OpenAI Images 2.6: ora più veloce, con supporto per le GIF

Fino alla settimana scorsa, ottenere un’immagine in movimento da ChatGPT voleva dire chiedere uno sprite sheet, scaricarlo e unire i frame a mano con un altro strumento. L’ho fatto più spesso di quanto voglia ammettere. 

Il 4 novembre, OpenAI ha rilasciato Images 2.6 e ora ti basta scrivere "fai una gif di un gatto che balla" per ottenere una GIF in loop.

Le GIF sono la novità di punta, ma non l’unica. OpenAI afferma che le immagini ora si generano il 50% più velocemente, gli edit mantengono meglio personaggi e prodotti e l’API si divide in due modelli con compiti diversi. 

In questo articolo vedrai cos’è Images 2.6, cosa è cambiato e come creare una GIF sia in ChatGPT sia tramite API. 

Cosa c’è di nuovo in OpenAI Images 2.6?

OpenAI Images 2.6 è l’aggiornamento immagini del 4 novembre 2026 per ChatGPT, Codex e l’API. Le principali novità includono:

• GIF animate: Trasforma un prompt, una foto o uno schizzo in una breve GIF in loop, poi modifica la velocità o singoli frame.

• Generazione più veloce: OpenAI sostiene che le immagini si generano il 50% più velocemente rispetto a Images 2.5.

• Edit più stabili: Personaggi, prodotti e dettagli di brand “derivano” meno tra un giro di modifiche e l’altro.

• Due modelli API: Usa gpt-image-2.6-flare per la velocità e gpt-image-2.6-sunburst per il dettaglio.

• Piccole aggiunte: Esporta immagini in SVG, fai edit guidati dal markup nell’API, riferisci immagini salvate e usa il parametro complexity.

È disponibile in tutti i piani ChatGPT, incluso Free, anche se la creazione di GIF sta arrivando agli account gradualmente.

Che cos’è OpenAI Images 2.6?

OpenAI Images 2.6 è il rilascio per la generazione e l’editing di immagini pubblicato da OpenAI il 4 novembre 2026. È disponibile come strumento immagini dentro ChatGPT e Codex e come due modelli separati nell’OpenAI API.

In ChatGPT non puoi selezionare un modello a tua scelta né passare tra i suoi modelli, Flare e Sunburst; scrivi la richiesta e lui genera una GIF. Con l’API, invece, puoi scegliere tra due modelli per nome e controllare impostazioni come qualità e complessità.

Entrambi i modelli API costano uguale per token, e le tariffe corrispondono ai modelli di Images 2.5. Quindi la scelta tra Flare e Sunburst riguarda velocità vs dettaglio, non il prezzo. Il costo per immagine varia comunque perché impostazioni di qualità più alte usano più token di output.

Mettiamo che un brand di caffè voglia una breve GIF in loop della sua mascotte, una tazza di caffè cartoon, che saluta con la mano.

• In ChatGPT (una marketer): Scrive “Crea una GIF in loop della nostra mascotte a forma di tazza di caffè che saluta.” ChatGPT sceglie il modello e crea la GIF. Se è troppo lenta, scrive “rendila più veloce” in chat. Non tocca impostazioni e non paga nulla oltre al suo piano ChatGPT.

• Con l’API (uno sviluppatore): Sta aggiungendo un pulsante “Crea una GIF” all’app del brand, quindi scrive lui il codice. Seleziona gpt-image-2.6-flare perché è il modello più veloce, imposta output_format: "gif" e sceglie numero di frame e qualità. Ogni GIF è fatturata a token, quindi una qualità più alta costa di più per immagine.

Cosa c’è di nuovo in OpenAI Images 2.6?

Images 2.6 aggiunge GIF animate, generazione più veloce, edit multi-round più stabili e layout migliori per visual professionali. 

OpenAI Images 2.6 è davvero più veloce?

OpenAI dice che Images 2.6 genera immagini il 50% più velocemente di Images 2.5 e che gpt-image-2.6-flare può restituire un’immagine a bassa qualità in appena sei secondi. È un’affermazione audace e l’annuncio non spiega come sia stata misurata. Quindi l’ho testata io.

Ho dato a Flare e Sunburst lo stesso prompt, “Una tazza da caffè in ceramica su una scrivania di legno, luce del mattino, foto prodotto,” a 1024x1024 con complessità impostata su low. Flare ha girato sia a bassa sia a media qualità, dato che low è l’impostazione dietro il dato dei sei secondi di OpenAI, e Sunburst a media. 

Ogni configurazione ha girato cinque volte e ho tenuto la mediana, perché una risposta lenta può falsare la media. Poi ho ripetuto tutto, visto che la rete cambia da esecuzione a esecuzione e non volevo che un pomeriggio fortunato (o sfortunato) decidesse il risultato.

Se vuoi confrontare i miei numeri con i tuoi, ecco lo script che ho eseguito in 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")
Offerto da

Ecco che cosa ho ottenuto:

Flare non è mai andato sotto i sei secondi di OpenAI; la mia mediana migliore è stata 6,9. Non è proprio una promessa mancata, perché “fino a” descrive il caso migliore, non quello tipico. Nel secondo run si sono anche invertite low e medium, con Flare a media qualità più veloce che a bassa. 

A questa dimensione, l’impostazione di qualità cambia appena la velocità di Flare, e il rumore di rete conta più della differenza.

Sunburst è quello lento, e questo è rimasto vero in entrambi i giri: 14,5 e 15,8 secondi, circa il doppio di Flare.

Ricordi l’impostazione complexity di prima? 

Controlla quanto il modello pianifica prima del rendering e di default è su high. La cifra dei sei secondi di OpenAI quasi sicuramente presuppone low, motivo per cui l’ho testata così. Se la lasci vuota, paghi tempo di pianificazione per una foto di una tazza che non ne ha bisogno.

Più veloce non vuol dire più economico. Un’immagine 1024x1024 a bassa qualità usa 823 token di output in 2.6 contro 196 in 2.5. Il prezzo per token non è cambiato, quindi a $30 per 1M token di output, sono circa $0,025 per immagine invece di $0,006. Poco per singola immagine, non poco su 10.000.

Quanto è più coerente l’editing delle immagini?

Secondo OpenAI, Images 2.6 lascia invariata una porzione maggiore dell’immagine quando ne modifichi una parte, soprattutto su più turni di edit. Sunburst è il modello consigliato per questo perché, a qualità media o alta, mantiene i dettagli più stabili da un edit al successivo.

Ecco cosa copre “coerente” in pratica:

Per testarlo, ho generato un flacone di profumo con gpt-image-2.6-sunburst a qualità media, poi ho cambiato solo lo sfondo tre volte: una spiaggia, un cielo notturno e una mensola in cucina. 

Ogni edit è partito dal risultato precedente, non dall’originale, quindi ogni drift si sarebbe sommato. Ogni prompt di edit finiva allo stesso modo: “Mantieni identici la bottiglia, l’etichetta, il tappo e la luce sulla bottiglia.”

Ecco l’originale accanto al terzo edit:

L’originale: una bottiglia verde con tappo dorato su un piano in marmo. Immagine dell’autore.

Dopo tre giri, la bottiglia è passata quasi intatta. L’etichetta legge ancora “MOSS No. 3” con lo stesso serif e bordo dorato, e il tappo, la forma squadrata e perfino il tubicino sottile nel vetro coincidono con l’originale.

Quello che è cambiato è tutto intorno:

• Lo sfondo si è trascinato dietro: ho chiesto un cielo notturno al round 2 e ho ottenuto la spiaggia del round 1 di notte, palma inclusa. Dato che ogni edit si basa sull’ultima immagine, Sunburst ha trattato la spiaggia come qualcosa da mantenere, e solo la cucina al round 3 l’ha tolta. Il piano in marmo è sopravvissuto a tutti e tre gli edit, cosa che non avevo chiesto. Ci sta: è il supporto su cui poggia la bottiglia.
• L’illuminazione è rimasta esattamente come ho chiesto, ed è stato il problema: Sunburst ha preso il prompt alla lettera, quindi la bottiglia è illuminata come in un pomeriggio soleggiato sotto una luna piena, con la stessa ombra netta in ogni scena, così sembra incollata.

Detto ciò, per i product shot, questa è la coerenza che le persone chiedono. Basta non dirgli di mantenere la luce quando la luce della scena dovrebbe cambiare.

I visual professionali come i poster sono migliori?

Per lavori di impaginazione come poster e immagini prodotto, OpenAI propone Flare, non Sunburst. Flare dovrebbe posizionare testo, immagini e spaziatura in modo più deliberato, mentre Sunburst punta a fine dettaglio e coerenza. 

Mi ha sorpreso un po’. Ti aspetteresti che il modello più veloce sia quello più grossolano, quindi li ho messi entrambi alla prova su un poster.

Ho dato a entrambi lo stesso prompt a qualità media e formato verticale 1024x1536: “Un poster per un farmers market del sabato. Titolo: ‘Riverside Market’. Sottotitolo: ‘Ogni sabato, dalle 8 alle 13’. Verdure illustrate in basso, font sans-serif pulito.”

Vedi i risultati qui sotto: Flare a sinistra, Sunburst a destra:

Confronto poster Flare e Sunburst. Immagine dell’autore.

Ogni parola è uscita correttamente su entrambi, cosa che non mi aspettavo da nessuno dei due. Hanno anche letto “Riverside” alla lettera e dipinto un fiume con un ponte dietro le verdure, anche se non l’ho chiesto.

La differenza sta in quanto ciascuno aggiunge: 

• Flare l’ha tenuto semplice con un titolo enorme, il sottotitolo in una pill verde, poi le verdure. Lo leggeresti dall’altra parte della strada. 

Sunburst ha costruito un’intera scena, con banchi del mercato, girasoli, un albero e un nastro giallo, e sembra più un’illustrazione finita.

Sunburst ci ha messo tre volte tanto. Per un poster, dove la gente deve leggere il titolo e andare, sceglierei la versione di Flare.

Cosa puoi fare con la generazione di GIF animate?

Images 2.6 trasforma un prompt testuale, una foto caricata o uno schizzo grezzo in una breve GIF in loop. In ChatGPT puoi poi cambiare la velocità di riproduzione e modificare i singoli frame senza uscire dalla chat. Prima di questo rilascio, ChatGPT non poteva creare una GIF in un solo passaggio.

A cosa serve bene:

• Personaggi animati: Una mascotte o uno scarabocchio che saluta, ammicca o salta.
• Reaction GIF e contenuti social: Brevi loop per post e reply.
• Animazioni di prodotto: Uno scatto statico diventa un loop che cattura l’attenzione nel feed.
• Storyboard: Testare come si muove un personaggio prima di pagare per la produzione video. OpenAI è stata chiara che questo non è un generatore di video; una GIF sono pochi frame in ripetizione, non una clip.

Non serve un design rifinito. Disegna un personaggio grezzo, caricalo e chiedi che saluti. Ti mostro tutto il flusso nella prossima sezione.

Cos’altro è cambiato?

Alcuni aggiornamenti minori, divisi tra API e ChatGPT:

• Esportazione SVG (solo API): Imposta output_format: "svg" per ottenere file vettoriali per siti, app o stampa.
• Il parametro complexity (API): Come ho detto nel test di velocità, accetta "low", "medium" o "high". Usa low per edit semplici come cambiare lo sfondo e riserva high per scene affollate con molti vincoli. Alzare la qualità non risolve una scena affollata; alzare la complessità potrebbe.
• Immagini di riferimento salvate (ChatGPT): Carica una volta una tua foto, del tuo pet o di una mascotte, e ChatGPT la conserva. In una chat successiva, chiedi semplicemente “il mio gatto in una tuta spaziale” senza ricaricare la foto, e comparirà sempre lo stesso gatto.

• Edit guidati dal markup (ChatGPT e API): Cerchia la parte da cambiare e scrivi cosa cambiare, per esempio cerchia un vaso e scrivi “rendilo blu”. ChatGPT lo aveva già; Images 2.6 lo porta nell’API.

Come creare GIF con OpenAI Images 2.6

Per creare una GIF, chiedila in ChatGPT oppure chiama l’Images API con output_format: "gif". ChatGPT è più rapido per una singola volta, ma l’API ti dà controllo su numero di frame e timing, cosa importante se ne produci più di qualche GIF.

Come fare una GIF in ChatGPT

Apri una nuova chat e descrivi la GIF: il soggetto, il movimento e che debba essere in loop. Ecco cosa ho chiesto: “Crea una GIF di un piccolo robot arancione che saluta, poi ritorna alla posa iniziale. Mantieni lo sfondo neutro e la camera fissa.”

ChatGPT con Images 2.6 genera un robot arancione. GIF dell’autore.

Puoi anche partire da qualcosa che hai già. Carica una foto o uno schizzo grezzo, poi indica cosa deve muoversi e cosa deve restare fisso.

L’ho provato con il disegno di un bambino di un uccellino:

Un disegno grezzo di un uccellino. Immagine dell’autore.

Il mio prompt: “Trasforma questo disegno di un bambino in una GIF in loop. Mantieni lo stile disegnato a mano. Fai fare all’uccellino un saltello e una battuta d’ala, poi torna alla posa iniziale. Mantieni lo sfondo bianco e la camera fissa.”

La GIF che ChatGPT ha creato da un disegno grezzo. GIF dell’autore.

ChatGPT ha restituito un loop di 9 frame a 180 ms per frame, circa 1,6 secondi, in un file da 183 KB. Ha mantenuto lo stile “scarabocchiato”, che in parte mi aspettavo cercasse di “sistemare”. L’uccellino si abbassa, salta con le zampe raccolte e atterra.

Il dettaglio che preferisco è uno che non ho chiesto. L’ala tracciata con una linea diventa un’ala vera durante la battuta, poi si ripiega in una curva quando l’uccellino atterra. ChatGPT ha persino aggiunto piccole linee di movimento, proprio come farebbe un bambino.

Gli ultimi tre frame sono quasi identici, quindi l’uccellino fa una pausa prima del salto successivo. Quella pausa nasconde bene il punto di loop, anche se, guardando bene, l’uccellino si sposta leggermente quando ricomincia.

Quando la GIF è pronta, puoi rallentarla, accelerarla o sistemare singoli frame. Non servono nemmeno i controlli: bastano richieste in linguaggio naturale, tipo “Rendi più fluido il passaggio dall’ultimo frame al primo.”

Come fare una GIF con l’OpenAI API

Invia una richiesta all’endpoint di generazione immagini con output_format impostato su "gif". Due impostazioni sono specifiche per le GIF:

Con i default ottieni 9 frame da 200 ms ciascuno, quindi un loop di 1,8 secondi.

Ho eseguito il codice sotto in Google Colab con la versione 3.46 del pacchetto openai e ha funzionato così com’è. L’API ha rispettato esattamente ogni impostazione, fino alla dimensione 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)
Offerto da

L’API image-2.6-flare genera un robot arancione che saluta in loop. GIF dell’autore.

Confrontalo con il robot di ChatGPT. Entrambi mostrano un robot arancione che saluta, ma questo è più grezzo perché il codice imposta quality="low" per risparmiare tempo e denaro. La superficie sembra graffiata, piccole parti come le antenne si spostano tra i frame e in un frame il saluto diventa un pollice in su. La bassa qualità va bene per una reaction GIF al volo in chat. Per qualsiasi cosa con il tuo brand sopra, usa "medium" o "high".

Il file è venuto a 429 KB, vicino al limite di 500 KB che molti siti impongono alle GIF.

Prima di costruirci sopra, considera due limiti:

• Niente streaming: Immagini parziali e output_compression non funzionano nemmeno con l’output GIF.

• Un budget di pixel: Numero di frame, dimensione dei frame e n devono rientrare in un totale. Se una richiesta fallisce, riduci uno di questi.

Come ottenere un loop fluido?

Nel prompt, chiedi un movimento che finisca dove è iniziato e specifica cosa deve restare fermo. Se l’ultimo frame non coincide con il primo, vedrai uno scatto ogni volta che la GIF ricomincia. Rallentarla con frame_duration_ms non nasconderà quello scatto. Invece, chiedi che l’azione torni alla posa iniziale, come ho fatto con il robot e l’uccellino.

In pratica:

• Scegli un’azione piccola e reversibile, come un saluto o un ammiccamento.
• Mantieni camera, sfondo e scala fissi.
• Tieni il testo fuori dall’inquadratura.
• Guarda diversi loop completi e controlla i frame centrali, non solo primo e ultimo. È lì che il mio robot via API ha infilato il pollice in su.

Controlla la dimensione del file prima di mettere una GIF su un sito. Il mio robot 512x512, 9 frame era già a 429 KB, quindi 1024x1024 a 16 frame non starà vicino al limite di 500 KB.

Considerazioni finali

Se crei GIF per post social, mascotte o storyboard, Images 2.6 è un grande cambiamento, perché non ti serve più uno strumento separato per animare le immagini.

Se invece le GIF non fanno per te e cerchi uno strumento per immagini statiche, la nostra guida ai migliori generatori di immagini AI gratuiti confronta alcune buone opzioni. Per vedere come Google affronta gli stessi problemi di editing, leggi la nostra guida a Nano Banana 2.