Da OpenAI udgav Images 2.6 den 4. november 2026, kom API'et med to niveauer på én gang: GPT‑Image‑2.6 Flare (gpt-image-2.6-flare) og GPT‑Image‑2.6 Sunburst (gpt-image-2.6-sunburst). Ifølge produktbeskrivelsen og modelsiderne er Flare rettet mod generering og redigering med hurtig iteration, mens Sunburst er rettet mod arbejdsgange, der lægger vægt på detaljeret komposition og præcise redigeringer. Diskussioner om modelvalg blander ofte »den hastighed, der påstås i markedsføringen« sammen med »den kvalitet, en virksomhed kan acceptere«. En mere holdbar tilgang er at fastlåse prompts og opløsning og derefter evaluere i den rækkefølge, den officielle dokumentation beskriver – ikke at rute som standard ud fra ubekræftede sloganer fra tredjeparter.

👉 Prøv GPT Image 2.6-API'et på PoYo: pris pr. billede og online playground.

Officiel positionering

Ifølge OpenAI kan Flare generere et billede på omkring seks sekunder, når quality er low; Flare forbedrer også layoutkvaliteten for plakater, produktbilleder og lignende professionelle visuelle udtryk. Sunburst kommer i spil, når der kræves flere detaljer og mere præcision: OpenAI oplyser, at den ved quality sat til medium eller high kan levere generering af højere kvalitet og bevare stærkere konsistens gennem redigeringer. Disse udsagn om tid og kvalitet stammer fra OpenAI's annoncering. De er ikke benchmarks fra tredjeparter og fastslår ingen absolut rangorden mellem modeller.

Udgangspunktet i vejledningen til billedprompts er ingeniørmæssigt: Hvis en eksisterende arbejdsgang med GPT Image 2 allerede lever op til kvalitetskravet, eller du bruger GPT Image 2.5 Flare, så test gpt-image-2.6-flare først; hvis GPT Image 2 kommer til kort på komplekse opgaver, eller du bruger 2.5 Sunburst, så test gpt-image-2.6-sunburst først. Hvis Sunburst allerede lever op til målet, så sammenlign Flare med de samme prompts, referencer, størrelse og kvalitetsindstillinger, inden du beslutter dig for at gå et niveau ned. Tjeklisten til migrering understreger også, at du bør gemme baselineeksempler, dække vanskelige redigeringer og præcis tekst og rulle ud arbejdsgang for arbejdsgang i batches.

Scenariernes grænser

Evaluer helst Flare først, når du har brug for skitser og konceptudforskning i korte cyklusser; hurtige plakater, hovedbilleder til e-handel eller visuelle udtryk i layoutstil; eller pipelines, hvor svartid er afgørende, og som kan leveres med kvaliteten low/medium. OpenAI knytter udtrykkeligt Flare til interaktiv billedgenerering og -redigering – velegnet, når afprøvning af prompts i flere omgange er en del af arbejdsgangen, og du bytter hurtigere levering til dig inden for en acceptabel kvalitetsgrænse.

Evaluer helst Sunburst først, når kompositionen er kompleks, og tæt tekst eller forhold mellem objekter stiller store krav; når redigeringer i flere omgange skal holde figur-, produkt- eller brand-detaljer konsistente; eller når de endelige assets har lav tolerance over for afdrift i tekstur, lille skrift og layout. Promptvejledningen kalder Sunburst basismodellen til højere krav, for arbejdsgange, der er strengere med hensyn til detaljer, layout eller redigeringsnøjagtighed. Annonceringen nævner også redigeringskonsistens ved medium eller high kvalitet som et af Sunbursts salgsargumenter.

Begge niveauer understøtter quality (auto/low/medium/high/xhigh/max) og complexity (low/medium/high, med high som standard, når feltet udelades). Officiel vejledning: Fastlås quality, når du sammenligner complexity; hvis layoutet er korrekt, men lille tekst er svær at læse, så sammenlign kvalitetsniveauer ved samme complexity. Justering af complexity har ingen separat afgift, men højere complexity kan give længere svartid og uønskede ændringer. Til de fleste redigeringsopgaver anbefaler OpenAI lav complexity, kombineret med det kvalitetsniveau, arbejdsgangen kræver.

Priser, endpoints og noter om integration

Ifølge modelsiderne for Flare og Sunburst er de listepriser, der kan kontrolleres her, identiske: tekstinput $5 pr. million tokens (cachet input $1.25), billedinput $8 pr. million tokens (cachet $2) og billedoutput $30 pr. million tokens. Valget bør derfor bygge på kvalitet og svartid, ikke på en antagelse om, at »det hurtigere niveau er billigere«. Begge understøtter endpoints v1/images/generations og v1/images/edits; modelsiderne markerer Responses som ikke understøttet, så kopiér ikke værktøjsfelterne fra Responses i 2.5 over i produktion. Organisationer kan blive nødt til at gennemføre Organization Verification, før de kalder GPT Image.

Promptvejledningen minder også om, at den samme quality-etiket ikke betyder identisk visuel kvalitet eller svartid på tværs af modeller – mål på din egen belastning. Hvis et område skal forblive pixelidentisk, anbefaler dokumentationen at sætte godkendte redigeringer sammen med originalen i stedet for kun at stole på begrænsninger i prompten. Partnere som Figma Weave citeres i annonceringen for hastighed plus kreativ kontrol i genanvendelige arbejdsgange; det er kundecitater som reference for scenarier, ikke tekniske specifikationer.

Kort sagt: Flare og Sunburst er en deling mellem hastighed og præcision, lanceret samme dag, ikke gensidigt udelukkende »høj/lav-markedsføringsnavne«. At sammenligne på et fast evalueringssæt og ændre én parameter ad gangen, før du vælger en standardmodel, stemmer bedre overens med dokumentationen end at skændes om, hvilken der er »stærkest«; hold øje med fejlrater, genforsøg og godkendt pris pr. billede, før du skalerer op.