸出的時間。

控制規劃、引導編輯並匯出 SVG

在 Image API 中，quality 控制渲染效果，而 complexity 控制模型在渲染前進行規劃的程度。兩個 2.6 模型在複雜度方面皆接受 low、medium 和 high。預設值為 high。對於簡單的背景更換，低複雜度可以提供一個起點，同時保持資產所需的品質。對於包含多個物件且位置要求嚴格的海報，請嘗試增加規劃並檢查生成的佈局。

註釋層可以向圖像編輯端點顯示進行更改的位置。例如，圈出一個花瓶並要求更改顏色，同時保留周圍的架子。API 指南記錄了支援 2.5 和 2.6 模型的此類工作流程。在 2.6 版本中，生成端點還可以為圖示或簡單插圖等向量資產返回 SVG。

如何使用 ChatGPT Images 2.6 將草圖轉換為 GIF

1. 從原始草圖開始

我使用了一隻正面朝向、舉起一隻爪子且背景為純白色的貓。橙色的星星、臉頰兩側的三根鬍鬚以及波浪狀的尾巴，為我提供了與動畫進行比較的獨特特徵。

圖 1. 上傳至 ChatGPT 的原始草圖。

2. 在 ChatGPT 中為原始草圖製作動畫

我上傳了上面的繪圖並使用了下方的提示詞。它讓舉起的手掌產生單一動作，並告知 ChatGPT 草圖的哪些部分應該保持靜止。

使用上傳的草圖作為視覺參考，建立一個簡短的循環動畫 GIF。

保留角色的臉部、身體比例、胸前的星星以及可辨識的輪廓。將粗略的草圖精煉為乾淨、簡潔的 2D 線條藝術，同時保留其手繪的個性。

僅對舉起的手掌進行動畫處理，使其進行一次輕柔的左右揮動。保持頭部、眼睛、身體、胸前星星、相機和白色背景靜止。在整個動畫過程中保持一致的線條粗細和角色細節。

目標是製作一個大約兩秒的循環。當動畫重複時，讓手掌平滑地回到起始姿勢。

將結果作為可播放、可下載的動畫 GIF 返回。

圖 2. 直接從原始草圖生成的 GIF。

我等待了 大約五分鐘 才生成該 GIF。下載的檔案以 兩秒循環 播放，解析度為 768 × 768 像素，共 48 幀。動作集中在舉起的手掌上。臉部、鬍鬚、橘色星星、彎曲的腹部線條和尾巴都清晰可辨，且在循環結束時，手掌會回到接近起始的位置。

3. 選擇性潤飾以獲得更乾淨的草圖

我將原始繪圖用於另一個圖像編輯。清理後的版本具有更淺的輪廓、更圓的手掌和更短的四肢。它保留了橘色星星和舉起的手掌，因此角色仍然很容易辨認。

將上傳的方形貓咪草圖編輯成一張精緻、迷人的手繪吉祥物插圖，用於編輯草圖轉 GIF 的演示。請將此視為對同一角色的細心清理。

保留正面站立的姿勢，觀眾右側舉起的手掌呈現友好的揮動，下方的手掌垂在觀眾左側，波浪狀的尾巴延伸至揮動手臂下方的觀眾右側，兩隻三角形貓耳，每邊臉頰三根鬍鬚，點狀眼睛，開心的微笑，以及胸前明亮的橘色五角星。保留簡單的黑色線條、白色身體、橘色星星的配色。

用圓潤的臉頰和稍微圓一點的頭部來精煉繪圖，軀幹更緊湊且圓潤，腿部和前臂更短，並加上帶有小腳趾曲線的圓潤貓掌。使揮動的輪廓易於辨識，舉起的手掌與鬍鬚和尾巴分開。使用平滑、圓潤且自信的墨水輪廓，比原始版本更輕盈、更平衡，內部線條略細，並帶有微妙的手繪溫暖感。

保持臉部表情豐富，並確保橘色星星在動畫幀中清晰且易於追蹤。1:1 正方形構圖，整隻貓居中，留有寬敞乾淨的白色邊距。明亮的純白背景。扁平簡約的 2D 線條藝術，僅限一個角色。無文字、標籤、道具、額外裝飾、陰影或漸層。交付一張精美的獨立草圖，並具備參考圖的姿勢和可辨識的細節。

圖 3. 經過潤飾的靜態草圖，由同一個原始草圖進行單獨編輯而成。

若要為潤飾後的設計製作動畫，請將其上傳作為來源，並重複使用第 2 步中的 GIF 提示詞。

GPT Image 2.6 Flare 與 Sunburst

針對產品行銷活動，我會先嘗試用 Flare 製作前幾種排版，再使用 Sunburst 編輯已核准的產品圖片。 截至 2026 年 11 月 5 日，Arena 顯示 Sunburst Medium 的單圖編輯評分為 1476 ± 10，Flare Medium 為 1462 ± 10。兩者分數均為初步結果，且範圍有所重疊。

GPT Image 2.6 與 2.5 及 GPT Image 2 的比較

2.5 與 2.6 變體共享相同的官方標準 Token 費率。在 Kingy 的首次中等品質比較測試中，三次靜態圖片請求使用 2.5 Sunburst 的預估成本為 0.045 美元，而 2.6 Sunburst 則為 0.125 美元。每個模型皆編輯了各自生成的圖片。Kingy 的測試檔案與使用量明細

若要在共享來源上進行比較，請讓兩個版本從同一張已核准的產品照片開始。在相同尺寸與品質下，變更標籤顏色、加入小星星，然後替換背景。檢查標誌、瓶身形狀與先前的編輯是否保留。將總支出除以核准的輸出數量，即可觀察重試次數如何影響可用圖片的成本。

GPT Image 2.6 與 Nano Banana 2.1 及 Seedream 5 Pro 的比較

GPT Proto 上的 GPT Image 2.6 API 定價

GPT Proto 提供兩款 2.6 模型，價格比 OpenAI 的標準 Token 費率低 5%。兩種變體均使用下表費率（以每百萬 Token 的美元計算）。

例如，如果請求返回 1,000 個可計費的圖像輸出 Token，則在 GPT Proto 上的輸出部分費用為 $0.0285，而 OpenAI 的標準費率為 $0.0300。加上任何已計費的輸入以估算整個請求的費用。當可用時，請使用回應中的 usage 來比較您自己的提示詞。兩個具有相同 Token 費率的作業可能會使用不同數量的 Token。

如何在 GPT Proto 上獲取 GPT Image 2.6 API 存取權限

1. 設定您的帳戶與餘額。 登入 GPT Proto 並儲值足夠進行小規模測試的餘額。從單次輸出開始，以便您可以檢查檔案和使用量。

2. 開啟模型的快速入門。 選擇 Flare 或 Sunburst 並點擊 Try this model。在 Quick Start 中，建立一個 API 金鑰或選擇現有的金鑰。

3. 複製整合指南並執行測試。 使用 Copy Markdown for AI 將模型指南提供給您的程式設計助手。請它從您應用程式的後端發送一個小型請求，並儲存產生的檔案。在執行下方指令之前，請先在您的本地環境中設定 GPTPROTO_API_KEY。

使用 API 生成 GIF

此文字轉 GIF 的範例使用了 GPT Proto 上與 OpenAI 相容的圖像生成端點。它請求了 9 個影格，每個影格 200 毫秒，以實現 1.8 秒的循環。它從文字提示詞開始，而之前的 ChatGPT 範例則是從上傳的草圖開始。

curl --fail --silent --show-error \
  https://gptproto.com/v1/images/generations \
  -H "Authorization: ${GPTPROTO_API_KEY:?Set GPTPROTO_API_KEY}" \
  -H "Content-Type: application/json" \
  --data-binary @- --output gif-response.json <<'JSON'
{
  "model": "gpt-image-2.6-flare",
  "prompt": "A line-drawn cat waves one paw and returns to its starting pose.",
  "size": "512x512",
  "quality": "low",
  "output_format": "gif",
  "frame_count": 9,
  "frame_duration_ms": 200
}
JSON

請求成功後，從 JSON 回應中解碼 GIF。

python3 - <<'PY'
import base64
import json
from pathlib import Path

response = json.loads(Path("gif-response.json").read_text())
gif_bytes = base64.b64decode(response["data"][0]["b64_json"], validate=True)
if gif_bytes[:6] not in (b"GIF87a", b"GIF89a"):
    raise SystemExit("Expected GIF bytes in the API response.")

Path("mascot-wave.gif").write_bytes(gif_bytes)
print("Saved mascot-wave.gif")
PY

開啟 mascot-wave.gif 並觀看重複播放效果。若要進行 SVG 請求，請使用相同的生成端點，將 output_format 設為 svg，並將 n 設為 1。省略兩個 GIF 時間參數，然後將 Base64 負載直接解碼為 .svg 檔案。