ChatGPT Images 2.6 带来 GIF 生成能力，OpenAI 同时从视频 AI 上后退

OpenAI 在 2026 年 11 月 4 日发布了 ChatGPT Images 2.6，新增了从文字提示和上传照片直接生成原生 GIF 的能力——这项能力的到来，比公司宣布关停独立视频平台 Sora、并终止与迪士尼的合作（据报道那次合作包括对 OpenAI 一笔 10 亿美元的股权投资，以及一项角色授权安排）晚了七个多月。这次更新还引入了两个正式化的 API 变体，gpt-image-2.6-flare 和 gpt-image-2.6-sunburst，为开发者把「速度优化型生成」和「质量优化型生成」区分开来。这一举动，让 OpenAI 能在不重新进入自己在 3 月放弃的全动态视频市场的前提下，去争夺轻量级动画内容的工作流市场。

GIF 输出，以及帧一致性真正需要什么

GIF 生成是 2.6 版本里最显眼的新增功能，但 OpenAI 没有公布它内部具体如何运作的详细技术说明。基于 GPT Image 模型的架构，最有可能的机制，是逐帧生成，并通过模型的自回归上下文窗口来保持主体的一致性。

GPT Image 系列模型——包括 2.6 这一代——据了解是按顺序生成图像的，把图像的像素块当作词元来处理，这种方式类似于语言生成。这与 DALL-E 2、DALL-E 3、Stable Diffusion 和 Midjourney 背后的扩散式架构不同，后者是通过多轮迭代，从随机噪声里逐步去噪得到图像的。这种自回归方法，对多帧输出而言带有一个结构性优势：模型的上下文窗口会保留一个主体已经确立的视觉描述——一个角色的脸、一件产品的形状、一种统一的光照环境——并在生成后续帧时使用这个表征。最终得到的帧与帧之间的一致性，是扩散式流水线需要专门做微调才能实现的效果。

对使用 API 的开发者来说，OpenAI 在其开发者指南里记录了 GIF 输出的参数。在生成端点上设置output_format: "gif"，就能直接激活 GIF 输出，完成后的文件由 API 直接返回——不需要任何外部转换工具。frame_count这个参数接受 2 到 64 帧之间的值，默认为 9 帧。帧的时长通过frame_duration_ms来控制，这个参数接受每帧 20 到 2000 毫秒之间的值，默认为 200 毫秒。在 ChatGPT 界面内，这个工具还支持逐帧编辑——用户可以在初次生成之后调整速度，并修改单独的帧。

GIF 生成支持两种输入：一段描述动画内容的文字提示，或者一张上传的照片，ChatGPT Images 2.6 会把它当作参考主体来使用。用户可以在提示词里指定动画风格、运动类型、循环特征和装饰元素。在对话界面内，支持迭代式打磨——比如要求模型调整运动速度、缩放，或循环的时长。

Flare 和 Sunburst，加深了 API 在速度与质量之间的分野

Flare/Sunburst 这套 API 划分，是在 2026 年 9 月随 ChatGPT Images 2.5 一起引入的。2.6 版本加深了这种划分，同时为这两个模型都增加了新能力。

gpt-image-2.6-flare 模型针对吞吐量和延迟做了优化。OpenAI 表示，在质量设置为低的情况下，Flare 最快能在六秒内生成图像，这让它适合那种以「高请求量」或「快速响应」为主要约束的生产工作流。

gpt-image-2.6-sunburst 模型优先保证生成质量和一致性。在中等或高质量设置下，Sunburst 能让视觉细节在一次次编辑之间保持更一致——这对品牌素材流水线和看重输出保真度、而非吞吐量的设计工作流来说是个优势。Sunburst 还支持 SVG 导出，详见下文。OpenAI 没有公布这两个 2.6 变体的对比定价。

2.6 版本引入了一个适用于两个模型的复杂度参数。这个参数与质量设置不同，接受低、中、高三档数值（默认为高），控制模型在生成图像之前进行多少预渲染规划。对于简单的编辑任务，更低的复杂度设置能缩短生成时间，而不会带来相应的质量损失；OpenAI 建议大多数编辑工作流使用低复杂度，而元素较多或文字内容较多的排版则使用中到高复杂度。

这套命名惯例——Flare 代表爆发式速度输出，Sunburst 代表质量渲染输出——在 2.5 和 2.6 这两代上保持了一致。OpenAI 选择维持两个不同的模型标识，而不是把用户都路由到单一模型端点，这给了开发者更清晰的成本-性能权衡，也让公司能分别优化每个模型背后的基础设施。

SVG 导出到来，但 API 条件相当严格

可缩放矢量图形输出，对设计导向的用例来说是一次有意义的增补：SVG 文件把形状编码为数学描述，而不是像素网格，这意味着它们可以缩放到任意尺寸而不损失质量，并能直接在Figma、Adobe Illustrator或Inkscape这类工具里直接编辑。历来 AI 图像生成器产出的都是栅格输出；生成 SVG，需要对栅格输出做后处理，或者采用一种能直接产出结构化矢量描述的生成方式。

根据 OpenAI 的开发者文档，SVG 生成流程分两次连续的模型调用来运行：系统先生成一张栅格参考图，再把它传给一个单独的编写模型，由它写出 SVG 标记代码。正是这种两段式结构，让输出能把图像编码为可编辑的矢量路径，而不是一个像素网格。

这项能力附带严格的限制。通过 ChatGPT Images 2.6 API 导出 SVG，要求：

• 只能是单图请求（n=1）；SVG 输出不支持批量生成

• 必须关闭流式输出

• 必须关闭 prompt_rewriter 参数

• 不能使用 edits API 端点；SVG 输出只能通过标准生成端点获得

这些限制，把 SVG 导出限定在受控的单素材生成工作流里，而不是高吞吐量的自动化流水线里。对于只需要少量可缩放矢量输出的 logo 生成、图标制作和营销素材工作流来说，这些条件是可以接受的。而对任何批量生成的用例来说，这些限制让 SVG 输出变得不切实际。

参考图让主体在多次生成之间保持一致

参考图功能允许用户上传一张图片——一张产品照片、一幅角色插画、一件品牌素材——让 ChatGPT Images 2.6 把它当作后续生成的一个视觉锚点。系统会按提示词里描述的风格、主体或场景生成新图像，同时让这个参考主体在多次输出之间保持视觉上的一致。

在 ChatGPT 界面里，OpenAI 增加了保存参考图以便复用的功能——让一个人、一只宠物或一个角色的图片随时可用，不需要每次会话都重新上传。通过 API，参考图的功能是作为多图输入锚点：开发者把参考图和生成提示词一起提供，模型会用它来维持多次输出之间的视觉一致性。

对营销人员和产品团队来说，这解决了生成式图像系统一个长期存在的局限：即便使用同一个提示词，一个角色或产品在多次生成之间看起来也会略有不同。参考图提供了一种轻量级的「角色锚定」方式，不需要微调一个定制模型，也不需要像使用扩散式工具的开发者通常必须做的那样，维护一个单独的 LoRA 适配器。

参考图带来的隐私问题——尤其是当用户上传真实人脸的照片以求生成结果保持一致时——在 OpenAI 的公告里还没有得到充分说明。公司会给 ChatGPT、Codex 和 API 里所有 Images 2.6 的输出，都打上 C2PA 内容凭证和 Google DeepMind 的 SynthID 水印，但在多次生成序列里，是否有专门的护栏来约束「一致的人脸生成」，目前还没有官方的详细说明。

每周 40 亿张图片，速度快了 50%

OpenAI 在 Images 2.6 发布时表示，人们正在 ChatGPT、Codex 和 API 上，每周创作 40 亿张图像——比公司在 9 月 Images 2.5 发布时报告的 30 亿张，多出大约 10 亿。这些都是公司自己宣称的数字，没有经过独立核实，但这个增长曲线，反映出 ChatGPT 按生成量而言，是消费级 AI 图像平台里占主导地位的那一个：目前没有任何竞争对手公开披露过与之相当的生成数字。

OpenAI 的公告称，Images 2.6 的生成速度比上一代快了 50%——这是一个在公司发布材料里确认过的官方数字，不是社区的估算。对 API 开发者来说，这次速度提升最直观的体现，是 gpt-image-2.6-flare 模型在低质量设置下，最快六秒就能交付结果。这次生成速度的提升适用于整个平台，不过按模型、按质量档位的细粒度提速数据，目前还没有公布。

Sora 之后：GIF 是 OpenAI 重新踏入动态内容领域的方式

战略背景很重要。OpenAI 在 2026 年 3 月 24 日宣布停用 Sora——逐步关停其 AI 视频平台，并终止了与迪士尼的合作，据报道那次合作包括对 OpenAI 一笔 10 亿美元的股权投资，以及一项针对迪士尼旗下 IP 的角色授权安排。Sora 应用一直保留到 4 月 26 日才正式关停。这个决定，让 OpenAI 在视频 AI 加速发展的时刻，失去了一款动态内容产品：Runway、Higgsfield 和谷歌 Veo 填补了这个竞争真空，把自己确立为 AI 生成视频的主要平台。

ChatGPT Images 2.6 增加的，不是视频。GIF 属于一个不同的内容品类——通常以秒而不是分钟计的短循环动画，主要用在社交媒体、消息应用和轻量级营销场景里——它的技术要求是帧一致性，而不是完整视频生成所要求的时间连贯性、音频同步和摄像机运动建模。通过把 GIF 输出加到自己本就占主导地位的图像平台上，而不是重建一款视频产品，OpenAI 实际上是在不与 Runway 和 Veo 直接竞争的前提下，争夺轻量级动画内容的市场。

这种定位有一套实用的商业逻辑：ChatGPT Images 每周 40 亿张图片的用量，给了 OpenAI 一个独立视频平台所不具备的分发基础。那些已经用 ChatGPT 做静态图像生成的营销团队和内容创作者，可以把 GIF 输出加进自己的工作流，而不需要更换工具。GIF 格式更低的技术门槛——没有音频、没有摄像机运动、循环以帧计量——让这套自回归图像架构，能够服务这个用例，而不需要单独搭建一套视频生成基础设施。

GIF 这次新增所没有填补的空白，是真正的动态视频。Sora 能够生成跨越数秒、具有一致摄像机运动、时间上物体保持连续、运动符合物理规律的场景。而 ChatGPT Images 2.6 的 GIF，被 OpenAI 自己的产品定位框定为循环和短动画，而不是视频的等价物。需要 AI 生成视频的用户，仍然需要 Runway 或 Veo。

开发者指出，较低质量档位的 API 词元成本出现了倒退

Images 2.6 发布后不久，OpenAI 论坛上的开发者记录了一个现象：较低质量设置下的输出词元计费大幅增加。按 OpenAI 自己的成本计算器给出的数字，在 Images 2.6 里，中等质量、1024×1024 像素的图像生成，计费约为 1449 个输出词元，相比 Images 2.5 里同样分辨率和质量设置下约 439 个输出词元——在同一质量档位上，增长了大约 3.3 倍。同样分辨率下的低质量生成，在 2.6 里约为 823 个输出词元，而在 2.5 里是 196 个，增长了 4.2 倍。高质量生成约为 1756 个输出词元，看起来与 2.5 相比没有变化。

实际影响是：对任何此前为了成本效益、把生产流水线优化到较低质量设置的开发者来说，API 成本都会出现明显上涨。OpenAI 没有就这次倒退发表评论，也没有说明这是不是一次有意的定价调整，还是一次计费异常。

对正在评估从 Images 2.5 迁移到 2.6 的开发者来说，这次词元成本的上涨，值得在采用之前仔细为自己的流水线做一次成本建模。那些新功能——SVG 导出、参考图、GIF 能力、复杂度参数——对需要它们的用例来说，或许能证明更高的单次生成成本是值得的。而对那些不需要这些 2.6 新功能的高吞吐量工作流来说，这次成本倒退是一次实质性的降级。

这把 GIF 和动态内容市场带向了何处

GIF 作为一种格式，比网页浏览器出现得还早：它起源于 CompuServe 1987 年的图像格式规范。它作为一种文化媒介能延续至今，靠的是简单——文件体积小、能通用播放、不依赖音频，以及让它适合用作反应表情片段、品牌动画和产品展示的循环特性。GIPHY和Google Tenor围绕 GIF 分发搭建起了大型平台，但都没有提供过规模化的 AI 生成 GIF 能力；它们的内容库，是由现有视频片段转换成 GIF 格式，或手工制作的动画拼凑而成的。

Midjourney 在 2026 年增加了短视频生成——几秒钟长的片段——但是通过一套独立的视频工作流实现的，没有与它的图像生成流水线整合在一起。在这次发布之前，没有任何主要的消费级 AI 平台，提供过「描述一个动画、拿到一个 GIF」这么直接的工作流。

市场现在要检验的问题是，ChatGPT Images 的 GIF 输出，是否足够好，能取代现有的 GIF 制作工具。随着这些 API 参数被公开记录下来——最多 64 帧、每帧最多两秒、GIF 由 API 直接交付——这个格式有了清晰的技术规格。这个规格能不能转化为规模化、可投产的内容，取决于 GIF 输出的质量和一致性，在各种不同的动画请求下能保持到什么程度。

更确定的影响体现在 API 的分层结构上。gpt-image-2.6-flare 瞄准六秒延迟，gpt-image-2.6-sunburst 增加了矢量输出和更强的编辑一致性，OpenAI 搭建起了一套正式的速度-质量划分，给了开发者一种大多数竞品图像 API 都没有的结构化选择。较低质量档位上的词元倒退问题，需要先得到解决，这次划分才能毫无保留地算作比 Images 2.5 经济性的一次改进。它毫无保留地确立的一点是：OpenAI 在 Sora 之后的动态内容战略，走的是图像平台这条路——公司投入的是这个平台能力深度的建设，而不是重新搭建一款独立的视频产品。