Images 2.6 對比 FLUX 3：編輯保真度與解析度控制

Images 2.6 與 FLUX 3 之間的比較，通常被包裝成一場品質競賽。但這並不是。OpenAI 的 Images 2.6 於 2026 年 11 月 4 日推出，以 GPT-Image-2.6 Flare 與 GPT-Image-2.6 Sunburst 這組 API 形式發佈，它賣的是迭代能力：快速的來回調整、主體在連串編輯後仍能保持一致，如今還加上動態與向量輸出。Black Forest Labs 的 FLUX 3 Image 自 10 月 1 日起上線，它賣的是確定性：十張參考圖、邊界框版面配置指令、固定且最高可達 4K 的解析度等級，以及可直接放進試算表、無須估算 token 數量的每張圖片價格。對需要每次都產出相同版面的設計團隊來說，其中一款是更好的產品；對需要在午餐前試出十二個版本的團隊來說，另一款才是更好的產品。

這是那個選擇的實用版本——每個控制介面實際上能讓你做什麼、在每個介面上生成一張圖片要花多少成本，以及唯一經過稽核的排行榜對上一代生成模型的說法。

每個模型實際上究竟是什麼

Images 2.6 是 OpenAI 在七個月內推出的第三代圖像生成模型。Images 2.0 於四月推出，是首個推理式圖像模型；Images 2.5 在九月將產品線分為速度等級與品質等級；而 2.6 維持這種劃分：Flare 主打低延遲，Sunburst 主打細節與多次編輯的一致性。兩者皆為託管服務，皆按 token 計費，且都可透過標準 images 端點存取。沒有開放權重。

FLUX 3 Image 是 Black Forest Labs 的旗艦產品，早一個月推出。它可處理文字轉圖像與編輯，支援最多十張參考影像，接受邊界框版面配置指令，並以從 768×768 到 4K 的固定層級進行渲染，且可選擇長寬比。旗艦產品推出兩週後，BFL 發布了 FLUX 3 Image Klein——一款 5.6B 的蒸餾姊妹模型，提供可下載的權重，以及年營收低於 500 萬美元時可免費商用的授權。這條開放權重的替代出路，在 Images 2.6 的發布中完全找不到對應方案。

控制介面：FLUX 3 依然完勝之處

FLUX 3 能做到、但 Images 2.6 做不到或未說明的四件事。

• 由你指定而非描述的版面配置。 邊界框讓你依座標放置元素。Images 2.6 的標記引導式編輯功能強大，但性質不同：你是在既有圖片上向模型指出要修改何處，而不是給它一張新圖片的版面網格。

• 解析度事先選定。 FLUX 3 公布了它的等級——768、1K、1.5K、2K、4K——並為每一級定價。Images 2.6 的文件於 11 月 5 日發布，說明了品質與複雜度設定及輸出格式，但並未公布解析度表。若你的流程有硬性的 4K 交付需求，單是這項不對稱就足以決定問題。

• 十張參考圖。 FLUX 3 的多參考圖編輯是本次對決中最具體的規格。OpenAI 的發布內容提到可在 ChatGPT 內重複使用參考圖，以及 API 的圖像輸入，但未公布每次請求的上限。

• 一條自架路徑。Klein 的權重可供下載。Images 產品線中則無一可下載。

剪輯：Sunburst 正是為了填補這道缺口而存在

OpenAI 對 Sunburst 的賣點不是極致美感，而是第十次編輯看起來仍像第一次——臉部、標誌、產品細節都能維持不變。這正是兩年來託管圖像模型的真正失效模式：每次編輯都是以上一次為條件重新生成，微小的偏移會不斷累積。

2.6 API 的兩項功能直接針對這個問題。complexity 參數讓你在場景包含多個必須全部保留的元素時，給模型更多規劃空間；標記引導式編輯則透過直接在圖像上繪製，消除「改變左邊那個東西」所指不明的問題。FLUX 3 對同一問題的解法則是結構性的——餵給它更多參考，並告訴它東西該放在哪裡。

哪種做法效果更好，目前還沒有人能用數據回答這個問題。Sunburst 沒有獨立的編輯分數。FLUX 3 Image 則有：在 Artificial Analysis 的編輯排行榜上獲得 1,123 Elo，這讓它進入前十五名，但明顯落後於 OpenAI 的上一代。

每張圖片在每個平台上的費用是多少

計費模式差異夠大，因此單純以每張圖片進行比較，無論從哪個方向看都會造成誤導。

• FLUX 3 圖片，每張 — 768² 為 $0.041，1K 為 $0.048，1.5K 為 $0.07，2K 為 $0.10，4K 為 $0.607。

• FLUX 3 Image Klein，每張圖片 — 768² 為 $0.008，1K 為 $0.009，1.5K 為 $0.011，2K 為 $0.014，4K 為 $0.036。

• Images 2.6，按 token 計——每百萬文字輸入 token 5 美元（快取 1.25 美元）、每百萬圖片輸入 token 8 美元（快取 2 美元）、每百萬圖片輸出 token 30 美元，Flare 與 Sunburst 完全相同。

仔細算下來，在一般尺寸下，token 費率與 FLUX 3 落在相近的區間：低品質 1K 渲染約半美分，高品質 1K 約五美分，2K 高品質則約十美分。兩者真正明顯分歧的地方在極端情況。一張 4K 的 FLUX 3 圖像要價六十美分，因為你買的是一張 4K 圖像；而低投入的 Images 2.6 渲染幾乎不花錢，因為你買的輸出 token 非常少。這兩種價格都不是噱頭——它們只是針對不同的東西收費。

兩份價目表上都不會出現的那個數字，是被否決圖像的成本。如果 Sunburst 的編輯一致性讓你在每五次重新生成中省下一次，那麼每項可用資產的有效價格就會下降 20%，比較結果也會翻轉。在有獨立的編輯資料之前，那只是假設，不是計算。

基準測試，並附上星號

Artificial Analysis 於 11 月 5 日的文生圖排行榜中，GPT Image 2.5 Sunburst 以 1,224 Elo 排名第一，GPT Image 2.5 Flare 以 1,208 排名第二。FLUX 3 Image 為 1,119，約排第十二，每千張圖像 48 美元。Klein 為 1,043，每千張 9 美元。

仔細讀一下。OpenAI 在九月推出的那一代，在一個信賴區間為 ±10 的排行榜上，以約 105 Elo 領先 FLUX 3——這是真實的差距，不是雜訊。Images 2.6 根本還沒登上排行榜，所以公允的說法是：OpenAI 的前一代模型在人類偏好上勝過 FLUX 3，而新模型尚未經過測量。要寫下「2.6 勝過 FLUX 3」很容易；但根本沒有人投過票。

在編輯方面，FLUX 3 Image 得分 1,123，排名落在第九到第十七的區間。GPT Image 2.5 Sunburst 以 1,199 分領先該排行榜。再次強調：是前代模型，不是標題中的那個模型。

偏好排行榜同樣沒有衡量 FLUX 3 真正最擅長的東西。在競技場裡投票的人，沒有人會去檢查邊界框有沒有落在正確的像素上，或是 4K 匯出是不是真的 4K。把 Elo 當成「哪個輸出對陌生人來說看起來更好」的代理指標吧——這是個真問題，但不是唯一的問題。

開放權重改變的是風險概況，而非品質

Klein 是這場對決中最被低估的部分。以 56 億參數、以及依 BFL 自家定價每千張 1K 圖像九美元的價格來看，它便宜到足以當作草稿層級使用，而其權重可下載，意味著即使價格變動、停止支援或服務中斷，這條流程仍能存續。授權界線以營收為準：年營收低於 500 萬美元可免費商用，超過則適用另行條款。在以此為基礎開發之前，請先閱讀該條款。

就品質而言，Klein 並非兩款旗艦機型的替代品——1,043 Elo 明顯低於 FLUX 3 Image 的 1,119，且與 OpenAI 的數字仍有相當差距。誠實的用途是大量預視覺化，再以旗艦機型做最後完稿處理，而非用來削減成本的替代方案。

在它們之間做選擇

在生成開始前就已指定交付成果時，選擇 FLUX 3：固定長寬比、必須重複使用的版面配置、4K 輸出，以及需要參考圖像而非文字描述的合成流程。當工作是需要反覆迭代、對話式進行時，選擇 Images 2.6——同一素材編輯二十次、角色必須維持一致設定，以及六秒與十二秒的差異會改變使用者行為的預覽循環。當你需要模型在別人的 API 停止運作時仍能繼續運作，選擇 Klein。

如果你想在不必簽兩份合約的情況下同時測試這兩者，OrcaRouter 目前做不到：Images 2.6 和 FLUX 3 都尚未收錄在我們的目錄中。目前有的是：GPT-Image-2.5 Flare 和 Sunburst、Google 的 Gemini 與 Imagen 圖像模型，以及 Grok Imagine Image，全部透過同一把金鑰提供，具備自動容錯移轉，並以 0% 加價直接反映供應商定價。這讓我們有提供的模型進行評比時成本很低，也意味著供應商價格變動當天就能反映到你身上，而不是等到下一次合約續約。

需要留意的是 Images 2.6 首個獨立評分。若 Sunburst 達到或高於 1,224，FLUX 3 的優勢就收窄至控制力與解析度——這些固然是實質優勢，但比今日所見的更為有限。