GPT-Image-2.6 Flare vs Sunburst: ควรใช้โมเดลไหน?

ใช้ GPT-Image-2.6 Flare สำหรับงานร่าง งานปริมาณมาก โปสเตอร์ และภาพสินค้า ส่วน Sunburst เหมาะกับงานชิ้นสุดท้ายและการแก้ไขซ้ำ ๆ ที่ quality ระดับ medium หรือ high เมื่อต้องเลือกระหว่าง GPT-Image-2.6 Flare กับ Sunburst ทั้งสองโมเดลมีราคาต่อโทเคนเท่ากัน ดังนั้นสิ่งที่คุณแลกไปคือเวลา ไม่ใช่เงิน

OpenAI เปิดตัวทั้งสองโมเดลเมื่อวันที่ 4 พฤศจิกายน 2026 บทความนี้เปรียบเทียบทั้งสองในด้านความเร็ว คุณภาพ ความสม่ำเสมอในการแก้ไข และค่าใช้จ่าย พร้อมข้อเสนอแนะว่าแต่ละกรณีการใช้งานควรเลือกตัวไหน เราไม่ได้นำทั้งสองโมเดลมาเทียบกันแบบตัวต่อตัวด้วย API key จริง ดังนั้นตัวเลขทุกตัวด้านล่างจึงระบุแหล่งที่มาไว้ และส่วนสุดท้ายจะแสดงวิธีวัดผลด้วยพรอมป์ของคุณเอง

อ่านรายละเอียดการเปิดตัวทั้งหมดได้ที่ คำอธิบาย ChatGPT Images 2.6 ของเรา และสำหรับคู่รุ่นก่อนหน้า ดูได้ที่ การเปรียบเทียบ Flare vs Sunburst สำหรับ 2.5

ภาพรวม GPT-Image-2.6 Flare vs Sunburst

แถวคุณสมบัติต่าง ๆ ตรงกัน คู่มือ image generation ของ OpenAI ระบุว่าทั้งสองโมเดลรองรับการควบคุม complexity การแก้ไขโดยใช้ markup เป็นแนวทาง เอาต์พุต SVG และเอาต์พุต GIF แบบเคลื่อนไหว คุณไม่ได้ต้องเสียสละความสามารถใด ๆ ไม่ว่าจะเลือกตัวไหน

ความเร็ว: Flare ชนะ แต่ยังไม่มีการเปิดเผยขนาดของช่องว่าง

Flare เป็นโมเดลที่เร็วกว่า โพสต์เปิดตัวของ OpenAI ระบุว่าสามารถสร้างภาพได้เร็วสุดใน 6 วินาทีที่ quality ระดับ low และ Images 2.6 ทำงานเร็วขึ้น 50% จากเดิม แต่ไม่ได้ระบุเวลาไว้สำหรับ Sunburst และหน้าของโมเดล Flare กับ Sunburst ต่างก็ระบุความเร็วว่า “Not specified”

ลองอ่านตัวเลข 6 วินาทีนั้นให้ดี:

• นั่นเป็นกรณีที่ดีที่สุด (“เร็วสุด”) ไม่ใช่ค่าเฉลี่ย
• ใช้ได้กับ quality ระดับ low เท่านั้น
• OpenAI ไม่ได้บอกว่าตั้งค่า complexity แบบใดจึงได้ผลลัพธ์นี้ และค่าเริ่มต้นของ API คือ high

เรายังไม่พบการวัดเวลาของ 2.6 จากแหล่งอิสระ หลักฐานที่ใกล้เคียงที่สุดมาจากคู่ 2.5 จึงควรใช้เป็นแนวทางคร่าว ๆ เท่านั้น:

ทั้งสองการทดสอบชี้ว่า Flare เร็วกว่า แต่ตัวเลขที่ได้ไม่ตรงกัน ช่องว่างขึ้นอยู่กับพรอมป์และการตั้งค่าของคุณ ผลทดสอบเพียงชุดเดียวจึงไม่อาจใช้ตัดสินแทนงานของคุณได้ คู่มือของ OpenAI ยังเตือนด้วยว่าพรอมป์ที่ซับซ้อนอาจใช้เวลาถึง 2 นาทีบนโมเดล GPT Image จึงควรตั้ง timeout ฝั่งไคลเอนต์ให้เผื่อไว้มาก ๆ ไม่ว่าจะเลือกตัวไหน

คุณภาพ: Sunburst นำอยู่เล็กน้อย

Sunburst ได้คะแนนสูงกว่าในการจัดอันดับทั้งสองรายการที่ Arena โพสต์เมื่อวันที่ 5 พฤศจิกายน และคว้าอันดับหนึ่งในหมวดการ์ตูน อะนิเมะ และแฟนตาซี ส่วน Flare ก็ยังติดท็อปไฟฟ์ในทั้งสองบอร์ด

โปรดระลึกถึงข้อจำกัดสามประการเมื่ออ่านคะแนนเหล่านี้:

• นี่คือคะแนนโหวตจากความชอบของผู้ใช้ ไม่ใช่การทดสอบมาตรฐานของ OpenAI
• ทั้งสองรายการทดสอบที่ระดับ Medium จึงไม่ได้บอกอะไรเกี่ยวกับ low หรือ max
• คะแนนของ Arena เปลี่ยนแปลงได้เมื่อมีโหวตเพิ่มเข้ามา เราอ่านค่าจากโพสต์ของ Arena ไม่ใช่จากบอร์ดสด

การนำอยู่ 25 คะแนนในหมวด Text-to-Image หมายความว่าผู้โหวตมีแนวโน้มชอบผลลัพธ์ของ Sunburst มากกว่า ไม่ได้หมายความว่าภาพของ Flare แย่ สำหรับงานโปสเตอร์หรือภาพสินค้า ข้ออ้างของ OpenAI เรื่องการจัดเลย์เอาต์ของ Flare อาจสำคัญกับคุณมากกว่าคะแนนความชอบโดยรวม ลองทดสอบหมวดนั้นด้วยตัวเองดู

ความสม่ำเสมอในการแก้ไข: จุดขายหลักของ Sunburst

ความสม่ำเสมอในการแก้ไขคือเหตุผลที่คุณยอมรอ Sunburst นานขึ้น OpenAI ระบุว่านำมาซึ่ง “ความสม่ำเสมอของภาพที่ดียิ่งขึ้น across การแก้ไข” ที่ quality ระดับ medium หรือ high ซึ่งช่วยได้เมื่อตัวละคร สินค้า หรือโลโก้ต้องคงเดิมผ่านการแก้ไขหลายรอบ

หลักฐานสาธารณะในจุดนี้มีน้อยกว่าที่คุณอาจคาดไว้:

• OpenAI ไม่ได้เผยแพร่ตัวชี้วัดความสม่ำเสมอใด ๆ
• system card ระบุว่าโมเดลที่อัปเดตทั้งสองตัวปรับปรุงความสม่ำเสมอในการแก้ไขและการรักษารายละเอียด ดังนั้น Flare ก็ได้ประโยชน์ด้วย
• ช่องว่างในหมวด Image Edit ของ Arena อยู่ที่ 14 คะแนน น้อยกว่าช่องว่าง 25 คะแนนในหมวด Text-to-Image บอร์ดนั้นให้คะแนนว่าผู้โหวตชอบการแก้ไขแบบใด ไม่ได้วัดว่าตัวแบบคงที่ตลอดห้ารอบหรือไม่

ดังนั้น Sunburst จึงเป็นตัวเลือกเริ่มต้นที่ปลอดภัยกว่าสำหรับการแก้ไขหลายรอบ แต่มีเพียงกระบวนการแก้ไขของคุณเองเท่านั้นที่ยืนยันได้ว่าคุ้มกับเวลาที่เสียไปหรือไม่ หากเป็นการแก้ไขจุดเดียวที่เจาะจง เช่น เปลี่ยนฉากหลังหรือแก้ป้าย ลองใช้ Flare ก่อน

ไม่ว่าจะเลือกโมเดลไหน ควรตั้งค่า complexity ด้วยตัวเอง หากไม่ระบุ ทั้งสองโมเดลจะใช้ high ขณะที่ OpenAI แนะนำให้ใช้ low สำหรับการแก้ไขส่วนใหญ่ คู่มือเตือนว่า complexity ที่สูงขึ้นอาจเพิ่มเวลาแฝงและทำให้เกิดการเปลี่ยนแปลงที่ไม่ต้องการ ซึ่งตรงข้ามกับสิ่งที่กระบวนการแก้ไขต้องการ

ค่าใช้จ่าย: ราคาเท่ากัน ดังนั้น quality คือปัจจัยที่ควบคุมต้นทุนจริง ๆ

Flare กับ Sunburst มีราคาเท่ากัน หน้า pricing ระบุทั้งสองที่ $8 ต่อ 1 ล้านโทเคนอินพุตภาพ, $2 สำหรับ cached และ $30 สำหรับเอาต์พุต เครื่องคำนวณของ OpenAI ก็จัดทั้งสองเป็นรายการเดียวคือ “GPT Image 2.6 (Sunburst and Flare)” ดังนั้นการประเมินเอาต์พุตด้านล่างจึงใช้ได้กับทั้งสองโมเดล

ตัวเลขเหล่านี้ไม่รวมโทเคนอินพุตประเภทข้อความและภาพ และการแก้ไขจะคิดค่าใช้จ่ายของภาพอ้างอิงเพิ่มเข้าไปอีก เครื่องคำนวณระบุว่าการใช้โทเคนอาจแตกต่างกันได้ จึงควรอ่านค่า usage.output_tokens จากคำตอบจริง

จากตารางนั้นมีข้อสรุปสองประการ:

• การเปลี่ยนจาก Flare ไป Sunburst เปลี่ยนเวลาที่ใช้ ไม่ใช่อัตราค่าใช้จ่าย การเลือก high แทน low ทำให้ต้นทุนเอาต์พุตเพิ่มขึ้นราวสองเท่าในทั้งสองโมเดล
• จาก medium เป็น high มีค่าใช้จ่ายเพิ่มขึ้นประมาณหนึ่งเซนต์ต่อภาพจัตุรัส เนื่องจาก OpenAI ผูกข้อได้เปรียบของ Sunburst ไว้กับทั้งสองระดับ จึงควรเปรียบเทียบก่อนตัดสินใจใช้ medium

ข้อควรระวังเรื่องค่าใช้จ่ายมีอยู่ข้อเดียวคือ Batch เมื่อวันที่ 5 พฤศจิกายน แท็บ Batch ในหน้า pricing ระบุราคา 2.5 ไว้ครึ่งราคา แต่ไม่ได้ระบุโมเดล 2.6 ตัวใดเลย หากคุณรันงานข้ามคืนด้วยคู่ 2.5 อยู่ ควรตรวจแท็บนั้นก่อนเปลี่ยน

ควรใช้โมเดลไหน?

เริ่มต้นด้วย Flare แล้วค่อยย้ายงานไปใช้ Sunburst เมื่อคุณเห็นความแตกต่างได้ชัด การตั้งค่าเริ่มต้นเหล่านี้เป็นข้อเสนอแนะของเรา ไม่ใช่ของ OpenAI จึงควรปรับหลังการทดสอบครั้งแรก

สำหรับ GIF และ SVG นั้น OpenAI ไม่ได้เผยแพร่ข้อมูลว่าสองโมเดลต่างกันด้านคุณภาพหรือความเร็วอย่างไร ลองร่างด้วย Flare แล้วรันพรอมป์ที่ดีที่สุดซ้ำบน Sunburst เพื่อเปรียบเทียบ ตรวจรายละเอียดของ GIF สองจุดก่อน: คู่มือของ OpenAI อนุญาต 2 ถึง 64 เฟรม ขณะที่ API reference ระบุ 2 ถึง 16 เฟรม และ reference ระบุว่าเอาต์พุต GIF ต้องมีสิทธิ์เข้าถึงแบบ preview สำหรับโมเดลที่เลือก

หากคุณ pin โมเดลไว้ในโปรดักชัน โปรดทราบว่าหน้าโมเดลทั้งสองแสดงเพียง alias เมื่อวันที่ 5 พฤศจิกายน โดยไม่มี snapshot ที่ระบุวันที่ ควรตรวจพรอมป์ที่อนุมัติไว้ซ้ำเมื่อ OpenAI อัปเดตโมเดล

เปรียบเทียบทั้งสองโมเดลด้วย Apidog CLI

คะแนนสาธารณะไม่สามารถบอกได้ว่าแต่ละโมเดลจัดการพรอมป์ของคุณอย่างไร coding agent ของคุณสามารถรันพรอมป์ชุดเดียวกันกับทั้งสองโมเดลผ่าน Apidog CLI แล้วเปรียบเทียบเวลาตอบสนองได้ ตั้งค่าเพียงครั้งเดียว:

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

บันทึกพรอมป์ 5 รายการจากงานจริงของคุณไว้ใน prompts.csv โดยใช้ prompt เป็นหัวคอลัมน์ จากนั้นสั่ง Claude Code, Codex หรือ Cursor ด้วยพรอมป์เดียว:

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.

เอเจนต์จะอ่าน schema แต่ละตัว ตรวจสอบ payload สร้างเทสเคส แล้วรันสองครั้ง:

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

รายงาน JSON แต่ละไฟล์เก็บค่าเวลาเป็นมิลลิวินาทีไว้ใต้ result.timings ในฟิลด์ responseAverage, responseMin, responseMax และ responseSd เอเจนต์ของคุณสามารถนำมาเทียบเคียงกันและบอกช่องว่างจริงบนพรอมป์ของคุณได้ ภาพ 10 ภาพที่ medium มีค่าใช้จ่ายราว $0.43 ในส่วนโทเคนเอาต์พุต บวกอินพุต

เราสร้างโฟลว์นี้จาก apidog --help และ schema ของ CLI และยังไม่ได้รันกับ OpenAI จริง จึงควรตรวจรายงานฉบับแรกก่อนเชื่อถือ Apidog วัดความเร็วและความถูกต้องของการตอบสนอง ไม่ได้วัดคุณภาพภาพ ดังนั้นคุณยังต้องตัดสินภาพด้วยตัวเอง หากต้องการจับเวลาคู่นี้ต่อไปหลังโมเดลอัปเดตแต่ละครั้ง ให้ย้ายการรันเข้า CI pipeline และดูคู่มือตั้งค่า Claude Codeสำหรับรายละเอียดเกี่ยวกับเอเจนต์

คำถามที่พบบ่อย

Flare หรือ Sunburst ดีกว่ากัน? ไม่มีตัวไหนชนะทุกด้าน Sunburst มีอันดับสูงกว่าในบอร์ด Text-to-Image และ Image Edit ของ Arena และ OpenAI วางตำแหน่งให้เหมาะกับงานที่เน้นรายละเอียด ส่วน Flare ถูกออกแบบมาเพื่อความเร็ว เริ่มจาก Flare แล้วเปลี่ยนไป Sunburst เมื่อคุณเห็นว่าดีขึ้นจริง

Sunburst แพงกว่า Flare ไหม? ไม่ ทั้งคู่ระบุราคาที่ $8 สำหรับอินพุตภาพ, $2 สำหรับ cached และ $30 สำหรับเอาต์พุต ต่อ 1 ล้านโทเคน และใช้รายการเดียวกันในเครื่องคำนวณ สิ่งที่ทำให้ค่าใช้จ่ายเปลี่ยนคือการตั้งค่า quality ไม่ใช่การเลือกโมเดล

Flare เร็วกว่า Sunburst แค่ไหน? OpenAI ยังไม่ระบุ โดยให้ข้อมูลเฉพาะกรณีที่ดีที่สุดของ Flare คือ 6 วินาทีที่ low การทดสอบอิสระสองชุดกับคู่ 2.5 พบว่า Sunburst ใช้เวลามากกว่าราว 1.1 ถึง 1.4 เท่า แต่ผลเหล่านั้นอาจใช้กับ 2.6 ไม่ได้

โมเดลไหนเหมาะกับการแก้ไขมากกว่า? ใช้ Sunburst สำหรับการแก้ไขซ้ำ ๆ กับตัวแบบเดียว ที่ quality ระดับ medium หรือ high ลองใช้ Flare สำหรับการแก้ไขจุดเดียวที่เจาะจง ตั้งค่า complexity เป็น low ทั้งสองตัว เนื่องจากค่าเริ่มต้นคือ high

ทั้งสองโมเดลสร้าง GIF และ SVG ได้ไหม? ได้ คู่มือของ OpenAI ระบุว่าเอาต์พุต GIF และ SVG ใช้ได้กับทั้งสองโมเดลบน POST /v1/images/generations ส่วนเอดพอยต์สำหรับแก้ไขไม่สามารถคืนค่าในรูปแบบเหล่านี้ได้

ยังควรใช้ GPT-Image-2.5 อยู่ไหม? ตรวจแท็บ Batch ก่อน แท็บ Batch ระบุราคา 2.5 ไว้ครึ่งราคาเมื่อวันที่ 5 พฤศจิกายน แต่ไม่ได้ระบุ 2.6 เครื่องคำนวณของ OpenAI ยังแสดงว่า 2.6 ใช้โทเคนมากกว่าที่ low และ medium ดังนั้นงานปริมาณมากที่ใช้ low อาจมีค่าใช้จ่ายต่ำกว่าบน 2.5