GuidesOneMux

Coûts de l’API GPT Image 2.6 Sunburst : un budget d’évaluation reproductible

Estimez les coûts de génération d’images Sunburst avec des hypothèses explicites sur les tokens, des critères d’acceptation, des limites de dépenses et un plan de test reproductible.

AI

Résumé · TL;DR

Un guide pratique pour évaluer GPT Image 2.6 Sunburst, avec les tarifs de tokens rapportés par la source, un budget indicatif et un test d’acceptation reproductible.

Points clés

  • La source fournie indique les tarifs directs d’OpenAI suivants : $5 par million de tokens d’entrée texte, $8 par million de tokens d’entrée image et $30 par million de tokens de sortie image ; vérifiez les tarifs actuels avant tout test payant.
  • L’instantané des tarifs publié par OneMux ne contient pas de prix d’entrée ou de sortie exploitables pour Sunburst ; il ne permet donc pas d’estimer numériquement un workload OneMux.
  • Prévoyez les sorties rejetées et les nouvelles tentatives, et pas uniquement les réponses API réussies.
  • Conservez ensemble les paramètres du test, les règles d’acceptation, l’utilisation renvoyée et les frais facturés afin qu’un autre évaluateur puisse reproduire le calcul.
Sur cette page (8)

Commencez par un pilote plafonné, pas par un prix par image

Pour une évaluation reproductible de GPT Image 2.6 Sunburst, fixez une limite de dépenses, verrouillez les paramètres de la requête et évaluez chaque image renvoyée selon les mêmes règles d’acceptation. Estimez le budget à partir d’hypothèses concernant les tokens d’entrée et de sortie, puis remplacez ces hypothèses par l’utilisation et les frais observés. Une réponse API réussie ne correspond pas nécessairement à une image acceptable.

Ce guide tarifaire est publié par OneMux, qui propose un accès aux modèles via une API compatible avec OpenAI. L’exemple numérique ci-dessous utilise les tarifs directs d’OpenAI rapportés par la source, et non les prix de OneMux. Il est indicatif : aucune requête Sunburst payante n’a été effectuée pour cet article.

Tarifs et unités comparables

Le guide tarifaire Ofox fourni indique les tarifs OpenAI suivants pour Sunburst, vérifiés le 5 novembre 2026. Ils sont exprimés en dollars américains par million de tokens, et non en prix par image. Vérifiez les tarifs actuels du fournisseur ainsi que les conditions d’accès avant de financer un test.

Catégorie de facturation OpenAI directePrix rapporté par la sourceUnité
Entrée texte$5.001 million de tokens
Entrée image$8.001 million de tokens
Sortie image$30.001 million de tokens
Entrée texte mise en cache$1.251 million de tokens
Entrée image mise en cache$2.001 million de tokens

Un tarif de mise en cache indiqué ne signifie pas qu’une requête Sunburst donnée peut en bénéficier. Faites vos prévisions sans économies liées au cache, sauf si la documentation de la route et les données de facturation les confirment. Si l’utilisation mise en cache est confirmée, séparez-la de l’utilisation non mise en cache au lieu de compter deux fois les mêmes tokens. Vérifiez les paliers et conditions applicables auprès du fournisseur ; l’exemple ci-dessous suppose qu’aucun ajustement de palier ne s’applique.

L’instantané du catalogue OneMux, capturé le 15 novembre 2026, fournit une comparaison distincte et incomplète :

ModèleEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
GPT Image 2.6 SunburstUnknownUnknownUnknownUnknown0.11699999999999999

Le catalogue ne fournit ni prix ni unités par catégorie de tokens pour ces champs inconnus. Son ratio publié est reproduit exactement, mais sans prix sous-jacents ni conditions exploitables, il ne suffit pas pour calculer des frais OneMux ou revendiquer une économie donnée. Unknown ne signifie pas zéro. Consultez les tarifs OneMux actuels et les conditions du modèle avant de comparer les routes.

Calculez un workload à partir d’hypothèses explicites

Supposons qu’une requête OpenAI directe utilise 120 tokens d’entrée texte, aucune entrée image et 1 000 tokens de sortie image. Supposons également qu’aucune remise de cache confirmée ni aucun frais supplémentaire lié au modèle ne s’applique. Il s’agit de données de test inventées pour l’arithmétique, et non d’une consommation Sunburst mesurée ou d’une prédiction pour une taille d’image donnée.

ComposantCalculCoût indicatif
Entrée texte120 × $5 / 1,000,000$0.0006
Sortie image1,000 × $30 / 1,000,000$0.0300
Total par tentative$0.0006 + $0.0300$0.0306

Si la même requête hypothétique utilisait également 1 024 tokens d’entrée image, ce composant ajouterait 1 024 × $8 / 1,000,000 = $0.008192, pour un total de $0.038792. Les images de référence doivent donc figurer dans l’estimation, même lorsque le prompt est court.

Supposons maintenant que le coût moyen d’une tentative soit de $0.0306 et que 80 % des sorties respectent la règle d’acceptation. Pour obtenir 100 images acceptées, il faudrait en moyenne 100 / 0.80 = 125 tentatives, pour un coût de 125 × $0.0306 = $3.825. Avec un taux d’acceptation de 50 %, l’estimation est de 200 tentatives et $6.12. Aucun de ces montants ne constitue un plafond de dépenses : le nombre réel de tentatives et l’utilisation des tokens peuvent varier.

Exécutez une évaluation encadrée et reproductible

Avant le test, confirmez l’accès au modèle et au endpoint exacts, les tarifs actuels, les identifiants d’accès et les paramètres de requête d’image pris en charge. La compatibilité OneMux avec un workflow donné dépend de son endpoint documenté et de la prise en charge de ses paramètres ; ce guide ne revendique pas avoir effectué un test d’intégration. Ne laissez pas les clés API apparaître dans des journaux ou des captures d’écran partagés.

Utilisez ce protocole indicatif pour une évaluation d’images raster :

  1. Fixez des limites strictes. Limitez le pilote à 20 tentatives et définissez, si possible, une limite de dépenses côté fournisseur. Arrêtez plus tôt si la limite est atteinte, si l’utilisation ne peut pas être rapprochée ou si le budget restant estimé est insuffisant. Ne considérez pas un coût attendu comme un plafond strict.
  2. Figez la requête. Notez l’identifiant exact du modèle, le fournisseur et l’endpoint, le prompt, le nombre d’images de référence, les dimensions, la qualité et tous les autres paramètres pris en charge. Évitez les paramètres automatiques lorsqu’il existe des paramètres explicites pertinents.
  3. Préparez les cas avant la génération. Utilisez par exemple cinq prompts couvrant un texte court lisible, le positionnement d’objets, la préservation d’une étiquette de référence, une modification simple et une mise en page visuellement dense. Exécutez quatre tentatives par cas dans un ordre prédéterminé ; ne relancez pas sélectivement uniquement les cas faibles lors de la comparaison initiale de 20 tentatives.
  4. Rédigez les critères de réussite à l’avance. Pour le cas du texte court, indiquez la formulation exacte et exigez que chaque caractère soit lisible et correct. Pour le positionnement, précisez les positions relatives requises. Pour la modification d’une étiquette de référence, indiquez quels éléments de l’étiquette doivent rester inchangés. Appliquez la même règle à toutes les tentatives de chaque cas.
  5. Conservez chaque résultat. Notez la réussite ou l’échec ainsi que la raison, y compris pour les images écartées. Une réussite HTTP n’est pas une réussite qualitative ; ne déduisez pas de la distinction le traitement par le fournisseur des requêtes HTTP ayant échoué.

Pour chaque tentative, conservez l’identifiant du cas, les paramètres, l’horodatage, le statut de la réponse, le détail de l’utilisation en entrée et en sortie s’il est renvoyé, le temps écoulé, la décision d’acceptation et les frais lorsqu’ils sont disponibles. Stockez la sortie ou une référence sécurisée vers celle-ci afin qu’un autre évaluateur puisse vérifier la décision. Rapprochez le total du pilote avec le relevé de facturation du fournisseur ; une estimation ne constitue pas un montant facturé définitif.

Si les données d’utilisation ne fournissent qu’un total agrégé pour l’entrée, ne l’ajoutez pas une seconde fois à un détail ventilé et ne supposez pas qu’il s’agit entièrement de texte. Considérez les coûts par composant comme inconnus jusqu’à ce que le fournisseur fournisse suffisamment de détails. Si le modèle ou un paramètre requis n’est pas disponible, arrêtez-vous et documentez la limitation au lieu de remplacer discrètement le modèle ou le paramètre.

Interprétez les résultats sans aller au-delà des données

Divisez les frais observés du pilote par le nombre d’images acceptées pour obtenir le coût observé par image acceptée. Présentez également la taille de l’échantillon, les critères d’acceptation, les paramètres et les frais non attribués éventuels. Un pilote de 20 tentatives est utile pour repérer les échecs manifestes et estimer le budget d’un test ultérieur ; il ne permet pas d’établir une qualité, une latence ou un coût de production stables.

Pour comparer un autre paramètre ou modèle, réexécutez les mêmes cas et les mêmes règles d’acceptation en ne modifiant que la variable souhaitée. La source indique les mêmes tarifs publiés par token pour Flare et Sunburst, mais cela ne permet pas d’établir une consommation de tokens ou une qualité de sortie identique. Ni les performances comparées ni les économies n’ont été mesurées ici.

Les travaux GIF et SVG nécessitent un plan distinct. La source indique que la charge de travail d’une animation dépend notamment du nombre d’images et des dimensions, tandis que le SVG peut inclure des frais distincts pour le modèle de création. Ne multipliez pas l’estimation d’une image fixe par le nombre d’images et n’appliquez pas le tarif de sortie image à l’ensemble du travail SVG comme s’il s’agissait d’une formule de facturation vérifiée. Enregistrez plutôt l’utilisation et les frais réels de chaque composant.

Conclusion

Utilisez les tarifs publiés par token pour établir une première estimation explicite, puis mesurez au moyen d’un pilote plafonné le coût des sorties réellement acceptées par votre tâche. Gardez séparés les prix du fournisseur direct et ceux de OneMux tant que des unités et conditions de facturation comparables et actuelles ne sont pas disponibles.

Sources

  • Ofox : tarification de l’API GPT Image 2.6 — tarifs OpenAI rapportés par la source, informations d’accès et précautions concernant la facturation GIF/SVG ; le guide indique qu’il n’a pas effectué de requêtes payantes de génération Image 2.6.
  • Tarifs OneMux — tarifs publiés actuels ; l’instantané du catalogue OneMux cité ci-dessus a été capturé le 15 novembre 2026.

Instantané des prix publiés

Capturé le 2026-11-15T11:00:05.734Z à partir du catalogue publié par OneMux. Les prix conservent les unités de facturation du site ; il ne s’agit pas d’un benchmark en direct. La facturation par paliers, mise en cache ou selon le temps peut différer. Les valeurs Unknown ne signifient pas zéro.

ModèleEntrée officielleSortie officielleEntrée OneMuxSortie OneMuxRatio de prix publié
GPT Image 2.6 SunburstUnknownUnknownUnknownUnknown0.11699999999999999

Tarifs OneMux actuels. Comparez les coûts d’un workload uniquement lorsque les unités d’entrée, de sortie et de facturation correspondent ; consultez la page de chaque modèle pour connaître les conditions des paliers.

FAQ

Combien coûte une image GPT Image 2.6 Sunburst ?

La source fournie n’établit pas de coût fixe par image. À titre indicatif, aux tarifs directs OpenAI rapportés, 120 tokens d’entrée texte et 1 000 tokens de sortie image coûteraient $0.0306, hors entrées image, ajustements liés au cache et autres frais éventuels du modèle. La consommation réelle et les tarifs du fournisseur peuvent différer.

Puis-je calculer le prix OneMux du même workload à partir de l’instantané publié ?

Non. L’instantané indique que les prix d’entrée et de sortie de Sunburst sont inconnus. Son ratio de prix publié ne fournit pas à lui seul suffisamment d’informations sur les prix, les unités ou les conditions sous-jacents pour calculer le coût d’un workload.

Pourquoi mesurer le coût par image acceptée ?

Une image renvoyée peut ne pas respecter les critères d’acceptation de la tâche. Diviser les frais observés par le nombre de sorties acceptées prend en compte les tentatives rejetées et rend le résultat plus utile pour planifier le même workflow.

Sunburst et Flare coûtent-ils autant à utiliser ?

La source fournie indique les mêmes tarifs OpenAI publiés par token pour les deux modèles. Elle n’établit pas qu’ils consomment le même nombre de tokens ou obtiennent le même taux d’acceptation pour une tâche donnée.

Articles liés