GPT Image 2.6 API: ID модели Flare и Sunburst, запрос и ошибки

4 ноября 2026 года OpenAI выпустила Images 2.6, и в API это не одна модель, а две: в поле model ставьте gpt-image-2.6-flare или gpt-image-2.6-sunburst. Отдельного ID gpt-image-2.6 нет, а датированного снапшота вида -2026-… по состоянию на 5 ноября 2026 года тоже нет: на страницах моделей OpenAI единственным снапшотом указан сам алиас. Цена за токен у двух моделей одинаковая, поэтому выбор сводится к ожиданию и правкам: Flare сделан для быстрой итерации, Sunburst — для детальной работы и серий правок.

Обе модели работают только через Image API, то есть через /v1/images/generations и /v1/images/edits; Responses API и Batch для 2.6 не поддерживаются. Две ловушки легко пропустить. Запрос на правку без поля model API выполняет моделью gpt-image-2.5-sunburst, а Python SDK openai старше 3.46.0 падает с TypeError на новых полях complexity, frame_count и svg, так что пакет нужно обновить или передавать эти поля через extra_body.

России нет в списке стран, где OpenAI предоставляет API, поэтому из России 2.6 обычно вызывают через OpenAI-совместимый шлюз. Код при этом тот же, меняются base_url, ключ и иногда сам ID: у шлюза он зависит от группы, к которой привязан ключ.

Какой ID модели GPT Image 2.6 ставить: flare или sunburst

Для любого вызова GPT Image 2.6 нужен один из двух ID: gpt-image-2.6-flare или gpt-image-2.6-sunburst. На странице модели Flare в документации OpenAI она описана как генерация и правка «для быстрой итерации», Sunburst — «для детальной визуальной работы». Если пользователь ждёт картинку в интерфейсе или вы перебираете много вариантов, берите Flare. Если одну и ту же сцену или персонажа нужно провести через несколько правок, берите Sunburst: в анонсе OpenAI обещает для него большую согласованность от правки к правке на quality medium и high.

Имя пишется с точкой, 2.6, а не 2-6. «ChatGPT Images 2.6» — это название генератора внутри ChatGPT и Codex, а не ID для API, и строки вроде images-2.6 в поле model не работают. Суффиксы -vip и -web у некоторых шлюзов — это их собственные имена маршрутов, у OpenAI таких моделей нет. Выбор между моделями предыдущего поколения разобран в статье «GPT Image 2.5 Flare или Sunburst: скорость, правки и цена».

Сколько стоит картинка и сколько ждать: таблица по quality

Цена за токен у Flare и Sunburst одна и совпадает с GPT Image 2.5: текст на входе $5, изображение на входе $8, изображение на выходе $30 за 1 млн токенов (страница цен OpenAI API). При одинаковых настройках обе модели тратят одинаковое число токенов, поэтому картинка у них стоит одинаково, а разница только во времени. Стоимость картинки считается так: выходные токены × $30 / 1 000 000; текст промпта добавляет меньше $0,001.

Цифры ниже — замеры команды документации LaoZhang API от 5 ноября 2026 года при прямых вызовах OpenAI, один квадрат 1024×1024 на каждую строку. Время — одиночные замеры и зависит от очереди.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

Полный расчёт по размерам, правкам, GIF и SVG, а также сравнение оплаты по токенам с фиксированными $0,03 за вызов — в статье «Цена GPT Image 2.6 Sunburst и Flare: от $0,02 за картинку». Горизонтальный кадр 1536×1024 обходится дешевле квадрата: 664 токена на low и 1 353 на high. Нативный 4K 3840×2160 на high занял около 3 337 токенов, это примерно $0,10. Всегда передавайте quality явно. Без него Flare выбирает уровень сам, и в том же замере подробный промпт потратил около 5 800 токенов, то есть примерно $0,17 за одну картинку 1024×1024, а Sunburst без quality работает на high. OpenAI в анонсе пишет, что Images 2.6 генерирует на 50 % быстрее прежнего, а Flare на low укладывается «всего в шесть секунд»; это слова OpenAI, в замере выше Flare на low занял 8 секунд.

complexity и quality — разные настройки. quality управляет качеством отрисовки и ценой, complexity (low, medium, high) — тем, сколько модель планирует сцену перед отрисовкой, и руководство OpenAI по генерации изображений прямо пишет, что отдельной платы за неё нет. Без поля обе модели используют high. Низкая сложность подходит для точечных правок вроде замены фона или надписи, высокая помогает с плотным текстом и сложной композицией, но может добавить время и лишние изменения; для большинства правок OpenAI советует low. Стоит ли вообще переводить проект с 2.5, если на low и medium картинка 2.6 дороже, разобрано в статье «GPT Image 2.6: отличия от 2.5 — GIF, SVG и low в 4 раза дороже».

Первый запрос к GPT Image 2.6: curl и Python

Генерация — это POST /v1/images/generations с полями model, prompt, size и quality, причём model в справочнике API OpenAI обязателен: модель нужно указать явно. Ответ приходит в виде base64 в data[0].b64_json, ссылки на файл нет, поэтому картинку нужно декодировать и сохранить самостоятельно. Перед первым вызовом OpenAI может потребовать верификацию организации (API Organization Verification) в настройках организации в консоли разработчика: руководство по генерации изображений предупреждает, что без неё модели GPT Image могут быть недоступны.

Запрос через curl напрямую к OpenAI:

export OPENAI_API_KEY="ваш ключ"

curl 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": "Керамическая кружка на деревянном столе, на стикере надпись SHIP IT, мягкий утренний свет, предметная съёмка",
    "size": "1024x1024",
    "quality": "medium"
  }' -o result.json

jq -r '.data[0].b64_json' result.json | base64 --decode > mug.png

То же на Python. Для шлюза меняется только создание клиента:

import base64
import os

from openai import OpenAI

# Напрямую к OpenAI: ключ берётся из переменной OPENAI_API_KEY
client = OpenAI()
# Через OpenAI-совместимый шлюз: его base_url и его ключ
# client = OpenAI(base_url=os.environ["GATEWAY_BASE_URL"], api_key=os.environ["GATEWAY_API_KEY"])

result = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="Керамическая кружка на деревянном столе, на стикере надпись SHIP IT, "
           "мягкий утренний свет, предметная съёмка",
    size="1024x1024",
    quality="medium",
)

with open("mug.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

Сам ID модели принимает любая версия SDK: это обычная строка. Проблемы начинаются только с новыми полями 2.6, о них ниже. Рекомендованные размеры — 1024x1024, 1536x1024 и 1024x1536; собственный размер задаётся строкой ШИРИНАxВЫСОТА с обеими сторонами, кратными 16, соотношением от 1:3 до 3:1, стороной не больше 3840 и общим числом пикселей от 655 360 до 8 294 400. Размеры больше 2560×1440 OpenAI называет экспериментальными. Раздел о размерах в руководстве написан для моделей 2.5, а примеры для 2.6 OpenAI строит на тех же запросах.

Правка через /v1/images/edits: укажите model и size

В запросе на правку поле model необязательное, и по справочнику API OpenAI без него используется gpt-image-2.5-sunburst. Код, который не передаёт model, получит правку от модели 2.5 и не выдаст никакой ошибки. Поэтому в каждом вызове images.edit указывайте ID 2.6 явно, а вместе с ним size.

Размер стоит задавать по результату проверки 5 ноября 2026 года. Правка картинки 1024×1024 через gpt-image-2.6-sunburst-vip (поштучный маршрут шлюза LaoZhang API, Python SDK 2.24.0, quality: "medium") без size выполнилась за 48,6 секунды и сделала ровно то, что просили: надпись на стикере стала DONE, кружка тёмно-зелёной, остальная сцена не изменилась. Но вернулась она в 2048×2048, файлом 5,1 МБ. Та же правка через gpt-image-2.6-flare-vip с size="1024x1024" вернула 1024×1024 за 36,7 секунды. Прямой вызов OpenAI без size в этой проверке не повторялся, но с явным размером сюрприза не будет ни на одном маршруте.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

with open("mug.png", "rb") as image:
    result = client.images.edit(
        model="gpt-image-2.6-sunburst",  # без model правку выполнит gpt-image-2.5-sunburst
        image=image,
        prompt="Замени надпись на стикере на DONE, кружку сделай тёмно-зелёной. "
               "Всё остальное оставь без изменений.",
        size="1024x1024",
        quality="medium",
    )

with open("mug-edit.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

Если менять нужно конкретный участок, в 2.6 можно не описывать его словами, а показать разметкой. Поле markup принимает прозрачный PNG-слой поверх первой входной картинки: обведите предмет, а в prompt напишите, что с ним сделать и что разметку на итоговом изображении нужно убрать. Пример в руководстве OpenAI сделан на gpt-image-2.6-flare. Слой и первая картинка — не больше 16 777 216 пикселей, сам слой — не больше 50 МБ, вместе с mask или prompt_rewriter его использовать нельзя, а доплаты за разметку нет. В Python SDK markup у images.edit появился в версии 3.42.0.

TypeError на complexity в Python SDK: openai 3.46.0 или extra_body

Ошибка TypeError: Images.generate() got an unexpected keyword argument 'complexity' означает, что установленный пакет openai ещё не знает новых полей 2.6. 5 ноября 2026 года в отдельном виртуальном окружении были поставлены несколько версий SDK: на 2.24.0 вызов с complexity падает именно так, в 3.42.0–3.45.0 у правки уже есть markup, но нет complexity, frame_count и svg. Первая версия, где у генерации есть complexity, frame_count, frame_duration_ms и svg, а у правки markup и complexity, — 3.46.0, вышедшая 5 ноября 2026 года. В ней же ID 2.6 появились в типе ImageModel.

Проверить версию и обновиться:

python -c "import openai; print(openai.__version__)"
pip install -U "openai>=3.46.0"

Если обновить пакет сейчас нельзя, передайте новые поля через extra_body: SDK добавит их в тело запроса без проверки. В той же проверке 5 ноября вызов через SDK 2.24.0 с extra_body={"complexity": "low"} шёл не к OpenAI напрямую, а через шлюз LaoZhang API на поштучную модель gpt-image-2.6-flare-vip (ключ группы default), и вернул 200 и картинку 1024×1024. Это показывает, что SDK отправил поле и шлюз запрос не отклонил, но не доказывает, что поле повлияло на результат. В примере ниже стоит официальный ID gpt-image-2.6-flare: механизм extra_body тот же, но с официальным ID этот вызов не повторялся.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

# openai < 3.46.0
result = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="Плоская векторная иконка бумажного самолётика, два цвета, белый фон",
    size="1024x1024",
    quality="low",
    extra_body={"complexity": "low"},
)

# openai >= 3.46.0: то же самое обычным аргументом
# client.images.generate(..., complexity="low")

Если клиент на Node.js или Go тоже отклоняет незнакомое поле, ищите в нём аналог extra_body или отправляйте запрос обычным HTTP, как в примере с curl.

Что поддерживает GPT Image 2.6: эндпоинты и форматы

По состоянию на 5 ноября 2026 года страницы моделей OpenAI отмечают для обеих моделей 2.6 только два эндпоинта: генерацию и правку. Всё остальное, включая Responses API, Batch и Chat Completions, помечено как «Not supported». Новые форматы и поля работают внутри этих двух эндпоинтов, но не везде одинаково.

Если вам нужна генерация внутри диалога через Responses API, для неё пока остаются модели 2.5 и gpt-image-2, их настройка разобрана в статье «GPT-Image-2 API и 2.5: Image API, Responses, лимиты и цены».

GIF через API: output_format gif и не больше 16 кадров

GIF делается обычным запросом на генерацию с output_format: "gif" и двумя новыми полями: frame_count (по умолчанию 9) и frame_duration_ms (от 20 до 2000 мс на кадр, по умолчанию 200, округляется до 10 мс). size задаёт размер каждого кадра. Из правки GIF получить нельзя. Если GIF нужен без кода, прямо в чате, это описано в статье «Как сделать GIF в ChatGPT: кадры, скорость и что перерисуется».

curl https://api.openai.com/v1/images/generations \
  --max-time 300 \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "Рыжий кот на подоконнике потягивается и зевает, за окном дождь, плоская иллюстрация, бесшовный цикл",
    "output_format": "gif",
    "size": "512x512",
    "frame_count": 9,
    "frame_duration_ms": 200,
    "quality": "medium"
  }' -o gif.json

jq -r '.data[0].b64_json' gif.json | base64 --decode > cat.gif

Число кадров на прямом API держите в пределах 16. Руководство OpenAI указывает для frame_count 2–64, а справочник API для того же поля — 2–16 и добавляет, что для GIF нужен доступ к превью GIF у выбранной модели; пока OpenAI не устранила это расхождение, на 64 кадра рассчитывать не стоит.

Размер кадра подбирайте под число кадров. Модель рисует все кадры на одном общем листе, поэтому маленький кадр при большом числе кадров падает с ошибкой No supported sheet fits. В замерах команды документации LaoZhang API 5 ноября 2026 года 512x512 с 4–9 кадрами работал, а девять кадров на medium заняли около 2 073 токенов, это примерно $0,06, и около 11 секунд на Flare. GIF не поддерживает stream, частичные изображения, собственный output_compression и prompt_rewriter, ответ приходит целиком, поэтому таймаут клиента ставьте с запасом, как --max-time 300 в примере.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

SVG через API: output_format svg, только генерация и n = 1

SVG тоже запрашивается через генерацию: output_format: "svg" и n = 1. Внутри одного запроса API сначала рисует опорное растровое изображение, качество которого задаёт quality, а затем отдельная модель-автор пишет по нему SVG-код. Результат — статичный вектор без скриптов, внешних ресурсов и встроенных растров, удобный для иконок, логотипов и простых иллюстраций. Ответ лежит в том же data[0].b64_json и декодируется в XML-файл .svg.

result = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="Плоская иконка кофейной чашки с паром, на чашке зелёный листок, "
           "тёплые коричневые и молочные цвета",
    output_format="svg",
    size="1024x1024",
    quality="medium",
)

with open("cup.svg", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

Платите вы за две части: опорное изображение по тарифу модели изображений и токены модели-автора по её тарифу; расход автора может прийти в ответе отдельным полем svg_usage. Объект svg с полями model и reasoning выбирает автора и его глубину рассуждений, но справочник API требует его только при включённом выборе модели для SVG; без такого доступа объект нужно не передавать. В SDK старше 3.46.0 поле svg, как и другие новые поля 2.6, передаётся через extra_body. Стриминг, частичные изображения, output_compression и prompt_rewriter с SVG не работают, а из правки SVG не получить.

GPT Image 2.6 из России через шлюз: какой ID для какого ключа

По состоянию на 5 ноября 2026 года России нет на странице OpenAI «Supported countries and territories», где перечислены страны, в которых OpenAI предоставляет API. Список касается только прямого доступа к OpenAI и ничего не говорит о сторонних OpenAI-совместимых шлюзах. Через шлюз код из примеров выше не меняется, кроме base_url и ключа, но ID модели и доступные функции определяет уже сам шлюз.

Например, у LaoZhang API (base_url https://api.laozhang.ai/v1) для 2.6 три маршрута, и какой из них доступен, зависит от группы ключа:

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

На официальной переадресации при SVG модель-автор по умолчанию gpt-6.1-terra и ещё восемь недорогих текстовых моделей отдельно не тарифицируются, остальные — по ценам OpenAI. Неудачные вызовы (ответ не 200, ошибка параметров, блокировка модерацией) по правилам LaoZhang API не списываются. При этом таймаут на стороне клиента генерацию не отменяет: если она завершится, её спишут, поэтому перед повтором проверьте журнал вызовов.

Проверка 5 ноября 2026 года с 18:10 по 18:16 по Москве шла через Python SDK 2.24.0 с ключом группы default. gpt-image-2.6-flare-vip на 1024×1024 и medium вернул PNG за 18,6 секунды, gpt-image-2.6-sunburst-vip на 1536×1024 и high — за 49,3 секунды. Условия у двух вызовов разные, и сравнивать их между собой не стоит: по документации LaoZhang API на VIP-маршруте Flare и Sunburst работают примерно с одинаковой скоростью, а картинка 1024×1024 занимает около 25–55 секунд. Быстрые 8–12 секунд Flare из таблицы выше относятся к официальному маршруту, а не к VIP. Если ваш код читает только b64_json, на VIP передавайте response_format="b64_json": без него маршрут иногда отдаёт ссылку. На официальной переадресации это поле, наоборот, не нужно.

Ошибки GPT Image 2.6 API: текст, причина и исправление

Большинство ошибок первого дня объясняются тремя вещами: неверной строкой в model, неподходящей группой ключа у шлюза и старым SDK. Ответы с кодами 503 и 400 в таблице получены от шлюза LaoZhang API 5 ноября 2026 года, это тексты шлюза, а не OpenAI; TypeError и No supported sheet fits от маршрута не зависят.

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.

Чтобы понять, какие ID доступны вашему ключу, спросите сам API: client.models.list() с тем же ключом показывает именно те модели, которые он может вызвать.

print([m.id for m in client.models.list() if m.id.startswith("gpt-image-2.6")])

5 ноября 2026 года список для ключа группы default содержал 203 модели, среди них gpt-image-2.6-flare-vip и gpt-image-2.6-sunburst-vip, но не gpt-image-2.6-flare и gpt-image-2.6-sunburst, и именно на них тот же ключ получал 503. Все три 503-ответа пришли за 0,4–0,5 секунды, а SDK поднимает на них InternalServerError, хотя сервер исправен и запрос надо не повторять, а исправлять. Сбой первого вызова на VIP случился раньше в тот же день, в 14:13 по Москве: 400 пришёл через 15,8 секунды, а повтор вернул PNG 1024×1024 за 31,7 секунды.

Вопросы о GPT Image 2.6 API: лимиты и прозрачный фон

Какие лимиты запросов в минуту у GPT Image 2.6?

По состоянию на 5 ноября 2026 года OpenAI не публикует для GPT Image 2.6 таблицу лимитов. На страницах моделей gpt-image-2.6-flare и gpt-image-2.6-sunburst сказано только, что лимиты «зависят от тира использования и аккаунта» (vary by usage tier and account). Фактические значения для своей организации смотрите в разделе лимитов в консоли OpenAI.

Можно ли сделать прозрачный фон в GPT Image 2.6?

В руководстве OpenAI прозрачный фон задаётся полем background: "transparent" вместе с output_format png или webp. Этот раздел написан для моделей 2.5, а для 2.6 OpenAI использует те же запросы; на VIP-маршруте LaoZhang API 2.6 по документации шлюза отдаёт PNG с прозрачностью. Как отличить настоящую прозрачность от нарисованной «шахматки», разобрано в статье «ChatGPT и GPT Image: шахматка вместо прозрачного фона, что делать».

Примечание: laozhang.ai — наш собственный сервис; его цены — наши тарифы, а не независимое сравнение.