GPT Image 2.6 API 隱藏限制解讀：GIF、SVG 與局部編輯的 5 類組合邊界

作者注：解讀 GPT Image 2.6 API 中 GIF、SVG 與 markup 局部編輯的端點限制、參數衝突和遷移注意事項，幫助開發者避開“換個模型名就能用”的接入誤區。

OpenAI 於 2026 年 11 月 4 日發佈 GPT Image 2.6，開發者可調用 gpt-image-2.6-flare 和 gpt-image-2.6-sunburst 兩個模型。不少團隊看到“支持 GIF、支持 SVG、支持標註編輯”後，第一反應是把模型名換掉，然後在原有的編輯流程裏直接要 GIF 或 SVG。按照官方文檔，這類組合在 API 層面並不成立。

這不是對新模型的挑刺。官方 Image generation 文檔和 GPT Image 2.6 提示詞指南都寫明瞭端點、格式和參數之間的約束。本文只整理文檔中的限制，不虛構請求測試記錄，也不對還沒有公開結論的內容下判斷。

核心價值：讀完本文，你可以判斷一個 GPT Image 2.6 需求應該走哪個端點，哪些參數不能同時用，以及接入第三方平臺前需要覈實哪些能力。

GPT Image 2.6 API 限制核心信息速覽

先看結論。模型具備某項能力，並不代表每個 API 端點都開放這項能力。GIF 和 SVG 目前只在 generations 端點輸出，markup 只在 edits 端點使用，三者之間存在明確的分工。

GPT Image 2.6 三類端點各自負責什麼

images/generations 根據文本提示詞生成新圖像，是 GIF 和 SVG 的唯一官方輸出入口。images/edits 接收原始圖片和指令，對已有圖像進行修改，markup 標註編輯也在這裏完成。Responses API 中的圖像生成工具適合放進對話和多步驟工作流，資料中沒有列出它在 GIF、SVG 方面的具體參數，在沒有核實前不應默認它與 generations 端點完全一致。

還有一個容易混淆的地方：ChatGPT 產品裏可以上傳照片製作 GIF，但這是產品層面的交互能力，不等於 Image API 的單個編輯端點可以輸出 GIF。把產品體驗直接當作 API 能力，是這次最常見的誤解。

GPT Image 2.6 SVG 輸出的隱藏限制

SVG 通過 generations 端點設置 output_format="svg" 獲得。它看起來只是多了一種格式，其實附帶了一組比柵格圖更嚴格的約束。下面這些都是官方明確寫出的規則：

• n 必須爲 1，不能一次生成多張 SVG。
• 不支持 streaming，也不支持 partial_images。
• 不支持 output_compression，也不支持 prompt_rewriter。
• images/edits 不能輸出 SVG，SVG 也不能直接作爲柵格編輯輸入。

返回結果位於 data[0].b64_json，需要解碼爲 UTF-8 XML 後保存爲 .svg 文件。官方說明生成的 SVG 是靜態矢量圖形，由形狀、路徑和顏色組成，不包含腳本，不依賴外部資源，也不嵌入位圖。這一點對前端直接內聯渲染比較友好，但不代表每張 SVG 都具備專業設計稿那樣清晰的圖層結構。

GPT Image 2.6 SVG 極簡調用示例

以下示例沿用 OpenAI 兼容寫法。新模型與新參數在不同平臺上的可用情況不同，正式接入前需要先確認。

import base64
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # OpenAI 兼容接口，需先確認已開放 2.6 模型
)

result = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="極簡風格的咖啡店 Logo,單色線條，圓形構圖",
    output_format="svg",
    n=1,  # SVG 必須爲 1
)

svg_xml = base64.b64decode(result.data[0].b64_json).decode("utf-8")
with open("logo.svg", "w", encoding="utf-8") as f:
    f.write(svg_xml)

成本也需要單獨評估。官方披露 SVG 的生成流程是先創建參考圖像，再由創作模型生成矢量結果。因此費用包括參考圖像的圖像模型用量，以及 SVG 創作模型的 token 消耗。普通 PNG 的單張成本不能直接套用到 SVG，官方也沒有給出適用於所有 SVG 任務的固定價格。

🚀 快速驗證建議:SVG 的實際 token 消耗與提示詞複雜度高度相關，建議先用少量代表性提示詞跑通流程，再估算批量成本。可以在 API易 apiyi.com 控制檯確認目標模型是否可用，並利用新用戶測試額度做小規模驗證。

GPT Image 2.6 GIF 輸出參數與邊界

GIF 同樣只能通過 generations 端點獲得，設置 output_format="gif" 後，可以用兩個新參數控制動畫節奏。尺寸指的是單幀尺寸，指定寬高時需要使用 16 的倍數。

幀數、分辨率和生成數量會同時受到模型限制和總像素預算的約束。最大 64 幀並不意味着在任意高分辨率下都能穩定生成，這是參數表裏最容易被誤讀的一點。官方示例使用 Sunburst、512×512、quality=high、默認 complexity=high、9 幀、每幀 200 毫秒，總時長 1.8 秒，內容是一隻穿綠色外套的小猴子舉起燈籠後回到初始姿態，形成循環動畫。

import base64
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # 使用前確認平臺是否轉發 frame_count 等新參數
)

def generate_gif(prompt: str, path: str = "loop.gif") -> str:
    """生成循環 GIF;非 SDK 標準字段通過 extra_body 傳遞"""
    result = client.images.generate(
        model="gpt-image-2.6-sunburst",
        prompt=prompt,
        size="512x512",          # 單幀尺寸，16 的倍數
        quality="high",
        output_format="gif",
        extra_body={
            "frame_count": 9,           # 2–64,默認 9
            "frame_duration_ms": 200,   # 20–2000,10ms 粒度
            "complexity": "high",       # 默認值，首輪比較建議保持
        },
    )
    data = base64.b64decode(result.data[0].b64_json)
    if not data.startswith(b"GIF8"):
        raise ValueError("返回內容不是有效的 GIF 文件")
    with open(path, "wb") as f:
        f.write(data)
    return path

generate_gif("一隻穿綠色外套的小猴子舉起燈籠，再回到開始姿態，無縫循環")

代碼最後檢查了文件頭，原因在於“返回成功”和“得到可用的 GIF”是兩回事。官方侷限說明中也提到，GIF 的動作連貫性和循環是否自然需要人工驗收，不能只看 HTTP 狀態碼。

GPT Image 2.6 Markup 局部編輯的硬性要求

markup 是 2.6 在 edits 端點上的重要擴展，提交方式爲原圖、透明標註層和編輯提示詞。官方示例中，原圖是 kitchen.webp，標註層是一張畫有紅圈的透明 PNG，提示詞要求把圈內的花瓶改成藍色，同時保留周圍物體，並在最終圖像中去掉紅圈。

markup 的要求比較具體，任何一條不滿足都可能導致請求失敗或結果偏離預期：

1. markup 必須是含透明像素的 PNG 標註層，不能把紅圈直接畫在原圖上再當作 markup 提交。
2. 原圖與 markup 的像素寬高必須完全一致。
3. markup 作用於第一張輸入圖片，其餘圖片只作爲參考圖。
4. 第一張圖片和標註層各自最多 16,777,216 像素，markup 文件不超過 50 MB。
5. markup 不能與 mask 同時使用，也不能與 prompt_rewriter 同時使用。

還需要明確一點：官方指出基於遮罩的編輯仍然由提示詞引導，不一定嚴格遵守每個像素邊界。圈選和蒙版用來表達修改意圖，但不等於 Photoshop 那樣的確定性像素編輯。如果某些區域必須與原圖逐像素一致，官方建議把認可的編輯結果與原圖做合成，而不是完全依賴模型保持不變。

GPT Image 2.6 參數兼容速查表

把格式與參數放在一張表裏，比逐段翻文檔更容易排查衝突。下表只記錄資料中明確寫出的規則，資料沒有說明的項目標爲“未說明”，不代表不支持。

另外幾項也容易被忽略。常見尺寸爲 1024×1024、1536×1024 和 1024×1536，自定義尺寸要求寬高爲 16 的倍數，寬高比在 1:3 到 3:1 之間。quality 取值包括 auto、low、medium、high、xhigh、max，complexity 取值爲 low、medium、high，兩者是不同維度：前者影響渲染細節，後者影響構圖規劃與場景理解。

GPT Image 2.6 限制對開發者的影響分析

遷移舊工作流時的兼容風險

官方提示詞指南特別提醒：圖像編輯時應省略 input_fidelity，並且 GPT Image 2.6 不支持 reasoning.summary。如果舊代碼中帶有這些字段，直接替換模型名就可能報錯。官方給出的遷移路徑可以概括爲：

• 先保存舊模型的代表性請求和輸出，作爲對比基線。
• 只替換模型名，提示詞、參考圖、尺寸、quality 和輸出格式保持不變。
• 首輪保留 complexity 默認值，之後每次只調整 quality 或 complexity 中的一個變量。
• 同時觀察輸出質量、延遲、失敗率、重試次數和實際成本，先用少量流量試運行，再逐步擴大比例。

錯誤處理需要區分類型

圖像生成可能因爲認證、配額、速率限制、服務端錯誤或輸入內容問題而失敗。速率限制和服務端錯誤適合用退避重試處理，配額錯誤不應無條件重試；對於需要用戶修改輸入的錯誤，應提示用戶調整請求，而不是重複調用。被審覈攔截時會返回 error.code = "moderation_blocked"，建議同時記錄請求 ID，方便排查。

第三方平臺接入前的檢查清單

通過聚合平臺調用新模型時，“模型已上架”只是第一步。下表列出的檢查項來自官方能力清單，屬於接入前需要逐項覈實的問題，並不代表任何平臺已經支持或不支持這些功能。

💡 接入建議：建議用同一組請求分別在官方接口和第三方平臺上對照測試，重點比對返回格式和錯誤信息。在 API易 apiyi.com 接入前，可以先查看文檔中心的模型列表和參數說明，確認 2.6 相關能力的開放狀態後再切換生產流量。

常見問題 FAQ

GPT Image 2.6 API 限制核心要點 Key Takeaways

• 能力不等於端點:GIF、SVG 只能在 generations 輸出，markup 只能在 edits 使用。
• SVG 約束最多:n=1，不支持流式輸出、壓縮參數和 prompt_rewriter，返回內容需解碼爲 XML。
• GIF 受像素預算約束:64 幀不代表任意分辨率下都能穩定生成，單幀寬高需爲 16 的倍數。
• markup 的格式要求嚴格：必須是透明 PNG，尺寸與原圖一致，不能與 mask 同時使用。
• 遷移需要清理字段：編輯時省略 input_fidelity，不要傳 reasoning.summary。
• 接入前逐層覈實：可以通過 API易 apiyi.com 的文檔與測試額度，按模型、接口、參數、結果、價格五層確認能力。

總結

GPT Image 2.6 的 API 隱藏限制可以歸結爲三點：

1. 端點分工固定：生成新圖走 generations，修改已有圖片走 edits，GIF 和 SVG 不會出現在編輯結果中。
2. 參數存在衝突:SVG、GIF 與流式輸出、壓縮參數、prompt_rewriter 不兼容，markup 與 mask 只能二選一。
3. 返回結果需要驗收：成功響應不等於可用成品，需要檢查文件格式、循環效果和編輯範圍。

接入 GPT Image 2.6 不只是替換模型名，還需要逐項確認端點、格式、參數和返回數據是否符合業務需求。建議先在 API易 apiyi.com 用少量真實請求驗證目標能力，確認開放狀態和實際成本後，再逐步遷移生產流量。

📚 參考資料

1. OpenAI API – Image generation：端點、SVG/GIF 輸出、markup 編輯與錯誤處理的官方說明
2. 鏈接： developers.openai.com/api/docs/guides/image-generation

3. 說明：本文端點與參數限制的主要依據

4. OpenAI API – GPT Image 2.6 prompting guide：模型參數、遷移流程與 GIF/SVG 示例

5. 鏈接： developers.openai.com/api/docs/guides/image-prompting

6. 說明：包含 input_fidelity、reasoning.summary 等遷移注意事項

7. OpenAI – GPT Image 2.6 Sunburst Model:Sunburst 模型頁

8. 鏈接： developers.openai.com/api/docs/models/gpt-image-2.6-sunburst

9. 說明：模型能力與定價信息

10. OpenAI – GPT Image 2.6 Flare Model:Flare 模型頁

11. 鏈接： developers.openai.com/api/docs/models/gpt-image-2.6-flare
12. 說明：模型能力與定價信息

作者:APIYI 技術團隊
技術交流：歡迎通過 API易 官網 apiyi.com 首頁聯繫我們，更多接入資料可訪問 docs.apiyi.com 文檔中心

延伸閱讀

• ChatGPT Images 2.6 發佈：GIF、參考圖上線，出圖快 50%，GPT-Image-2.6 Flare 與 Sunburst 怎麼用:解讀 2026 年 11 月 4 日發佈的 ChatGPT Images 2.6：GIF、可複用參考圖、markup 標註編輯與 SVG 導出，Flare 與 Sunburst 的選型規則，1024×1024 五檔成本，以及官方自報、第三方榜單與未知信息的邊界。
• GPT-Image-2.6 對比 Nano Banana 2.1：GIF、4K 和價格差在哪，怎麼選:按交付物形態對比 GPT-Image-2.6 與 Nano Banana 2.1：動圖與矢量、4K 與多參考圖、兩套跑分口徑、兩套計費口徑，以及按三類任務的選型表
• Grok Imagine 今天退役了什麼？舊模型還能用嗎？一文看懂 2.0 遷移的 4 個關鍵點:2026 年 11 月 2 日退役的只是 grok-imagine-image-quality 標識，並非“Grok Imagine 全面停用”。本文講清影響範圍、價格變化、質量參數和 2.0 遷移方法。
• 天吶！Krea 3，你要毀了 Nano Banana 嗎？:Krea 3 做品牌廣告圖效果如何？本文用 5 步走完 Ad Studio 的官網→品牌 Kit→12 張靜態廣告流程，附官方效果圖、成本表和 7 個坑。