OpenAI 发布了 Images 2.6，落地在 ChatGPT、Codex 和 API 三端，官方口径：生成速度快 50%，支持直接产出 GIF。每周全平台图片生成量已达 40 亿张。
对普通用户来说这是“更快更好玩”，但对开发者来说，这次 API 层面有几个真正值得琢磨的变化。
两个模型，对应两种场景
API 这次给了两个档位：
- GPT-Image-2.6 Flare：速度优先。quality 设为 low 时最快 6 秒出图，官方还提到它改善了海报、产品图这类专业视觉的排版质量——排版（layout）恰恰是过去图片模型容易翻车的地方，文字错位、元素重叠。如果你的场景是批量出营销素材、缩略图，Flare 是合理默认。
- GPT-Image-2.6 Sunburst：质量优先，在 medium/high quality 下有更高的细节和更强的编辑一致性（多轮编辑中保持角色、产品、品牌细节不漂移）。做需要“同一个角色反复出现”的内容，比如吉祥物、系列插画，这个一致性能力是关键。
典型的选型逻辑：先问“用户等多得起”，再问“多轮编辑多不多”。轮次多、要求角色一致，就上 Sunburst；一次性出图、量大的流水线，Flare + low quality。
complexity 参数：控制“思考多少”
这次新增了一个 complexity 参数，用来调整模型对请求投入多少“规划”。官方建议：
- 多数编辑任务用 low，换来更快的编辑速度；
- 场景元素多、约束多（比如复杂构图、多个指定对象）再上 medium/high。
注意它和 quality 是两个维度：quality 管视觉细节保真度，complexity 管模型对场景的规划深度。两者可以独立组合，比如“low quality + high complexity”做快速的复杂构图草稿。这个设计思路和推理模型的 reasoning effort 一脉相承——把“想多久”变成一个可调参数，而不是藏在黑盒里。
其他开发侧更新
- Image markup 进 API：此前在 ChatGPT 里可用，现在开发者可以在图上精确标记“改这里”，对局部编辑是实质改进——过去靠自然语言描述位置，误差很大。
- SVG 导出：直接产出矢量格式，可用于网页、应用和印刷。对需要进设计工作流的团队省掉一步转换。
- GIF 生成：单 prompt 产出循环动图，官方展示的用例是 sprite sheet 式的角色动画，适合营销、表情包、视频前置的分镜探索。
实用建议（作者观点，供参考）
- 老代码迁移成本可能不高，主要是模型名换成 2.6 系列再调 quality/complexity，建议在测试环境跑一轮对比，别直接全量切。
- 依赖“编辑一致性”的管道（换背景、改姿势但保持角色不变），可以优先用 Sunburst + image markup 的组合验证，比盲目堆 prompt 更有效。
- pricing 需要自行看官方页（本文素材未包含具体价格），上线前先把单张成本算进业务模型，尤其是 GIF 这种多帧场景。
一句话总结：这版的核心不是“图片更快了”，而是把速度、质量、规划深度拆成了三个可调旋钮——图像生成正在从“抽奖”走向工程化调参。
