GPT-Image-2.6 Flare vs Sunburst: Nên dùng model nào?

Dùng GPT-Image-2.6 Flare cho bản nháp, các tác vụ khối lượng lớn, poster và hình ảnh sản phẩm. Dùng Sunburst cho tài nguyên cuối cùng và các chỉnh sửa lặp lại ở chất lượng medium hoặc high. Trong quyết định giữa GPT-Image-2.6 Flare và Sunburst, cả hai model đều có cùng mức giá trên mỗi token, nên bạn đang đánh đổi vài giây lấy độ chi tiết, chứ không phải tiền.

Thử Apidog ngay hôm nay

OpenAI phát hành cả hai model vào ngày 4 tháng 11 năm 2026. Bài viết này so sánh chúng về tốc độ, chất lượng, độ nhất quán khi chỉnh sửa và chi phí, sau đó gợi ý lựa chọn cho từng trường hợp sử dụng. Chúng tôi chưa chạy thử hai model đối đầu trực tiếp với key thật, nên mọi con số dưới đây đều ghi rõ nguồn, và phần cuối sẽ hướng dẫn cách đo chúng trên chính prompt của bạn.

Để xem toàn bộ thông tin phát hành, đọc bài giải thích về ChatGPT Images 2.6 của chúng tôi. Về cặp model trước đó, xem bài so sánh Flare và Sunburst cho phiên bản 2.5.

GPT-Image-2.6 Flare và Sunburst trong nháy mắt

Các dòng tính năng hoàn toàn khớp nhau. Hướng dẫn tạo hình ảnh của OpenAI cho biết cả hai model đều hỗ trợ kiểm soát độ phức tạp, chỉnh sửa dựa trên markup, xuất SVG và xuất GIF động. Bạn không phải đánh đổi mất bất kỳ tính năng nào dù chọn model nào.

Tốc độ: Flare thắng, nhưng khoảng cách chưa được công bố

Flare là model nhanh hơn. Bài đăng ra mắt của OpenAI cho biết nó có thể tạo một hình ảnh chỉ trong sáu giây ở chất lượng low, và Images 2.6 chạy nhanh hơn 50% so với trước. Họ không đưa ra thời gian nào cho Sunburst, và cả trang model Flare lẫn Sunburst đều ghi tốc độ là "Not specified" (Không xác định).

Hãy đọc kỹ con số sáu giây đó:

• Đó là trường hợp tốt nhất ("chỉ từ"), không phải mức trung bình.
• Nó chỉ áp dụng cho chất lượng low.
• OpenAI không nói cài đặt complexity nào tạo ra con số đó, mà API thì mặc định là high.

Chúng tôi chưa tìm thấy số liệu đo thời gian độc lập nào cho phiên bản 2.6. Bằng chứng gần nhất đến từ cặp model 2.5, nên hãy coi đó chỉ là chỉ dẫn tham khảo:

Cả hai bài test đều cho thấy Flare nhanh hơn, nhưng chúng không thống nhất về mức chênh lệch. Khoảng cách này phụ thuộc vào prompt và cài đặt của bạn, nên một bài benchmark không thể kết luận thay cho khối lượng công việc cụ thể của bạn. Hướng dẫn của OpenAI cũng cảnh báo rằng các prompt phức tạp có thể mất tới hai phút trên các model GPT Image, vì vậy hãy đặt timeout phía client đủ rộng rãi cho cả hai model.

Chất lượng: Sunburst dẫn trước, nhưng không nhiều

Sunburst đạt điểm cao hơn ở cả hai bảng xếp hạng Arena mà Arena công bố ngày 5 tháng 11, và giành vị trí đầu tiên ở hạng mục Cartoon, Anime và Fantasy. Flare vẫn nằm trong top 5 ở cả hai bảng.

Hãy lưu ý ba giới hạn khi đọc những điểm số đó:

• Đây là phiếu bầu theo sở thích đám đông, không phải benchmark của OpenAI.
• Cả hai đều được chạy ở mức Medium, nên chúng không nói lên điều gì về low hay max.
• Điểm Arena thay đổi khi có thêm phiếu bầu. Chúng tôi đọc từ bài đăng của Arena, không phải từ bảng trực tiếp.

Khoảng cách 25 điểm trong Text-to-Image nghĩa là người bình chọn có xu hướng thích đầu ra của Sunburst hơn. Điều đó không có nghĩa là hình ảnh của Flare kém. Với một poster hay ảnh chụp sản phẩm, tuyên bố về bố cục của OpenAI dành cho Flare có thể quan trọng hơn với bạn so với điểm sở thích chung, nên hãy tự kiểm tra hạng mục đó.

Độ nhất quán khi chỉnh sửa: Tuyên bố chính của Sunburst

Độ nhất quán khi chỉnh sửa là lý do bạn chấp nhận thời gian chờ lâu hơn của Sunburst. OpenAI nói rằng nó mang lại "độ nhất quán hình ảnh thậm chí còn cao hơn qua các lần chỉnh sửa" ở chất lượng medium hoặc high, điều này hữu ích khi một nhân vật, sản phẩm hay logo phải giữ nguyên qua nhiều vòng thay đổi.

Bằng chứng công khai ở đây ít hơn bạn tưởng:

• OpenAI không công bố chỉ số đo độ nhất quán nào.
• System card cho biết cả hai model cập nhật đều cải thiện độ nhất quán khi chỉnh sửa và khả năng giữ chi tiết, nên Flare cũng được hưởng lợi.
• Khoảng cách Image Edit của Arena là 14 điểm, nhỏ hơn khoảng cách 25 điểm ở Text-to-Image. Bảng đó chấm điểm xem người bình chọn thích bản chỉnh sửa nào hơn, chứ không phải chủ thể có giữ ổn định qua năm vòng hay không.

Vậy nên Sunburst là lựa chọn mặc định an toàn hơn cho các chỉnh sửa nhiều vòng, nhưng chỉ có chuỗi chỉnh sửa của chính bạn mới xác nhận được liệu nó có đáng thời gian bỏ ra hay không. Với một thay đổi tập trung duy nhất, ví dụ đổi nền hay sửa một tấm biển, hãy thử Flare trước.

Dù chọn model nào, hãy tự đặt complexity. Nếu bạn bỏ qua, cả hai model sẽ dùng high, trong khi OpenAI khuyến nghị low cho hầu hết các chỉnh sửa. Hướng dẫn của họ cảnh báo rằng độ phức tạp cao hơn có thể làm tăng độ trễ và gây ra những thay đổi ngoài ý muốn, đúng ngược lại với điều mà quy trình chỉnh sửa cần.

Chi phí: Cùng một mức giá, nên chất lượng mới là đòn bẩy thực sự

Flare và Sunburst có giá như nhau. Trang giá liệt kê cả hai ở mức $8 cho mỗi 1M token đầu vào hình ảnh, $2 cho cached, và $30 cho đầu ra. Công cụ tính toán của OpenAI cũng gộp chúng thành một mục duy nhất, "GPT Image 2.6 (Sunburst and Flare)", nên bảng ước tính đầu ra dưới đây áp dụng cho cả hai model.

Những con số này chưa bao gồm token đầu vào văn bản và hình ảnh, và một thao tác chỉnh sửa còn tính thêm ảnh tham chiếu của nó. Công cụ tính toán lưu ý rằng lượng token sử dụng có thể thay đổi, nên hãy đọc usage.output_tokens từ các response thực tế.

Từ bảng đó rút ra hai điều:

• Chuyển từ Flare sang Sunburst thay đổi thời gian của bạn, không phải đơn giá. Chọn high thay vì low gần như nhân đôi chi phí đầu ra ở cả hai model.
• Từ medium lên high tốn thêm khoảng một cent mỗi ảnh vuông. Vì OpenAI gắn lợi ích của Sunburst với cả hai mức này, hãy so sánh chúng trước khi chốt ở medium.

Batch là một điểm cần lưu ý về chi phí. Vào ngày 5 tháng 11, tab Batch của trang giá liệt kê 2.5 ở mức nửa giá nhưng không liệt kê model 2.6 nào cả. Nếu bạn chạy các tác vụ qua đêm trên cặp 2.5, hãy kiểm tra tab đó trước khi chuyển đổi.

Bạn nên dùng model nào?

Mặc định dùng Flare, rồi chuyển một tác vụ sang Sunburst khi bạn thấy được sự khác biệt. Những cài đặt khởi đầu sau đây là gợi ý của chúng tôi, không phải của OpenAI, nên hãy điều chỉnh sau những lần thử đầu tiên.

Với GIF và SVG, OpenAI không công bố sự khác biệt về chất lượng hay tốc độ giữa hai model. Hãy tạo bản nháp trên Flare, rồi chạy lại prompt tốt nhất của bạn trên Sunburst và so sánh. Trước tiên hãy kiểm tra hai chi tiết về GIF: hướng dẫn của OpenAI cho phép từ 2 đến 64 khung hình, trong khi tài liệu tham chiếu API lại ghi từ 2 đến 16, và tài liệu tham chiếu nói rằng đầu ra GIF yêu cầu quyền truy cập preview cho model được chọn.

Nếu bạn ghim model trong môi trường production, hãy lưu ý rằng cả hai trang model chỉ hiển thị alias vào ngày 5 tháng 11, không có snapshot theo ngày. Hãy kiểm tra lại các prompt đã được phê duyệt của bạn khi OpenAI cập nhật model.

So sánh hai model với Apidog CLI

Điểm số công khai không thể cho bạn biết mỗi model xử lý prompt của bạn như thế nào. Coding agent của bạn có thể chạy cùng một bộ prompt trên cả hai model bằng Apidog CLI và so sánh thời gian phản hồi. Hãy thiết lập một lần:

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

Lưu năm prompt từ khối lượng công việc thực tế của bạn vào prompts.csv, với prompt làm tiêu đề cột. Sau đó đưa cho Claude Code, Codex hoặc Cursor một [REDACTED PROMPT]
In Apidog project , add POST https://api.openai.com/v1/images/generations
with a Bearer [REDACTED] 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.

Agent sẽ đọc từng schema, kiểm tra payload của nó, tạo test case, rồi chạy hai lần:

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

Mỗi báo cáo JSON lưu số mili giây dưới `result.timings`, trong các trường `responseAverage`, `responseMin`, `responseMax` và `responseSd`. Agent của bạn có thể đặt chúng cạnh nhau và cho bạn biết khoảng cách thực tế trên chính prompt của bạn. Mười ảnh ở mức `medium` tốn khoảng $0.43 tiền token đầu ra, cộng thêm phần đầu vào.

Chúng tôi xây dựng quy trình này từ `apidog --help` và các schema của CLI, và chúng tôi chưa chạy nó với OpenAI, nên hãy kiểm tra báo cáo đầu tiên trước khi tin tưởng. Apidog đo tốc độ và độ chính xác của response, không đo chất lượng hình ảnh, nên bạn vẫn phải tự đánh giá các pixel. Để tiếp tục đo thời gian của cặp model này sau mỗi lần cập nhật model, hãy đưa lần chạy vào một [CI pipeline](https://apidog.com/vi/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation), và xem [hướng dẫn thiết lập Claude Code](https://apidog.com/vi/blog/apidog-cli-in-claude-code?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) để biết chi tiết về agent.

## Câu hỏi thường gặp

**Flare hay Sunburst tốt hơn?** Không model nào thắng ở mọi mặt. Sunburst xếp hạng cao hơn trên bảng Text-to-Image và Image Edit của Arena, và OpenAI hướng nó tới các công việc chi tiết. Flare được thiết kế cho tốc độ. Hãy bắt đầu với Flare và chuyển sang Sunburst khi bạn thấy được lợi ích rõ ràng.

**Sunburst có đắt hơn Flare không?** Không. Cả hai đều niêm yết $8 cho đầu vào hình ảnh, $2 cho cached và $30 cho đầu ra mỗi 1M token, và chúng dùng chung một mục trong công cụ tính toán. Cài đặt chất lượng của bạn mới là thứ thay đổi hóa đơn, không phải lựa chọn model.

**Flare nhanh hơn Sunburst bao nhiêu?** OpenAI chưa nói. Họ chỉ đưa ra trường hợp tốt nhất của Flare, sáu giây ở mức `low`. Hai bài test độc lập trên cặp 2.5 cho thấy Sunburst mất thời gian gấp khoảng 1.1 đến 1.4 lần, nhưng những kết quả đó có thể không còn đúng với 2.6.

**Model nào tốt hơn cho việc chỉnh sửa?** Dùng Sunburst cho các chỉnh sửa lặp lại trên một chủ thể, ở chất lượng `medium` hoặc `high`. Thử Flare cho một thay đổi tập trung. Đặt `complexity` thành `low` ở cả hai, vì mặc định là `high`.

**Cả hai model có tạo được GIF và SVG không?** Có. Hướng dẫn của OpenAI liệt kê đầu ra GIF và SVG cho cả hai model trên `POST /v1/images/generations`. Endpoint chỉnh sửa không thể trả về định dạng nào trong hai định dạng này.

**Tôi có nên tiếp tục dùng GPT-Image-2.5 không?** Hãy kiểm tra Batch trước. Tab Batch liệt kê 2.5 ở mức nửa giá vào ngày 5 tháng 11 nhưng không liệt kê 2.6. Công cụ tính toán của OpenAI cũng cho thấy 2.6 dùng nhiều token hơn ở mức `low` và `medium`, nên các tác vụ `low` khối lượng lớn có thể tốn ít hơn trên 2.5.