OpenAI Images 2.6: Kini Lebih Cepat, dengan Dukungan GIF

Hingga pekan lalu, mendapatkan gambar bergerak dari ChatGPT berarti meminta sprite sheet, mengunduhnya, dan menyusun frame sendiri di alat lain. Saya melakukan ini lebih sering daripada yang ingin saya akui. 

Pada 4 November, OpenAI merilis Images 2.6, dan kini Anda cukup mengetik "buat gif kucing menari" dan akan mendapatkan GIF loop kembali.

GIF adalah sorotan utamanya, namun bukan keseluruhan rilis. OpenAI mengatakan pembuatan gambar kini 50% lebih cepat, hasil edit lebih mampu mempertahankan karakter dan produk, serta API dipecah menjadi dua model dengan tugas berbeda. 

Dalam artikel ini, saya akan membahas apa itu Images 2.6, apa yang berubah, dan cara membuat GIF di ChatGPT maupun menggunakan API. 

Apa yang Baru di OpenAI Images 2.6?

OpenAI Images 2.6 adalah pembaruan gambar OpenAI tanggal 4 November 2026 untuk ChatGPT, Codex, dan API. Perubahan utamanya meliputi:

• GIF animasi: Ubah prompt, foto, atau sketsa menjadi GIF loop pendek, lalu ubah kecepatannya atau edit frame tunggal.

• Pembuatan lebih cepat: OpenAI mengklaim pembuatan gambar 50% lebih cepat dibanding Images 2.5.

• Hasil edit lebih stabil: Karakter, produk, dan detail merek lebih sedikit berubah antar putaran pengeditan.

• Dua model API: Gunakan gpt-image-2.6-flare untuk kecepatan dan gpt-image-2.6-sunburst untuk detail.

• Penambahan kecil: Ekspor gambar ke SVG, lakukan edit berpandu markup di API, referensikan gambar tersimpan, dan gunakan parameter complexity.

Tersedia di setiap paket ChatGPT, termasuk Gratis, meski pembuatan GIF diluncurkan bertahap ke akun-akun.

Apa Itu OpenAI Images 2.6?

OpenAI Images 2.6 adalah rilis pembuatan dan pengeditan gambar yang dirilis OpenAI pada 4 November 2026. Tersedia sebagai alat gambar di dalam ChatGPT dan Codex serta sebagai dua model terpisah di OpenAI API.

Di ChatGPT, Anda tidak bisa memilih model tertentu atau beralih antara modelnya, Flare dan Sunburst; Anda cukup mengetik permintaan, dan itu akan membuat GIF. Namun dengan API, Anda bisa memilih dua model berdasarkan nama, dan mengatur sendiri pengaturan seperti kualitas dan kompleksitas.

Kedua model API biayanya sama per token, dan tarif tersebut sama dengan model Images 2.5. Jadi pilihan antara Flare dan Sunburst bergantung pada kecepatan versus detail, bukan harga. Biaya per gambar tetap bervariasi karena pengaturan kualitas lebih tinggi memakai lebih banyak token output.

Misalkan sebuah merek kopi ingin GIF loop pendek maskotnya, cangkir kopi kartun, melambaikan tangan.

• Di ChatGPT (seorang pemasar): Ia mengetik “Buat GIF loop maskot cangkir kopi kami yang melambaikan tangan.” ChatGPT memilih model dan membuat GIF. Jika terlalu lambat, ia mengetik “buat lebih cepat” di chat. Ia tidak mengubah pengaturan apa pun, dan tidak membayar apa pun selain paket ChatGPT-nya.

• Dengan API (seorang pengembang): Ia menambahkan tombol “Buat GIF” ke aplikasi merek, jadi ia menulis kodenya sendiri. Ia memilih gpt-image-2.6-flare karena model ini lebih cepat, menetapkan output_format: "gif", dan memilih jumlah frame serta kualitas. Setiap GIF ditagih berdasarkan token, jadi kualitas yang lebih tinggi berbiaya lebih mahal per gambar.

Apa Saja yang Baru di OpenAI Images 2.6?

Images 2.6 menambahkan GIF animasi, pembuatan lebih cepat, hasil edit multi-putaran lebih stabil, dan tata letak yang lebih baik untuk visual profesional. 

Apakah OpenAI Images 2.6 benar-benar lebih cepat?

OpenAI mengatakan Images 2.6 menghasilkan gambar 50% lebih cepat daripada Images 2.5, dan bahwa gpt-image-2.6-flare dapat mengembalikan gambar berkualitas rendah dalam enam detik saja. Itu klaim berani, dan pengumumannya tidak menjelaskan cara pengukurannya. Jadi saya mengujinya sendiri.

Saya memberi Flare dan Sunburst prompt yang sama, “Sebuah mug kopi keramik di atas meja kayu, cahaya pagi, foto produk,” pada 1024x1024 dengan kompleksitas disetel rendah. Flare dijalankan pada kualitas rendah dan sedang, karena rendah adalah pengaturan di balik klaim enam detik OpenAI, dan Sunburst dijalankan pada kualitas sedang. 

Setiap skenario dijalankan lima kali, dan saya ambil mediannya, karena satu respons lambat dapat merusak rata-rata. Lalu saya mengulang seluruh pengujian, karena kecepatan jaringan berubah-ubah dan saya tidak ingin satu sore yang beruntung (atau sial) menentukan hasil.

Jika Anda ingin membandingkan angka saya dengan milik Anda, berikut skrip yang saya jalankan di Google Colab:

import statistics
import time

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()
prompt = "A ceramic coffee mug on a wooden desk, morning light, product photo."

# Each setup: (model, quality)
setups = [
    ("gpt-image-2.6-flare", "low"),
    ("gpt-image-2.6-flare", "medium"),
    ("gpt-image-2.6-sunburst", "medium"),
]

for model, quality in setups:
    times = []
    for _ in range(5):
        start = time.perf_counter()
        client.images.generate(
            model=model,
            prompt=prompt,
            size="1024x1024",
            quality=quality,
            extra_body={"complexity": "low"},  # skip extra planning for a simple scene
        )
        times.append(time.perf_counter() - start)
    # The median ignores one unusually slow or fast request
    print(model, quality, round(statistics.median(times), 1), "s")
Didukung oleh

Berikut hasil yang saya dapatkan:

Flare tidak pernah menyentuh di bawah enam detik versi OpenAI; median terbaik saya 6,9. Itu tidak sepenuhnya melanggar janji, karena “serendah” menggambarkan kasus terbaik, bukan yang tipikal. Putaran kedua juga membalik rendah dan sedang, dengan Flare pada kualitas sedang selesai lebih cepat daripada rendah. 

Pada ukuran ini, pengaturan kualitas nyaris tidak mengubah kecepatan Flare, dan noise jaringan lebih besar daripada perbedaannya.

Sunburst adalah yang lambat, dan itu konsisten di kedua kali: 14,5 dan 15,8 detik, sekitar dua kali lebih lama dari Flare.

Ingat pengaturan kompleksitas tadi? 

Ini mengontrol seberapa banyak model merencanakan sebelum merender, dan defaultnya tinggi. Angka enam detik dari OpenAI hampir pasti mengasumsikan disetel rendah, itulah mengapa saya mengujinya begitu. Biarkan tidak diatur, dan Anda membayar waktu perencanaan untuk foto mug yang tidak membutuhkannya.

Lebih cepat bukan berarti lebih murah. Gambar 1024x1024 berkualitas rendah menggunakan 823 token output di 2.6 versus 196 di 2.5. Harga per token tidak berubah, jadi pada $30 per 1M token output, itu kira-kira $0,025 per gambar, alih-alih $0,006. Kecil per gambar, tidak kecil jika 10.000 gambar.

Seberapa konsisten pengeditan gambar?

Menurut OpenAI, Images 2.6 mempertahankan lebih banyak bagian gambar tetap tidak berubah saat Anda mengedit satu bagian, terutama lintas beberapa putaran. Sunburst adalah model yang direkomendasikan untuk ini karena, pada kualitas sedang atau tinggi, ia menjaga detail lebih stabil dari satu edit ke edit berikutnya.

Berikut cakupan “konsisten” dalam praktik:

Untuk mengujinya, saya menghasilkan botol parfum dengan gpt-image-2.6-sunburst pada kualitas sedang, lalu hanya mengubah latar tiga kali: pantai, langit malam, dan rak dapur. 

Setiap edit dimulai dari hasil sebelumnya, bukan yang asli, sehingga perubahan apa pun akan menumpuk. Setiap prompt edit diakhiri dengan kalimat yang sama: “Biarkan botol, label, tutup, dan pencahayaan pada botol persis sama.”

Berikut gambar asli di samping edit ketiga:

Yang asli: botol hijau dengan tutup emas di atas meja marmer. Gambar oleh Penulis.

Setelah tiga putaran, botolnya hampir tak tersentuh. Labelnya masih bertuliskan “MOSS No. 3” dengan jenis huruf serif yang sama dan bingkai emas, dan tutup, bentuk kotak, bahkan pipa tipis di dalam kaca semuanya cocok dengan yang asli.

Yang berubah adalah segala sesuatu di sekitarnya:

• Latar terbawa: Saya meminta langit malam pada putaran 2 dan mendapatkan pantai dari putaran 1 pada malam hari, lengkap dengan pohon palem. Karena setiap edit dibangun dari gambar terakhir, Sunburst memperlakukan pantai sebagai sesuatu yang harus dipertahankan, dan hanya dapur pada putaran 3 yang akhirnya menghapusnya. Meja marmer juga bertahan di ketiga edit, yang tidak saya minta. Masuk akal; itu tempat botol berdiri.
• Pencahayaan tetap persis seperti yang saya minta, dan itu masalahnya: Sunburst menafsirkan prompt saya secara literal, jadi botolnya diterangi seperti siang cerah di bawah sinar bulan penuh, dengan bayangan keras yang sama di setiap adegan sehingga terlihat ditempel.

Namun, untuk foto produk, inilah konsistensi yang dicari orang. Hanya jangan minta mempertahankan pencahayaan ketika cahaya adegan seharusnya berubah.

Apakah visual profesional seperti poster jadi lebih baik?

Untuk pekerjaan tata letak seperti poster dan gambar produk, OpenAI menyarankan Flare, bukan Sunburst. Flare seharusnya menempatkan teks, gambar, dan spasi lebih terarah, sementara Sunburst ditujukan untuk detail halus dan konsistensi. 

Itu agak mengejutkan saya. Anda mungkin mengira model yang lebih cepat lebih ceroboh, jadi saya membandingkan keduanya pada sebuah poster.

Saya memberi kedua model prompt yang sama pada kualitas sedang dan ukuran potret 1024x1536: “Poster untuk pasar tani hari Sabtu. Judul: ‘Riverside Market’. Subjudul: ‘Setiap Sabtu, pukul 8 pagi sampai 1 siang’. Ilustrasi sayuran di bagian bawah, huruf sans-serif bersih.”

Lihat hasilnya di bawah: Flare di kiri, Sunburst di kanan:

Perbandingan poster Flare dan Sunburst. Gambar oleh Penulis.

Setiap kata keluar dengan benar pada keduanya, yang tidak saya harapkan dari keduanya. Mereka juga membaca “Riverside” secara literal dan melukis sungai dengan jembatan di belakang sayuran, meski saya tidak memintanya.

Perbedaannya ada pada seberapa banyak masing-masing menambahkan: 

• Flare menjaganya tetap sederhana dengan judul besar, subjudul dalam kapsul hijau, lalu sayuran. Anda bisa membacanya dari seberang jalan. 

Sunburst membangun seluruh adegan, dengan stan pasar, bunga matahari, pohon, dan pita kuning, dan terlihat lebih seperti ilustrasi yang sudah jadi.

Sunburst memakan waktu tiga kali lipat. Untuk poster, di mana orang harus membaca judul dan lanjut berjalan, saya akan memilih versi Flare.

Apa yang bisa Anda lakukan dengan pembuatan GIF animasi?

Images 2.6 mengubah prompt teks, foto yang diunggah, atau sketsa kasar menjadi GIF loop pendek. Di ChatGPT, Anda kemudian bisa mengubah kecepatan putar dan mengedit frame satu per satu tanpa meninggalkan percakapan. Sebelum rilis ini, ChatGPT tidak bisa membuat GIF dalam satu langkah.

Kegunaannya:

• Karakter animasi: Maskot atau coretan yang melambai, berkedip, atau melompat.
• GIF reaksi dan konten sosial: Loop pendek untuk posting dan balasan.
• Animasi produk: Foto produk statis menjadi loop yang menarik perhatian di feed.
• Storyboard: Menguji bagaimana karakter bergerak sebelum membayar produksi video. OpenAI menegaskan ini bukan generator video; GIF adalah beberapa frame yang berulang, bukan klip.

Anda juga tidak perlu desain final. Gambar karakter kasar, unggah, dan minta ia melambai. Saya akan menjelaskan alurnya di bagian berikut.

Apa lagi yang berubah?

Beberapa pembaruan kecil, terbagi antara API dan ChatGPT:

• Ekspor SVG (hanya API): Atur output_format: "svg" untuk mendapatkan file vektor bagi situs web, aplikasi, atau cetak.
• Parameter complexity (API): Seperti saya sebutkan pada uji kecepatan, parameternya menerima "low", "medium", atau "high". Gunakan rendah untuk edit sederhana seperti ganti latar, dan simpan tinggi untuk adegan padat dengan banyak batasan. Menaikkan kualitas tidak akan memperbaiki adegan padat; menaikkan kompleksitas mungkin akan.
• Gambar referensi tersimpan (ChatGPT): Unggah foto diri Anda, hewan peliharaan, atau maskot sekali, dan ChatGPT menyimpannya. Di percakapan berikutnya, cukup minta “kucing saya memakai baju luar angkasa” tanpa mengunggah lagi, dan kucing yang sama akan muncul setiap kali.

• Edit berpandu markup (ChatGPT dan API): Lingkari bagian yang ingin diubah dan katakan apa yang harus diubah, seperti melingkari vas dan menulis “buat biru.” ChatGPT sudah punya ini; Images 2.6 membawanya ke API.

Cara Membuat GIF dengan OpenAI Images 2.6

Untuk membuat GIF, mintalah di ChatGPT, atau panggil Images API dengan output_format: "gif". ChatGPT lebih cepat untuk kebutuhan sekali pakai, tetapi API memberi Anda kontrol atas jumlah frame dan waktu, yang cukup penting jika Anda membuat lebih dari segelintir GIF.

Cara membuat GIF di ChatGPT

Buka percakapan baru dan jelaskan GIF-nya: subjek, gerakan, dan bahwa itu harus loop. Ini yang saya minta: “Buat GIF robot oranye kecil melambai, lalu kembali ke posisi awal. Biarkan latar polos dan kamera tetap.”

ChatGPT dengan Images 2.6 membuat robot oranye. GIF oleh Penulis.

Anda juga bisa mulai dari sesuatu yang sudah Anda miliki. Unggah foto atau sketsa kasar, lalu katakan apa yang harus bergerak dan apa yang harus tetap diam.

Saya mencoba ini dengan gambar burung buatan anak-anak:

Gambar kasar seekor burung. Gambar oleh Penulis.

Prompt saya: “Ubah gambar buatan anak ini menjadi GIF loop. Pertahankan gaya gambar tangan. Buat burung melompat sekali dan mengepakkan sayapnya, lalu kembali ke posisi awal. Latar putih polos dan kamera tetap.”

GIF yang dibuat ChatGPT dari gambar kasar. GIF oleh Penulis.

ChatGPT mengembalikan loop 9 frame pada 180 ms per frame, sekitar 1,6 detik, dalam file 183KB. Ia mempertahankan gaya coretan, yang saya kira akan “dibenahi.” Burungnya membungkuk, melompat dengan kaki terlipat, dan mendarat.

Detail favorit saya justru yang tidak saya minta. Sayap satu garis tumbuh menjadi sayap sungguhan saat mengepak, lalu kembali melipat menjadi lengkung saat burung mendarat. ChatGPT bahkan menambahkan garis-garis gerak kecil, seperti yang dilakukan anak-anak.

Tiga frame terakhir hampir identik, sehingga burung berhenti sejenak sebelum lompatan berikutnya. Jeda itu menyamarkan titik loop dengan baik, meski jika diperhatikan, burung sedikit bergeser saat mengulang.

Setelah GIF siap, Anda bisa memperlambat, mempercepat, atau memperbaiki frame tunggal. Anda tidak perlu kontrol khusus untuk ini. Permintaan bahasa alami juga berfungsi, seperti “Buat transisi dari frame terakhir kembali ke frame pertama lebih mulus.”

Cara membuat GIF dengan OpenAI API

Kirim permintaan ke endpoint pembuatan gambar dengan output_format disetel ke "gif". Dua pengaturan khusus untuk GIF:

Dengan default tersebut, Anda mendapatkan 9 frame pada 200 ms masing-masing, jadi loop 1,8 detik.

Saya menjalankan kode di bawah ini di Google Colab dengan versi 3.46 paket openai, dan berfungsi apa adanya. API mencocokkan setiap pengaturan dengan tepat, hingga ukuran 512x512.

import base64

from openai import OpenAI

# Reads OPENAI_API_KEY from your environment
client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.6-flare",  # Flare: faster; switch to sunburst for detail
    prompt=(
        "A small orange robot waves, blinks, and returns to its starting pose. "
        "Plain white background, fixed camera, seamless loop."
    ),
    output_format="gif",
    frame_count=9,  # 9 frames x 200 ms = a 1.8-second loop
    frame_duration_ms=200,
    size="512x512",  # smaller frames keep the file size down
    quality="low",
    complexity="low",  # a simple motion doesn't need extra planning
)

# The GIF comes back as base64; decode it and save it to disk
gif_bytes = base64.b64decode(result.data[0].b64_json)
with open("robot.gif", "wb") as f:
    f.write(gif_bytes)
Didukung oleh

API image-2.6-flare menghasilkan robot oranye melambai dalam loop. GIF oleh Penulis.

Bandingkan dengan robot ChatGPT. Keduanya menampilkan robot oranye melambai, tetapi yang ini terlihat lebih kasar karena kode menetapkan quality="low" untuk menghemat waktu dan biaya. Permukaan terlihat tergores, bagian kecil seperti antena bergeser antar frame, dan di satu frame lambaian berubah menjadi jempol. Kualitas rendah cukup untuk GIF reaksi cepat di chat. Untuk apa pun yang memuat merek Anda, gunakan "medium" atau "high".

File berukuran 429KB, mendekati batas 500KB yang sering ditetapkan banyak situs web untuk GIF.

Sebelum Anda membangunnya lebih lanjut, ketahui dua batasan:

• Tidak ada streaming: Gambar parsial dan output_compression juga tidak berfungsi dengan output GIF.

• Anggaran piksel: Jumlah frame, ukuran frame, dan n semuanya harus muat dalam satu total. Jika permintaan gagal, kurangi salah satunya.

Bagaimana cara mendapatkan loop yang mulus?

Dalam prompt Anda, mintalah gerakan yang berakhir di tempat ia dimulai, dan sebutkan apa yang harus tetap diam. Jika frame terakhir tidak cocok dengan yang pertama, Anda akan melihat loncatan setiap kali GIF mulai ulang. Memperlambatnya dengan frame_duration_ms tidak akan menyembunyikan loncatan itu. Alih-alih, minta aksinya kembali ke posisi awal, seperti yang saya lakukan pada robot dan burung.

Dalam praktiknya:

• Pilih satu aksi kecil yang dapat dibalik, seperti melambai atau berkedip.
• Biarkan kamera, latar, dan skala tetap.
• Jauhkan teks dari frame.
• Tonton beberapa loop penuh, dan periksa frame tengah, bukan hanya pertama dan terakhir. Di sanalah robot API saya menyelipkan jempolnya.

Periksa ukuran file sebelum Anda menaruh GIF di situs web. Robot 512x512, 9 frame milik saya saja sudah 429KB, jadi 1024x1024 pada 16 frame tidak akan mendekati batas 500KB.

Penutup

Jika Anda membuat GIF untuk postingan sosial, maskot, atau storyboard, Images 2.6 adalah perubahan besar, karena Anda tidak lagi memerlukan alat terpisah untuk menganimasi gambar Anda.

Namun, jika GIF bukan kebutuhan Anda dan Anda mencari alat gambar statis, panduan kami tentang generator gambar AI gratis terbaik membandingkan beberapa opsi yang bagus. Untuk melihat bagaimana Google menangani masalah pengeditan yang sama, baca panduan Nano Banana 2 kami.