GPT Image 2.6 提供 Flare 和 Sunburst 两个型号，可用参数完全一致：画质、分辨率、GIF、SVG、蒙版重绘、构图规划都能用，按量计费的用量也一样。官方文档没有说明两者的差别，所以本文用一组对照实验自己测了一遍。
测试只控制一个变量，每个场景各跑两次，共 28 个任务，从响应时间和画面质量两个维度记录差异，最后给出可直接落地的选型建议。
一、测试设计：只留一个变量
做模型对比最怕变量没控住，也怕只看一张图就下结论。规则定成四条：
- 只有 model 一个变量。同一场景的提示词、比例、画质、输出格式全部相同。
- 每个组合跑 2 次。7 个场景 × 2 个模型 × 2 次 = 28 个任务。
- 同时提交。28 个任务一次发出，两个模型在同样的负载下比较时间。
- 取服务端处理时间。用任务结果里记录的处理时间，不用本地轮询时间，本地每 8 秒查一次，误差过大。
任务清单由代码成对生成，保证两个模型拿到的参数逐字相同。
type Scene = { name: string; prompt: string; options: Record<string, unknown> };
const MODELS = ['gpt-image-2.6-flare', 'gpt-image-2.6-sunburst'];
const RUNS = ['a', 'b'];
// 每个场景展开成 2 个模型 × 2 次，除了 model 和输出路径，其余字段完全一样
const jobs = scenes.flatMap((scene) =>
RUNS.flatMap((run) =>
MODELS.map((model) => ({
out: `out/${scene.name}-${model.split('-').pop()}-${run}.png`,
model,
prompt: scene.prompt,
options: { ...scene.options },
}))
)
);7 个场景的分布：中文海报、写实人像、商品图、英文信息图用 medium 画质；选区重绘、8 帧 GIF、SVG 图标用 low 画质；分辨率统一 1K。
二、响应时间：Sunburst 稳定慢一倍
| 场景 | Flare（两次） | Sunburst（两次） |
|---|---|---|
| 中文海报 | 6s / 7s | 21s / 22s |
| 写实人像 | 15s / 10s | 22s / 22s |
| 商品图 | 8s / 6s | 21s / 26s |
| 英文信息图 | 9s / 7s | 24s / 25s |
| 选区重绘 | 9s / 11s | 25s / 23s |
| GIF（8 帧） | 11s / 12s | 19s / 20s |
| SVG | 11s / 12s | 20s / 19s |
| 平均 | 约 10s | 约 22s |
两组数据没有重叠：Flare 最慢的一次 15s，比 Sunburst 最快的一次 19s 还快。Sunburst 的用时很稳定，几乎都在 20 到 25 秒之间，像是固定多走了一段处理流程。
用量上，同一场景两个模型完全相同。Sunburst 多花的时间不体现在账单上，慢但不贵。
三、画质逐项对比
文字：打平。中文海报和英文信息图共 8 张，标题、副标题、步骤说明全部正确，没有错字和乱码。
稳定性：Flare 更确定。Flare 两次生成的海报，标题位置、杯子角度、桂花枝位置几乎一样；Sunburst 每次都会追加元素（杯碟、桌布、奶泡上的桂花），两次差别也更大。调提示词时这点很关键，输出稳定才能看出改一个词到底改变了什么。
动作描写：Sunburst 更听话。提示词是「老渔夫正在码头上补渔网」，Flare 两次都让人抬头看镜头，像摆拍；Sunburst 两次都低头捏着网线，镜头更近，确实在补网。
选区重绘：Sunburst 更守约束。给白色马克杯照片加蒙版，要求换成藏青色陶瓷杯且大小、位置、角度不变。选区外内容四张都没动，但 Flare 第一次把直筒杯改成了圆肚杯，Sunburst 两次都保住了杯形。
GIF：都能用，Flare 掉过一次帧。橘猫挥爪 8 帧动画，四个 GIF 都是完整循环，Flare 第二次的第 6 帧换成了另一只爪子，播放时会跳一下。
SVG：差距最大。提示词是带心形热气的咖啡杯图标，Flare 两次都是一团乱线，Sunburst 两次都是能认出来的杯子、杯碟和热气。
四、SVG 差距的来源
2.6 的 SVG 生成分两步：先画一张 1K 位图，再由文字模型看着这张图手写 SVG 代码。第二步对两个型号是同一个模型，所以差异只能来自第一步的位图。Sunburst 画的形状更规整、边界更清楚，照着写代码时就不容易走样。
五、选型结论
| 场景 | 选择 | 依据 |
|---|---|---|
| 调提示词、成组试稿 | Flare | 快一倍多，输出稳定，便于对比 |
| 海报、信息图 | 都行 | 文字都正确 |
| 选区重绘 | Sunburst | 2/2 保住形状，Flare 1/2 |
| SVG | Sunburst | 2/2 可用，Flare 0/2 |
| GIF | 都行 | Flare 1/2 有一帧跳动 |
价格一样，实际用法就是两个都留着：Flare 迭代，Sunburst 定稿。修图和 SVG 这类返工成本高的任务，直接上 Sunburst。
六、PS插件StartAI GPT生图（gpt2.6模型）实操教程
不想自己写接口调用的设计师，可以直接在 PS 里用 StartAI 插件跑这套「先试稿后定稿」的流程。
打开 PS 和素材，从顶部【窗口-增效工具】（新版 PS 为【增效工具】）调出 StartAI 面板。
先确定用途，据此选 Flare 试稿或 Sunburst 出成品，并设置合适的 complexity。
在提示词框按主体、背景、布光、风格、输出的结构填写，需要GIF 或透明背景就明确写出。
点【立即生成】，先出一张看方向，构图对了再细化，不要一不满意就重新生成。
要局部修改就用标记编辑圈出区域再下指令，其余部分保持不变。
结果直接进画布成为新图层，用 PS 原生工具做最终精修，原图始终保留。
确认后按用途导出对应格式，需要透明背景的图导出 PNG。
立即使用StartAI：【点此一键下载StartAI插件】；
邀请码：【mKU7jz】，立领100积分，基础功能免费用！
七、测试局限
- 每组只有 2 次，样本偏小，结论只代表这组测试里的倾向。
- 质量判断是人工逐张看的，没有量化指标。
- 时间受当时负载影响，绝对值会变，但两个模型之间的比例应该比较稳定。
自己复测的原则就是文中这几条：只换 model，每组至少跑两次，提前定好要看的指标。
