วิธีใช้งาน GPT-Image-2.6 API

GPT-Image-2.6 API สร้างและแก้ไขภาพผ่านโมเดล OpenAI สองตัว ได้แก่ gpt-image-2.6-flare และ gpt-image-2.6-sunburst เพียงส่ง prompt ไปที่ POST /v1/images/generations พร้อม API key จากนั้นถอดรหัส b64_json จาก response เวอร์ชัน 2.6 เพิ่มความสามารถด้าน image markup, การส่งออก SVG และ GIF รวมถึงพารามิเตอร์ complexity

คู่มือนี้ครอบคลุมการยืนยันตัวตน การสร้างภาพครั้งแรก การแก้ไขด้วย markup การส่งออก SVG และการตั้งค่า quality กับ complexity โดยเน้นเฉพาะสิ่งที่ใหม่ หากต้องการอ่านเรื่อง streaming และเครื่องมือ Responses API ดูได้ที่ คู่มือ gpt-image-2.5 API และดูคำอธิบายฉบับเต็มของ ChatGPT Images 2.6 ได้ที่ บทความอธิบาย ChatGPT Images 2.6 ทุกคำขอด้านล่างนี้เราสร้างขึ้นจากเอกสารของ OpenAI ณ วันที่ 5 พฤศจิกายน 2026 เรายังไม่ได้ทดสอบกับ API key จริง ดังนั้นควรทดสอบก่อนนำไปใช้งานจริง

ภาพรวม GPT-Image-2.6 API

อัตราค่าบริการอ้างอิงจาก หน้า pricing ของ OpenAI ทั้งสองโมเดลมีค่าใช้จ่ายต่อ token เท่ากัน ดังนั้นให้เลือกจากความเร็วและความแม่นยำในการแก้ไขภาพ

Flare หรือ Sunburst ควรเรียกใช้โมเดลไหน?

เรียกใช้ Flare สำหรับงานที่ต้องการวนซ้ำเร็ว ๆ และการสร้างภาพทั่วไป OpenAI ระบุว่าสามารถคืนภาพได้ภายในเวลาเพียง 6 วินาทีที่ quality ระดับ low และปรับปรุง layout สำหรับโปสเตอร์กับภาพสินค้าได้ดีขึ้น ส่วน Sunburst เหมาะกับงานละเอียดและการแก้ไขซ้ำหลายครั้ง ซึ่ง OpenAI อ้างว่ามีความสม่ำเสมอดีกว่าที่ quality ระดับ medium หรือ high

ข้อมูลข้างต้นเป็นคำกล่าวอ้างของ OpenAI ไม่ใช่ผลทดสอบจากบุคคลที่สาม ดูคำอธิบายความแตกต่างได้ที่ การเปรียบเทียบ Flare vs Sunburst สำหรับเวอร์ชัน 2.5 ของเรา

การยืนยันตัวตนและการตั้งค่า

คุณต้องเตรียมสามสิ่งก่อนเรียก API ครั้งแรก:

1. สร้าง API key ใน dashboard ของ OpenAI แล้ว export เป็น OPENAI_API_KEY
2. ทำ การยืนยันองค์กรสำหรับ API หากองค์กรของคุณจำเป็นต้องทำ OpenAI ระบุว่าอาจต้องทำก่อนจึงจะใช้โมเดล GPT Image ได้
3. ติดตั้ง jq สำหรับตัวอย่าง curl หรือแพ็กเกจ openai สำหรับ Python

หากแอปของคุณให้บริการผู้ใช้รายบุคคล ควรส่ง safety_identifier แบบ hashed ที่มีความยาวไม่เกิน 128 ตัวอักษรด้วย โดยพารามิเตอร์นี้มาแทนที่พารามิเตอร์ user ที่เลิกใช้แล้ว

สร้างภาพแรกของคุณ

คำขอนี้ใช้ Flare ที่ quality ระดับ low ซึ่งเหมาะกับงานร่าง

curl --fail-with-body --silent --show-error \
  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": "A minimal poster for a developer meetup, with the words SHIP IT in bold type",
    "size": "1024x1536",
    "quality": "low",
    "complexity": "low"
  }' | jq -er '.data[0].b64_json' | base64 --decode > poster.png

คำขอเดียวกันใน Python:

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.6-sunburst",
    prompt="A product shot of a ceramic mug on a walnut desk, soft morning light",
    size="1536x1024",
    quality="medium",
    extra_body={"complexity": "low"},
)

Path("mug.png").write_bytes(base64.b64decode(result.data[0].b64_json))

เราส่ง complexity ผ่าน extra_body เพื่อให้การเรียกไม่ขึ้นอยู่กับว่า SDK เวอร์ชันของคุณรองรับพารามิเตอร์นี้แบบระบุชื่อหรือไม่ โมเดล GPT Image จะคืนค่าเป็น base64 เสมอ ดังนั้นอย่าส่ง response_format และอย่าคาดหวังฟิลด์ url

คู่มือของ OpenAI แนะนำให้อ่านออบเจกต์ usage ใน response เพื่อวัดการใช้ token อย่างไรก็ตาม API reference ระบุว่าฟิลด์นี้มีเฉพาะใน gpt-image-1 แม้ว่าตัวอย่าง response จะมีฟิลด์นี้อยู่ก็ตาม ดังนั้นควรตรวจสอบก่อนว่ามันปรากฏใน response ของ 2.6 จริงหรือไม่ ก่อนนำไปสร้างระบบติดตามค่าใช้จ่าย

แก้ไขภาพด้วย markup

Markup ใช้บอกโมเดลว่าต้องแก้ไขตรงจุดไหน โดยคุณส่งภาพต้นฉบับ, PNG โปร่งใสที่มีวงกลมหรือภาพร่างของคุณ และ prompt ที่อธิบายการแก้ไข

curl --fail-with-body --silent --show-error \
  https://api.openai.com/v1/images/edits \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "images": [{"image_url": "https://your-bucket.example/kitchen.png"}],
    "markup": {"image_url": "https://your-bucket.example/vase-overlay.png"},
    "prompt": "Recolor the vase inside the red circle to solid cobalt blue. Keep everything else unchanged. Remove the red circle.",
    "quality": "medium",
    "complexity": "low"
  }' | jq -er '.data[0].b64_json' | base64 --decode > vase.png

คำขอแบบ JSON ใช้อาร์เรย์ images และออบเจกต์ markup ที่บรรจุได้เพียงอย่างใดอย่างหนึ่งระหว่าง image_url หรือ file_id โดย image_url เป็นได้ทั้ง HTTPS URL หรือ base64 data URL ส่วนคำขอแบบ multipart จะใช้การอัปโหลดไฟล์แทน ซึ่งดูเวอร์ชัน Python ได้ที่ คู่มือ image generation

ภาพ overlay มีกฎเข้มงวดดังนี้:

• หลังปรับ orientation แล้ว ต้องมี width และ height ตรงกับภาพแรก
• ต้องมีพิกเซลโปร่งใสอยู่ ห้าม flatten ทับลงบนภาพถ่าย
• จะใช้กับภาพอินพุตภาพแรกเท่านั้น ภาพอื่น ๆ ที่ส่งมาจะทำหน้าที่เป็น reference
• ภาพทั้งสองภาพมีพิกเซลได้สูงสุดภาพละ 16,777,216 พิกเซล และไฟล์ overlay ต้องมีขนาดไม่เกิน 50 MB
• ไม่สามารถใช้ markup ร่วมกับ mask หรือ prompt_rewriter ได้

ให้สั่งโมเดลลบ annotation ออก เหมือนกับตัวอย่างของ OpenAI เอง ค่าใช้จ่ายของ markup เท่ากับการแก้ไขภาพทั่วไป และ Responses API ไม่รองรับ markup ดังนั้นให้ใช้ mask แทน

ส่งออก SVG

กำหนด output_format เป็น svg บน endpoint generations สำหรับไอคอน โลโก้ และภาพประกอบที่ต้องมี path แก้ไขได้

curl --fail-with-body --silent --show-error \
  https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-sunburst",
    "prompt": "A flat two-color wheat logo for a bakery called Field and Flour",
    "output_format": "svg",
    "quality": "medium",
    "n": 1
  }' | jq -er '.data[0].b64_json' | base64 --decode > logo.svg

API จะเรนเดอร์ภาพ reference ก่อน ซึ่งควบคุมด้วย quality จากนั้นจึงเขียน SVG ขึ้นมาจากภาพนั้น ไบต์ที่ถอดรหัสได้จะเป็น XML แบบ UTF-8 ที่ไม่มี script, ทรัพยากรภายนอก หรือ raster ฝังอยู่

มีข้อจำกัดสี่ข้อ:

• n ต้องเป็น 1
• ไม่รองรับ streaming, partial images, output_compression และ prompt_rewriter
• endpoint edits ไม่สามารถส่งออก SVG ได้ และไม่รับ SVG เป็นอินพุตแบบ raster
• ออบเจกต์ svg แบบไม่บังคับใช้เลือกโมเดลผู้เขียน แต่ใช้ได้เฉพาะเมื่อบัญชีของคุณมีสิทธิ์เลือกโมเดล SVG เท่านั้น มิฉะนั้นให้ละไว้

คุณจ่ายสองต่อ: ค่าอัตราภาพสำหรับภาพ reference และค่าอัตราของโมเดลผู้เขียนสำหรับ token ของมัน API reference ระบุว่ามีออบเจกต์ svg_usage แยกต่างหากสำหรับส่วนที่สอง ดังนั้นควรบันทึก log ไว้ด้วย

สร้าง GIF

API จะคืนค่าเป็น GIF ที่เสร็จสมบูรณ์แล้ว ไม่ใช่ sprite sheet โดยเพิ่มสามฟิลด์ลงในคำขอ generations:

{
  "model": "gpt-image-2.6-flare",
  "prompt": "A small orange robot waves, blinks and returns to its starting pose. Make it loop.",
  "output_format": "gif",
  "frame_count": 9,
  "frame_duration_ms": 200,
  "size": "auto"
}

ถอดรหัส b64_json ด้วยวิธีเดียวกันแล้วบันทึกเป็น .gif แต่ก่อนอื่นให้ตรวจสอบสองอย่าง:

• ขีดจำกัดเฟรม คู่มือระบุว่า frame_count อยู่ในช่วง 2 ถึง 64 ส่วน API reference ระบุว่า 2 ถึง 16 ให้ใช้ไม่เกิน 16 ไว้ก่อนจนกว่าจะทดสอบค่าที่สูงกว่า
• สิทธิ์การเข้าถึง API reference ระบุว่าการส่งออก GIF ต้องมีสิทธิ์เข้าถึง GIF preview ของโมเดลที่เลือก ขณะที่คู่มือไม่ได้กล่าวถึงเรื่องนี้ คำขอ GIF ที่ถูกปฏิเสธอาจเป็นปัญหาสิทธิ์การเข้าถึง ไม่ใช่ payload ที่ผิด

การส่งออก GIF ไม่รองรับ streaming, partial images หรือ output_compression แบบกำหนดเอง และ endpoint edits ก็ไม่สามารถคืนค่าเป็น GIF ได้ OpenAI ไม่ได้เผยแพร่สูตรคิดค่าบริการเฉพาะสำหรับ GIF ดังนั้นควรทดสอบเล็ก ๆ น้อย ๆ และตรวจสอบบิลก่อนขยาย規模

ตั้งค่า quality และ complexity

quality ควบคุมรายละเอียดการเรนเดอร์และส่งผลต่อค่า token ส่วน complexity ควบคุมว่าโมเดลจะวางแผนมากแค่ไหนก่อนเรนเดอร์ โดยการปรับค่านี้ไม่มีค่าใช้จ่ายเพิ่มเติม

ควรกำหนด complexity ทุกครั้งที่ส่งคำขอ ค่าเริ่มต้นคือ high แต่ OpenAI แนะนำให้ใช้ low สำหรับการแก้ไขภาพส่วนใหญ่ คู่มือเตือนว่าค่าที่สูงขึ้นอาจเพิ่ม latency และทำให้เกิดการเปลี่ยนแปลงที่ไม่ต้องการ

Quality ยังกำหนดค่าใช้จ่ายฝั่ง output ของคุณด้วย ตารางนี้ใช้เครื่องคิดเลขของ OpenAI สำหรับภาพขนาด 1024x1024 ข้อมูล ณ วันที่ 5 พฤศจิกายน และไม่รวม input token:

ช่องว่างระหว่าง medium กับ high อยู่ที่ประมาณหนึ่งเซนต์ ดังนั้นควรเปรียบเทียบทั้งสองค่า แท็บ Batch บนหน้า pricing ยังไม่แสดงเวอร์ชัน 2.6 ดังนั้นอย่าสันนิษฐานว่าส่วนลด batch ของ 2.5 จะใช้ได้ด้วย

จัดการข้อผิดพลาดและ timeout

แยกประเภทความล้มเหลวตามว่าการ retry จะช่วยได้หรือไม่:

ใช้ error.code เป็นตัวตรวจสอบหลักที่เสถียร และบันทึก request ID ไว้ด้วย moderation_details มี moderation_stage และ categories แบบคร่าว ๆ ซึ่งควรอยู่ใน log ของคุณ ไม่ใช่ในข้อความที่แสดงต่อผู้ใช้ ตั้งค่า client timeout ให้มากกว่าสองนาที เพราะ OpenAI ระบุว่า prompt ที่ซับซ้อนอาจใช้เวลานานขนาดนั้น

ให้ coding agent ทดสอบด้วย Apidog CLI

Coding agent ของคุณสามารถเปลี่ยนคำขอและข้อจำกัดเหล่านี้ให้เป็นชุดทดสอบได้ด้วย Apidog CLI ตั้งค่าครั้งเดียว:

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

จากนั้นป้อน prompt เดียวให้ Claude Code, Codex หรือ Cursor:

In Apidog project <id>, add POST /v1/images/generations and POST /v1/images/edits
on https://api.openai.com. Read the bearer token from OPENAI_API_KEY.
Create test cases for gpt-image-2.6-flare at low quality and low complexity:
1. PNG generation: assert status 200 and data[0].b64_json exists.
2. SVG generation: assert status 200 and output_format equals svg.
3. GIF with frame_count 6: assert status 200 and output_format equals gif.
4. SVG with n set to 2: assert a 4xx status and that error.message exists.
5. GIF with frame_count 17: record the status, because OpenAI's docs disagree.
Put them in a test suite named "GPT-Image-2.6", run it against environment
<envId>, and summarize every failure.

Agent จะอ่าน schema แต่ละตัว ตรวจสอบ payload ของตัวเอง แล้วเขียนและรันชุดทดสอบ:

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 cli-schema validate test-suite-create --file suite.json
apidog test-suite create --project <id> --file suite.json
apidog test-suite run <suiteId> --project <id> -e <envId> \
  --env-var "OPENAI_API_KEY=$OPENAI_API_KEY" --on-error continue -r cli,json

เคสที่ 5 จะช่วยตัดสินขีดจำกัดเฟรมสำหรับบัญชีของคุณ และเคสที่ 3 จะแสดงว่าคุณมีสิทธิ์เข้าถึง GIF หรือไม่ เคสที่สำเร็จจะสร้างภาพจริงที่คิดค่าบริการ ดังนั้นควรตั้ง quality ไว้ต่ำ เปลี่ยนเป็น -r junit เพื่อรันชุดทดสอบใน CI pipeline และดูรายละเอียดเกี่ยวกับ agent ได้ที่ คู่มือตั้งค่า Claude Code

คำถามที่พบบ่อย

ชื่อโมเดลของ GPT-Image-2.6 API คืออะไร? gpt-image-2.6-flare และ gpt-image-2.6-sunburst โดย API reference ยังไม่แสดง snapshot ที่ระบุวันที่สำหรับโมเดลเหล่านี้ ต่างจากโมเดล 2.5

GPT-Image-2.6 API มีค่าใช้จ่ายเท่าไหร่? ค่า token รูปภาพอยู่ที่ $8 ต่อ 1M input และ $30 ต่อ 1M output ภาพขนาด 1024x1024 มีค่าใช้จ่ายฝั่ง output ประมาณ $0.025 ที่ low และประมาณ $0.053 ที่ high ก่อนรวม input token

ควรย้ายจาก gpt-image-2.5 ไหม? ควรย้ายหากคุณต้องการ SVG, GIF หรือ complexity แต่ควรทดสอบค่าใช้จ่ายก่อน: ภาพที่ low ใช้ token ประมาณ 4.2 เท่าของเวอร์ชัน 2.5 และโมเดล 2.6 ยังไม่มีราคาแบบ Batch แสดงไว้

ใช้ complexity กับ endpoint edits ได้ไหม? ได้ OpenAI แนะนำให้ใช้ low สำหรับการแก้ไขภาพส่วนใหญ่

เปลี่ยนภาพที่อัปโหลดให้เป็น GIF ผ่าน API ได้ไหม? ไม่ได้ endpoint edits ไม่คืนค่าเป็น GIF หรือ SVG ดังนั้นทั้งสองรูปแบบต้องเริ่มจาก text prompt บน endpoint generations

API คืนค่าเป็น URL ไหม? ไม่ โมเดล GPT Image คืนค่าเป็น base64 ใน b64_json เสมอ ดังนั้นคุณต้องถอดรหัสและจัดเก็บไฟล์เอง