Custos da API GPT Image 2.6 Sunburst: um orçamento de avaliação reproduzível
Estime os custos de geração de imagens do Sunburst com premissas explícitas de tokens, critérios de aceitação, limites de gastos e um plano de teste repetível.
Resumo · TL;DR
Um guia prático de custos para avaliar o GPT Image 2.6 Sunburst, incluindo tarifas de tokens informadas pela fonte, um orçamento ilustrativo e um teste de aceitação repetível.
Principais pontos
- A fonte fornecida informa tarifas diretas da OpenAI de $5 por milhão de tokens de entrada de texto, $8 por milhão de tokens de entrada de imagem e $30 por milhão de tokens de saída de imagem; verifique as tarifas atuais antes de realizar um teste pago.
- O snapshot de preços publicado pela OneMux não inclui preços utilizáveis de entrada ou saída para o Sunburst, portanto não permite estimar numericamente uma carga de trabalho da OneMux.
- Inclua no orçamento as saídas rejeitadas e as novas tentativas, não apenas as respostas bem-sucedidas da API.
- Mantenha juntos as configurações do teste, as regras de aceitação, o uso retornado e as cobranças faturadas, para que outro avaliador possa reproduzir o cálculo.
Nesta página (8)
Comece com um piloto limitado, não com um preço por imagem
Para uma avaliação reproduzível do GPT Image 2.6 Sunburst, defina um limite de gastos, fixe as configurações da solicitação e avalie cada imagem retornada com base nas mesmas regras de aceitação. Estime o orçamento usando premissas de tokens de entrada e saída e, depois, substitua essas premissas pelo uso e pelas cobranças observados. Uma resposta bem-sucedida da API não é necessariamente uma imagem aceitável.
Este guia de custos é publicado pela OneMux, que oferece acesso a modelos por meio de uma API compatível com a OpenAI. O exemplo numérico abaixo usa tarifas diretas da OpenAI informadas pela fonte, não preços da OneMux. Ele é ilustrativo: nenhuma solicitação paga ao Sunburst foi realizada para este artigo.
Preços e unidades comparáveis
O guia de preços da Ofox fornecido informa as seguintes tarifas da OpenAI para o Sunburst, verificadas em 5 de novembro de 2026. Elas são valores em dólares americanos por um milhão de tokens, não preços por imagem. Verifique os preços atuais do provedor e o acesso antes de financiar um teste.
| Categoria de cobrança direta da OpenAI | Preço informado pela fonte | Unidade |
|---|---|---|
| Entrada de texto | $5.00 | 1 milhão de tokens |
| Entrada de imagem | $8.00 | 1 milhão de tokens |
| Saída de imagem | $30.00 | 1 milhão de tokens |
| Entrada de texto em cache | $1.25 | 1 milhão de tokens |
| Entrada de imagem em cache | $2.00 | 1 milhão de tokens |
Uma tarifa de cache publicada não comprova que uma determinada solicitação ao Sunburst se qualifique para ela. Faça a previsão sem considerar a economia de cache, a menos que a documentação da rota e os dados de cobrança a confirmem. Se o uso em cache for confirmado, separe-o do uso sem cache em vez de contar os mesmos tokens duas vezes. Verifique as faixas e condições aplicáveis com o provedor; o exemplo abaixo pressupõe que não haja ajuste de faixa.
O snapshot do catálogo da OneMux, capturado em 15 de novembro de 2026, oferece uma comparação separada e incompleta:
| Modelo | Entrada oficial | Saída oficial | Entrada na OneMux | Saída na OneMux | Proporção de preço publicada |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst | Desconhecida | Desconhecida | Desconhecida | Desconhecida | 0.11699999999999999 |
O catálogo não informa preços nem unidades por categoria de tokens para esses campos desconhecidos. A proporção publicada é reproduzida exatamente, mas, sem preços subjacentes e condições utilizáveis, não é suficiente para calcular uma cobrança da OneMux ou afirmar uma economia específica. Desconhecido não significa zero. Consulte os preços atuais da OneMux e os termos do modelo antes de comparar as rotas.
Calcule uma carga de trabalho usando premissas explícitas
Suponha que uma solicitação direta à OpenAI use 120 tokens de entrada de texto, nenhuma entrada de imagem e 1.000 tokens de saída de imagem. Suponha que não haja desconto de cache confirmado nem cobrança adicional do modelo. Essas são entradas de teste inventadas para a aritmética, não um consumo medido do Sunburst nem uma previsão para um determinado tamanho de imagem.
| Componente | Cálculo | Custo ilustrativo |
|---|---|---|
| Entrada de texto | 120 × $5 / 1,000,000 | $0.0006 |
| Saída de imagem | 1,000 × $30 / 1,000,000 | $0.0300 |
| Total por tentativa | $0.0006 + $0.0300 | $0.0306 |
Se a mesma solicitação hipotética também usasse 1,024 tokens de entrada de imagem, esse componente acrescentaria 1,024 × $8 / 1,000,000 = $0.008192, totalizando $0.038792. Portanto, imagens de referência devem fazer parte da estimativa, mesmo quando o prompt é curto.
Agora suponha que a tentativa média custe $0.0306 e que 80% das saídas atendam à regra de aceitação. Para obter 100 imagens aceitas, seriam necessárias em expectativa 100 / 0.80 = 125 tentativas, com custo de 125 × $0.0306 = $3.825. Com uma taxa de aceitação de 50%, a expectativa é de 200 tentativas e $6.12. Nenhum dos dois valores é um teto de gastos: o número real de tentativas e o uso de tokens podem variar.
Execute uma avaliação limitada e repetível
Antes de testar, confirme o acesso ao modelo e ao endpoint exatos, as tarifas atuais, as credenciais e os parâmetros de solicitação de imagem compatíveis. A compatibilidade da OneMux com um fluxo de trabalho específico depende do endpoint documentado e do suporte a parâmetros; este guia não afirma ter realizado um teste de integração. Mantenha as chaves de API fora de logs e capturas de tela compartilhados.
Use este protocolo ilustrativo para uma avaliação de imagens rasterizadas:
- Defina limites rígidos. Limite o piloto a 20 tentativas e defina um limite de gastos no provedor, se disponível. Pare antes se o limite for atingido, se não for possível reconciliar o uso ou se o orçamento restante estimado for insuficiente. Não use um custo esperado como teto rígido.
- Congele a solicitação. Registre o identificador exato do modelo, o provedor e o endpoint, o prompt, a quantidade de imagens de referência, as dimensões, a qualidade e quaisquer outras configurações compatíveis. Evite configurações automáticas quando houver configurações explícitas disponíveis e relevantes.
- Prepare os casos antes de gerar. Por exemplo, use cinco prompts que cubram texto curto legível, posicionamento de objetos, preservação de um rótulo de referência, uma edição simples e um layout visualmente denso. Execute quatro tentativas por caso em uma ordem predeterminada; não repita seletivamente apenas os casos fracos dentro da comparação inicial de 20 tentativas.
- Defina antecipadamente os critérios de aprovação. Para o caso de texto curto, especifique a redação exata e exija que todos os caracteres estejam legíveis e corretos. Para o posicionamento, especifique as posições relativas obrigatórias. Para uma edição de rótulo de referência, indique quais elementos do rótulo devem permanecer inalterados. Aplique a mesma regra a todas as tentativas de cada caso.
- Mantenha todos os resultados. Registre aprovação ou reprovação e o motivo, inclusive para imagens descartadas. Um sucesso HTTP não é uma aprovação de qualidade; não infira como o provedor trata solicitações HTTP malsucedidas com base nessa distinção.
Para cada tentativa, retenha o ID do caso, as configurações, o timestamp, o status da resposta, a divisão do uso de entrada e saída, se retornada, o tempo decorrido, a decisão de aceitação e a cobrança, quando disponível. Armazene a saída ou uma referência segura a ela para que outro revisor possa verificar a decisão. Reconcilie o total do piloto com o registro de faturamento do provedor; uma estimativa não é uma cobrança consolidada.
Se os relatórios de uso informarem apenas um total agregado de entrada, não o some novamente a uma divisão detalhada nem presuma que todo o total seja de texto. Marque os custos dos componentes como desconhecidos até que o provedor forneça detalhes suficientes. Se o modelo ou um parâmetro obrigatório não estiver disponível, pare e documente a limitação em vez de substituir silenciosamente o modelo ou a configuração.
Interprete os resultados sem fazer afirmações excessivas
Divida a cobrança observada do piloto pelo número de imagens aceitas para obter o custo observado por imagem aceita. Informe junto o tamanho da amostra, os critérios de aceitação, as configurações e quaisquer cobranças não atribuídas. Um piloto de 20 tentativas é útil para encontrar falhas evidentes e estimar um orçamento para a etapa seguinte; ele não estabelece qualidade, latência ou custo de produção estáveis.
Para comparar uma configuração ou um modelo diferente, execute novamente os mesmos casos e as mesmas regras de aceitação, alterando apenas a variável pretendida. A fonte informa tarifas de tokens publicadas idênticas para Flare e Sunburst, mas isso não comprova consumo de tokens idêntico nem qualidade de saída idêntica. Nem o desempenho comparativo nem a economia foram medidos aqui.
Trabalhos com GIF e SVG exigem um plano separado. A fonte afirma que a carga de trabalho de animação depende de fatores como quadros e dimensões, enquanto o SVG pode incluir uma cobrança separada pelo modelo de autoria. Não multiplique a estimativa de imagem estática pelo número de quadros nem aplique a tarifa de saída de imagem ao trabalho completo de SVG como se qualquer uma dessas práticas fosse uma fórmula de cobrança verificada. Registre o uso e as cobranças reais de cada componente.
Conclusão
Use as tarifas de tokens publicadas para criar uma estimativa inicial explícita e, em seguida, use um piloto limitado para medir o custo das saídas que sua tarefa realmente aceita. Mantenha separados os preços do provedor direto e da OneMux até que haja unidades e condições de cobrança atuais e comparáveis.
Fontes
- Ofox: preços da API GPT Image 2.6 — tarifas da OpenAI informadas pela fonte, observações sobre acesso e alertas de cobrança de GIF/SVG; o guia afirma que não realizou solicitações pagas de geração com o Image 2.6.
- Preços da OneMux — preços publicados atuais; o snapshot do catálogo da OneMux citado acima foi capturado em 15 de novembro de 2026.
Snapshot de preços publicado
Capturado em 2026-11-15T11:00:05.734Z a partir do catálogo publicado da OneMux. Os preços mantêm as unidades de cobrança do site; isto não é um benchmark ao vivo. A cobrança por faixas, em cache ou baseada em tempo pode ser diferente. Valores desconhecidos não são zero.
| Modelo | Entrada oficial | Saída oficial | Entrada na OneMux | Saída na OneMux | Proporção de preço publicada |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst | Desconhecida | Desconhecida | Desconhecida | Desconhecida | 0.11699999999999999 |
Preços atuais da OneMux. Compare os custos da carga de trabalho somente quando a entrada, a saída e as unidades de cobrança forem correspondentes; consulte a página de cada modelo para ver as condições das faixas.
Perguntas frequentes
Quanto custa uma imagem do GPT Image 2.6 Sunburst?
A fonte fornecida não estabelece um custo fixo por imagem. Como ilustração, usando as tarifas diretas da OpenAI informadas pela fonte, 120 tokens de entrada de texto e 1.000 tokens de saída de imagem custariam $0.0306, excluindo entradas de imagem, ajustes de cache e outras cobranças do modelo. O consumo real e os preços do provedor podem ser diferentes.
Posso calcular o preço da OneMux para a mesma carga de trabalho a partir do snapshot publicado?
Não. O snapshot informa como desconhecidos os preços de entrada e saída do Sunburst. A proporção de preço publicada, por si só, não fornece informações suficientes sobre preços, unidades ou condições subjacentes para calcular uma cobrança da carga de trabalho.
Por que medir o custo por imagem aceita?
Uma imagem retornada pode não atender aos critérios de aceitação da tarefa. Dividir a cobrança observada pelas saídas aceitas inclui o efeito das tentativas rejeitadas, tornando o resultado mais útil para planejar o mesmo fluxo de trabalho.
Sunburst e Flare têm o mesmo custo de uso?
A fonte fornecida informa tarifas de tokens publicadas idênticas da OpenAI para os dois modelos. Ela não comprova que eles consumam o mesmo número de tokens ou atinjam a mesma taxa de aceitação para uma determinada tarefa.
Artigos relacionados
Guides
Custo da API GPT Image 2.5: uma avaliação reproduzível para 100 ou 1.000 imagens utilizáveis
Estime os custos de cargas de trabalho com GPT Image 2.5 usando preços explícitos por token, critérios de aceitação, casos de teste e novas tentativas cobradas.
Guides
Custos da API GPT Image 2.6 Flare: um orçamento de avaliação reproduzível
Estime os custos de cargas de trabalho do GPT Image 2.6 Flare com unidades de token comparáveis, premissas explícitas e um plano de avaliação com limites definidos.
Guides
Custo da API GPT 6.2 Sol: orçamento para uma avaliação reproduzível
Estime os custos de avaliação do GPT 6.2 Sol com premissas explícitas de tokens, preços por faixa de contexto, exemplos de cache e limites para testes reproduzíveis.
Guides
Custos da API Gemini 3.1 Flash Image: estimativa por carga de trabalho e checklist de incidentes
Estime os gastos com a API preview do Gemini 3.1 Flash Image com premissas explícitas de tokens e use sinais por requisição para investigar incidentes de custo e confiabilidade.