Images 2.6 от OpenAI: GIF и SVG в API, а картинки на low в 4 раза дороже

OpenAI 4 ноября 2026 года выпустила Images 2.6 — новую версию генератора изображений для ChatGPT, Codex и API. Для пользователя ChatGPT это анимированные GIF и сохранённые референсы, для разработчика — две модели GPT-Image-2.6 Flare и Sunburst с экспортом в SVG, разметкой правок и новым параметром complexity.

Главное, что стоит проверить до смены модели в коде: ставка за токен осталась как у GPT-Image-2.5, но калькулятор в документации OpenAI умножает число выходных токенов у 2.6 на 4,2 при quality=low и на 3,3 при medium — картинка 1024x1024 на low дорожает с $0,0059 до $0,0247. Кроме того, у новых моделей нет Batch API и датированного снапшота. Ниже — что изменилось, как OpenAI мерила скорость, сколько стоит картинка у конкурентов и что делать тем, кто сидит на 2.5.

Что именно ускорилось и как это мерили

В анонсе OpenAI пишет, что Images 2.6 «генерирует изображения на 50% быстрее, чем раньше» (перевод редакции). Методику компания не раскрывает: ни набора промптов, ни режима качества, ни того, по какой метрике считались проценты. Единственный замер, который опубликовала сама компания, — демо-ролик в том же анонсе: одна и та же задача (реклама путешествий, «Luxury Travel Ad») на quality=low у GPT-Image-2.5 Flare занял 7,08 с, у GPT-Image-2.6 Flare — 4,84 с. Таймеры, как подписано в ролике, показывают реальное время API-запроса при ускоренном воспроизведении.

Замер из анонса OpenAI: одна задача, quality=low, воспроизведение ускорено в 8 раз, 7,08 с у 2.5 Flare против 4,84 с у 2.6 Flare. Изображение: OpenAI

Эти два числа дают 46% прироста скорости (7,08 / 4,84), как и написано на самом ролике, или сокращение времени ожидания на 32%. Это один пример, а не бенчмарк, и он не подтверждает ровно «50%» для любого запроса. В документации OpenAI отдельно предупреждает, что сложные промпты по-прежнему могут обрабатываться до 2 минут.

Flare и Sunburst — две модели одной версии с разным назначением, по описанию OpenAI. Flare рассчитана на быстрые итерации: при quality=low она «может генерировать изображения всего за шесть секунд», а ещё, по словам компании, лучше верстает постеры и продуктовые картинки. Sunburst — для детальной работы: при quality=medium и high она даёт более высокое качество и лучше сохраняет детали между правками. Из этого позиционирования, по нашей оценке, следует простое правило: черновики и перебор вариантов — Flare на low; финальные картинки, где важны текст, композиция и повторяемость персонажа или продукта от правки к правке, — Sunburst на medium или high. Независимого сравнения двух моделей на одинаковой выборке пока нет.

Что нового в API: GIF, SVG, разметка и complexity

Все четыре новшества описаны в руководстве по генерации изображений. Анимированный GIF запрашивается через POST /v1/images/generations с output_format: "gif"; движение и зацикливание описываются в промпте. Параметры: frame_count от 2 до 16 кадров (по умолчанию 9) и frame_duration_ms от 20 до 2000 мс на кадр (по умолчанию 200). GIF не поддерживает стриминг и частичные изображения, а эндпоинт правок GIF не возвращает. В ChatGPT ту же функцию подают как анимацию маскота, персонажа или простого наброска.

SVG включается через output_format: "svg" на том же эндпоинте генерации, обязательно с n: 1. Модель сначала рисует растровый референс (его качество задаёт quality), а затем языковая модель пишет по нему векторный файл — поэтому в ответе приходит base64 с UTF-8 XML, который надо сохранить как .svg. Документ статичный: без скриптов, внешних ресурсов и встроенного растра. Правки в SVG не поддерживаются, и SVG нельзя подать на вход эндпоинту правок. Платится и растровый референс по ставке модели изображений, и токены языковой модели, которая пишет векторный код.

Разметка правок (image markup) пришла в API из ChatGPT: к запросу POST /v1/images/edits прикладывается отдельный прозрачный PNG того же размера, что исходник, с кружками или штрихами там, где нужна правка, а описание самой правки идёт в prompt. Пример из документации OpenAI — перекрасить вазу, обведённую красным кружком:

			import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()
overlay = Path("markup-vase-overlay-gpt-image-2-6.png")
with open("kitchen.webp", "rb") as image, overlay.open("rb") as markup:
    result = client.images.edit(
        model="gpt-image-2.6-flare",
        image=("kitchen.webp", image, "image/webp"),
        markup=(overlay.name, markup, "image/png"),
        quality="medium",
        prompt=(
            "Recolor the striped vase inside the red circle to solid cobalt blue ceramic. "
            "Keep its shape, the dried stems, and the rest of the kitchen unchanged. "
            "Remove the red circle from the finished photo."
        ),
    )
Path("vase.png").write_bytes(base64.b64decode(result.data[0].b64_json))
		

Параметр complexity управляет тем, «сколько модель планирует перед рендером»: значения low, medium и high, отдельной платы за него нет. Низкий уровень подходит для точечных правок вроде замены фона или вывески, высокий помогает с плотным текстом, сложной вёрсткой и взаимным расположением объектов, но, по предупреждению OpenAI, увеличивает задержку и может внести нежелательные изменения. Важная деталь: если параметр не указан, обе модели работают на high. В анонсе компания советует для большинства правок ставить complexity=low, а качество подбирать под задачу. Это два независимых параметра: quality отвечает за рендер, complexity — за планирование.

			curl -s https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "A paper plane looping once, flat style",
    "output_format": "gif",
    "frame_count": 9,
    "frame_duration_ms": 200,
    "quality": "low",
    "complexity": "low"
  }' > plane.json
jq '.usage' plane.json
jq -r '.data[0].b64_json' plane.json | base64 --decode > plane.gif
		

Запрос выше собран из полей документации OpenAI: complexity задан явно, чтобы не использовать high по умолчанию, а quality=low выбран для примера. Ответ сначала сохраняется в файл, чтобы посмотреть поле usage — именно по нему видно, сколько токенов ушло на картинку.

Сколько стоит картинка у OpenAI и конкурентов

По прайсу OpenAI на 5 ноября 2026 года обе модели 2.6 стоят ровно столько же, сколько 2.5 Flare и Sunburst: $8 за 1 млн входных токенов изображения, $30 за 1 млн выходных, $2 за кэшированный вход; текстовый вход — $5 за 1 млн токенов. Но ставка за токен и цена картинки — разные вещи. Калькулятор в той же документации для GPT-Image-2.6 на quality=low и размере 1024x1024 показывает 823 выходных токена ($0,0247), тогда как для 2.5 при тех же настройках — 196 токенов ($0,0059). Редакция посмотрела код калькулятора: для модели 2.6 он умножает расчётное число токенов на фиксированные коэффициенты — 4,2 для low, 3,3 для medium и 1 для high, xhigh и max. На medium выходит 1449 токенов ($0,0435) против 439 ($0,0132) у 2.5, на high — 1756 токенов ($0,0527) у обеих версий. В прайсе и анонсе OpenAI об этом не говорится ни слова; объяснения, почему дешёвые режимы стали дороже, компания не дала.

Оценка стоимости выходной генерации одной картинки по прайсам на 5 ноября 2026 года (у OpenAI, Google и xAI — 1024x1024, у Seedream размер на странице продукта не указан); входные токены и доплаты не учтены, у OpenAI и Google цена выведена из числа выходных токенов, у xAI и BytePlus — фиксированная за изображение. Источник данных: OpenAI, Google, xAI, BytePlus; расчёт Tproger

Для сравнения взяты официальные прайсы на ту же дату. Google в прайсе Gemini API считает картинку 1K у Nano Banana 2.1 как 1120 токенов по $30 за миллион — $0,0336; у Gemini 3.1 Flash Image (Nano Banana 2) те же 1120 токенов стоят $60 за миллион — $0,067; у Gemini 3 Pro Image (Nano Banana Pro) — $0,134 за 1K или 2K; старая Gemini 2.5 Flash Image — $0,039. xAI по таблице моделей берёт за Grok Imagine Image 2.0 от $0,04 за 1K на quality=low до $0,08 за 2K на medium. BytePlus на странице Seedream 5.0 Pro указывает «от $0,045 за изображение», первый референс бесплатно, следующие от $0,003 (рядом на той же странице — скидки для новых клиентов, в сравнении они не учтены). По базовым ставкам за выходную генерацию GPT-Image-2.6 на low дешевле перечисленных конкурентов, а 2.5 на low — ещё в 4 раза дешевле; но качество, тарифные условия и состав счёта у всех различаются, и сравнивать их напрямую можно только после прогона своих промптов.

С реальной стоимостью как раз и возник первый спор. Участник форума разработчиков OpenAI _j (отображаемое имя Jay) опубликовал замер на одном промпте: GPT-Image-2.5 на quality=medium вернула 344 выходных токена, GPT-Image-2.6 на том же medium — 1136. Его вывод (перевод редакции): «quality: low и medium дают существенно больший счёт за выходные токены, чем gpt-image-2.5. Похоже, это сделано исключительно для того, чтобы нельзя было делать дешёвые картинки, — множитель цены, а не алгоритм». По его оценке, low стал дороже в 4,2 раза, medium — в 3,3, high и выше — без изменений. Его замер — один промпт, но коэффициенты совпадают с теми, что зашиты в калькулятор OpenAI, так что это не случайность; сама компания замер не комментировала.

Габриэль Анайя, Go-разработчик и автор блога на DEV Community, обращает внимание на другое ограничение: страница модели 2.6 Flare не поддерживает Batch, а у 2.5 Flare батч есть с выходными токенами по $15 за миллион вместо $30. «Паритет по токенам ещё не значит паритет по картинке» и «батч-задачи пока остаются на 2.5 или gpt-image-2» (перевод редакции). Он же отмечает, что у 2.6 нет датированного снапшота: закрепить версию, как gpt-image-2.5-flare-2026-09-08, нельзя.

Что делать, если вы уже используете GPT-Image-2.5

• Не меняйте идентификатор модели в проде вслепую: если вы генерируете на low или medium, счёт вырастет в 3–4 раза при той же ставке за токен. Прогоните 20–30 своих промптов на 2.5 и 2.6 и сравните output_tokens из поля usage.
• В каждом запросе явно задавайте quality и complexity; без complexity модель планирует на high; для простой правки попробуйте low и сравните задержку и результат.
• Ночные батч-задачи оставьте на gpt-image-2.5-* или gpt-image-2: у 2.6 Batch не заявлен.
• Если вам нужны векторные иконки или короткие лупы из API, 2.6 — пока единственный способ получить SVG и GIF от OpenAI; для SVG ставьте n: 1, для GIF — frame_count не больше 16.
• Параметр user в Images API объявлен устаревшим — передавайте тот же идентификатор как safety_identifier.

Доступность: в ChatGPT и Codex Images 2.6 включена на всех тарифах на вебе, десктопе и в мобильных приложениях. Для API OpenAI может потребовать верификацию организации перед доступом к моделям GPT Image. Россия в списке поддерживаемых стран OpenAI API на 5 ноября 2026 года отсутствует, и в списке стран ChatGPT её тоже нет — официально ни API, ни ChatGPT здесь не предоставляются; из перечисленных в сравнении вендоров ситуация с доступом у каждого своя, и проверять её нужно по официальным страницам.

Контекст: Images 2.6 вышла через 57 дней после даты снапшота GPT-Image-2.5 (8 сентября 2026 года) и почти через год после GPT Image 1.5, где OpenAI сделала ставку на точное редактирование. По данным компании, через ChatGPT, Codex и API сейчас создаётся 4 млрд изображений в неделю — больше полумиллиарда в день. Конкуренты в этом году не стояли на месте: Google выпустила Nano Banana 2, а Nano Banana Pro остаётся самой дорогой моделью в нашем сравнении.

Что редакция проверит дальше: появится ли у 2.6 Batch и датированный снапшот и объяснит ли OpenAI, почему low и medium у новой версии стоят в 3–4 раза дороже при неизменной ставке за токен.

Источники: Introducing Images 2.6 — OpenAI, Image generation — OpenAI API, Pricing — OpenAI API, Supported countries — OpenAI API, Gemini API pricing — Google, Models — xAI docs, Seedream 5.0 Pro — BytePlus, Обсуждение на форуме разработчиков OpenAI, Gabriel Anhaia — DEV Community, Твит OpenAI об анонсе

Изображение на обложке: OpenAI