Da OpenAI lanserte Images 2.6 den 4. november 2026, kom API-et med to nivåer samtidig: GPT‑Image‑2.6 Flare (gpt-image-2.6-flare) og GPT‑Image‑2.6 Sunburst (gpt-image-2.6-sunburst). Ifølge produktbeskrivelsen og modellsidene er Flare rettet mot generering og redigering med rask iterasjon, mens Sunburst er rettet mot arbeidsflyter som er avhengige av detaljert komposisjon og presise redigeringer. Diskusjoner om modellvalg blander ofte sammen «hastigheten som hevdes i markedsføringen» og «kvaliteten en virksomhet kan godta». En mer holdbar tilnærming er å fryse prompter og oppløsning og deretter evaluere i den rekkefølgen den offisielle dokumentasjonen beskriver – ikke å rute som standard ut fra ubekreftede slagord fra tredjeparter.

👉 Prøv GPT Image 2.6-API-et på PoYo: pris per bilde og nettbasert playground.

Offisiell posisjonering

Ifølge OpenAI kan Flare generere et bilde på rundt seks sekunder når quality er low; Flare forbedrer også layoutkvaliteten for plakater, produktbilder og lignende profesjonelle visuelle uttrykk. Sunburst kommer inn når det kreves flere detaljer og mer presisjon: OpenAI sier at med quality satt til medium eller high kan den gi generering av høyere kvalitet og holde sterkere konsistens gjennom redigeringer. Disse uttalelsene om tid og kvalitet kommer fra OpenAIs kunngjøring. De er ikke benchmarker fra tredjeparter og etablerer ingen absolutt rangering mellom modeller.

Utgangspunktet i veiledningen for bildeprompter er ingeniørmessig: Hvis en eksisterende arbeidsflyt med GPT Image 2 allerede holder kvalitetsmessig, eller du bruker GPT Image 2.5 Flare, tester du gpt-image-2.6-flare først; hvis GPT Image 2 kommer til kort på komplekse oppgaver, eller du bruker 2.5 Sunburst, tester du gpt-image-2.6-sunburst først. Hvis Sunburst allerede holder mål, sammenligner du Flare med de samme promptene, referansene, størrelsen og kvalitetsinnstillingene før du bestemmer deg for å gå ned et nivå. Sjekklisten for migrering understreker også å lagre referanseeksempler, dekke vanskelige redigeringer og presis tekst, og rulle ut arbeidsflyt for arbeidsflyt i puljer.

Grenser mellom scenarioene

Evaluer helst Flare først når du trenger skisser og konseptutforsking i korte sykluser; raske plakater, hovedbilder for netthandel eller visuelle uttrykk i layoutstil; eller pipelines der ventetid er kritisk og som kan leveres med kvaliteten low/medium. OpenAI knytter uttrykkelig Flare til interaktiv bildegenerering og -redigering – egnet når prøving av prompter i flere runder er en del av arbeidsflyten og du bytter til deg raskere leveranse innenfor en akseptabel kvalitetsgrense.

Evaluer helst Sunburst først når komposisjonen er kompleks og tett tekst eller forhold mellom objekter stiller høye krav; når redigeringer i flere runder må holde figur-, produkt- eller merkevaredetaljer konsistente; eller når de endelige ressursene har lav toleranse for avdrift i tekstur, liten skrift og layout. Promptveiledningen kaller Sunburst grunnmodellen for høyere krav, for arbeidsflyter som er strengere på detaljer, layout eller redigeringsnøyaktighet. Kunngjøringen nevner også redigeringskonsistens med medium eller high kvalitet som et av Sunbursts salgsargumenter.

Begge nivåene støtter quality (auto/low/medium/high/xhigh/max) og complexity (low/medium/high, med high som standard når feltet utelates). Offisielle råd: Frys quality når du sammenligner kompleksitet; hvis layouten er riktig, men liten tekst er vanskelig å lese, sammenligner du kvalitetsnivåer med samme kompleksitet. Justering av kompleksitet har ingen egen avgift, men høyere kompleksitet kan gi lengre ventetid og uønskede endringer. For de fleste redigeringsoppgaver anbefaler OpenAI lav kompleksitet, kombinert med det kvalitetsnivået arbeidsflyten krever.

Priser, endepunkter og merknader om integrasjon

Ifølge modellsidene for Flare og Sunburst er listeprisene som kan kontrolleres her, identiske: tekstinput $5 per million tokens (mellomlagret input $1.25), bildeinput $8 per million tokens (mellomlagret $2) og bildeoutput $30 per million tokens. Valget bør derfor bygge på kvalitet og ventetid, ikke på en antakelse om at «det raskere nivået er billigere». Begge støtter endepunktene v1/images/generations og v1/images/edits; modellsidene merker Responses som ikke støttet, så ikke kopier verktøyfeltene fra Responses i 2.5 inn i produksjon. Organisasjoner kan måtte gjennomføre Organization Verification før de kaller GPT Image.

Promptveiledningen minner også om at den samme quality-etiketten ikke betyr identisk visuell kvalitet eller svartid på tvers av modeller – mål på din egen last. Hvis et område må forbli pikselidentisk, anbefaler dokumentasjonen å sette sammen godkjente redigeringer med originalen i stedet for å stole på begrensninger i prompten alene. Partnere som Figma Weave siteres i kunngjøringen om hastighet pluss kreativ kontroll i gjenbrukbare arbeidsflyter; dette er kundesitater som referanse for scenarioer, ikke tekniske spesifikasjoner.

Konklusjon: Flare og Sunburst er et skille mellom hastighet og presisjon lansert samme dag, ikke gjensidig utelukkende «høy/lav-markedsføringsnavn». Å sammenligne på et fast evalueringssett og endre én parameter om gangen før du velger en standardmodell, stemmer bedre med dokumentasjonen enn å krangle om hvilken som er «sterkest»; følg med på feilrater, nye forsøk og godkjent kostnad per bilde før du skalerer opp.