GPT-Image-2.6 vs GPT-Image-2.5: podmiana to jeden ciąg znaków, rachunek już nie.

Migracja z GPT-Image-2.5 na GPT-Image-2.6 to na poziomie API najmniej spektakularna aktualizacja, jaką OpenAI wydało w tym roku. Te same dwa endpointy, ten sam cennik, ten sam podział Flare kontra Sunburst. Zmienia się ciąg znaków modelu i nic więcej nie musi. I to jest właśnie pułapka. GPT-Image-2.6 dodaje jeden parametr, którego GPT-Image-2.5 nigdy nie miał — pokrętło złożoności — a jego pominięcie nie oznacza, że zostaje wyłączone. Domyślnie ustawione jest na wysoki poziom. Pipeline, który podmienia ciąg znaków i wypuszcza wdrożenie, nie kupuje tej samej ilości pracy za te same pieniądze; kupuje więcej pracy — dlatego pierwszy raport kosztów po migracji może się zmienić, mimo że opublikowane stawki się nie zmieniły.

Oba modele weszły do ogólnej dostępności na tych samych warunkach handlowych i właśnie to sprawia, że to porównanie jest nietypowe. Nie ma tu sporu o ceny. Spór dotyczy wyłącznie tego, gdzie trafia nowa praca i czy Twój ruch jest ukształtowany tak, by na tym korzystał.

Powierzchnia API naprawdę jest zamiennikiem typu drop-in — z jedną luką.

OpenAI udostępniło GPT-Image-2.6 4 listopada 2026 r. jako dwa modele API, a nie jeden, dziedzicząc strukturę ustanowioną w wersji 2.5. Poziom zorientowany na szczegóły i spójność to GPT-Image-2.6 Sunburst; poziom szybkości to GPT-Image-2.6 Flare. Ich poprzednicy, GPT-Image-2.5 Sunburst i GPT-Image-2.5 Flare, zachowują te same nazwy i tę samą relację względem siebie.

• Ciągi modeli — gpt-image-2.6-flare i gpt-image-2.6-sunburst zastępują gpt-image-2.5-flare i gpt-image-2.5-sunburst, ta sama logika nazewnictwa, jeden dla opóźnienia, a drugi dla szczegółowości.

• Punkty końcowe — /v1/images/generations i /v1/images/edits, bez zmian. Brak nowego punktu końcowego do integracji.

• Stawki — 5 USD za milion tokenów wejściowych tekstu, 8 USD za milion tokenów wejściowych obrazu, 30 USD za milion tokenów wyjściowych obrazu, a wejście z pamięci podręcznej w cenie 1,25 USD i 2,00 USD. Identyczne bajt po bajcie z 2.5.

• Poziomy jakości — low, medium, high, xhigh, max i auto. Ta sama drabinka.

• Zalecane rozmiary — 1024×1024, 1536×1024 i 1024×1536 wciąż przodują w dokumentacji, a wymiary niestandardowe są akceptowane w wielokrotnościach 16 i proporcjach od 1:3 do 3:1.

• Luka — 2.6 nie jest dostępne przez Batch API. Jeśli Twoje wydatki na obrazy opierają się na nocnym zadaniu za połowę ceny, to zadanie na razie się nie ruszy.

Ta ostatnia linia to ta, która faktycznie coś psuje. Wszystko powyżej to podmiana ciągu znaków i uruchomienie testów regresyjnych. Luka wsadowa to przeszkoda architektoniczna dokładnie dla tych obciążeń — masowych katalogów, nocnych uzupełnień danych, generowania A/B na dużą skalę — w których 50-procentowa zniżka jest powodem, dla którego dane obciążenie w ogóle istnieje.

Prawdziwą funkcją jest pokrętło złożoności, a niespodzianką — jego domyślne ustawienie.

Złożoność to nowa oś, która sytuuje się obok jakości, a nie w jej wnętrzu, i ta różnica ma większe znaczenie, niż się wydaje. Jakość kontroluje renderowanie: ile tokenów wyjściowych trafia do obrazu. Złożoność kontroluje planowanie: ile rozumowania wykonuje model, zanim zacznie renderować. Możesz poprosić o obraz niskiej jakości ze skomplikowaną sceną albo o obraz wysokiej jakości z prostą sceną, i w wersji 2.6 są to naprawdę osobne żądania.

Dokumentacja wyraźnie stwierdza, że pominięcie parametru powoduje jego domyślne ustawienie na high. Zatem osoba wywołująca, która przenosi żądanie z 2.5, zmieniając jedynie nazwę modelu i nic więcej, po cichu wybiera maksymalny budżet planowania przy każdym wywołaniu. To nie jest błąd — to rozsądna wartość domyślna dla modelu, którego atutem jest więcej myślenia — ale oznacza, że pierwszy miesiąc ruchu w 2.6 nie jest porównaniem jabłko do jabłka z ostatnim miesiącem ruchu w 2.5.

Istnieje co najmniej jeden publiczny punkt danych wskazujący w tę samą stronę. Opublikowany 4 listopada test praktyczny z trzema obrazami wykazał 0,1245 USD za wynik w wersji 2.6 w porównaniu z 0,0446 USD dla tych samych nieruchomych obrazów w wersji 2.5 — około trzykrotnie więcej, przy cenniku, który się nie zmienił. Trzy obrazy to nie benchmark i nie należy ich tak cytować; próba jest zdecydowanie zbyt mała, by ustalić mnożnik. Pokazuje natomiast mechanizm, a mechanizm jest udokumentowany: więcej tokenów planowania na żądanie, domyślnie włączone, rozliczane po 30 USD za milion.

Jeśli masz wprowadzić z tego artykułu jeden krok operacyjny, niech to będzie ten. Ustaw poziom złożoności jawnie — średni poziom to rozsądne pierwsze przypuszczenie przy dopasowywaniu zachowania z ery 2.5 — a następnie zmierz liczbę tokenów wyjściowych na żądanie przed zmianą i po niej. Nie mierz dolarów na żądanie. Dolary na żądanie powiedzą ci, że cennik się nie zmienił, o czym już wiedziałeś. Tokeny wyjściowe na żądanie powiedzą ci, czy model wykonuje więcej pracy, niż o to prosiłeś.

Gdzie faktycznie trafia deklarowane 50% przyspieszenia

OpenAI opisuje GPT-Image-2.6 jako ogólnie około 50% szybszy, ale wartości dla poszczególnych poziomów są znacznie ciekawsze niż sam nagłówek — i są to dane samego dostawcy, a nie wyniki niezależnych pomiarów. Podaje się, że Flare jest około 2,6× szybszy od poprzednika, a renderingi niskiej jakości kończą się w zaledwie sześć sekund. W przypadku Sunburst podaje się około 1,15×.

Te dwie liczby opisują dwie zupełnie różne modernizacje. Jeśli Twój potok uruchamia Flare na potrzeby iteracji — eksploracji miniatur, dostrajania promptów, czegokolwiek, gdzie człowiek czeka na wynik — 2.6 to skokowa zmiana, a migracja zwraca się choćby samą uwagą. Jeśli Twój potok uruchamia Sunburst dla jakości końcowego wyniku, poprawa opóźnienia o 15% mieści się w zakresie szumu między kolejnymi uruchomieniami w większości konfiguracji hostingowych, a szybkość wcale nie jest powodem do migracji.

Warto uczciwie zaznaczyć: ten sam mały test praktyczny, który odnotował inflację liczby tokenów, odnotował również, że 2.6 jest wolniejsze niż 2.5 na jego trzech obrazach, co przeczy twierdzeniu dostawcy. Przy n=3 to szum, a nie obalenie. Ale to przypomnienie, że „50% szybciej” to zagregowana wartość z prezentacji premierowej obejmująca różne poziomy jakości, a rzeczywisty potok widzi jeden poziom przy jednym ustawieniu jakości.

Nikt jeszcze nie zdobył 2,6, a 2,5 wciąż jest pierwsze.

To jest ta część porównania, którą większość omówień pomija milczeniem. Artificial Analysis, prowadząc swoje rankingi AA-Image-T2I v2.1 oraz rankingi edycji, nie miało w ogóle wiersza dla GPT-Image-2.6, gdy odczytano je 5 listopada 2026. Nie niska ocena — brak wiersza.

To, co te tablice jednak pokazują, to fakt, że zastępowany model wciąż je wygrywa:

• Tekst na obraz — GPT-Image-2.5 Sunburst (max) 1224 Elo z 13 153 głosów, pierwsze miejsce. GPT-Image-2.5 Flare (max) 1207 z 12 498, drugie miejsce. GPT Image 2 (high) 1188, trzecie miejsce.

• Edycja obrazów — GPT-Image-2.5 Sunburst (max) 1200 z 18 370 głosów, pierwsze miejsce. GPT-Image-2.5 Flare (max) 1183 z 19 259 głosów, trzecie miejsce za MAI-Image-2.7-Preview z wynikiem 1197.

Materiały premierowe OpenAI powołują się na Design Arena, aby wskazać pierwsze miejsce modelu 2.6 Sunburst. To prawdziwe twierdzenie dotyczące prawdziwego rankingu, ale dotyczy innej puli oceniających i innej skali, a wybór przez dostawcę rankingu, który korzystnie przedstawia jego wydanie, nie jest dowodem, z którego nabywca mógłby skorzystać. Porównywalny, zewnętrzny wynik z głosowania dla wersji 2.6 jeszcze nie istnieje. Dopóki go nie ma, można bronić stanowiska, że 2.5 to najwyżej niezależnie oceniany model obrazowy w obu głównych rankingach, a 2.6 jest nieudowodniony — lepszy w tych konkretnych aspektach, w których według OpenAI jest lepszy, a poza nimi niezmierzony.

Migracja możliwa do przeprowadzenia w jedno popołudnie

Zamiana jest wystarczająco tania, że rozsądnym podejściem nie jest migracja typu big-bang, lecz stopniowa, przeprowadzona na własnych promptach, a nie na cudzym zestawie promptów benchmarkowych.

Zacznij od przypięcia złożoności do wybranej przez siebie wartości, tak aby zmiana była zmianą, którą wprowadziłeś, a nie taką, która pojawiła się domyślnie. Następnie ponownie uruchom kilkaset rzeczywistych promptów z logów produkcyjnych — nie tych czystych promptów z fixture'ów testowych, tylko te bałaganiarskie, z literówkami i niezręcznymi proporcjami obrazu. Porównaj dwie liczby: tokeny wyjściowe na zaakceptowany obraz oraz zaakceptowane obrazy na sto prób. To w tej drugiej liczbie ujawniłaby się poprawa spójności i to ona faktycznie decyduje o tym, czy aktualizacja oszczędza pieniądze, ponieważ odrzucony obraz kosztuje pełny budżet tokenów i nie daje nic w zamian.

Utrzymuj ścieżkę awaryjną do wersji 2.5 dla zadań wsadowych, ponieważ 2.6 nie może ich jeszcze obsłużyć. A każdy ruch Sunburst traktuj jako kwestię jakości, a nie szybkości — jeśli współczynnik akceptacji się nie zmieni, kupiłeś 15% poprawy opóźnienia i większy rachunek za planowanie.

Kiedy pozostanie przy 2.5 jest właściwą odpowiedzią

Trzy przypadki są wystarczająco jasne, by je nazwać. Obciążenia wsadowe powinny pozostać, ponieważ 2.6 nie jest w Batch API, a 2.5 jest. Potoki jakości Sunburst powinny pozostać, chyba że test wskaźnika akceptacji mówi inaczej, ponieważ przyspieszenie 1,15× nie pokrywa kosztu zmiany modelu kosztów. A każdy, którego obecny wskaźnik akceptacji jest już akceptowalny, powinien pozostać, ponieważ nowe możliwości — eksport SVG, animowany GIF, edycja kierowana znacznikami — to funkcje dodatkowe, a nie ulepszenia jakości, i potrzebujesz ich tylko wtedy, gdy masz rezultat, który ich wymaga.

To uaktualnienie jest autentyczne. Jest ono po prostu skoncentrowane na opóźnieniu Flare i nowych formatach wyjściowych, a te są węższe, niż sugeruje „nowy model”.

Dostępność i niezręczny kształt podzielonej migracji

OrcaRouter udostępniaGPT-Image-2.5 Flare i GPT-Image-2.5 Sunburst już dziś w cenie katalogowej z 0% marży, więc stawka dostawcy to dokładnie stawka, którą płacisz, bez doliczonej marży. GPT-Image-2.6 nie figuruje w katalogu na dzień 5 listopada 2026 r. — dzień po premierze — co sprawia, że bezpośredni problem praktyczny dotyczy routingu, a nie modelu: podczas testów porównawczych ruch 2.5 działa na jednym kluczu z automatycznym przełączaniem awaryjnym, natomiast ruch 2.6 trafia bezpośrednio do OpenAI w ramach drugiej umowy i drugiego rachunku.

Ten podział warto uwzględnić w planach, a nie odkrywać go po fakcie. Sprawdź katalog, zanim skierujesz ścieżkę produkcyjną na 2.6, ponieważ parytetu w dniu premiery nie może obiecać żaden router w przypadku modelu, który ma dwadzieścia cztery godziny. Kiedy już się pojawi, zasada pass-through oznacza, że stawkę dostawcy płacisz tego samego dnia — zmiana ceny po stronie OpenAI weszłaby w życie bez renegocjacji po naszej stronie — ale do tego czasu uczciwa interpretacja sytuacji jest taka, że 2.5 można routować, a 2.6 nie.

Co jest kolejnym argumentem za migracją na miarę popołudnia, a nie na miarę weekendu. Przepuść 2.5 przez router, utrzymaj stabilną bazową linię kosztów i dodaj 2.6 za flagą, gdy już zmierzysz, jak domyślne ustawienie złożoności wpływa na liczbę Twoich tokenów. Model nigdzie się nie wybiera, a endpoint wsadowy pojawi się, zanim nadejdzie Twój następny kwartalny cykl planowania.