GPT Image 2.5 Flare vs GPT Image 2.6 Flare

vs

什么时候选哪个

两者未缓存的文本、参考图和输出 token 费率相同。需要网关的 complexity 参数时可试 gpt-image-2.6-flare,从 gpt-image-2.5-flare 迁移前对比实际输出用量。

价格

GPT Image 2.5 Flare GPT Image 2.6 Flare Δ
输入 / 1M token $5 $5 =
输出 / 1M token $30 $30 =
参考图 token / 百万 $8 $8 =
缓存读取 / 1M token - $1.25 -
缓存参考图 token / 百万 - $2 -

价格取自构建时的实时目录,最新价格见各模型页面。

两个模型所处的位置:全部 15 个按同一单位计费的图像生成模型的每 1M token 输出价分布(对数刻度)

规格

GPT Image 2.5 Flare GPT Image 2.6 Flare
输入模态 文本 图像 文本 图像
输出模态 图像 图像
发布日期 2026-09-08 2026-11-04
输出尺寸
  • 1024x1024
  • 1536x1024
  • 1024x1536
  • auto
  • 1024x1024
  • 1536x1024
  • 1024x1536
  • auto
输入方式 文生图和参考图编辑 文生图和参考图编辑
单次请求图片数 4 4
格式 png, jpeg, webp png, jpeg, webp, gif, svg
备注 自定义宽高均须为 16 的倍数,宽高比须在 1:3 至 3:1 之间。quality 在 high 之上还有 xhigh 和 max。在 Synthorai 上,通过 /v1/images/generations 提交 JSON,将参考图以 base64 放入 image 字段。 自定义宽高均须为 16 的倍数,宽高比须在 1:3 至 3:1 之间。在 Synthorai 上,通过 /v1/images/generations 提交 JSON,将参考图以 base64 放入 image 字段。complexity 可独立于 quality 设置为 low、medium 或 high。

规格照录自各供应商的文档;供应商没有公布的项目,对应的行直接省略,不做推断。 完整来源: GPT Image 2.5 Flare · GPT Image 2.6 Flare

同一条提示词,两个模型,经网关实测

提示词 A weathered enamel diner mug on a steel counter, the words "OPEN 24H" stencilled on the mug in worn paint, low winter sun raking in from the left, shallow depth of field.

GPT Image 2.5 Flare

GPT Image 2.5 Flare: A weathered enamel diner mug on a steel counter, the words "OPEN 24H" stencilled on the mug in worn paint, low winter sun raking in from the left, shallow depth of field.

模型返回 1536×1024 延迟 16 s

GPT Image 2.6 Flare

GPT Image 2.6 Flare: A weathered enamel diner mug on a steel counter, the words "OPEN 24H" stencilled on the mug in worn paint, low winter sun raking in from the left, shallow depth of field.

模型返回 1402×1122 延迟 9 s

同一条提示词,每个模型只请求一次,不重试,也不挑结果,展示的都是各模型返回的第一个结果。尺寸和时长都没有指定,各模型用的是自己的默认值,因为硬凑一组所有模型都接受的参数,哪个模型都发挥不好。这里的文件为了网页展示重新编码过,所以请看构图和对提示词的还原程度,不要看压缩画质。

改一行代码就能在两个模型之间切换

下方每个标签页里都有两个模型 ID,高亮的那两行是唯一要改的地方。端点不变,API key 不变,请求结构也不变。

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.images.generate(
    model="gpt-image-2.5-flare",
    # model="gpt-image-2.6-flare",  # 取消注释此行,注释上一行
    prompt="a watercolor lighthouse at dawn",
    size="1024x1024",
)
print(resp.data[0].b64_json[:80])

获取 API key →

常见问题

GPT Image 2.5 Flare 和 GPT Image 2.6 Flare 哪个更便宜?

两者的「输入 / 1M token」同为 $5。其他费率与实际用量仍可能影响总费用。

不用分别集成两次,就能对 GPT Image 2.5 Flare 和 GPT Image 2.6 Flare 做 A/B 测试吗?

可以。两个模型走同一个 OpenAI 兼容端点,用同一个 API key,切换时只要改一行里的模型名,所以可以给两个模型各分一部分流量,直接对比账单。

价格会随图像尺寸变化吗?

要看模型怎么计费。按张计费的模型,不管提示词多长、输出尺寸多大,每张价格都一样;按 token 计费的模型,分辨率越高费用越高,一张 4K 图的成本是小图的好几倍。两个模型各属哪一种,上方表格里有标明。

相关对比

我们的实测研究