Costes de la API de GPT Image 2.6 Sunburst: presupuesto de evaluación reproducible
Estima los costes de generación de imágenes con Sunburst mediante supuestos explícitos sobre tokens, criterios de aceptación, límites de gasto y un plan de pruebas repetible.
Resumen · TL;DR
Una guía práctica para evaluar GPT Image 2.6 Sunburst, con tarifas de tokens indicadas por la fuente, un presupuesto ilustrativo y una prueba de aceptación repetible.
Puntos clave
- La fuente proporcionada indica tarifas directas de OpenAI de $5 por millón de tokens de entrada de texto, $8 por millón de tokens de entrada de imagen y $30 por millón de tokens de salida de imagen; verifica las tarifas actuales antes de realizar una prueba de pago.
- La instantánea de precios publicada por OneMux no incluía precios utilizables de entrada o salida para Sunburst, por lo que no permite calcular numéricamente un uso de OneMux.
- Presupuesta las salidas rechazadas y los intentos adicionales, no solo las respuestas correctas de la API.
- Conserva juntos la configuración de la prueba, las reglas de aceptación, el uso devuelto y los cargos facturados para que otro evaluador pueda reproducir el cálculo.
En esta página (8)
Empieza con un piloto limitado, no con una tarifa por imagen
Para realizar una evaluación reproducible de GPT Image 2.6 Sunburst, establece un límite de gasto, fija la configuración de la solicitud y evalúa cada imagen devuelta con las mismas reglas de aceptación. Calcula el presupuesto a partir de supuestos sobre los tokens de entrada y salida, y después sustituye esos supuestos por el uso y los cargos observados. Una respuesta correcta de la API no es necesariamente una imagen aceptable.
Esta guía de costes ha sido publicada por OneMux, que ofrece acceso a modelos mediante una API compatible con OpenAI. El ejemplo numérico siguiente utiliza tarifas directas de OpenAI indicadas por la fuente, no precios de OneMux. Es ilustrativo: no se realizaron solicitudes de pago a Sunburst para este artículo.
Precios y unidades comparables
La guía de precios de Ofox proporcionada indica las siguientes tarifas de OpenAI para Sunburst, comprobadas el 5 de noviembre de 2026. Son dólares estadounidenses por un millón de tokens, no precios por imagen. Verifica los precios actuales del proveedor y la disponibilidad de acceso antes de financiar una prueba.
| Categoría de facturación directa de OpenAI | Precio indicado por la fuente | Unidad |
|---|---|---|
| Entrada de texto | $5.00 | 1 millón de tokens |
| Entrada de imagen | $8.00 | 1 millón de tokens |
| Salida de imagen | $30.00 | 1 millón de tokens |
| Entrada de texto en caché | $1.25 | 1 millón de tokens |
| Entrada de imagen en caché | $2.00 | 1 millón de tokens |
Una tarifa de caché publicada no demuestra que una solicitud concreta de Sunburst pueda acogerse a ella. Haz las previsiones sin el ahorro de caché, salvo que la documentación de la ruta y los datos de facturación lo confirmen. Si se confirma el uso de caché, sepáralo del uso sin caché en lugar de contar los mismos tokens dos veces. Consulta con el proveedor los niveles y las condiciones aplicables; el ejemplo siguiente presupone que no hay ajustes por nivel.
La instantánea del catálogo de OneMux capturada el 15 de noviembre de 2026 ofrece una comparación independiente e incompleta:
| Modelo | Entrada oficial | Salida oficial | Entrada de OneMux | Salida de OneMux | Ratio de precios publicado |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst | Unknown | Unknown | Unknown | Unknown | 0.11699999999999999 |
El catálogo no proporciona precios ni unidades por categoría de tokens para esos campos desconocidos. El ratio publicado se reproduce exactamente, pero sin precios subyacentes y condiciones utilizables no basta para calcular un cargo de OneMux ni para afirmar un ahorro concreto. Unknown no equivale a cero. Consulta los precios actuales de OneMux y las condiciones del modelo antes de comparar rutas.
Calcula un uso con supuestos explícitos
Supón que una solicitud directa a OpenAI utiliza 120 tokens de entrada de texto, ninguna entrada de imagen y 1,000 tokens de salida de imagen. Supón también que no hay un descuento de caché confirmado ni cargos adicionales del modelo. Son entradas de prueba inventadas para hacer los cálculos, no un consumo medido de Sunburst ni una predicción para un tamaño de imagen determinado.
| Componente | Cálculo | Coste ilustrativo |
|---|---|---|
| Entrada de texto | 120 × $5 / 1,000,000 | $0.0006 |
| Salida de imagen | 1,000 × $30 / 1,000,000 | $0.0300 |
| Total por intento | $0.0006 + $0.0300 | $0.0306 |
Si la misma solicitud hipotética utilizara también 1,024 tokens de entrada de imagen, ese componente añadiría 1,024 × $8 / 1,000,000 = $0.008192, para un total de $0.038792. Por tanto, las imágenes de referencia deben incluirse en la estimación, incluso cuando el prompt sea breve.
Ahora supón que el coste medio por intento es de $0.0306 y que el 80 % de las salidas cumple la regla de aceptación. Obtener 100 imágenes aceptadas requeriría en promedio 100 / 0.80 = 125 intentos, con un coste de 125 × $0.0306 = $3.825. Con una aceptación del 50 %, la expectativa sería de 200 intentos y $6.12. Ninguna de las dos cifras es un límite de gasto: los intentos reales y el uso de tokens pueden variar.
Ejecuta una evaluación acotada y repetible
Antes de probar, confirma el acceso al modelo y al endpoint exactos, las tarifas actuales, las credenciales y los parámetros de solicitud de imágenes compatibles. La compatibilidad de OneMux con un flujo de trabajo concreto depende de su endpoint documentado y de la compatibilidad con sus parámetros; esta guía no afirma que se haya realizado una prueba de integración. Mantén las claves de API fuera de los registros y las capturas de pantalla compartidos.
Utiliza este protocolo ilustrativo para una evaluación de imágenes rasterizadas:
- Establece límites estrictos. Limita el piloto a 20 intentos y fija un límite de gasto del lado del proveedor si está disponible. Detén la prueba antes si se alcanza el límite, no se puede conciliar el uso o el presupuesto restante estimado es insuficiente. No uses el coste esperado como límite estricto.
- Congela la solicitud. Registra el identificador exacto del modelo, el proveedor y el endpoint, el prompt, el número de imágenes de referencia, las dimensiones, la calidad y cualquier otra configuración compatible. Evita las configuraciones automáticas cuando haya opciones explícitas disponibles y sean relevantes.
- Prepara los casos antes de generar. Por ejemplo, utiliza cinco prompts que cubran texto breve legible, colocación de objetos, conservación de una etiqueta de referencia, una edición sencilla y una composición visualmente densa. Ejecuta cuatro intentos por caso en un orden predeterminado; no vuelvas a ejecutar de forma selectiva solo los casos débiles dentro de la comparación inicial de 20 intentos.
- Define previamente los criterios de aprobación. Para el caso de texto breve, especifica la redacción exacta y exige que todos los caracteres sean legibles y correctos. Para la colocación, especifica las posiciones relativas requeridas. Para la edición de una etiqueta de referencia, indica qué elementos de la etiqueta deben permanecer sin cambios. Aplica la misma regla a todos los intentos de cada caso.
- Conserva todos los resultados. Registra si cada resultado se aprueba o se rechaza y el motivo, incluidas las imágenes descartadas. Una respuesta HTTP correcta no equivale a una aprobación de calidad; no deduzcas cómo trata el proveedor las solicitudes HTTP fallidas a partir de esa distinción.
Para cada intento, conserva el ID del caso, la configuración, la marca de tiempo, el estado de la respuesta, el desglose del uso de entrada y salida si se devuelve, el tiempo transcurrido, la decisión de aceptación y el cargo cuando esté disponible. Guarda el resultado o una referencia segura para que otro revisor pueda comprobar la decisión. Concilia el total del piloto con el registro de facturación del proveedor; una estimación no es un cargo definitivo.
Si los informes de uso solo muestran un total agregado de entrada, no lo sumes de nuevo a un desglose detallado ni supongas que todo corresponde a texto. Marca los costes por componente como desconocidos hasta que el proveedor proporcione suficiente detalle. Si el modelo o un parámetro necesario no está disponible, detén la prueba y documenta la limitación en lugar de sustituir silenciosamente el modelo o la configuración.
Interpreta los resultados sin hacer afirmaciones excesivas
Divide el cargo observado del piloto entre el número de imágenes aceptadas para obtener el coste observado por imagen aceptada. Informa también del tamaño de la muestra, los criterios de aceptación, la configuración y cualquier cargo no asignado. Un piloto de 20 intentos sirve para detectar fallos evidentes y estimar un presupuesto de seguimiento; no establece una calidad, latencia o coste de producción estables.
Para comparar otra configuración o modelo, repite los mismos casos y reglas de aceptación, cambiando únicamente la variable prevista. La fuente indica tarifas de tokens publicadas idénticas para Flare y Sunburst, pero eso no demuestra que consuman el mismo número de tokens ni que ofrezcan la misma calidad de salida. Aquí no se han medido ni el rendimiento comparativo ni los ahorros.
Los trabajos con GIF y SVG necesitan un plan independiente. La fuente indica que la carga de trabajo de animación depende de factores como el número de fotogramas y las dimensiones, mientras que SVG puede incluir un cargo independiente por el modelo de autoría. No multipliques la estimación de una imagen estática por el número de fotogramas ni apliques la tarifa de salida de imagen a todo el trabajo SVG como si alguna de las dos operaciones fuera una fórmula de facturación verificada. Registra por separado el uso y los cargos reales de cada componente.
Conclusión
Utiliza las tarifas de tokens publicadas para crear una estimación inicial explícita y después emplea un piloto limitado para medir el coste de las salidas que tu tarea realmente acepta. Mantén separados los precios del proveedor directo y de OneMux hasta disponer de unidades y condiciones de facturación actuales y comparables.
Fuentes
- Ofox: precios de la API de GPT Image 2.6 — tarifas de OpenAI indicadas por la fuente, notas sobre el acceso y advertencias de facturación para GIF/SVG; la guía indica que no realizó solicitudes de generación de Image 2.6 de pago.
- Precios de OneMux — precios actuales publicados; la instantánea del catálogo de OneMux citada anteriormente se capturó el 15 de noviembre de 2026.
Instantánea de precios publicada
Capturada el 2026-11-15T11:00:05.734Z a partir del catálogo publicado de OneMux. Los precios conservan las unidades de facturación del sitio web; esto no es una prueba comparativa en directo. La facturación por niveles, en caché o basada en el tiempo puede variar. Los valores desconocidos no equivalen a cero.
| Modelo | Entrada oficial | Salida oficial | Entrada de OneMux | Salida de OneMux | Ratio de precios publicado |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst | Unknown | Unknown | Unknown | Unknown | 0.11699999999999999 |
Precios actuales de OneMux. Compara los costes de uso solo cuando coincidan las unidades de entrada, salida y facturación; consulta la página de cada modelo para conocer las condiciones por nivel.
FAQ
¿Cuánto cuesta una imagen de GPT Image 2.6 Sunburst?
La fuente proporcionada no establece un coste fijo por imagen. Como ejemplo basado en las tarifas directas de OpenAI indicadas, 120 tokens de entrada de texto y 1,000 tokens de salida de imagen costarían $0.0306, sin incluir entradas de imagen, ajustes de caché ni otros cargos del modelo. El consumo real y los precios del proveedor pueden variar.
¿Puedo calcular el precio de OneMux para el mismo uso a partir de la instantánea publicada?
No. La instantánea muestra como desconocidos los precios de entrada y salida de Sunburst. El ratio de precios publicado por sí solo no proporciona información suficiente sobre los precios subyacentes, las unidades o las condiciones necesarias para calcular un cargo por uso.
¿Por qué conviene medir el coste por imagen aceptada?
Una imagen devuelta puede no cumplir los criterios de aceptación de la tarea. Dividir el cargo observado entre las salidas aceptadas incorpora el efecto de los intentos rechazados y hace que el resultado sea más útil para planificar el mismo flujo de trabajo.
¿Sunburst y Flare tienen el mismo coste de uso?
La fuente proporcionada indica tarifas de tokens de OpenAI publicadas idénticas para ambos modelos. No demuestra que consuman el mismo número de tokens ni que alcancen la misma tasa de aceptación para una tarea determinada.
Artículos relacionados
Guides
Coste de la API de GPT Image 2.5: una evaluación reproducible para 100 o 1.000 imágenes utilizables
Estima los costes de una carga de trabajo con GPT Image 2.5 mediante tarifas por token, criterios de aceptación, casos de prueba y reintentos facturados.
Guides
Costes de la API de Grok Imagine Image: un presupuesto reproducible para evaluaciones
Estima los costes de las cargas de trabajo de Grok Imagine Image con supuestos explícitos por imagen, casos de prueba repetibles y límites de gasto.
Guides
Costes de la API de GPT Image 2.6 Flare: presupuesto para una evaluación repetible
Estima los costes de las cargas de trabajo con GPT Image 2.6 Flare mediante unidades de tokens comparables, supuestos explícitos y un plan de evaluación acotado.
Guides
Costes de la API de GPT Image 2.6 Sunburst: presupuesto de reintentos y recuperación en producción
Estima los costes de las cargas de trabajo de GPT Image 2.6 Sunburst mediante hipótesis explícitas sobre tokens, tasas de aceptación, límites de reintento y reglas de recuperación.