GPT-Image-2.6 Flare vs Sunburst: qual modelo você deve usar?

Use o GPT-Image-2.6 Flare para rascunhos, trabalhos em grande volume, pôsteres e imagens de produto. Use o Sunburst para assets finais e edições repetidas com qualidade medium ou high. Na decisão entre GPT-Image-2.6 Flare e Sunburst, os dois modelos custam o mesmo por token, então você está trocando segundos por detalhe, não dólares.

A OpenAI lançou os dois modelos em 4 de novembro de 2026. Este post compara os dois em velocidade, qualidade, consistência de edição e custo, e depois indica qual escolher para cada caso de uso. Não rodamos os dois modelos lado a lado com uma chave ativa, então cada número abaixo indica sua fonte, e a última seção mostra como medi-los com seus próprios prompts.

Para conhecer o lançamento completo, leia nosso guia sobre o ChatGPT Images 2.6. Para a dupla anterior, veja nossa comparação Flare vs Sunburst da versão 2.5.

GPT-Image-2.6 Flare vs Sunburst em resumo

As linhas de recursos são idênticas. O guia de geração de imagens da OpenAI afirma que os dois modelos oferecem controle de complexidade, edições guiadas por marcação, saída em SVG e saída em GIF animado. Você não abre mão de nenhum recurso com qualquer um deles.

Velocidade: o Flare leva a melhor, mas a diferença não foi divulgada

O Flare é o modelo mais rápido. O post de lançamento da OpenAI diz que ele pode gerar uma imagem em apenas seis segundos com qualidade low, e que o Images 2.6 é 50% mais rápido que antes. Não informa nenhum tempo para o Sunburst, e as páginas dos modelos Flare e Sunburst listam a velocidade como “Não especificada”.

Leia esse número de seis segundos com atenção:

• É o melhor caso (“apenas”), não uma média.
• Vale somente para a qualidade low.
• A OpenAI não diz qual configuração de complexity produziu esse resultado, e a API usa high como padrão.

Não encontramos nenhuma medição de tempo independente para a versão 2.6 até agora. A evidência mais próxima vem da dupla 2.5, então trate-a como um guia aproximado:

Os dois testes colocam o Flare na frente, mas discordam sobre a margem. A diferença depende do seu prompt e das suas configurações, então um único benchmark não vai resolver isso para o seu fluxo de trabalho. O guia da OpenAI também alerta que prompts complexos podem levar até dois minutos nos modelos GPT Image, então defina um timeout generoso no cliente para qualquer um dos dois.

Qualidade: o Sunburst lidera, por pouco

O Sunburst pontua mais alto nos dois rankings da Arena publicados pela Arena em 5 de novembro, e ficou em primeiro lugar na categoria Cartoon, Anime e Fantasy. O Flare ainda aparece entre os cinco primeiros nos dois quadros.

Tenha três limitações em mente ao ler essas pontuações:

• São votos de preferência do público, não um benchmark da OpenAI.
• As duas entradas foram avaliadas em Medium, então elas não dizem nada sobre low ou max.
• As pontuações da Arena mudam conforme os votos chegam. Lemos os valores do post da Arena, não do quadro ao vivo.

Uma vantagem de 25 pontos em Text-to-Image significa que os eleitores tenderam a preferir a saída do Sunburst. Isso não significa que as imagens do Flare sejam ruins. Em um pôster ou foto de produto, a promessa de layout do Flare pode importar mais para você do que uma pontuação geral de preferência, então teste essa categoria por conta própria.

Consistência de edição: a principal promessa do Sunburst

A consistência de edição é o motivo pelo qual você pagaria o tempo de espera extra do Sunburst. A OpenAI afirma que ele traz “consistência de imagem ainda maior entre edições” com qualidade medium ou high, o que ajuda quando um personagem, produto ou logo precisa se manter íntegro ao longo de várias rodadas de alterações.

Há menos evidência pública aqui do que se poderia esperar:

• A OpenAI não publica nenhuma métrica de consistência.
• O system card diz que os dois modelos atualizados melhoram a consistência de edição e a preservação de detalhes, então o Flare também ganha.
• A diferença do Image Edit na Arena é de 14 pontos, menor que os 25 pontos de diferença em Text-to-Image. Esse quadro avalia qual edição os eleitores preferiram, não se um sujeito permaneceu estável ao longo de cinco rodadas.

Então o Sunburst é a escolha padrão mais segura para edições em várias rodadas, mas só a sua própria cadeia de edições pode confirmar se vale o tempo. Para uma única alteração focada, como trocar um fundo ou corrigir uma placa, teste o Flare primeiro.

Independentemente do modelo escolhido, defina o complexity você mesmo. Se você omiti-lo, os dois modelos usam high, enquanto a OpenAI recomenda low para a maioria das edições. Seu guia alerta que complexidade mais alta pode adicionar latência e introduzir mudanças indesejadas, o oposto do que um fluxo de edição precisa.

Custo: o mesmo preço, então a qualidade é a verdadeira alavanca

Flare e Sunburst custam o mesmo. A página de preços lista os dois a US$ 8 por 1M de tokens de entrada de imagem, US$ 2 em cache e US$ 30 de saída. A calculadora da OpenAI também trata os dois como uma única entrada, “GPT Image 2.6 (Sunburst and Flare)”, então a estimativa de saída abaixo se aplica a qualquer um dos modelos.

Esses valores excluem tokens de entrada de texto e de imagem, e uma edição cobra sua imagem de referência por cima. A calculadora observa que o uso de tokens pode variar, então leia usage.output_tokens das respostas reais.

Duas conclusões decorrem dessa tabela:

• Trocar o Flare pelo Sunburst muda o seu tempo, não a sua tarifa. Escolher high em vez de low aproximadamente dobra o custo de saída em qualquer um dos modelos.
• De medium para high custa cerca de um centavo a mais por imagem quadrada. Como a OpenAI vincula os ganhos do Sunburst aos dois níveis, compare-os antes de se decidir por medium.

O Batch é a única ressalva de custo. Em 5 de novembro, a aba Batch da página de preços listava a 2.5 pela metade do preço, mas não listava nenhum dos modelos 2.6. Se você roda trabalhos noturnos com a dupla 2.5, verifique essa aba antes de migrar.

Qual modelo você deve usar?

Comece pelo Flare e depois migre um trabalho para o Sunburst quando você conseguir enxergar a diferença. Essas configurações iniciais são nossas sugestões, não da OpenAI, então ajuste-as depois dos seus primeiros testes.

Para GIF e SVG, a OpenAI não publica nenhuma diferença de qualidade ou velocidade entre os modelos. Faça rascunhos no Flare e depois rode seu melhor prompt novamente no Sunburst para comparar. Verifique dois detalhes sobre GIF primeiro: o guia da OpenAI permite de 2 a 64 quadros, enquanto a referência da API diz de 2 a 16, e a referência afirma que a saída em GIF exige acesso de preview para o modelo selecionado.

Se você fixa versões de modelos em produção, note que as duas páginas dos modelos mostravam apenas o alias em 5 de novembro, sem snapshot datado. Verifique novamente seus prompts aprovados quando a OpenAI atualizar um modelo.

Compare os dois modelos com o Apidog CLI

As pontuações públicas não conseguem dizer como cada modelo lida com os seus prompts. Seu agente de código pode rodar o mesmo conjunto de prompts nos dois modelos com o Apidog CLI e comparar os tempos de resposta. Configure uma vez:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

Salve cinco prompts do seu trabalho real em prompts.csv, com prompt como cabeçalho. Depois passe um prompt para o Claude Code, Codex ou Cursor:

In Apidog project <id>, add POST https://api.openai.com/v1/images/generations
with a bearer token from ah-96595b54133dd71b741cc9d4907506e2b3a06f289e0016f9de2d7fb43e327968. Create a test case that sends
model {{MODEL}}, prompt {{prompt}}, quality medium, complexity low and size
1024x1024. Assert status 200 and that data[0].b64_json exists.
Run it with prompts.csv once per model, gpt-image-2.6-flare and
gpt-image-2.6-sunburst, then compare the timings in the two JSON reports.

O agente lê cada schema, valida seu payload, cria o caso e depois o executa duas vezes:

apidog cli-schema get endpoint-create
apidog cli-schema validate endpoint-create --file endpoint.json
apidog endpoint create --project <id> --file endpoint.json
apidog cli-schema get test-case-create
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project <id> --file case.json
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv \
  --env-var "MODEL=gpt-image-2.6-flare" \
  --env-var "OPENAI_API_KEY=$OPENAI_API_KEY" \
  --timeout-request 180000 --on-error continue -r cli,json --out-file flare
apidog run --test-case <caseId> --project <id> -e <envId> -d prompts.csv \
  --env-var "MODEL=gpt-image-2.6-sunburst" \
  --env-var "OPENAI_API_KEY=$OPENAI_API_KEY" \
  --timeout-request 180000 --on-error continue -r cli,json --out-file sunburst

Cada relatório JSON armazena milissegundos em result.timings, nos campos responseAverage, responseMin, responseMax e responseSd. Seu agente pode colocá-los lado a lado e dizer qual é a diferença real nos seus prompts. Dez imagens em medium custam cerca de US$ 0,43 em tokens de saída, mais a entrada.

Montamos esse fluxo a partir de apidog --help e dos schemas do CLI, e não o executamos contra a OpenAI, então confira o primeiro relatório antes de confiar nele. O Apidog mede velocidade e correção das respostas, não a qualidade da imagem, então você ainda julga os pixels por conta própria. Para continuar medindo a dupla após cada atualização de modelo, coloque a execução em um pipeline de CI, e veja o guia de configuração do Claude Code para detalhes sobre o agente.

FAQ

O Flare ou o Sunburst é melhor? Nenhum vence em tudo. O Sunburst tem posição mais alta nos quadros de Text-to-Image e Image Edit da Arena, e a OpenAI o direciona para trabalhos detalhados. O Flare foi feito para velocidade. Comece com o Flare e mude para o Sunburst quando conseguir enxergar um ganho.

O Sunburst custa mais que o Flare? Não. Os dois listam US$ 8 de entrada de imagem, US$ 2 em cache e US$ 30 de saída por 1M de tokens, e compartilham uma única entrada na calculadora. Sua configuração de qualidade é o que muda a conta, não a escolha do modelo.

Quanto mais rápido é o Flare em relação ao Sunburst? A OpenAI não informou. Ela fornece apenas o melhor caso do Flare, seis segundos com low. Dois testes independentes da dupla 2.5 mostraram o Sunburst levando cerca de 1,1 a 1,4 vez mais tempo, mas esses resultados podem não se aplicar à 2.6.

Qual modelo é melhor para edição? Use o Sunburst para edições repetidas em um mesmo sujeito, com qualidade medium ou high. Teste o Flare para uma única alteração focada. Defina complexity como low nos dois, já que o padrão é high.

Os dois modelos conseguem gerar GIFs e SVGs? Sim. O guia da OpenAI lista saída em GIF e SVG para os dois modelos em POST /v1/images/generations. O endpoint de edições não consegue retornar nenhum dos dois formatos.

Ainda devo usar o GPT-Image-2.5? Verifique o Batch primeiro. A aba Batch listava a 2.5 pela metade do preço em 5 de novembro, mas não listava a 2.6. A calculadora da OpenAI também mostra que a 2.6 usa mais tokens em low e medium, então trabalhos de grande volume em low podem custar menos na 2.5.