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。
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 | $5.00 | 1 million tokens |
| 圖像輸入 | $8.00 | 1 million tokens |
| 圖像輸出 | $30.00 | 1 million tokens |
| 快取文字輸入 | $1.25 | 1 million tokens |
| 快取圖像輸入 | $2.00 | 1 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 Sunburst | Unknown | Unknown | Unknown | Unknown | 0.11699999999999999 |
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:
- 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。
- 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。
- 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。
- 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。
- 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 Sunburst | Unknown | Unknown | Unknown | Unknown | 0.11699999999999999 |
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
指南
GPT Image 2.5 API 成本:針對 100 或 1,000 張可用圖片的可重複評估
運用明確的 token 費率、驗收標準、測試案例與計費重試次數,估算 GPT Image 2.5 工作負載成本。
指南
GPT 6.2 Sol API 費用:可重現的評估預算
透過明確的 token 假設、上下文級距價格、快取範例及可重複執行的測試限制,估算 GPT 6.2 Sol 評估費用。
指南
GPT Image 2.5 Flare API 成本:含重試規則的正式環境估算
根據明確的 token 假設估算 GPT Image 2.5 Flare 工作負載成本,並編列重試預算,在失敗狀態不明時安全復原。
指南
GPT Image 2.6 Sunburst 結構化擷取 API 成本:規劃指南
根據明確的 token 假設、schema 驗證、重試次數與定價限制,估算影像轉 JSON 工作負載。