Images 2.6 vs FLUX 3: Wierność edycji kontra kontrola rozdzielczości

Porównanie Images 2.6 i FLUX 3 zwykle przedstawia się jako pojedynek na jakość. To nie jest pojedynek. Images 2.6 od OpenAI, wydane 4 listopada 2026 r. jako para API GPT-Image-2.6 Flare i GPT-Image-2.6 Sunburst, sprzedaje iterację: szybkie kolejne podejścia, obiekt, który przetrwa łańcuch edycji, a teraz także ruch i dane wyjściowe w formacie wektorowym. FLUX 3 Image od Black Forest Labs, dostępny od 1 października, sprzedaje determinizm: dziesięć obrazów referencyjnych, instrukcje układu za pomocą ramek ograniczających, stałe poziomy rozdzielczości aż do 4K oraz cenę za obraz, którą można wpisać do arkusza kalkulacyjnego bez modelowania liczby tokenów. Jeden z nich jest lepszym produktem dla zespołu projektowego, który za każdym razem potrzebuje tego samego układu. Drugi jest lepszym produktem dla zespołu, który musi wypróbować dwanaście wariantów przed lunchem.

To praktyczna wersja tego wyboru — co każdy interfejs sterowania faktycznie pozwala ci zrobić, ile kosztuje obraz w każdym z nich i co jedyny audytowany ranking mówi o generacji poprzedzającej tę.

Czym tak naprawdę jest każdy model

Images 2.6 to trzecia generacja obrazów OpenAI w ciągu siedmiu miesięcy. W kwietniu pojawił się Images 2.0 – pierwszy rozumujący model generowania obrazów; we wrześniu Images 2.5 podzielił serię na wariant szybkościowy i jakościowy, a 2.6 zachowuje ten podział: Flare dla latencji, Sunburst dla szczegółów i spójności przy wielu edycjach. Oba są hostowane, oba rozliczane za tokeny i oba są dostępne przez standardowe punkty końcowe images. Nie ma wag.

FLUX 3 Image to flagowy model Black Forest Labs, wydany miesiąc wcześniej. Obsługuje generowanie obrazów z tekstu i edycję z użyciem do dziesięciu obrazów referencyjnych, przyjmuje instrukcje układu w postaci ramek ograniczających oraz renderuje w stałych poziomach od 768×768 do 4K z wybieralnymi proporcjami obrazu. Dwa tygodnie po flagowym modelu BFL opublikował FLUX 3 Image Klein — dystylowanego brata o 5,6 mld parametrów, z wagami do pobrania i licencją darmową do użytku komercyjnego przy rocznych przychodach poniżej 5 mln USD. Ta furtka w postaci otwartych wag nie ma odpowiednika nigdzie w wydaniu Images 2.6.

Powierzchnia sterowania: gdzie FLUX 3 wciąż wygrywa bezapelacyjnie

Cztery rzeczy, które FLUX 3 robi, a których Images 2.6 nie robi lub nie dokumentuje.

• Układ, który określasz, a nie opisujesz. Prostokąty ograniczające pozwalają umieszczać elementy według współrzędnych. Edycja z przewodnikiem po znacznikach w Images 2.6 jest potężna, ale innego rodzaju: pokazujesz modelowi, gdzie zmienić coś na istniejącym obrazie, a nie przekazujesz mu siatki układu dla nowego.

• Rozdzielczość ustalana z góry. FLUX 3 publikuje swoje poziomy — 768, 1K, 1.5K, 2K, 4K — i podaje cenę każdego. Dokumentacja Images 2.6, opublikowana 5 listopada, opisuje ustawienia jakości i złożoności oraz formaty wyjściowe, ale nie publikuje tabeli rozdzielczości. Jeśli Twój pipeline ma sztywny wymóg dostarczenia materiału w 4K, sama ta asymetria może rozstrzygnąć kwestię.

• Dziesięć referencji.Edytowanie z wieloma referencjami w FLUX 3 to najbardziej konkretna specyfikacja w tym zestawieniu. Materiały OpenAI wspominają o obrazach referencyjnych wielokrotnego użytku w ChatGPT oraz o wprowadzaniu obrazów przez API, ale nie podają limitu na jedno żądanie.

• Ścieżka samodzielnego hostowania.Wagi Kleina można pobrać. Nic w linii Images nie jest.

Edycja: luka, którą Sunburst ma za zadanie wypełnić

Argument OpenAI za Sunburstem nie dotyczy szczytowego piękna. Chodzi o to, że dziesiąta edycja wciąż wygląda jak pierwsza — twarz, logo i szczegół produktu się trzymają. To był przez dwa lata prawdziwy tryb awarii hostowanych modeli obrazów: każda edycja to świeża generacja warunkowana poprzednią, a drobny dryf się kumuluje.

Dwie funkcje API 2.6 odnoszą się bezpośrednio do tego problemu. Parametr złożoności pozwala dać modelowi więcej przestrzeni na planowanie, gdy scena zawiera kilka elementów, które wszystkie muszą zostać zachowane; edycje kierowane znacznikami usuwają niejednoznaczność „zmień to, co po lewej”, pozwalając zamiast tego rysować po obrazie. Odpowiedź FLUX 3 na ten sam problem ma charakter strukturalny — dostarcz mu więcej referencji i powiedz, gdzie mają trafić poszczególne elementy.

Które podejście działa lepiej, to wciąż pytanie, na które nikt nie potrafi odpowiedzieć na podstawie danych. Sunburst nie ma niezależnej oceny edycji. FLUX 3 Image ma: 1123 Elo na tablicy edycji Artificial Analysis, co plasuje go w pierwszej piętnastce, ale wyraźnie za poprzednią generacją OpenAI.

Ile kosztuje obraz na każdym

Modele rozliczeń są na tyle różne, że naiwne porównanie w przeliczeniu na obraz wprowadza w błąd w obu kierunkach.

• FLUX 3 Image, za obraz — 0,041 USD przy 768², 0,048 USD przy 1K, 0,07 USD przy 1,5K, 0,10 USD przy 2K, 0,607 USD przy 4K.

• FLUX 3 Image Klein, za obraz — 0,008 USD przy 768², 0,009 USD przy 1K, 0,011 USD przy 1,5K, 0,014 USD przy 2K, 0,036 USD przy 4K.

• Images 2.6, za token — 5 USD za milion tekstowych tokenów wejściowych (1,25 USD z pamięci podręcznej), 8 USD za milion tokenów wejściowych obrazów (2 USD z pamięci podręcznej), 30 USD za milion tokenów wyjściowych obrazów, identycznie w przypadku Flare i Sunburst.

Po przeliczeniu stawka za tokeny wypada w podobnych granicach co FLUX 3 przy typowych rozmiarach: około pół centa za render 1K w niskiej jakości, około pięciu centów za 1K w wysokiej jakości i około dziesięciu centów przy 2K w wysokiej jakości. Oba rozwiązania ostro się różnią na skrajach. Obraz 4K we FLUX 3 kosztuje sześćdziesiąt centów, ponieważ kupujesz obraz 4K; render Images 2.6 przy niskim nakładzie kosztuje prawie nic, ponieważ kupujesz bardzo mało tokenów wyjściowych. Żadna z tych cen nie jest sztuczką — po prostu pobierają opłaty za różne rzeczy.

Liczba, która nigdy nie pojawia się na żadnym z dwóch cenników, to koszt odrzuconego obrazu. Jeśli spójność edycji Sunburst pozwala zaoszczędzić jedno ponowne wygenerowanie na pięć, jego efektywna cena za użyteczny zasób spada o 20% i porównanie się odwraca. Dopóki nie ma niezależnych danych o edycjach, jest to założenie, a nie obliczenie.

Benchmarki, z dołączonymi gwiazdkami

Ranking text-to-image serwisu Artificial Analysis z 5 listopada plasuje GPT Image 2.5 Sunburst na pierwszym miejscu z wynikiem 1 224 pkt Elo, a GPT Image 2.5 Flare na drugim z wynikiem 1 208. FLUX 3 Image zajmuje miejsce około dwunastego z wynikiem 1 119, przy cenie 48 USD za tysiąc obrazów. Klein ma 1 043 punkty za 9 USD za tysiąc.

Przeczytaj to uważnie. Generacja, którą OpenAI udostępniło we wrześniu, bije FLUX 3 o około 105 punktów Elo w rankingu z przedziałem ufności ±10 — to realna różnica, a nie szum. Images 2.6 w ogóle nie ma jeszcze w rankingu, więc uczciwe stwierdzenie brzmi: poprzedni model OpenAI przewyższa FLUX 3 pod względem preferencji ludzi, a nowego nie zmierzono. Łatwo byłoby napisać „2.6 bije FLUX 3”; nikt nie przeprowadził głosowania.

W edycji FLUX 3 Image uzyskuje wynik 1123 i plasuje się w przedziale od dziewięciu do siedemnastu. GPT Image 2.5 Sunburst przewodzi temu rankingowi z wynikiem 1199. Ponownie: poprzednik, a nie model z tytułu.

Rankingi preferencji również nie mierzą rzeczy, w których FLUX 3 jest w rzeczywistości najlepszy. Nikt, kto głosuje w arenie, nie sprawdza, czy ramka ograniczająca trafiła na właściwy piksel ani czy eksport 4K rzeczywiście jest 4K. Traktuj Elo jako przybliżenie odpowiedzi na pytanie „które wyjście wygląda lepiej dla osoby postronnej”, co jest prawdziwym pytaniem, ale nie jedynym.

Otwarte wagi zmieniają profil ryzyka, a nie jakość

Klein to najbardziej niedoceniany element tego starcia. Przy 5,6 mld parametrów i dziewięciu dolarach za tysiąc obrazów 1K według własnego cennika BFL jest wystarczająco tani, by stosować go jako warstwę roboczą, a to, że jego wagi można pobrać, oznacza, że pipeline przetrwa zmianę ceny, wycofanie z oferty lub awarię. Granica licencyjna opiera się na przychodach: darmowe użycie komercyjne poniżej 5 mln dolarów rocznego przychodu, powyżej — odrębne warunki. Przeczytaj ten zapis, zanim na nim zbudujesz.

Jeśli chodzi o jakość, Klein nie zastępuje żadnego z flagowców — 1 043 punktów Elo to wyraźny krok w dół od 1 119 FLUX 3 Image i duży dystans do wyników OpenAI. Uczciwe zastosowanie to masowa prewizualizacja z wykończeniowym przebiegiem flagowca, a nie tańszy zamiennik.

Wybór między nimi

Wybierz FLUX 3, gdy efekt końcowy jest określony przed rozpoczęciem generowania: stałe proporcje obrazu, układ, który musi się powtarzać, wyjście 4K, potok kompozycji, który potrzebuje obrazów referencyjnych, a nie opisu tekstowego. Wybierz Images 2.6, gdy praca jest iteracyjna i konwersacyjna — ten sam zasób edytowany dwadzieścia razy, postać, która musi pozostać spójna, pętla podglądu, w której sześć sekund versus dwanaście zmienia to, co robią Twoi użytkownicy. Wybierz Klein, gdy potrzebujesz, aby model działał dalej, gdy API kogoś innego przestaje działać.

Jeśli chcesz przetestować oba bez dwóch umów, OrcaRouter nie potrafi tego dziś zrobić: ani Images 2.6, ani FLUX 3 nie ma jeszcze w naszym katalogu. A co jest: GPT-Image-2.5 Flare i Sunburst, modele obrazowe Gemini i Imagen od Google oraz Grok Imagine Image — dostępne za jednym kluczem, z automatycznym przełączaniem awaryjnym i ceną listową dostawcy przekazywaną bez marży (0%). Dzięki temu test porównawczy jest tani na modelach, które oferujemy, a zmiana ceny przez dostawcę dociera do Ciebie tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy.

Na co warto uważać, to pierwszy niezależny wynik Images 2.6. Jeśli Sunburst osiągnie 1,224 lub więcej, argumenty za FLUX 3 zawężają się do kontroli i rozdzielczości — które są realnymi zaletami, ale węższymi, niż wyglądają dziś.