OpenAI嘅生圖模型GPT-Image-2.6（內部編號Images 2.6）2026年11月5日喺ChatGPT、Codex同API全量上線，免費同付費用户都即刻用到。官方稱整體生成時間縮短約50%，低畫質檔位最快6秒出一張。
呢個更新最唔同以往嘅地方，係佢首次喺API度將生圖拆成兩個獨立型號。一個叫Flare，主打速度同排版，專攻海報、電商產品圖呢類商業視覺，低畫質檔位硬係壓縮到6秒一張；另一個叫Sunburst，負責中高畫質嘅細節，核心係解決多輪改圖時人物同商品「改到最後變咗樣」嘅一致性問題。
跟住係控制邏輯。以往調用生圖API，開發者多數淨係調分辨率或者籠統畫質檔位，改嚇背景色都係逼住模型重跑成個構圖規劃。而Images 2.6新增咗一個叫complexity（複雜度）嘅參數，專門控制模型動筆前花幾多算力做場景規劃；而原本嘅quality（畫質）參數就淨係負責視覺細節同保真度。呢種「构思」同「渲染」解耦嘅做法，同文本大模型度調推理思考深度嘅思路一致。實際工作流度，局部微調、快速改圖可以將complexity調低同時保持高quality，跳過重新排版只做高精繪；只有多元素同框、限制條件好密嘅複雜場景，先至要調高complexity。
另外一個直觀新嘢係原生GIF動圖。呢個生圖模型冇搬咗重型視頻生成模型過嚟幫手，反而用咗遊戲工業嗰套序列幀（sprite sheet）思路：喺一張圖度一次性畫完6格嚴密對齊嘅定格，按3列乘2行網格排列，第六格平滑接回第一格。好處係繞過視頻模型高昂嘅推理延遲，同時確保每一格嘅五官、衣紋、背景物件相對固定。做AI辦公助理嘅初創Town已經經API接咗呢項能力，專為工作軟件入面嘅虛擬助手生成打字、反饋呢類實時微表情。
圖片：Wikideas1／CC0／Wikimedia Commons
呢次更新亦帶出兩項工程化能力。第一係SVG矢量圖導出——以往AI生成嘅位圖一放大邊緣就糊，想塞進網頁或App要另揾第三方轉矢量；而Codex寫前端時可以令模型直接生成可無限縮放嘅圖標、組件同插畫，寫入代碼庫，中間轉換環節省晒。第二係之前只喺ChatGPT網頁端嘅圈選局部重繪（Image markup），而家正式開放俾API，企業團隊可以直接用座標或遮罩圈出要改嘅區域，配Sunburst嘅高一致性，批量改圖成流水線。
講真，呢個更新最實際嘅係「拆參數」同「序列幀」兩招：一個將重構圖時間同高精度重繪分開，令局部修改唔再要推倒重嚟；一個用最老派嘅遊戲貼士法，避開最貴嘅視頻推理。GIF、SVG、局部重繪，樣樣都係開發者日常真會用到嘅。
（功能解説；本站未執行獨立測試。）
阿調搞兩下：OpenAI呢波將「推理深度」套用於生圖，邏輯上同文本LLM思考深度調參係同一套路。真正值得跟嘅唔係快6秒，而係「想」同「畫」拆開後，開發者對產出嘅控制權究竟細化到幾細、本地重繪對源圖資料嘅處理方式點樣——呢啲先係用前會想問嘅嘢。
阿調｜深度調教
