OpenAI が 2026 年 11 月 4 日に Images 2.6 を公開した際、API では二段階のモデルが同時に提供された。GPT‑Image‑2.6 Flare（gpt-image-2.6-flare）と GPT‑Image‑2.6 Sunburst（gpt-image-2.6-sunburst）である。製品紹介とモデルページによれば、Flare は高速イテレーションの生成・編集向け、Sunburst は細部構図と精密編集に寄るワークフロー向けである。選定論争はしばしば「製品宣伝上の速度」と「業務で許容できる品質」を混同する。より堅実なのは、プロンプトと解像度を固定したうえで公式ドキュメントの対照順序で評価することであり、未検証の第三者スローガンで既定ルーティングを決めることではない。

👉 PoYoでGPT Image 2.6 APIを試す：1枚あたりの料金とプレイグラウンド。

公式の位置づけ対照

OpenAI によれば、quality を low にしたとき Flare は約 6 秒で画像を生成でき、ポスターや製品意象などのプロ向けビジュアルのレイアウト品質も改善している。Sunburst はより大きな細部・精度が必要なときに機能する。公式は、quality が medium または high のとき、より高品質な生成と編集過程でのより強い一貫性をもたらせると記す。上記の時間・品質表現はいずれも OpenAI 発表に由来し、第三者スコアではなく、モデル横断の「絶対的優劣」順位でもない。

画像プロンプトガイドの開始助言はよりエンジニアリング寄りである。既存 GPT Image 2 ワークフローが品質を満たす場合、または GPT Image 2.5 Flare を使っている場合は、まず gpt-image-2.6-flare を試す。GPT Image 2 が複雑タスクで不足する場合、または 2.5 Sunburst を使っている場合は、まず gpt-image-2.6-sunburst を試す。Sunburst が合格したら、同一プロンプト・参照図・サイズ・品質設定で Flare を対照し、結果と応答時間を比較してから降格を決める。移行チェックリストは、ベースライン見本の保存、難しい編集と精密文字のカバー、ワークフロー別の段階的ロールアウトも強調する。

適用シナリオの境界

Flare を優先評価すべき場合には、短周期の試行錯誤が必要なスケッチ・コンセプト探索、ポスター・EC メイン画像・版面系ビジュアルの高速出図、遅延に敏感で low/medium 品質帯での納品が許容されるパイプラインが含まれる。公式は Flare を「対話的な画像生成・編集」に結びつけ、多ターンのプロンプト試行自体をワークフローの一部とし、許容品質線の内側でターンアラウンドを取る用途に適するとしている。

Sunburst を優先評価すべき場合には、複雑構図・密集文字・オブジェクト関係の要求が高い場面、多ターン編集でキャラクター・製品・ブランド細部の一致が必須な場面、最終アセットがテクスチャ・小さい文字・レイアウト精度への許容度が低い場面が含まれる。プロンプトガイドは Sunburst を、細部・版面・編集精度により厳しいワークフロー向けの、より高要求な base model と呼ぶ。発表も medium または high 品質設定下での編集一貫性を売りとしている。

強調すべきは、両段階とも quality（auto/low/medium/high/xhigh/max）と complexity（low/medium/high、省略時既定 high）をサポートすることである。公式の助言：complexity を比較するときは quality を固定する。版面は正しいが小さい文字が読みにくい場合は、同一 complexity のまま品質帯を比較する。complexity の調整に追加課金はないが、高い complexity は遅延を増やし余分な変更を招くことがある。大半の編集タスクでは、OpenAI は低 complexity を勧め、ワークフローに応じた品質帯と組み合わせる。

価格、エンドポイント、導入メモ

Flare と Sunburst のモデルページによれば、本稿で照合できた表示価格は同一である。テキスト入力 100 万 tokens あたり 5 ドル（キャッシュ入力 1.25 ドル）、画像入力 8 ドル（キャッシュ 2 ドル）、画像出力 30 ドル。したがって選定は主に品質と遅延に依るべきで、「速い段階が必ず安い」という仮定に依るべきではない。両エンドポイントとも v1/images/generations と v1/images/edits をサポートする。モデルページは Responses を非対応と記すため、本番設定に 2.5 の Responses ツールフィールドをそのまま持ち込まないこと。組織は GPT Image 呼び出し前に Organization Verification が必要な場合がある。

さらにプロンプトガイドは、同一の quality ラベルがモデル間で同一の画質や応答時間を意味しないこと、自前負荷で個別に測るべきことを注意する。最終稿で特定領域をピクセル単位で不変に保つ必要がある場合、ドキュメントはプロンプト制約だけに頼らず、承認済み編集を原図へ合成することを勧める。発表では Figma Weave などの協力企業が引用され、再利用可能なワークフローで速度と創作制御を同時に得られる点が強調される——これは顧客コメントであり技術仕様ではない。

結語：Flare と Sunburst は同一公開日の速度—精度分档であり、排他的な「高低配のマーケ名」ではない。固定評価セットで対照し、一度に一つのパラメータだけを変えてから既定モデルを決める方が、公式ドキュメントの使い方に合う。「どちらが強いか」の口頭比較より、失敗率・再試行・1 枚あたり受入コストを追跡してから拡販すること。