GPT-Image-2.6 vs GPT-Image-2.5: Việc hoán đổi chỉ là một chuỗi, còn hóa đơn thì không

Ở cấp độ API, việc chuyển từ GPT-Image-2.5 sang GPT-Image-2.6 là bản nâng cấp ít kịch tính nhất mà OpenAI tung ra trong cả năm. Vẫn hai endpoint đó, vẫn bảng giá đó, vẫn cách phân tách Flare-so-với-Sunburst đó. Chuỗi mô hình thay đổi và không cần thay đổi gì khác. Đó cũng chính là cái bẫy. GPT-Image-2.6 thêm một tham số mà GPT-Image-2.5 chưa từng có — một núm chỉnh độ phức tạp — và việc bỏ qua nó không làm nó bị tắt. Nó mặc định ở mức cao. Một pipeline chỉ hoán đổi chuỗi rồi triển khai không phải đang mua cùng khối lượng công việc với cùng số tiền; nó đang mua nhiều công việc hơn, đó là lý do báo cáo chi phí đầu tiên sau một lần di chuyển có thể thay đổi dù mức giá công bố không đổi.

Cả hai mô hình đều đạt trạng thái khả dụng chung với cùng các điều khoản thương mại, và chính điều đó khiến việc so sánh này trở nên khác thường. Không có tranh luận nào về giá cả. Cuộc tranh luận hoàn toàn xoay quanh việc công việc mới sẽ được dồn vào đâu, và liệu lưu lượng của bạn có được định hình theo hướng hưởng lợi từ đó hay không.

Bề mặt API thực sự là một giải pháp thay thế trực tiếp — với một lỗ hổng trong đó

OpenAI đã phát hành GPT-Image-2.6 vào ngày 4 tháng 11 năm 2026 dưới dạng hai mô hình API thay vì một, kế thừa cấu trúc mà hãng đã thiết lập với 2.5. Phân hạng hướng đến chi tiết và tính nhất quán là GPT-Image-2.6 Sunburst; phân hạng tốc độ là GPT-Image-2.6 Flare. Những phiên bản tiền nhiệm của chúng, GPT-Image-2.5 Sunburst và GPT-Image-2.5 Flare, giữ nguyên tên gọi và mối quan hệ giữa hai phiên bản.

• Chuỗi mô hình — gpt-image-2.6-flare và gpt-image-2.6-sunburst thay thế gpt-image-2.5-flare và gpt-image-2.5-sunburst, cùng logic đặt tên, một cho độ trễ và một cho chi tiết.

• Các điểm cuối — /v1/images/generations và /v1/images/edits, không thay đổi. Không có điểm cuối mới để tích hợp.

• Mức giá — $5 mỗi triệu token đầu vào văn bản, $8 mỗi triệu token đầu vào hình ảnh, $30 mỗi triệu token đầu ra hình ảnh, với đầu vào được lưu trong bộ nhớ đệm ở mức $1.25 và $2.00. Giống hệt từng byte với 2.5.

• Các bậc chất lượng — low, medium, high, xhigh, max và auto. Cùng một thang bậc.

• Kích thước đề xuất — 1024×1024, 1536×1024 và 1024×1536 vẫn đứng đầu trong tài liệu, với các kích thước tùy chỉnh được chấp nhận là bội số của 16 và tỷ lệ khung hình từ 1:3 đến 3:1.

• Điểm thiếu — 2.6 không khả dụng qua Batch API. Nếu chi phí hình ảnh của bạn phụ thuộc vào một tác vụ chạy hằng đêm với mức giá bằng một nửa, thì tác vụ đó vẫn chưa thể chuyển sang.

Dòng cuối cùng đó mới là thứ thực sự làm hỏng mọi thứ. Mọi thứ phía trên nó chỉ là một lần thay thế chuỗi và một lần chạy hồi quy. Khoảng trống xử lý theo lô là một rào cản kiến trúc đối với đúng những khối lượng công việc — danh mục hàng loạt, nạp bù chạy đêm, tạo A/B quy mô lớn — nơi mức giảm giá 50% chính là lý do khối lượng công việc đó tồn tại ngay từ đầu.

Núm điều chỉnh độ phức tạp mới là tính năng thực sự, và giá trị mặc định của nó chính là điều gây bất ngờ.

Độ phức tạp là một trục mới nằm song song với chất lượng chứ không nằm bên trong nó, và sự khác biệt này quan trọng hơn cảm giác ban đầu. Chất lượng kiểm soát quá trình kết xuất: có bao nhiêu token đầu ra được dùng cho bức ảnh. Độ phức tạp kiểm soát quá trình lập kế hoạch: mô hình suy luận bao nhiêu trước khi bắt đầu kết xuất. Bạn có thể yêu cầu một hình ảnh chất lượng thấp về một cảnh phức tạp, hoặc một hình ảnh chất lượng cao về một cảnh đơn giản, và trong 2.6, đó thực sự là những yêu cầu riêng biệt.

Tài liệu nêu rõ rằng nếu bỏ qua tham số, giá trị mặc định của nó là high. Vì vậy, một người gọi chuyển yêu cầu 2.5 sang bằng cách chỉ đổi tên mô hình và không đổi gì khác đang âm thầm chọn ngân sách lập kế hoạch tối đa trong mọi lần gọi. Đó không phải là lỗi — đó là mặc định hợp lý cho một mô hình mà điểm bán hàng là suy nghĩ nhiều hơn — nhưng điều đó có nghĩa là tháng đầu tiên của lưu lượng 2.6 không phải là so sánh tương đương với tháng cuối của lưu lượng 2.5.

Có ít nhất một điểm dữ liệu công khai cũng cho thấy điều tương tự. Một bài thử nghiệm thực tế với ba ảnh được công bố ngày 4 tháng 11 đã báo cáo chi phí đầu ra $0.1245 trên 2.6 so với $0.0446 cho cùng những ảnh tĩnh đó trên 2.5 — gấp khoảng ba lần, trên một bảng giá không thay đổi. Ba ảnh không phải là một benchmark và không nên được trích dẫn như vậy; mẫu quá nhỏ để xác lập một hệ số nhân. Điều mà nó làm được là chứng minh cơ chế, và cơ chế này đã được ghi nhận: nhiều token lập kế hoạch hơn cho mỗi yêu cầu, bật mặc định, được tính phí $30 mỗi triệu.

Nếu bạn chỉ thực hiện một bước vận hành từ bài viết này, hãy thực hiện bước này. Đặt độ phức tạp một cách rõ ràng — medium là một phỏng đoán ban đầu hợp lý để khớp với hành vi thời 2.5 — rồi đo token đầu ra mỗi yêu cầu trước và sau. Đừng đo đô-la mỗi yêu cầu. Đô-la mỗi yêu cầu sẽ cho bạn biết biểu giá không thay đổi, điều bạn đã biết rồi. Token mỗi yêu cầu sẽ cho bạn biết liệu mô hình có đang làm nhiều việc hơn bạn yêu cầu hay không.

Mức tăng tốc 50% được tuyên bố thực sự nằm ở đâu

OpenAI mô tả GPT-Image-2.6 là nhanh hơn khoảng 50% về tổng thể, nhưng các con số theo từng hạng mục thú vị hơn nhiều so với con số tiêu đề, và chúng là số liệu của chính nhà cung cấp, không phải được đo độc lập. Flare được báo cáo là nhanh hơn khoảng 2,6 lần so với phiên bản tiền nhiệm, với các bản render chất lượng thấp hoàn tất chỉ trong vòng sáu giây. Sunburst được báo cáo là nhanh hơn khoảng 1,15 lần.

Hai con số đó mô tả hai bản nâng cấp hoàn toàn khác nhau. Nếu pipeline của bạn chạy Flare để lặp — khám phá ảnh thu nhỏ, tinh chỉnh prompt, bất kỳ việc gì mà con người đang chờ kết quả — thì 2.6 là một bước nhảy vọt và việc chuyển đổi tự hoàn vốn chỉ nhờ lợi ích về sự chú ý. Nếu pipeline của bạn chạy Sunburst cho chất lượng đầu ra cuối cùng, mức cải thiện độ trễ 15% nằm trong phạm vi nhiễu giữa các lần chạy trên hầu hết các cấu hình hosting, và tốc độ hoàn toàn không phải lý do để chuyển đổi.

Đáng nói thẳng thắn rằng: cùng một bài kiểm tra thực hành nhỏ, vốn đã báo cáo mức tăng token, cũng báo cáo rằng 2.6 chậm hơn 2.5 trên ba hình ảnh của nó, điều này mâu thuẫn với tuyên bố của nhà cung cấp. Với n=3 thì đó là nhiễu, không phải sự phản bác. Nhưng đó là lời nhắc rằng "nhanh hơn 50%" là con số tổng hợp trên bộ slide ra mắt, trải trên nhiều bậc chất lượng, còn một pipeline thực tế chỉ thấy một bậc ở một thiết lập chất lượng.

Chưa ai đạt được 2.6, và 2.5 vẫn đứng đầu

Đây là phần của so sánh mà hầu hết các bài đưa tin đang lướt qua. Artificial Analysis, khi chạy các bảng AA-Image-T2I v2.1 và bảng chỉnh sửa của mình, hoàn toàn không có hàng nào cho GPT-Image-2.6 vào thời điểm đọc ngày 5 tháng 11 năm 2026. Không phải điểm thấp — mà là không có hàng.

Điều mà những bảng đó thực sự cho thấy là mô hình đang bị thay thế vẫn đang giành chiến thắng ở chúng:

• Văn bản thành hình ảnh — GPT-Image-2.5 Sunburst (max) 1.224 Elo từ 13.153 phiếu bầu, hạng nhất. GPT-Image-2.5 Flare (max) 1.207 từ 12.498, hạng nhì. GPT Image 2 (high) 1.188, hạng ba.

• Chỉnh sửa ảnh — GPT-Image-2.5 Sunburst (max) đạt 1.200 trên 18.370 phiếu, đứng đầu. GPT-Image-2.5 Flare (max) đạt 1.183 trên 19.259, đứng thứ ba sau MAI-Image-2.7-Preview với 1.197.

Tài liệu ra mắt của OpenAI dẫn Design Arena để nói về vị trí nhất bảng của 2.6 Sunburst. Đó là một tuyên bố có thật trên một bảng xếp hạng có thật, nhưng đó là một nhóm người đánh giá khác trên một thang đo khác, và việc một nhà cung cấp chọn bảng xếp hạng tôn vinh bản phát hành của mình không phải là bằng chứng mà người mua có thể dùng. Con số so sánh được, từ bên thứ ba, do người dùng bình chọn cho 2.6 vẫn chưa tồn tại. Cho đến khi có, lập trường có thể bảo vệ là 2.5 là mô hình hình ảnh được chấm điểm độc lập cao nhất trên cả hai bảng xếp hạng lớn và 2.6 là chưa được chứng minh — tốt hơn theo những cách cụ thể mà OpenAI nói là nó tốt hơn, và chưa được đo lường ở mọi nơi khác.

Một quá trình di chuyển gói gọn trong một buổi chiều

Việc thay thế này đủ rẻ để cách tiếp cận hợp lý không phải là chuyển đổi ồ ạt một lần mà là làm từng bước có cân nhắc, chạy trên chính các lời nhắc của bạn thay vì trên bộ lời nhắc chuẩn để đánh giá của bất kỳ ai.

Hãy bắt đầu bằng việc cố định độ phức tạp ở một giá trị bạn tự chọn, để thay đổi là do bạn tạo ra chứ không phải tự đến theo mặc định. Sau đó chạy lại vài trăm prompt thật từ log production của bạn — không phải những prompt sạch trong fixture kiểm thử, mà là những cái lộn xộn với lỗi chính tả và tỷ lệ khung hình khó chịu. So sánh hai con số: token đầu ra trên mỗi ảnh được chấp nhận, và số ảnh được chấp nhận trên một trăm lần thử. Con số thứ hai là nơi một cải thiện về độ nhất quán sẽ lộ ra, và nó là con số thực sự quyết định việc nâng cấp có tiết kiệm tiền hay không, vì một ảnh bạn bỏ đi vẫn tốn toàn bộ ngân sách token mà chẳng mang lại gì.

Hãy giữ một đường dự phòng về 2.5 cho công việc theo lô, vì 2.6 chưa thể phục vụ việc đó. Và hãy coi mọi lưu lượng Sunburst là câu hỏi về chất lượng chứ không phải về tốc độ — nếu tỷ lệ chấp nhận không thay đổi, thì bạn đã đổi lấy một cải thiện độ trễ 15% và một hóa đơn lập kế hoạch lớn hơn.

Khi nào việc duy trì ở mức 2.5 là câu trả lời đúng

Ba trường hợp đủ rõ ràng để gọi tên. Các khối lượng công việc theo lô nên giữ nguyên, vì 2.6 không có trên Batch API còn 2.5 thì có. Các pipeline chất lượng Sunburst nên giữ nguyên trừ khi kiểm thử tỷ lệ chấp nhận nói khác, vì tốc độ nhanh hơn 1,15× không đủ bù cho một thay đổi mô hình chi phí. Và bất kỳ ai có tỷ lệ chấp nhận hiện tại đã ổn thì nên giữ nguyên, vì các khả năng mới — xuất SVG, GIF động, chỉnh sửa dẫn hướng bằng đánh dấu — là các tính năng bổ sung, không phải cải tiến chất lượng, và bạn chỉ cần chúng nếu bạn có một sản phẩm bàn giao yêu cầu chúng.

Bản nâng cấp này là thật. Nó chỉ tập trung vào độ trễ của Flare và các định dạng đầu ra mới, mà những điểm đó thì hẹp hơn so với hàm ý của "một mô hình mới".

Tính sẵn sàng, và hình hài khó xử của một cuộc di trú tách rời

OrcaRouter đang cung cấp GPT-Image-2.5 Flare và GPT-Image-2.5 Sunburst hôm nay với giá niêm yết, mức chênh lệch 0%, vì vậy mức giá của nhà cung cấp chính là mức giá bạn trả, không cộng thêm biên lợi nhuận nào. Tính đến ngày 5 tháng 11 năm 2026 — một ngày sau khi ra mắt — GPT-Image-2.6 vẫn chưa có trong danh mục, khiến vấn đề thực tiễn trước mắt trở thành vấn đề định tuyến chứ không phải vấn đề mô hình hóa: trong suốt quá trình đánh giá so sánh, lưu lượng 2.5 chạy trên một khóa với chuyển đổi dự phòng tự động, trong khi lưu lượng 2.6 đi trực tiếp đến OpenAI theo một hợp đồng thứ hai và một hóa đơn thứ hai.

Sự khác biệt đó đáng để tính trước trong kế hoạch hơn là để phát hiện muộn. Hãy kiểm tra danh mục trước khi bạn đưa một lộ trình production sang 2.6, vì mức tương đương ngay ngày ra mắt không phải là điều bất kỳ router nào cũng có thể cam kết trên một mô hình mới hai mươi tư giờ tuổi. Khi nó thực sự có mặt, quy tắc chuyển thẳng có nghĩa là giá của nhà cung cấp chính là mức bạn trả trong cùng ngày — một thay đổi giá phía OpenAI sẽ đến mà không cần đàm phán lại phía chúng ta — nhưng cho đến lúc đó, cách hiểu trung thực về tình hình là 2.5 có thể định tuyến được còn 2.6 thì không.

Đây là một lý do khác để ủng hộ việc di chuyển cỡ một buổi chiều thay vì cỡ một cuối tuần. Chạy 2.5 qua router, giữ đường cơ sở chi phí của bạn ổn định, và thêm 2.6 phía sau một cờ (flag) sau khi bạn đã đo được mức mặc định về độ phức tạp ảnh hưởng thế nào đến số token của bạn. Mô hình sẽ không đi đâu cả, và endpoint batch sẽ xuất hiện trước khi chu kỳ lập kế hoạch quý tiếp theo của bạn đến.