Quando a OpenAI lançou o Images 2.6, a 4 de novembro de 2026, a API chegou logo com dois níveis: o GPT‑Image‑2.6 Flare (gpt-image-2.6-flare) e o GPT‑Image‑2.6 Sunburst (gpt-image-2.6-sunburst). Segundo a descrição do produto e as páginas dos modelos, o Flare destina-se à geração e edição com iteração rápida; o Sunburst, a workflows que dependem de composição detalhada e de edições precisas. Nos debates sobre a escolha, é frequente confundir a “velocidade prometida no marketing” com a “qualidade que um negócio consegue aceitar”. Uma abordagem mais duradoura é fixar os prompts e a resolução e depois avaliar pela ordem que a documentação oficial descreve, em vez de encaminhar tudo por defeito com base em slogans de terceiros não verificados.

👉 Experimenta a API GPT Image 2.6 no PoYo: preço por imagem e playground online.

Posicionamento oficial

Segundo a OpenAI, com quality definido como low, o Flare consegue gerar uma imagem em cerca de seis segundos; o Flare melhora também a qualidade da composição em cartazes, imagens de produto e outros visuais profissionais semelhantes. O Sunburst entra em jogo quando são precisos mais detalhe e precisão: a OpenAI afirma que, com quality em medium ou high, consegue gerar com mais qualidade e manter maior consistência ao longo das edições. Estas indicações de tempo e de qualidade vêm do anúncio da OpenAI. Não são benchmarks de terceiros e não estabelecem uma classificação absoluta entre modelos.

O conselho inicial do guia de prompting de imagens é orientado para a engenharia: se um workflow já existente com o GPT Image 2 cumpre a qualidade pretendida, ou se já estás no GPT Image 2.5 Flare, testa primeiro o gpt-image-2.6-flare; se o GPT Image 2 fica aquém em tarefas complexas, ou se estás no 2.5 Sunburst, testa primeiro o gpt-image-2.6-sunburst. Se o Sunburst já cumpre o exigido, compara o Flare com os mesmos prompts, referências, tamanho e definições de qualidade antes de decidires descer de nível. A lista de verificação de migração insiste ainda em guardar amostras de referência, cobrir edições difíceis e texto preciso, e fazer a implementação por workflow, em batches.

Limites por cenário

Dá prioridade à avaliação do Flare quando precisas de esboços de ciclo curto e de exploração de conceitos; de visuais rápidos ao estilo de cartaz, imagem principal de loja online ou layout; ou de pipelines sensíveis à latência que podem sair com qualidade low/medium. A OpenAI associa explicitamente o Flare à geração e edição interativas de imagens, o que o torna adequado quando as tentativas de prompt em vários turnos fazem parte do workflow e aceitas trocar algum tempo de resposta por uma qualidade dentro do limite aceitável.

Dá prioridade à avaliação do Sunburst quando a composição é complexa e o texto denso ou as relações entre objetos são exigentes; quando as edições em vários turnos têm de manter a consistência do detalhe de personagens, produtos ou marca; ou quando os assets finais têm pouca tolerância a desvios de textura, de letra miúda e de composição. O guia de prompting descreve o Sunburst como o modelo de base para workflows mais exigentes em detalhe, composição ou rigor de edição. O anúncio refere também a consistência das edições com qualidade medium ou high como um dos argumentos de venda do Sunburst.

Ambos os níveis suportam quality (auto/low/medium/high/xhigh/max) e complexity (low/medium/high, com high por predefinição quando omitido). Orientação oficial: fixa a quality ao comparar a complexity; se a composição estiver certa mas o texto pequeno for difícil de ler, compara os níveis de qualidade com a mesma complexity. Ajustar a complexity não tem cobrança à parte, mas uma complexity mais alta pode acrescentar latência e alterações indesejadas. Na maioria das tarefas de edição, a OpenAI recomenda complexity baixa, combinada depois com o nível de qualidade de que o workflow precisa.

Preços, endpoints e notas de integração

Segundo as páginas dos modelos Flare e Sunburst, os preços de tabela verificáveis aqui são idênticos: entrada de texto a $5 por milhão de tokens (entrada em cache a $1.25), entrada de imagem a $8 por milhão de tokens (em cache, $2), saída de imagem a $30 por milhão de tokens. A escolha deve, por isso, assentar na qualidade e na latência, e não na suposição de que “o nível mais rápido é mais barato”. Ambos os endpoints suportam v1/images/generations e v1/images/edits; as páginas dos modelos indicam que a Responses não é suportada, por isso não copies para produção os campos de ferramenta da Responses do 2.5. As organizações podem ter de fazer a Organization Verification antes de chamar o GPT Image.

O guia de prompting lembra também que a mesma etiqueta quality não implica qualidade visual nem tempo de resposta idênticos entre modelos: mede com a tua própria carga. Se uma região tiver de se manter idêntica ao píxel, a documentação recomenda voltar a compor as edições aprovadas sobre o original, em vez de confiar apenas em restrições no prompt. Parceiros como a Figma Weave são citados no anúncio pela velocidade aliada ao controlo criativo em workflows reutilizáveis; são citações de clientes, úteis como referência de cenários, e não especificações técnicas.

Em resumo: o Flare e o Sunburst são uma divisão entre velocidade e precisão lançada no mesmo dia, e não nomes de marketing “alto/baixo” mutuamente exclusivos. Comparar com um conjunto de avaliação fixo e alterar um parâmetro de cada vez antes de escolher o modelo por defeito está mais de acordo com a documentação do que discutir qual é o “mais forte”; acompanha as taxas de falha, as repetições e o custo aceite por imagem antes de escalar.