Toen OpenAI op 4 november 2026 Images 2.6 uitbracht, kwam de API meteen met twee niveaus: GPT‑Image‑2.6 Flare (gpt-image-2.6-flare) en GPT‑Image‑2.6 Sunburst (gpt-image-2.6-sunburst). Volgens de productbeschrijving en de modelpagina’s is Flare bedoeld voor snel itererend genereren en bewerken, en Sunburst voor workflows die leunen op gedetailleerde composities en nauwkeurige bewerkingen. In discussies over modelkeuze lopen “de snelheid die de marketing belooft” en “de kwaliteit die een bedrijf kan accepteren” nogal eens door elkaar. Een duurzamere aanpak is om prompts en resolutie vast te zetten en daarna te beoordelen in de volgorde die de officiële documentatie beschrijft, in plaats van standaard te routeren op niet-geverifieerde slogans van derden.

👉 Probeer de GPT Image 2.6 API op PoYo: prijs per afbeelding en online playground.

Officiële positionering

Volgens OpenAI kan Flare een afbeelding in ongeveer zes seconden genereren wanneer quality op low staat; ook verbetert Flare de opmaakkwaliteit van posters, productbeelden en vergelijkbare professionele visuals. Sunburst komt in beeld als je meer detail en precisie nodig hebt: volgens OpenAI levert het bij een quality van medium of high beelden van hogere kwaliteit en blijft het consistenter over meerdere bewerkingen heen. Deze uitspraken over snelheid en kwaliteit komen uit de aankondiging van OpenAI. Het zijn geen benchmarks van derden en ze leggen geen absolute rangorde tussen modellen vast.

Het uitgangspunt in de promptinggids is technisch van aard: haalt je bestaande GPT Image 2-workflow de gewenste kwaliteit al, of werk je met GPT Image 2.5 Flare, test dan eerst gpt-image-2.6-flare; schiet GPT Image 2 tekort bij complexe taken, of werk je met 2.5 Sunburst, test dan eerst gpt-image-2.6-sunburst. Haalt Sunburst de lat al, vergelijk Flare dan met dezelfde prompts, referenties, afmetingen en kwaliteitsinstellingen voordat je besluit een stapje terug te doen. De migratiechecklist benadrukt ook dat je baseline-voorbeelden bewaart, lastige bewerkingen en nauwkeurige tekst meeneemt in je tests en workflow voor workflow in batches uitrolt.

Waar de grenzen liggen

Beoordeel eerst Flare als je korte schetscycli en conceptverkenning nodig hebt; snelle posters, hero-afbeeldingen voor webshops of visuals in lay-outstijl; of latentiegevoelige pipelines die op low- of medium-kwaliteit kunnen draaien. OpenAI koppelt Flare nadrukkelijk aan interactief genereren en bewerken van afbeeldingen. Het past dus goed als je in meerdere rondes met prompts wilt experimenteren en bereid bent een kortere doorlooptijd te ruilen tegen kwaliteit, zolang die binnen een acceptabele marge blijft.

Beoordeel eerst Sunburst als de compositie complex is en dichte tekst of onderlinge verhoudingen tussen objecten veel eisen; als bewerkingen over meerdere rondes de details van een personage, product of merk consistent moeten houden; of als de eindassets nauwelijks afwijking in textuur, kleine letters en opmaak verdragen. De promptinggids noemt Sunburst het basismodel voor hogere eisen, voor workflows die strenger zijn op detail, opmaak of bewerkingsnauwkeurigheid. De aankondiging noemt consistentie bij bewerkingen op medium of high kwaliteit ook als een van Sunbursts sterke punten.

Beide niveaus ondersteunen quality (auto/low/medium/high/xhigh/max) en complexity (low/medium/high, met high als standaard wanneer je het weglaat). Officiële richtlijn: zet quality vast wanneer je complexity vergelijkt; klopt de opmaak maar is kleine tekst slecht leesbaar, vergelijk dan kwaliteitsniveaus bij dezelfde complexity. Complexity aanpassen kost niets extra, maar een hogere complexity kan voor meer latentie en ongewenste wijzigingen zorgen. Voor de meeste bewerkingstaken raadt OpenAI een lage complexity aan, in combinatie met het kwaliteitsniveau dat de workflow nodig heeft.

Prijzen, endpoints en integratie-aandachtspunten

Volgens de modelpagina’s van Flare en Sunburst zijn de hier controleerbare lijstprijzen identiek: tekstinvoer $5 per miljoen tokens (gecachete invoer $1.25), beeldinvoer $8 per miljoen tokens (gecachet $2) en beelduitvoer $30 per miljoen tokens. Baseer je keuze dus op kwaliteit en latentie, niet op de aanname dat “het snellere niveau goedkoper is”. Beide ondersteunen de endpoints v1/images/generations en v1/images/edits; de modelpagina’s markeren Responses als niet ondersteund, dus neem de toolvelden van Responses uit 2.5 niet zomaar over in productie. Organisaties moeten mogelijk eerst Organization Verification doorlopen voordat ze GPT Image kunnen aanroepen.

De promptinggids wijst er ook op dat hetzelfde quality-label niet betekent dat de visuele kwaliteit of responstijd tussen modellen gelijk is, dus meet op je eigen belasting. Moet een gebied pixel voor pixel gelijk blijven, dan raadt de documentatie aan goedgekeurde bewerkingen terug te plaatsen op het origineel, in plaats van alleen op beperkingen in de prompt te vertrouwen. Partners als Figma Weave worden in de aankondiging aangehaald voor snelheid plus creatieve controle in herbruikbare workflows; dat zijn klantcitaten als referentie voor toepassingen, geen technische specificaties.

Kortom: Flare en Sunburst zijn een verdeling tussen snelheid en precisie die op dezelfde dag verscheen, geen elkaar uitsluitende “hoog/laag”-marketingnamen. Vergelijken op een vaste evaluatieset en één parameter tegelijk wijzigen voordat je een standaardmodel kiest, sluit beter aan op de documentatie dan discussiëren over welke “sterker” is; houd faalpercentages, nieuwe pogingen en de geaccepteerde prijs per afbeelding in de gaten voordat je opschaalt.