指南OneMux

GPT Image 2.6 Sunburst API 成本:可重現的評估預算

使用明確的 token 假設、驗收標準、支出上限與可重複的測試計畫,估算 Sunburst 圖像生成成本。

AI

摘要 · TL;DR

這份實用成本指南說明如何評估 GPT Image 2.6 Sunburst,涵蓋來源所報告的 token 費率、示例預算,以及可重複執行的驗收測試。

重點

  • 所提供的來源列出 OpenAI 直接使用費率:每百萬文字輸入 token $5、每百萬圖像輸入 token $8,以及每百萬圖像輸出 token $30;付費測試前請確認目前費率。
  • OneMux 已公布的價格快照未提供可用的 Sunburst 輸入或輸出價格,因此無法據此計算 OneMux 工作負載的數值估算。
  • 預算應涵蓋未通過驗收的輸出與重試,而不只是成功的 API 回應。
  • 將測試設定、驗收規則、回傳的用量與計費金額一併記錄,讓其他評估者能重現計算結果。
文章目錄 (8)

先設定支出上限進行試點,不要直接估算單張價格

若要可重複地評估 GPT Image 2.6 Sunburst,請先設定支出上限、固定請求設定,並使用相同的驗收規則評判每張回傳圖像。先根據輸入與輸出 token 假設估算預算,再以實際用量與費用取代假設。API 回應成功,不代表圖像一定符合驗收標準。

本成本指南由 OneMux 發布;OneMux 透過相容 OpenAI 的 API 提供模型存取。以下數值示例使用的是來源所報告的 OpenAI 直接使用費率,並非 OneMux 價格。此示例僅供說明:本文未發出任何付費的 Sunburst 請求。

價格與可比較的計價單位

所提供的 Ofox 定價指南列出以下 Sunburst 的 OpenAI 費率,並註明於 November 5, 2026 查核。計價單位是每一百萬 token,並非每張圖像的價格。投入測試資金前,請確認供應商目前的定價與存取條件。

OpenAI 直接計費類別來源所報告的價格單位
文字輸入$5.001 million tokens
圖像輸入$8.001 million tokens
圖像輸出$30.001 million tokens
快取文字輸入$1.251 million tokens
快取圖像輸入$2.001 million tokens

列出快取費率,不代表特定 Sunburst 請求一定符合適用條件。除非路由文件與計費資料確認適用,否則預估時不要計入快取折扣。若確認有快取用量,請將其與未快取用量分開計算,避免同一批 token 重複計費。請向供應商確認適用的級距與條件;以下示例假設沒有級距調整。

OneMux 目錄快照截取於November 15, 2026,提供另一項不完整的比較資料:

模型官方輸入價格官方輸出價格OneMux 輸入價格OneMux 輸出價格已公布價格比率
GPT Image 2.6 SunburstUnknownUnknownUnknownUnknown0.11699999999999999

目錄並未提供這些 Unknown 欄位所對應的 token 類別價格或計價單位。此處原樣列出已公布的比率,但缺少可用的基礎價格與適用條件,無法據此計算 OneMux 費用或宣稱特定節省幅度。Unknown 不等於零。比較不同路由前,請查看目前的 OneMux 價格及模型條款。

使用明確假設計算工作負載

假設一個 OpenAI 直接請求使用 120 個文字輸入 token、不使用圖像輸入,並產生 1,000 個圖像輸出 token。另假設沒有已確認的快取折扣或額外模型費用。這些是為了示範計算而設定的測試輸入,並非 Sunburst 實際用量,也不是對特定圖像尺寸的預測。

項目計算方式示例成本
文字輸入120 × $5 / 1,000,000$0.0006
圖像輸出1,000 × $30 / 1,000,000$0.0300
每次嘗試總計$0.0006 + $0.0300$0.0306

若同一個假設請求還使用 1,024 個圖像輸入 token,該項費用會增加 1,024 × $8 / 1,000,000 = $0.008192,總計為 $0.038792。因此,即使提示詞很短,估算時仍應納入參考圖像。

再假設每次嘗試的平均成本為 $0.0306,且 80% 的輸出符合驗收規則。要取得 100 張驗收通過的圖像,預期需要 100 / 0.80 = 125 次嘗試,成本為 125 × $0.0306 = $3.825。若通過率為 50%,則預期需要 200 次嘗試,成本為 $6.12。這兩個數字都不是支出上限:實際嘗試次數與 token 用量可能有所不同。

執行有上限且可重複的評估

測試前,請確認能存取指定模型與端點、掌握目前費率、備妥憑證,並確認支援的圖像請求參數。特定工作流程是否與 OneMux 相容,取決於文件所述的端點與參數支援;本指南不宣稱已進行整合測試。請勿將 API 金鑰放入共用日誌或螢幕截圖。

以下示例流程適用於點陣圖評估:

  1. 設定硬性上限。 將試點限制在 20 次嘗試內,並在供應商提供此功能時設定供應商端的支出上限。若已達上限、無法核對用量,或預估剩餘預算不足,請提早停止。不要把預期成本當成硬性上限。
  2. 固定請求設定。 記錄確切的模型識別碼、供應商與端點、提示詞、參考圖像數量、尺寸、品質,以及其他受支援的設定。若可明確指定相關設定,請避免使用自動設定。
  3. 生成前先準備測試案例。 例如,準備五個提示詞,涵蓋可辨識的短文字、物件擺放、保留參考標籤、簡單編輯,以及視覺元素密集的版面。按預先決定的順序,每個案例嘗試四次;在初始 20 次比較中,不要只針對表現較差的案例選擇性重試。
  4. 預先訂定通過標準。 針對短文字案例,指定確切文案,並要求每個字元都清晰且正確。針對擺放案例,指定所需的相對位置。針對參考標籤編輯,說明哪些標籤元素必須維持不變。每個案例的所有嘗試都應套用相同規則。
  5. 保留每一項結果。 記錄通過或未通過及其原因,也包括捨棄的圖像。HTTP 請求成功不代表品質合格;也不要單憑此區別推斷供應商如何處理失敗的 HTTP 請求。

每次嘗試都應保留案例 ID、設定、時間戳記、回應狀態、回傳的輸入與輸出用量明細、耗時、驗收判定,以及可取得的費用。儲存輸出,或保留安全的參照位置,讓其他審查者可以檢查判定。將試點總額與供應商帳單核對;估算不等於已結算費用。

若用量報告只提供輸入總量,請勿再將其加到詳細明細上,也不要假設全部都是文字。若供應商提供的資訊不足以拆分,請將各項成本標示為未知。若無法使用該模型或必要參數,請停止並記錄限制,不要默默改用其他模型或設定。

解讀結果,避免過度推論

以試點觀察到的費用除以驗收通過的圖像數量,即可計算每張驗收通過圖像的實際成本。請一併報告樣本數、驗收標準、設定,以及尚未分配的費用。20 次嘗試的試點有助於找出明顯問題並估算後續預算,但不足以證明正式環境中的品質、延遲或成本穩定。

比較其他設定或模型時,請使用相同的案例與驗收規則重新測試,並且只變更預定比較的變數。來源表示 Flare 與 Sunburst 已公布的 token 費率相同,但這不代表兩者的 token 用量或輸出品質相同。本文未測量比較效能或節省幅度。

GIF 與 SVG 工作需要另外規劃。來源指出,動畫工作負載取決於影格數量、尺寸等因素,而 SVG 可能另有作者模型費用。不要將靜態圖像估算乘以影格數,也不要把圖像輸出費率套用至整個 SVG 工作,彷彿其中任何一種都是已驗證的計費公式。請改為分別記錄各項實際用量與費用。

結論

先使用已公布的 token 費率建立明確的初步估算,再透過有支出上限的試點,測量實際任務中符合驗收標準的輸出成本。在取得可比較且最新的計費單位與條件前,請將直接供應商價格與 OneMux 價格分開處理。

來源

  • Ofox:GPT Image 2.6 API 定價:來源所報告的 OpenAI 費率、存取說明,以及 GIF/SVG 計費注意事項;該指南表示未進行付費的 Image 2.6 圖像生成請求。
  • OneMux 定價:目前已公布的價格;本文引用的 OneMux 目錄快照截取於 November 15, 2026。

已公布價格快照

資料截取時間為 2026-11-15T11:00:05.734Z,來源為 OneMux 已公布的目錄。價格沿用網站上的計費單位;這不是即時基準測試。分級、快取或按時間計費的價格可能不同。Unknown 不等於零。

模型官方輸入價格官方輸出價格OneMux 輸入價格OneMux 輸出價格已公布價格比率
GPT Image 2.6 SunburstUnknownUnknownUnknownUnknown0.11699999999999999

目前的 OneMux 價格。只有在輸入、輸出與計費單位相符時才比較工作負載成本;級距條件請參閱各模型頁面。

常見問題

GPT Image 2.6 Sunburst 生成一張圖像要多少錢?

所提供的來源並未確立固定的單張圖像價格。以來源所報告的 OpenAI 直接使用費率為例,120 個文字輸入 token 與 1,000 個圖像輸出 token 的成本為 $0.0306,不包含圖像輸入、快取調整或其他模型費用。實際用量與供應商定價可能不同。

我可以根據已公布的快照計算相同工作負載的 OneMux 價格嗎?

不可以。快照將 Sunburst 的輸入與輸出價格列為 Unknown。單憑已公布的價格比率,無法得知計算工作負載費用所需的基礎價格、計價單位或適用條件。

為什麼要衡量每張驗收通過圖像的成本?

回傳的圖像可能不符合任務的驗收標準。以觀察到的費用除以通過驗收的輸出數量,會將未通過的重試成本納入計算,因此更適合用來規劃相同工作流程。

Sunburst 和 Flare 的使用成本相同嗎?

所提供的來源指出,兩個模型已公布的 OpenAI token 費率相同,但並未證明它們在特定任務中會消耗相同數量的 token,或達到相同的驗收通過率。

相關文章