GPT Image 2.6 Sunburst 文件問答 API 成本
以明確的圖片輸入假設建立可重現的文件問答預算,同時區分未知的答案生成與來源歸因成本。
摘要 · TL;DR
這是一份以來源為基礎的文件問答成本工作表,將假設的圖片輸入費用與未知的文字答案、檢索及來源歸因成本分開計算。
重點
- 提供的定價來源指出,Sunburst 的文字輸入費率為每百萬 token $5,圖片輸入費率為每百萬 token $8;這些並非已確認的 OneMux 費率。
- 以每個問題 120 個文字輸入 token 和 1,024 個圖片輸入 token 作為說明性假設時,依據上述輸入費率,每次請求的輸入成本為 $0.008792,尚未包含答案生成與其他費用。
- 提供的證據未證實 Sunburst 支援具備來源歸因的文件問答,也未提供該工作流程的文字輸出費率。
- OneMux 發布的快照將 Sunburst 的輸入與輸出價格列為未知,因此無法據此估算 OneMux 的完整成本。
文章目錄 (8)
決策:為已記錄的輸入編列預算,不要臆測完整答案成本
對於含引用的文件問答,不要將 GPT Image 2.6 Sunburst 的圖片輸出價格視為文字答案的成本。提供的證據只列出圖片模型的 token 費率,並未證實 Sunburst 能以來源歸因回答文件問題、哪個 endpoint 支援此工作流程,或適用的文字輸出費率。在決定將其用於正式環境前,請先確認這些事項。
你仍然可以做出有用的部分估算。按照 Ofox 的 Image 2.6 定價指南所報告的費率,假設請求包含 120 個文字輸入 token 和 1,024 個圖片輸入 token,則輸入費用為每次請求 $0.008792。這不是完整的答案價格:其中不包含答案生成、檢索、儲存、重試及其他可能計費的工作。該來源將這些費率描述為 OpenAI 官方費率,並表示其指南於 November 5, 2026 完成檢查;其中的 token 數量是說明性假設,而非實測結果。
這是一份由 OneMux 發布的成本指南。OneMux 透過 OpenAI-compatible API 提供模型存取。Sunburst 模型目錄頁面列出了該模型,但提供的 OneMux 價格快照未確立可用的輸入或輸出價格。
價格證據與單位
OneMux 模型目錄快照擷取於 November 14, 2026。下表將其中的未知值與外部來源所報告的費率分開列出。以下所有 token 費率均以每百萬 token 的美元計價;未知不代表免費。
| 計費類別 | Ofox 報告的官方費率 | 提供快照中的 OneMux 費率 | 已發布的 OneMux 價格比率 |
|---|---|---|---|
| 文字輸入 | $5.00 | Unknown | 0.11699999999999999 |
| 圖片輸入 | $8.00 | Unknown | 0.11699999999999999 |
| 圖片輸出 | $30.00 | Unknown | 0.11699999999999999 |
| 文件答案的文字輸出 | Unknown | Unknown | 0.11699999999999999 |
這個比率是快照中發布的模型層級數值,不是經驗證的類別專屬折扣,也不是可用來計算帳單的價格。快照本身將官方輸入與輸出價格標記為未知;上方的官方數值費率來自 Ofox 的獨立指南,而非該快照。在承諾支出前,請向服務提供者確認目前的費率與適用的計費單位。
Ofox 另外報告,官方費率中的快取文字輸入為每百萬 token $1.25,快取圖片輸入為每百萬 token $2.00。不過,其指南並未證實特定的 Sunburst 請求符合快取條件。**在 endpoint 與計費記錄確認前,請假設沒有快取節省。**提供的快照未列出 OneMux 快取價格與層級條件;請查看目前的 OneMux 定價及適用的模型條款,不要自行推算。
重現僅含輸入的工作負載估算
假設每個問題都會傳送一段簡短指令和一張文件頁面圖片。以下數值是用於計算的假設,不是觀察到的 Sunburst 使用量,也不代表該模型支援此類請求:
| 假設 | 每個問題 |
|---|---|
| 文字輸入 | 120 tokens |
| 圖片輸入 | 1,024 tokens |
| 圖片輸出 | 假設沒有 |
| 已確認的快取折扣 | 無 |
使用 Ofox 報告的費率:
- 文字輸入:120 × $5 ÷ 1,000,000 = $0.0006。
- 圖片輸入:1,024 × $8 ÷ 1,000,000 = $0.008192。
- 合計輸入費用:$0.0006 + $0.008192 = 每個問題 $0.008792。
- 1,000 個此類問題:1,000 × $0.008792 = 輸入費用 $8.792。
這是使用來源所報告費率的部分 direct-API-style 估算,不是 OneMux 報價。它假設每個問題的 token 使用量相同,且不產生圖片。由於未提供適用的費率,因此不包含文字答案輸出。它也不包含任何獨立的 OCR、embedding、搜尋、儲存或模型呼叫。如果由其他模型產生答案,請分別計算該模型的輸入與輸出費用。
對於更高負載的情況,假設每個問題使用四張頁面圖片,每頁仍使用相同的說明性 1,024 個圖片 token,並保留 120 個文字 token。圖片輸入部分為 4,096 × $8 ÷ 1,000,000 = $0.032768。加上 $0.0006 的文字輸入後,得到每個問題 $0.033368,或 1,000 個問題 $33.368,同樣尚未計入所有省略的成本。這項比較說明頁數如何影響估算;實際圖片 token 使用量必須測量。
將來源歸因納入驗收測試
如果讀者無法追溯答案中的主張,低廉的回應也沒有實用價值。在估算正式環境的用量前,請將合格答案定義為:每項實質主張都引用正確的文件及頁面或章節,並在提供的資料不支援答案時予以說明。這是一項建議的品質規則,不是已記錄的 Sunburst 能力。
進行試點時,保留一小組具有已知來源段落的問題,其中至少包含一個無法回答的問題。對每次嘗試記錄:
- 服務提供者、模型識別碼、endpoint 與設定,以及服務提供者是否記錄了對所需圖片輸入和文字回應的支援。
- 傳送的頁數、各類別的文字與圖片用量,以及任何另行計費的檢索或答案生成呼叫。
- 答案引用的文件與頁面或章節,以及審核者是否能找到支援該答案的段落。
- 實際費用,以及答案是否通過驗收規則;將未通過的嘗試保留在樣本中。
如果用量報告同時顯示輸入總量和類別明細,不要將兩者都作為獨立費用相加。如果缺少明細,請記錄這項缺口,不要假設每個輸入 token 都是文字。如果你的路由是 OneMux,整合取決於有文件記錄的 endpoint 與參數支援;提供的資料未證實這項特定工作流程已在該平台測試過。
將重試納入考量,但不要宣稱這是基準測試
假設僅含輸入的成本為每次嘗試 $0.008792,且試點假設 80% 的嘗試會被接受。要取得 1,000 個已接受的答案,預期嘗試次數為 1,000 ÷ 0.8 = 1,250。若每次的輸入成本相同,則輸入費用為 $10.99。答案生成與其他成本仍須另行計算。重試可能使用不同的輸入,因此在取得資料後,請以每次嘗試的實測資料取代固定成本假設。
何時選擇其他工作流程
如果服務提供者無法記錄所需的圖片轉文字回應能力,或無法提供足以支援引用的資訊,請評估另有文件記錄的文件處理與文字回答工作流程。對於可擷取文字的文件,請比較傳送相關文字段落與傳送頁面圖片的成本;使用各服務的實際 token 數量與適用費率。僅根據提供的證據,無法宣稱其中一條路徑更便宜或更準確。
實際的下一步是確認存取權限與任務支援,然後在支出上限內執行有限試點。使用試點的計費用量與引用驗收率,取代上方的說明性輸入數值。
來源
- Ofox:GPT Image 2.6 API pricing:提供 OpenAI token 費率、快取注意事項與說明性圖片成本計算的來源。該指南表示其未提出付費的 Image 2.6 生成請求。
- OneMux:GPT Image 2.6 Sunburst:模型目錄列表;提供的 November 14, 2026 快照將輸入與輸出價格列為未知。
已發布的價格快照
擷取時間為 2026-11-14T11:30:05.539Z,來源是 OneMux 已發布的模型目錄。價格保留網站上的計費單位;這不是即時基準測試。分級、快取或依時間計費的方式可能不同。未知值不等於零。
| 模型 | 官方輸入 | 官方輸出 | OneMux 輸入 | OneMux 輸出 | 已發布的價格比率 |
|---|---|---|---|---|---|
| GPT Image 2.6 Sunburst | Unknown | Unknown | Unknown | Unknown | 0.11699999999999999 |
目前的 OneMux 價格。只有在輸入、輸出及計費單位相符時,才可比較工作負載成本;分級條件請參閱各模型頁面。
常見問題
GPT Image 2.6 Sunburst 用於文件問答的成本是多少?
根據提供的證據,無法確定完整成本。按照 Ofox 報告的費率,一個包含 120 個文字輸入 token 和 1,024 個圖片輸入 token 的說明性請求,僅輸入成本為 $0.008792。文字答案生成與其他工作流程費用不包含在內。
GPT Image 2.6 Sunburst 支援附帶頁面引用的答案嗎?
提供的來源未證實這項能力,也未指出支援此功能的 endpoint。在依賴該模型進行文件問答前,請查看服務提供者文件並測試引用品質。
我可以根據已發布的價格比率計算 OneMux 價格嗎?
不可以。提供的 OneMux 快照將輸入與輸出價格列為未知。其已發布的模型層級比率並未確立類別專屬費率或完整工作負載價格。
相關文章
指南
GPT 6.2 Astra API 文件問答成本估算
依據明確的 token 假設、上下文級距、快取費率及可重現的計算方式,估算 GPT 6.2 Astra 文件問答成本。
指南
估算 Claude Fable 5.2 文件問答 API 成本
提供一套可重現的方法,估算 Claude Fable 5.2 用於文件問答的成本,包含明確的 Token 假設、來源歸因指引與具日期的價格數據。
指南
Gemini 3 Pro Image Preview API 文件問答成本估算
透過明確的 token 假設、可比較的價格單位與可重現的月費計算,估算文件問答成本。
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。