Images 2.6 与 FLUX 3：分辨率控制下的编辑保真度

Images 2.6 与 FLUX 3 之间的比较，通常被描述成一场质量较量。但事实并非如此。OpenAI 的 Images 2.6 于 2026 年 11 月 4 日发布，作为 API 组合 GPT-Image-2.6 Flare 和 GPT-Image-2.6 Sunburst 提供；它主打的是迭代能力：快速多轮调整、主体在连续编辑中保持一致，以及如今新增的动态和矢量输出。Black Forest Labs 的 FLUX 3 Image 自 10 月 1 日起上线，主打的是确定性：十张参考图像、边界框布局指令、最高 4K 的固定分辨率档位，以及可直接填入表格、无需估算 token 数的单图价格。对于需要每次保持相同版式的设计团队来说，其中一个是更好的产品；对于需要在午饭前尝试十二个变体的团队来说，另一个才是更好的产品。

这是那个选择的实操版本——每种操作界面实际能让你做什么、在每种界面上生成一张图要花多少成本，以及唯一经过审计的排行榜对上一代产品是怎么说的。

每个模型实际上是什么

Images 2.6 是 OpenAI 在七个月内推出的第三代图像生成产品。Images 2.0 于四月推出，是首个推理图像模型；Images 2.5 在九月将该产品线拆分为速度层级和质量层级；2.6 延续了这一拆分：Flare 侧重低延迟，Sunburst 侧重细节和多次编辑的一致性。两者均为托管服务，均按 token 计费，且均可通过标准 images 端点访问。不提供权重。

FLUX 3 Image 是 Black Forest Labs 的旗舰模型，于一个月前发布。它支持文生图和编辑，最多可使用十张参考图，接受边界框布局指令，并以固定档位渲染，从 768×768 到 4K，宽高比可选。旗舰发布两周后，BFL 发布了 FLUX 3 Image Klein——一个 5.6B 的蒸馏版同门模型，权重可下载，其许可证允许年收入低于 500 万美元的商业使用免费。这条开放权重的退路在 Images 2.6 的发布中没有任何对应物。

控制层面：FLUX 3 仍然完胜的地方

FLUX 3 能做到而 Images 2.6 做不到或未记录的四个方面。

• 布局靠你指定，而非描述。边界框让你按坐标放置元素。Images 2.6 的标记引导编辑功能很强大，但性质不同：你要向模型展示在现有图像的何处进行更改，而不是给它一个新图像的布局网格。

• 分辨率预先选定。FLUX 3 公布了其层级——768、1K、1.5K、2K、4K——并为每一档定价。Images 2.6 的文档（于 11 月 5 日发布）描述了质量和复杂性设置以及输出格式，但未公布分辨率表。如果你的流水线有硬性的 4K 交付要求，仅这一不对称就足以决定该问题。

• 十个参考。 FLUX 3 的多参考编辑是本次对比中最具体的规格说明。OpenAI 的发布内容谈到了 ChatGPT 内可复用的参考图像以及 API 上的图像输入，但未公布每请求的上限。

• 一条自托管路径。Klein 的权重可以下载。Images 产品线中则没有任何可下载的内容。

编辑：Sunburst 旨在弥合的差距

OpenAI 对 Sunburst 的宣传重点并非极致美感，而是第十次编辑后看起来仍像第一次——人脸、logo、产品细节都能保持住。这正是两年来托管图像模型真正的失败模式：每一次编辑都是基于上一次结果的全新生成，微小的漂移会不断累积。

2.6 API 的两项功能直接针对这个问题。复杂度参数让你在场景中有多个必须全部保留的元素时，为模型留出更多规划空间；标记引导编辑则通过在图像上绘制，消除了“改动左边那个东西”的歧义。FLUX 3 对同一问题的回答是结构性的——给它更多参考，并告诉它各个内容该放在哪里。

哪种方案效果更好，目前还没有人能给出有数据支撑的答案。Sunburst 没有独立的编辑评分。FLUX 3 Image 有：在 Artificial Analysis 的编辑排行榜上为 1,123 Elo，这使其进入前十五名，但明显落后于 OpenAI 的上一代产品。

每张图片在每一项上的成本

计费模式差异足够大，以至于简单地按每张图像进行比较会在两个方向上产生误导。

• FLUX 3 Image，每张图片 — 768²：$0.041，1K：$0.048，1.5K：$0.07，2K：$0.10，4K：$0.607。

• FLUX 3 Image Klein，每张图像 — $0.008（768²）、$0.009（1K）、$0.011（1.5K）、$0.014（2K）、$0.036（4K）。

• Images 2.6，按 token 计费——每百万文本输入 token 5 美元（缓存 1.25 美元），每百万图像输入 token 8 美元（缓存 2 美元），每百万图像输出 token 30 美元，在 Flare 和 Sunburst 上完全一致。

算下来，在常规尺寸下，其 token 费用与 FLUX 3 处于同一量级：低质量 1K 渲染约半美分，高质量 1K 约五美分，2K 高质量约十美分。两者的分歧点出现在极端情况下。一张 4K 的 FLUX 3 图像要六十美分，因为你买的是一张 4K 图像；而一次低投入的 Images 2.6 渲染几乎不花钱，因为你买的只是极少的输出 token。两种定价都不是套路——它们只是为不同的东西收费。

两份价目表上从未出现的那个数字，是被拒图片的成本。如果 Sunburst 的编辑一致性让你每五次重新生成中省下一次，那么其每个可用素材的有效价格就会下降 20%，对比结果也会反转。在拥有独立的编辑数据之前，这只是一个假设，而不是一项计算。

基准测试，附带星号

11月5日，Artificial Analysis 的文生图榜单显示，GPT Image 2.5 Sunburst 以 1,224 Elo 排名第一，GPT Image 2.5 Flare 以 1,208 位居第二。FLUX 3 Image 以 1,119 分位列约第 12 名，每千张图像收费 48 美元。Klein 为 1,043 分，每千张收费 9 美元。

仔细读一下。OpenAI 在九月发布的那一代模型，在一个置信区间为 ±10 的榜单上以约 105 Elo 的优势击败 FLUX 3——这是真实差距，不是噪声。Images 2.6 根本还没有上榜，所以公允的说法是，OpenAI 的上一代模型在人类偏好上得分高于 FLUX 3，而新模型尚未经过测量。很容易写成“2.6 击败了 FLUX 3”；但还没有人实际跑过投票。

在编辑方面，FLUX 3 Image 得分为 1,123，排名位于第九到第十七区间。GPT Image 2.5 Sunburst 以 1,199 分领跑该榜单。再次强调：是前代模型，而不是标题中的模型。

偏好排行榜也没有衡量 FLUX 3 真正最擅长的方面。在竞技场里投票的人，没有人会去检查边界框是否落在了正确的像素上，或者 4K 导出是否真的是 4K。把 Elo 视为“哪个输出在陌生人看来更好”的代理指标吧，这是一个真实的问题，但不是唯一的问题。

开放权重改变的是风险状况，而不是质量

Klein 是这场对比中最被低估的部分。按 BFL 自己的定价，5.6B 参数、每千张 1K 图像九美元，它便宜到足以用作草稿层；而其权重可下载意味着，即使发生价格变动、弃用或服务中断，流水线仍能存活。许可边界基于收入：年收入低于 500 万美元可免费商用，高于该门槛则适用单独条款。在基于它构建之前，请先阅读该条款。

在质量方面，Klein 无法替代任何一款旗舰模型——1,043 Elo 相较 FLUX 3 Image 的 1,119 是肉眼可见的降级，距离 OpenAI 的数值更是相去甚远。诚实的用法是：以大批量做预可视化，再用旗舰模型做最终润色，而非作为削减成本的替代方案。

在两者之间选择

当交付物在生成开始前就已确定时，选择 FLUX 3：固定宽高比、必须重复使用的布局、4K 输出、需要参考图像而非文字描述的合成流程。当工作是迭代式、对话式的——同一素材被编辑二十次、角色必须保持设定一致、六秒与十二秒的预览循环会改变用户行为的场景——选择 Images 2.6。当你需要在别人的 API 停止工作时模型仍能继续工作时，选择 Klein。

如果你想不签两份合同就同时测试这两者，OrcaRouter 目前做不到：Images 2.6 和 FLUX 3 都还没进入我们的产品目录。已经有的则是：GPT-Image-2.5 Flare 和 Sunburst、Google 的 Gemini 与 Imagen 图像模型，以及 Grok Imagine Image，全都通过一个密钥接入，支持自动故障转移，并按供应商标价原样传递、0% 加价。这样一来，在我们确实提供的模型上做横向对比测试成本很低，也意味着供应商调价当天就能传到你这里，而不是等到下一次合同续约。

值得关注的是首个独立的 Images 2.6 评分。如果 Sunburst 达到或超过 1,224，那么 FLUX 3 的优势就缩小到控制力和分辨率上——这些是实实在在的优势，但比它们今天看起来的要更有限。