gpt-image-2.6-sunburst 怎么用 高细节与精确改图的选型与设置

gpt-image-2.6-sunburst 适合那些“细节、版式或改图精度必须过关”的图像任务，而不是日常批量出图。OpenAI 在 2026 年 11 月 4 日发布 Images 2.6 时说明，Sunburst 在质量设为 medium 或 high 时，能带来更高的生成质量，以及多轮编辑之间更好的一致性。它的标价和速度更快的 gpt-image-2.6-flare 完全相同，所以选它的理由只有一个：你的验收线比 Flare 能稳定达到的更高。下面把官方文档里和 Sunburst 直接相关的部分整理成可执行的判断方法，包括 complexity 怎么调、SVG 和 GIF 能做什么、连续改图怎么守住细节，以及怎么从 2.5 Sunburst 迁移。

先判断：你的任务是否真的需要 Sunburst

官方模型页把 Sunburst 描述为“用于精细视觉工作的图像生成和编辑”，提示词指南则称它是需要更多细节或精确编辑的基础模型。官方的选型规则是：新工作流如果图片必须满足苛刻的细节、版式或改图准确度，就从 Sunburst 开始测；如果响应速度优先，就从 Flare 开始。

下面几类任务更接近 Sunburst 的定位：

• 画面里有大量小字、标签、图表或多个物体之间的关系，一次出错就不能用。
• 连续多轮改图，人物、产品和品牌元素必须保持稳定。
• 正式的广告素材、成套的商品图，或要交给客户的版式稿。
• 你已经在用 GPT Image 2.5 Sunburst，或者 GPT Image 2 在复杂任务上达不到要求。

如果你的任务只是快速探索方向、每轮要出很多张，先看 gpt-image-2.6-flare 的整理，也许不需要为 Sunburst 多等时间。

同价不同用：用“合格图片成本”做比较

官方定价页给 gpt-image-2.6-sunburst 的价格是：文字输入每百万 token 5 美元，缓存输入 1.25 美元；图片输入 8 美元，缓存输入 2 美元；图片输出 30 美元。这组数字与 Flare 以及 2.5 一代的两个模型都相同。

标价相同，并不意味着每张图成本相同。图片按 token 计费，模型、尺寸和质量档位都会改变消耗。官方的迁移建议要求你统计失败次数、重试次数和每张合格图片的成本。Sunburst 如果能让一张难图一次通过，就可能比 Flare 反复重来更划算；反过来，如果 Flare 已经达标，Sunburst 多花的等待时间就没有回报。比较时用同一批提示词、参考图、尺寸和质量，让数据说话，而不是靠模型名猜。

另外要有心理准备：官方的“局限”部分写明，复杂提示词可能要花到两分钟才能处理完，文字渲染、角色一致性和精确构图仍可能出错。Sunburst 不会让这些问题消失，只是让你有更高的上限可用。

用 complexity 控制规划量，别默认拉满

2.6 新增的 complexity 参数决定模型在渲染前规划多少，可选 low、medium、high，Sunburst 不填时按 high 处理，调整它不另外收费。quality 则单独决定渲染细节。官方强调高 complexity 可能增加延迟，也可能带来你没要求的改动，所以要拿结果比较。

官方提示词指南用 Sunburst 做了一个对比实验：同一个“剪纸风格足球队夺冠”的提示词，固定 1024x1536、medium 质量和 PNG 输出，只改变 complexity。官方的描述是，low 时奖杯上多了一顶皇冠；medium 时奖杯换成月桂花环，球衣上出现队徽，两者都把一个大横幅放在球队前面；high 时“CHAMPIONS”标牌被移到看台上，前景留给球员和球衣的纸质褶皱。

从这个例子能读出三条实用的经验：

• 提示词没写死的设计决定，高 complexity 会让模型自己做更多安排。
• 如果提示词已经把版式、文字和风格全部定死，官方说高 complexity 的可见差异可能很小。
• 做局部改图时，官方建议先用 low，再检查周围的细节有没有被动到。

所以对 Sunburst，比较稳妥的做法是：任务开放、元素多时才往上调；任务明确、改动局部时往下调；每次只动一个旋钮。

三类对精度有要求的输出：SVG、GIF 和透明背景

Sunburst 适合拿来做这些“交付物本身有格式要求”的任务，官方指南给了对应的写法和限制。

SVG。 在图片生成接口上把 output_format 设为 svg，n 设为 1，就能得到可编辑路径、形状和颜色的矢量图，适合图标和插图。SVG 不支持流式输出、局部图、压缩参数和 prompt_rewriter；图片编辑接口也不支持输出 SVG，SVG 同样不能当作编辑的栅格输入。官方说明接口会先生成一张参考图，再据此产出 SVG，quality 控制的是这张参考图。返回的是静态矢量内容，不含脚本、外部资源或内嵌位图。官方示例用同一个“Field & Flour 面包店”提示词，让两个模型各出一个 logo。

GIF。 把 output_format 设为 gif，用 frame_count 和 frame_duration_ms 控制动画。官方默认值分别是 9 帧和每帧 200 毫秒，所以一个循环是 1.8 秒。官方示例用 Sunburst 生成了一只猴子提灯的循环，尺寸 512x512，质量 high。想让循环自然，提示词里要交代起始姿势并说明镜头是否移动。GIF 同样只在生成接口可用，不支持流式、局部图和自定义压缩。官方指南和 API 参考列出的帧数范围不一致，而且参考页提到需要有 GIF 预览权限，上线前请以你账号能用的范围为准。

透明背景。 要得到透明素材，提示词里写明要孤立主体，同时在 API 里设置 background: "transparent"，并输出 PNG 或 WebP。官方特别提醒：画出来的棋盘格不是透明，要检查解码后的 alpha 通道，头发、玻璃、阴影和物体边缘尤其容易出问题，PNG 不要带 output_compression。

连续改图时怎样守住细节

Sunburst 的卖点之一是多轮编辑中的一致性，但官方的做法并不是“相信模型”，而是把约束写清楚、一次改一件事。指南里的做法可以直接照搬：

• 改图提示词写成“只改 X”，再列出必须保留的东西，例如人物身份、产品几何、版式、光线、标签。
• 换装类任务要明确不能变的内容：脸、五官、肤色、体型、姿势、背景、机位。
• 给每张参考图指定角色，说明哪张是主体、哪张是风格、哪张是服装或背景。
• 把上一轮输出作为下一轮的输入，每轮只改一个条件，并重申关键约束。官方示例是先生成一张洗发水广告牌，再只加一句“让它看起来像下雪的冬夜”。
• 用 markup 圈选要改的位置。标注层是一张与第一张输入图像素尺寸相同的透明 PNG，不能和 mask、prompt_rewriter 同时使用，也不要传 input_fidelity。

最后一条官方提醒值得单独记下：如果图像中某个区域必须逐像素保持不变，就把批准后的修改合成回原图。提示词只能降低漂移，不能担保漂移为零。

从 2.5 Sunburst 迁移

官方提示词指南的迁移步骤对 Sunburst 同样适用：先保存基线，里面要有难改的图、精确文字、产品轮廓和透明素材；正在用 2.5 Sunburst 就先试 2.6 Sunburst；第一轮对比保持提示词、参考图、尺寸、质量和输出格式不变，complexity 用默认值；检查文字、版式、身份和该保留的细节；每次只改 quality 或 complexity 中的一个；达标后按工作流分批放量，同时盯住响应时间、失败、重试和每张合格图片的成本。

接口层面也要核对：官方写明 2.6 不支持 reasoning.summary，编辑时应省略 input_fidelity。模型页列出的接口里，只有图片生成和图片编辑标为支持，Responses 等其他接口在我读到的页面上标为不支持，所以要改成直接调用 Image API。官方指南还提示，使用 GPT Image 系列模型前可能需要在控制台完成组织验证。如果你的旧链路还在用 gpt-image-1.5，官方说明它计划在 2026 年 12 月 1 日停用，gpt-image-1 则已在 2026 年 10 月 23 日停用。

常见问题

gpt-image-2.6-sunburst 比 Flare 好在哪里？

官方的说法是质量设为 medium 或 high 时，Sunburst 的生成质量更高，多轮编辑的一致性更好。代价是你需要自己用同一批输入测量速度，因为官方只给出 Flare 在 low 质量下最快约六秒的参考，没有给 Sunburst 的对应数字。

gpt-image-2.6-sunburst 的价格是多少？

文字输入每百万 token 5 美元，图片输入 8 美元，图片输出 30 美元，缓存输入分别是 1.25 美元和 2 美元，与 Flare 相同。

什么时候该把 complexity 调到 high？

任务里有密集文字、复杂版式或物体之间有关系，而提示词又没有把设计定死时，可以试 high。官方同时提醒它可能增加延迟并引入多余改动，所以局部改图先用 low。

能用 Sunburst 直接做矢量 logo 吗？

可以在图片生成接口上请求 SVG 输出，n 必须为 1。成品是静态矢量，官方建议使用前仍检查结果，需要品牌级精度时再用设计软件收尾。