GPT-Image-2.5 Flare และ Sunburst: OpenAI แยก Image API ออกเป็นโหมดความเร็วและความแม่นยำ

ตอนนี้ API รูปภาพของ OpenAI มีโมเดลเรือธงสองตัวแทนที่จะเป็นหนึ่งเดียว เมื่อวันที่ 8 กันยายน 2026 ทางบริษัทได้เปิดตัว GPT-Image-2.5 Flare และ GPT-Image-2.5 Sunburst ซึ่งเป็นโมเดลคู่แฝดภายใต้การอัปเกรด 2.5 เดียวกัน แต่ถูกแบ่งตามภาระงานแทนที่จะเป็นตามเจเนอเรชัน โดย Flare ถูกวางตำแหน่งให้เป็นตัวเลือกเริ่มต้นที่รวดเร็วสำหรับการสร้างภาพในชีวิตประจำวันและการสร้างภาพปริมาณมาก ส่วน Sunburst เป็นโมเดลที่ช้ากว่าแต่ให้ความแม่นยำเป็นหลัก สำหรับงานที่การควบคุมการแก้ไขสำคัญกว่าเวลาที่ใช้ในการประมวลผล ทั้งคู่เปิดตัวใน Images API ในวันเดียวกับการเปิดตัว ChatGPT Images 2.5 สำหรับผู้บริโภค และทั้งคู่สืบทอดตระกูล GPT-Image-2 ที่ OpenAI เปิดตัวในเดือนเมษายน ซึ่งชุมชนได้ติดตามมาตั้งแต่มีข้อมูลหลุดของ Codex ปรากฏในวันที่ 3 กันยายน

สำหรับนักพัฒนา การเปลี่ยนแปลงเชิงปฏิบัติเกิดขึ้นทันที: การตัดสินใจไม่ใช่ “จะเรียกใช้โมเดลภาพตัวไหน?” อีกต่อไป แต่เป็น “โมเดลพี่น้องสองตัวไหนที่เหมาะกับงานนี้?” คำตอบมีความสำคัญต่อต้นทุนและความหน่วง เพราะโมเดลทั้งสองไม่สามารถใช้แทนกันได้ในด้านความเร็ว สิ่งอื่นใดที่กล่าวถึงด้านล่างนี้เป็นข้อกล่าวอ้างของ OpenAI — ตัวเลขด้านความเร็ว คุณภาพ และความปลอดภัยทั้งหมดมาจากผู้ให้บริการและพันธมิตรที่ประกาศไว้ และยังไม่มีโมเดล 2.5 ตัวใดมีคะแนนเกณฑ์วัดประสิทธิภาพอิสระ ณ วันที่ 9 กันยายน 2026

สองรุ่น อัปเกรดเดียว

ประกาศสำหรับนักพัฒนาของ OpenAI กล่าวถึงคู่โมเดลนี้โดยแบ่งตามกรณีการใช้งาน GPT-Image-2.5 Flare — ตัวระบุคือ gpt-image-2.5-flare — เป็นค่าเริ่มต้นสำหรับแอปพลิเคชันส่วนใหญ่ OpenAI วางตำแหน่งให้เหมาะกับคอนเทนต์สำหรับครีเอเตอร์และโซเชียล ประสบการณ์ผลิตภัณฑ์ การค้นหาด้วยภาพ การสร้างภาพต้นแบบอย่างรวดเร็ว สินทรัพย์แบรนด์ และไปป์ไลน์การสร้างภาพปริมาณมากใด ๆ บริษัทกล่าวว่า Flare สร้างภาพคุณภาพสูงกว่า GPT-Image-2 โดยมีเวลาแฝงต่ำกว่าสูงสุด 50 เปอร์เซ็นต์ และในการประเมินของบริษัทเอง โมเดลสร้างภาพได้เร็วกว่า GPT-Image-2 ประมาณสองถึงสี่เท่า ส่วนลูกค้ารายแรกอย่าง Manus ที่มีการประกาศไป รายงานแยกต่างหากว่าเห็นความเร็วเพิ่มขึ้น 2–4 เท่า พร้อมผลลัพธ์พื้นหลังโปร่งใสที่ดีกว่าในการใช้งานของตนเอง เอกสารอ้างอิง API ระบุว่า Flare เป็นโมเดล "ขนาดเล็ก" ในคู่โมเดลนี้

GPT-Image-2.5 Sunburst — ตัวระบุ gpt-image-2.5-sunburst — คือรุ่นระดับพรีเมียมของสองรุ่น OpenAI สร้างมันขึ้นมาสำหรับเวิร์กโฟลว์ที่ได้ประโยชน์จากการควบคุมที่แม่นยำยิ่งขึ้นในขั้นตอนการแก้ไข ไม่ว่าจะเป็นครีเอทีฟแคมเปญที่พร้อมใช้จริง ภาพสินค้าที่ผ่านการตกแต่งอย่างประณีต สื่อการตลาด และเครื่องมือออกแบบที่ความแม่นยำของแบรนด์เป็นหัวใจสำคัญ มันใช้เวลาในการสร้างแต่ละครั้งนานกว่ารุ่น Flare และพลังประมวลผลที่เพิ่มขึ้นนั้นให้ผลลัพธ์ที่ OpenAI อธิบายว่าเป็นความแม่นยำและความละเอียดของรายละเอียดในการแก้ไขที่เพิ่มขึ้นอีกระดับ เอกสารอ้างอิง API ระบุว่า Sunburst เป็นโมเดล "base" — โมเดลที่ใหญ่กว่าและรอบคอบกว่าในสองรุ่นนี้ Higgsfield AI อีกรายที่ประกาศเป็นลูกค้าช่วงแรกกล่าวว่าโมเดลนี้ "เข้าใจสิ่งที่ไม่ควรเปลี่ยนแปลง" ซึ่งเป็นคำสรุปที่กระชับสำหรับจุดขายการแก้ไขภาพของรุ่น 2.5 ทั้งหมด นั่นคือ คงส่วนต่างๆ ของภาพที่คำสั่งไม่ได้ขอให้แก้เอาไว้ให้เหมือนเดิม แม้ในฉากที่เต็มไปด้วยรายละเอียดยุ่งเหยิงก็ตาม

Adobe กล่าวว่ากำลังผสานรวมโมเดลทั้งสองเข้ากับ Firefly ซึ่งทำให้ทั้งคู่เป็นโมเดลภาพชุดแรกของ OpenAI ที่เข้าถึงไลน์ผลิตภัณฑ์ดังกล่าว โดย Manus และ Higgsfield AI เป็นลูกค้ารายแรกๆ รายอื่นๆ ที่ถูกเอ่ยถึง

อะไรที่พัฒนาขึ้นจริง

บันทึกประจำรุ่นจัดกลุ่มงานด้านคุณภาพไว้ภายใต้หัวข้อเดียวกัน: รายละเอียดที่คมชัดขึ้น การยึดตามสไตล์ที่แข็งแกร่งขึ้น และการควบคุมการแก้ไขที่มากขึ้น ภายใต้นั้น OpenAI ระบุการเปลี่ยนแปลงเฉพาะที่ควรอ่านอย่างละเอียด เพราะสิ่งเหล่านี้คือความแตกต่างระหว่างการออกรุ่นย่อยกับการก้าวไปข้างหน้าอย่างแท้จริง:

แสงที่เป็นธรรมชาติมากขึ้นและพื้นผิวที่สมบูรณ์ยิ่งขึ้น — คุณภาพของผลลัพธ์ที่นักรีวิวกล่าวถึงอย่างสม่ำเสมอว่าเป็นความก้าวหน้าที่มองเห็นได้ชัดเจนเหนือกว่า Images 2.0

• การคงสภาพตัวแบบจากภาพถ่ายอ้างอิงได้ดียิ่งขึ้น — ลักษณะใบหน้าและรายละเอียดที่บ่งบอกตัวตนจะถูกส่งทอดผ่านการสร้างแต่ละครั้ง แทนที่จะถูกสรรสร้างขึ้นใหม่ทุกครั้ง

• การแก้ไขแบบหลายรอบที่เชื่อถือได้มากขึ้น — การเปลี่ยนแปลงก่อนหน้านี้ยังคงมีเสถียรภาพ และการแก้ไขต่อเนื่องในแต่ละครั้งจะต่อยอดจากงานก่อนหน้า โดยไม่ทำให้ส่วนอื่นๆ ของภาพที่ไม่เกี่ยวข้องเสื่อมคุณภาพลง

• ความหน่วงในการสร้างภาพต่ำลงถึง 50 เปอร์เซ็นต์เมื่อเทียบกับ Images 2.0 ในฝั่งผู้บริโภค ซึ่งเป็นเรื่องราวความเร็วเดียวกันกับที่ Flare เล่าในฝั่ง API

• การจัดการข้อความที่คมชัดขึ้นและพื้นหลังโปร่งใส ซึ่งเป็นสองความสามารถที่ผู้ซื้อ image-API ใช้เป็นเกณฑ์วัดบ่อยที่สุด; บันทึกเกี่ยวกับพื้นหลังโปร่งใสของ Manus คือการยืนยันเพียงหนึ่งเดียวที่ฟังดูเป็นอิสระเท่าที่มีมา

OpenAI ยังกล่าวอีกว่าทุกผลลัพธ์มาพร้อมกับเมตาดาต้า C2PA และลายน้ำที่มองไม่เห็น ซึ่งไม่มีการเปลี่ยนแปลงจากแนวทางเรื่องแหล่งที่มาของ GPT-Image-2 และควรกล่าวย้ำอีกครั้งเพราะเป็นข้อกำหนดที่เคร่งครัดในเวิร์กโฟลว์ที่มีการกำกับดูแลบางประเภท

สิ่งที่ API เปิดเผยในตอนนี้

โมเดลใหม่เหล่านี้มาอยู่ในปลายทาง Images API เดียวกันที่นักพัฒนาใช้อยู่แล้ว — ทั้งการเรียกสำหรับการสร้างและการแก้ไข — แต่พื้นผิวของพารามิเตอร์ได้ขยายใหญ่ขึ้น เอกสารอ้างอิง API สำหรับโมเดล 2.5 แสดงพารามิเตอร์ quality ที่มีช่วงเหลือเฟือมากกว่า GPT-Image-2 เคยให้ไว้: auto (ค่าเริ่มต้น), low, medium, high และระดับใหม่สองระดับที่อยู่เหนือ high คือ xhigh และ max นอกจากนี้ยังระบุตัวเลือกขนาดที่เกินเพดาน 2048×2048 ที่ GPT-Image-2 วางจำหน่ายมา โดยสูงสุดที่ 3840×2160 ในแนวนอน และ 2160×3840 ในแนวตั้ง ข้อจำกัดที่ระบุคือ ความยาวด้านไม่เกิน 3840 พิกเซล มิติต้องเป็นจำนวนเท่าของ 16 อัตราส่วนภาพไม่กว้างเกิน 3:1 และจำนวนพิกเซลรวมระหว่าง 655,360 ถึง 8,294,400 — ดังนั้นผลลัพธ์ที่ใหญ่ที่สุดจึงอยู่ที่มากกว่า 8 เมกะพิกเซลเล็กน้อย ซึ่งอยู่ในอาณาเขตคลาส 4K พารามิเตอร์ background รับค่า auto, opaque หรือ transparent ซึ่งเป็นวิธีที่ใช้ขอผลลัพธ์ PNG แบบโปร่งใส

ข้อควรระวังสองประการช่วยให้ย่อหน้านั้นยังคงเที่ยงตรง ประการแรก การตั้งค่าที่บันทึกไว้ในเอกสารอ้างอิงของ OpenAI สำหรับตัวระบุรุ่น 2.5 นั้น ยังไม่มีการระบุอย่างครบถ้วนตั้งแต่ช่วงเปิดตัวว่าทุกระดับและทุกขนาดจะใช้ได้กับทั้งสองโมเดลหรือไม่ และแต่ละระดับคุณภาพคิดเป็นโทเคนเท่าใด ประการที่สอง gpt-image-2 ยังคงปรากฏในรายการ API การเปิดตัวรุ่น 2.5 เป็นการเพิ่มเติมจากเดิม และระบบผสานรวมที่มีอยู่จะไม่เสียหาย ราคาต่อภาพของโมเดลใหม่จะขึ้นอยู่กับจำนวนโทเคนที่การสร้างภาพแต่ละครั้งใช้จริง ซึ่งหมายความว่านิสัยเดิมที่เคยจัดงบประมาณแบบ 'ดอลลาร์ต่อภาพ 1024×1024' คือตัวเลขที่ต้องจับตามองจนกว่าข้อมูลการใช้งานจริงจะสะสมมากขึ้น

ราคายังไม่ขยับ

OpenAI คงอัตราค่าโทเคนให้เท่ากับของ GPT-Image-2: $8.00 ต่อล้านโทเคนสำหรับการรับภาพ และ $30.00 ต่อล้านโทเคนสำหรับการส่งภาพ นอกเหนือจากโทเคนข้อความปกติที่ใช้ในพรอมพ์ เพื่อให้เห็นบริบทว่าอัตราเหล่านี้ส่งผลต่อโมเดลก่อนหน้าอย่างไร Artificial Analysis ประเมิน GPT-Image-2 (high) ไว้ที่ประมาณ $211 ต่อ 1,000 ภาพ หรือราว $0.21 สำหรับภาพคุณภาพสูงขนาด 1024×1024 — และ หน้า openai/gpt-image-2 บน OrcaRouterก็แสดงการแบ่งโทเคนแบบ $8.00/$30.00 เช่นกัน เพราะโมเดล 2.5 ใช้อัตราเดียวกัน คำถามเรื่องต้นทุนจึงเป็นเรื่องของจำนวนโทเคนที่ใช้ต่อภาพเท่านั้น ซึ่งก็คือสิ่งที่ไม่ได้มีการเปิดเผยในตอนเปิดตัว

นี่คือหลักคิดด้านราคาที่สำคัญสำหรับใครก็ตามที่เรียกใช้ gpt-image-2 ผ่าน OrcaRouter อยู่แล้ว โมเดลภาพของ OpenAI อยู่ในกลุ่มโมเดลกว่า 200 รายการที่ให้บริการผ่าน OrcaRouter API โดย OrcaRouter ส่งผ่านราคารายการของผู้ให้บริการโดยตรง ด้วยมาร์กอัป 0% — อัตรา $8.00/$30.00 บนหน้าโมเดล openai/gpt-image-2 เป็นตัวเลขของ OpenAI เอง ไม่ใช่ของรีเซลเลอร์ ในวันที่ผู้ให้บริการต้นทางเพิ่มตัวระบุ gpt-image-2.5-flare หรือ gpt-image-2.5-sunburst คีย์ API ตัวเดียวกันก็จะเรียกใช้โมเดลเหล่านี้ และการเปลี่ยนแปลงราคาของผู้จำหน่ายสำหรับโมเดลใดโมเดลหนึ่งจะมีผลบนฝั่งคุณในวันเดียวกับที่การเปลี่ยนแปลงนั้นปรากฏ

Flare หรือ Sunburst: แบบไหนเหมาะกับคุณ

สำหรับทีมส่วนใหญ่ คำตอบที่ตรงไปตรงมาคือ "เริ่มต้นด้วย Flare และเลื่อนไปใช้ Sunburst เฉพาะเมื่อการแก้ไขต้องผ่านการตรวจสอบอย่างละเอียด" โมเดลถูกแบ่งแยกตามลักษณะงานอย่างชัดเจน มากกว่าแยกตามคุณภาพดิบ และการวางตำแหน่งของ OpenAI เองก็บอกว่า Flare เป็นค่าเริ่มต้น การอ่านแบบทีละมิติ:

• ความเร็ว — Flare คือรุ่นที่เร็ว: OpenAI อ้างว่ามีความหน่วงต่ำกว่า GPT-Image-2 ถึง 50 เปอร์เซ็นต์ และมีปริมาณงานสูงกว่า 2–4 เท่า ในการประเมินของพวกเขาและการใช้งานของ Manus ส่วน Sunburst ตั้งใจแลกความเร็วเพื่อความแม่นยำ และใช้เวลาต่อการสร้างนานกว่า

• งานที่เหมาะที่สุด — Flare สำหรับคอนเทนต์ครีเอเตอร์/โซเชียลมีเดีย, ประสบการณ์ผลิตภัณฑ์, การค้นหาด้วยภาพ, การสร้างต้นแบบอย่างรวดเร็ว และแบรนด์แอสเซทปริมาณมาก ส่วน Sunburst สำหรับงานครีเอทีฟแคมเปญระดับโปรดักชัน, การถ่ายภาพผลิตภัณฑ์ระดับพรีเมียม และงานดีไซน์ที่งานรีทัชต้องออกมาสมบูรณ์แบบ

• พฤติกรรมการแก้ไข — Sunburst เป็นตัวแก้ไขที่เข้มงวดกว่า; ข้อเสนอแนะที่ว่า “เข้าใจสิ่งที่ไม่ควรเปลี่ยนแปลง” จาก Higgsfield ใช้ได้กับรุ่น 2.5 โดยรวม แต่ Sunburst คือโมเดลที่สร้างขึ้นเพื่อการควบคุมสูงสุดในระหว่างการแก้ไขต่อเนื่องหลายครั้ง

• แท็กโมเดล API — Flare คือโมเดล "ขนาดเล็ก" ในชุดอ้างอิงของ OpenAI; Sunburst คือโมเดล "พื้นฐาน" ซึ่งหมายถึงโมเดลที่ใหญ่กว่าและช้ากว่าในสองตัวนี้

• ราคา — อัตราโทเคนเท่ากัน ($8.00 ขาเข้า / $30.00 ขาออก ต่อล้านโทเคน) ดังนั้นความแตกต่างด้านต้นทุนจึงเท่ากับโทเคนส่วนเกินที่การสร้างข้อความที่ยาวกว่าของ Sunburst ใช้ไป

• คะแนนอิสระ — ยังไม่มีสำหรับทั้งสองโมเดล ณ วันที่ 9 กันยายน 2026; ให้ถือว่าข้อเรียกร้องด้านคุณภาพและความเร็วทั้งหมดเป็นข้อมูลที่ผู้จำหน่ายรายงาน จนกว่าจะมีรายการในลีดเดอร์บอร์ดหรือผลทดสอบจากบุคคลที่สามที่สามารถทำซ้ำได้ปรากฏขึ้น

รูปแบบที่สมเหตุสมผลสำหรับทีมที่ทำงานในโปรดักชันอยู่แล้วคือการจัดเส้นทางการรับส่งข้อมูลส่วนใหญ่ไปยัง Flare — ซึ่งเป็นค่าเริ่มต้นที่หน่วงเวลาต่ำและเป็นทางเลือกที่ถูกกว่าในราคาโทเค็นเดียวกัน — และชี้ไปที่ Sunburst เฉพาะส่วนที่ต้องแก้ไขหนักและสำคัญต่อคุณภาพเท่านั้น เพราะทั้งสองโมเดลใช้รูปร่างเดียวกันของ Images API และอัตราโทเค็นเท่ากัน การแบ่งแบบนั้นจึงเป็นการเปลี่ยนแปลงการกำหนดค่า ไม่ใช่การย้ายระบบ การสลับอัตโนมัติแบบ failover ทำให้ปลอดภัยที่จะลองก่อนตัดสินใจ: ส่งทราฟฟิกจริงส่วนหนึ่งไปยังโมเดลใหม่ และเมื่อเกิดข้อผิดพลาดหรือหมดเวลาให้ย้อนกลับไปใช้ gpt-image-2 จากนั้นพรอมต์ของคุณเอง — ไม่ใช่หน้าเปิดตัว — จะเป็นตัวตัดสินว่าโมเดลพี่น้องตัวไหนสมควรได้รับทราฟฟิกนั้น

ตำแหน่งของการเปิดตัวเวอร์ชัน 2.5 ในวงการแข่งโมเดลสร้างภาพ

ก่อนการเปิดตัวครั้งนี้ GPT-Image-2 เป็นโมเดลที่ต้องเอาชนะบนกระดานจัดอันดับอิสระอยู่แล้ว บนกระดานจัดอันดับ text-to-image ของ Artificial Analysis มันครองอันดับหนึ่งด้วย Elo 1178 — เหนือ MAI-Image-2.6 ที่ 1149, Nano Banana 2 ที่ 1121 และ Muse Image ที่ 1116 — และบนกระดานจัดอันดับการแก้ไขภาพ GPT-Image-2 (high) อยู่อันดับสองด้วย Elo 1117 ตามหลัง MAI-Image-2.6 ของ Microsoft ที่ 1122 เรื่องเล่าการเปิดตัวของ GPT-Image-2.5 คือ OpenAI ได้นำตำแหน่งผู้นำนั้นมาแบ่งออกเป็นระดับความเร็วและระดับความแม่นยำ ซึ่งเป็นกลยุทธ์ผลิตภัณฑ์มากพอๆ กับการอ้างคุณภาพ: แทนที่จะปกป้องคะแนนเรือธงเพียงจุดเดียว มันปกป้องตำแหน่งด้านราคาต่อประสิทธิภาพสองจุดพร้อมกัน

คำเตือนอย่างตรงไปตรงมาก็คือ ยังไม่มีสิ่งใดถูกวัดผลสำหรับโมเดลใหม่เหล่านี้ ณ วันที่ 9 กันยายน ทั้ง gpt-image-2.5-flare และ gpt-image-2.5-sunburst ยังไม่ปรากฏบนลีดเดอร์บอร์ดของ Artificial Analysis และยังไม่มีผลการทำซ้ำโดยอิสระสำหรับข้อกล่าวอ้างเรื่องความเร็วของ OpenAI ได้รับการเผยแพร่ ตัวเลขข้างต้นที่มีการสนับสนุนโดยอิสระ — คะแนน Elo ของ GPT-Image-2 และราคาต่อภาพ — อธิบายถึงโมเดลรุ่นก่อน ไม่ใช่ตัวใหม่ ในด้านความปลอดภัย OpenAI รายงานอัตราการสร้างภาพที่ไม่ปลอดภัยที่ 1.41 เปอร์เซ็นต์สำหรับ Flare และ 1.09 เปอร์เซ็นต์สำหรับ Sunburst เมื่อเทียบกับค่าพื้นฐานที่ 1.64 เปอร์เซ็นต์ในการประเมินภายใน ตัวเลขเหล่านั้นเป็นข้อมูลจากผู้ขาย ซึ่งเผยแพร่เพื่อแสดงว่าทั้งคู่ปลอดภัยกว่าโมเดลที่พวกเขาต่อยอด และควรถือเป็นแนวทางมากกว่าข้อสรุปที่ชัดเจน บริบทเรื่องขนาดมาจาก OpenAI เช่นกัน: ระบุว่าผู้ใช้สร้างภาพมากกว่าสามพันล้านภาพต่อสัปดาห์บนแพลตฟอร์มของบริษัท

สิ่งที่ควรดูต่อไป

สามสิ่งจะบอกคุณได้ว่าการแยกออกเป็นหลายรุ่นนี้ดีกว่าโมเดลเรือธงเดียวที่มันต่อยอดมาหรือไม่ สิ่งแรกคือตัวเลข latency และ throughput ที่วัดอย่างเป็นอิสระของ Flare — คำกล่าวอ้างของ OpenAI ที่ว่า 2–4 เท่านั้นเป็นตัวเลขประเภทที่พาร์ตเนอร์สามารถตรวจสอบได้ภายในบ่ายวันเดียว และการยืนยันจาก Manus ก็เป็นเพียงจุดเริ่มต้น ไม่ใช่ข้อพิสูจน์ สิ่งที่สองคือปริมาณการใช้ token ต่อภาพของทั้งสองโมเดล ซึ่งจะแปลงอัตราค่า token $8/$30 ที่ไม่เปลี่ยนแปลงให้เป็นราคาต่อภาพจริง ข้อมูลนี้ยังไม่มีการเผยแพร่ตอนเปิดตัว สิ่งที่สามคือตำแหน่งที่ Sunburst จะไปอยู่บนลีดเดอร์บอร์ดด้านการแก้ไขภาพ เพราะนั่นคือเหตุผลทั้งหมดที่โมเดลนี้ถือกำเนิดขึ้นมา: หากความได้เปรียบด้านความแม่นยำเหนือ GPT-Image-2 มีจริง มันควรแสดงให้เห็นได้ในการวัดเทียบกับ MAI-Image-2.6 และโมเดลที่เหลือในสิบอันดับแรกด้านการแก้ไขภาพภายในไม่กี่สัปดาห์

ในตอนนี้ การเปิดตัวครั้งนี้ถือเป็นทางแยกที่แท้จริงสำหรับผู้ซื้อ API รูปภาพ GPT-Image-2.5 Flare คือเส้นทางการย้ายระบบเริ่มต้นที่สมเหตุสมผลจาก GPT-Image-2 — API เดิม ราคา token เท่าเดิม ความเร็วดีกว่าบนกระดาษ ส่วน GPT-Image-2.5 Sunburst คือรุ่นที่ควรรอคอยหากงานของคุณคือการแก้ไขที่ต้องอยู่ภายใต้การตรวจสอบอย่างละเอียด และหากคุณกำลังเรียกใช้ gpt-image-2 ผ่าน OrcaRouter อยู่แล้ว การสลับไปใช้รุ่นพี่น้องตัวใดตัวหนึ่งก็เป็นเพียงการเปลี่ยนเส้นทางบนคีย์เดียวกัน โดยราคารายการของผู้ให้บริการถูกส่งผ่านที่มาร์กอัป 0% และมีระบบ failover พร้อมใช้งานในขณะที่คุณตัดสินใจว่าโมเดลใดสมควรได้รับทราฟฟิกของคุณจริง ๆ