Images 2.6 vs FLUX 3: bewerkingsgetrouwheid tegenover resolutiecontrole

De vergelijking tussen Images 2.6 en FLUX 3 wordt meestal gepresenteerd als een kwaliteitswedstrijd. Dat is het niet. OpenAI's Images 2.6, op 4 november 2026 uitgebracht als het API-paar GPT-Image-2.6 Flare en GPT-Image-2.6 Sunburst, zet in op iteratie: snelle rondes, een onderwerp dat een keten van bewerkingen doorstaat, en nu ook bewegings- en vectoroutput. Black Forest Labs' FLUX 3 Image, sinds 1 oktober live, zet in op determinisme: tien referentieafbeeldingen, lay-outinstructies met bounding boxes, vaste resolutieniveaus tot 4K, en een prijs per afbeelding die je in een spreadsheet kunt zetten zonder tokenaantallen te modelleren. Een van de twee is een beter product voor een designteam dat elke keer dezelfde lay-out nodig heeft. De andere is een beter product voor een team dat voor de lunch twaalf varianten wil uitproberen.

Dit is de praktische versie van die keuze — wat elk bedieningsoppervlak je daadwerkelijk laat doen, wat een afbeelding op elk ervan kost, en wat de enige geauditeerde ranglijst zegt over de generatie vóór deze.

Wat elk model daadwerkelijk is

Images 2.6 is OpenAI's derde beeldgeneratiemodel in zeven maanden. Images 2.0 verscheen in april als het eerste redenerende beeldmodel, Images 2.5 splitste de lijn in september in een snelheids- en een kwaliteitstier, en 2.6 handhaaft die splitsing: Flare voor latentie, Sunburst voor detail en consistentie bij meervoudige bewerkingen. Beide zijn gehost, beide rekenen af per token en beide zijn bereikbaar via de standaard images-endpoints. Er zijn geen gewichten.

FLUX 3 Image is het vlaggenschip van Black Forest Labs, een maand eerder uitgebracht. Het verwerkt tekst-naar-afbeelding en bewerking met maximaal tien referentieafbeeldingen, accepteert lay-outinstructies met begrenzingsvakken en rendert in vaste niveaus van 768×768 tot 4K met selecteerbare beeldverhoudingen. Twee weken na het vlaggenschip publiceerde BFL FLUX 3 Image Klein — een gedistilleerd zusje met 5,6 miljard parameters, downloadbare gewichten en een licentie die gratis is voor commercieel gebruik bij een jaaromzet onder $5 miljoen. Dat ontsnappingsluik met open gewichten heeft nergens in de Images 2.6-release een tegenhanger.

Het bedieningsoppervlak: waar FLUX 3 nog steeds onbetwist wint

Vier dingen die FLUX 3 doet die Images 2.6 niet doet, of niet documenteert.

• Lay-out die je opgeeft in plaats van beschrijft. Met begrenzingsvakken kun je elementen op coördinaten plaatsen. De op markup gebaseerde bewerking van Images 2.6 is krachtig maar van een andere aard: je laat het model zien waar iets op een bestaande afbeelding moet worden gewijzigd, je geeft het geen lay-outraster voor een nieuwe.

• Resolutie vooraf bepaald. FLUX 3 publiceert zijn niveaus — 768, 1K, 1.5K, 2K, 4K — en geeft voor elk een prijs. De documentatie van Images 2.6, zoals gepubliceerd op 5 november, beschrijft kwaliteits- en complexiteitsinstellingen en uitvoerformaten, maar publiceert geen resolutietabel. Als je pipeline een harde 4K-oplevering heeft, kan die asymmetrie op zichzelf al de doorslag geven.

• Tien referenties. De multi-referentiebewerking van FLUX 3 is de meest concrete specificatie in deze vergelijking. De release van OpenAI heeft het over herbruikbare referentieafbeeldingen binnen ChatGPT en beeldinvoer op de API, zonder een maximum per verzoek bekend te maken.

• Een self-hosted pad. Klein's gewichten zijn downloadbaar. Niets in de Images-lijn is dat.

Redigeren: de kloof die Sunburst wil dichten

De pitch van OpenAI voor Sunburst is niet opperste schoonheid. Het is dat de tiende bewerking er nog steeds uitziet als de eerste — het gezicht, het logo, het productdetail blijven behouden. Dat is twee jaar lang de echte faalmodus van gehoste beeldmodellen geweest: elke bewerking is een nieuwe generatie op basis van de vorige, en kleine afwijkingen stapelen zich op.

Twee van de functies van de 2.6-API richten zich rechtstreeks op dat probleem. Met de complexiteitsparameter kun je het model meer planningsruimte geven wanneer een scène meerdere elementen heeft die allemaal behouden moeten blijven; markup-gestuurde bewerkingen nemen de dubbelzinnigheid van 'verander het ding aan de linkerkant' weg door in plaats daarvan op de afbeelding te tekenen. Het antwoord van FLUX 3 op hetzelfde probleem is structureel — geef het meer referenties en vertel het waar dingen moeten komen.

Welke aanpak beter werkt, is nog geen vraag die iemand met data kan beantwoorden. Sunburst heeft geen onafhankelijke bewerkingsscore. FLUX 3 Image wel: 1.123 Elo op de bewerkingsranglijst van Artificial Analysis, goed voor een plek in de top vijftien, maar ruim achter de vorige generatie van OpenAI.

Wat een afbeelding per stuk kost

De factureringsmodellen verschillen dusdanig van elkaar dat een naïeve vergelijking per afbeelding in beide richtingen misleidt.

• FLUX 3 Image, per afbeelding — $0,041 bij 768², $0,048 bij 1K, $0,07 bij 1,5K, $0,10 bij 2K, $0,607 bij 4K.

• FLUX 3 Image Klein, per afbeelding — $0,008 bij 768², $0,009 bij 1K, $0,011 bij 1,5K, $0,014 bij 2K, $0,036 bij 4K.

• Images 2.6, per token — $5 per miljoen tekstinvoertokens ($1,25 gecachet), $8 per miljoen afbeeldingsinvoertokens ($2 gecachet), $30 per miljoen afbeeldingsuitvoertokens, identiek op Flare en Sunburst.

Doorgerekend komt de tokenprijs bij normale formaten in dezelfde buurt uit als bij FLUX 3: ongeveer een halve cent voor een 1K-render van lage kwaliteit, ongeveer vijf cent voor een 1K van hoge kwaliteit, en rond tien cent bij 2K high. Waar de twee scherp uiteenlopen, is bij de uitersten. Een 4K-afbeelding van FLUX 3 kost zestig cent omdat je een 4K-afbeelding hebt gekocht; een Images 2.6-render met weinig inspanning kost bijna niets omdat je heel weinig outputtokens hebt gekocht. Geen van beide prijzen is een truc — ze rekenen simpelweg voor verschillende dingen.

Het getal dat op geen van beide tarievenkaarten voorkomt, is de kostenpost van een afgewezen afbeelding. Als Sunbursts consistentie bij bewerkingen je één hergeneratie op de vijf bespaart, daalt de effectieve prijs per bruikbaar asset met 20% en slaat de vergelijking om. Zolang er geen onafhankelijke bewerkingsdata zijn, is dat een aanname, geen berekening.

Benchmarks, met de asterisken erbij

De text-to-image-ranglijst van Artificial Analysis van 5 november rangschikt GPT Image 2.5 Sunburst als eerste met 1.224 Elo en GPT Image 2.5 Flare als tweede met 1.208. FLUX 3 Image staat op 1.119, rond de twaalfde plaats, tegen $48 per duizend afbeeldingen. Klein staat op 1.043 voor $9 per duizend.

Lees dat aandachtig. De generatie die OpenAI in september uitbracht verslaat FLUX 3 met ongeveer 105 Elo op een ranglijst met een betrouwbaarheidsinterval van ±10 — een echt verschil, geen ruis. Images 2.6 staat nog helemaal niet op de ranglijst, dus de eerlijke uitspraak is dat OpenAI's vorige model beter scoort dan FLUX 3 op het gebied van menselijke voorkeur, en dat het nieuwe model nog niet is gemeten. Het zou makkelijk zijn om "2.6 verslaat FLUX 3" te schrijven; niemand heeft de stemming uitgevoerd.

Op het gebied van editing scoort FLUX 3 Image 1.123 en valt in de band van negen tot zeventien. GPT Image 2.5 Sunburst leidt dat klassement met 1.199. Nogmaals: de voorganger, niet het model in de titel.

De voorkeursranglijsten meten ook niet de dingen waar FLUX 3 echt het beste in is. Niemand die in een arena stemt, controleert of de bounding box op de juiste pixel terechtkwam of of de 4K-export echt 4K is. Zie de Elo als een proxy voor "welke output er voor een buitenstaander beter uitziet", wat een echte vraag is en niet de enige.

Open weights veranderen het risicoprofiel, niet de kwaliteit

Klein is het meest onderschatte onderdeel van deze matchup. Met 5,6 miljard parameters en negen dollar per duizend 1K-afbeeldingen volgens BFL's eigen prijsstelling is het goedkoop genoeg om als conceptlaag te gebruiken, en dat de gewichten downloadbaar zijn, betekent dat de pipeline een prijswijziging, deprecatie of storing overleeft. De licentiegrens is gebaseerd op omzet: gratis commercieel gebruik onder 5 miljoen dollar jaaromzet, daarboven gelden aparte voorwaarden. Lees die clausule voordat je erop bouwt.

Qua kwaliteit is Klein geen vervanging voor een van beide flagships — 1.043 Elo is een zichtbare stap terug ten opzichte van de 1.119 van FLUX 3 Image en ligt ver van de OpenAI-cijfers. Het eerlijke gebruiksscenario is volumeprevisualisatie met een afwerkingsronde door een flagship, niet een goedkopere vervanging.

Kiezen tussen beide

Kies FLUX 3 wanneer de oplevering vóór de start van de generatie is gespecificeerd: vaste beeldverhoudingen, een lay-out die moet worden herhaald, 4K-uitvoer, een compositing-pipeline die referentieafbeeldingen wil in plaats van proza. Kies Images 2.6 wanneer het werk iteratief en conversationeel is — hetzelfde asset twintig keer bewerkt, een personage dat on-model moet blijven, een preview-lus waarin zes seconden versus twaalf seconden verandert wat je gebruikers doen. Kies Klein wanneer je nodig hebt dat het model blijft werken wanneer de API van iemand anders stopt.

Als je beide wilt testen zonder twee contracten, {{1}}kan OrcaRouter dat vandaag niet{{/1}}: noch {{2}}Images 2.6{{/2}} noch {{3}}FLUX 3{{/3}} staan nog niet in onze catalogus. Wat er wel is: {{4}}GPT-Image-2.5 Flare en Sunburst{{/4}}, {{5}}Google's Gemini- en Imagen-afbeeldingsmodellen{{/5}}, en {{6}}Grok Imagine Image{{/6}}, achter één sleutel met automatische failover en de lijstprijs van de provider doorgegeven tegen 0% markup. Dat maakt een vergelijkende test goedkoop op de modellen die we wel hebben, en het betekent dat een prijswijziging van een leverancier je dezelfde dag bereikt in plaats van bij de volgende contractverlenging.

Waar je op moet letten, is de eerste onafhankelijke score voor Images 2.6. Als Sunburst uitkomt op 1.224 of hoger, blijft voor FLUX 3 alleen controle en resolutie over — echte voordelen, maar kleiner dan ze vandaag lijken.