OpenAI Images 2.6: teraz szybsze i z obsługą GIF-ów

Do zeszłego tygodnia, żeby wyciągnąć ruchomy obraz z ChatGPT, trzeba było poprosić o sprite sheet, pobrać go i samemu poskładać klatki w innym narzędziu. Robiłem to częściej, niż chciałbym przyznać. 

4 listopada OpenAI udostępniło Images 2.6 i teraz wpisujesz „zrób gif tańczącego kota” i dostajesz z powrotem zapętlony GIF.

GIF-y są na pierwszym planie, ale to nie wszystko. OpenAI twierdzi, że obrazy generują się teraz o 50% szybciej, edycje lepiej trzymają się postaci i produktów, a API dzieli się na dwa modele do różnych zadań. 

W tym artykule wyjaśnię, czym jest Images 2.6, co się zmieniło i jak zrobić GIF-a w ChatGPT oraz przez API. 

Co nowego w OpenAI Images 2.6?

OpenAI Images 2.6 to listopadowa (4 listopada 2026 r.) aktualizacja obrazu dla ChatGPT, Codex i API. Najważniejsze zmiany to:

• Animowane GIF-y: Zamień prompt, zdjęcie lub szkic w krótki zapętlony GIF, a potem zmień jego szybkość lub edytuj pojedyncze klatki.

• Szybsze generowanie: OpenAI twierdzi, że obrazy generują się o 50% szybciej niż w Images 2.5.

• Stabilniejsze edycje: Postaci, produkty i elementy marki mniej „dryfują” między rundami edycji.

• Dwa modele API: Użyj gpt-image-2.6-flare dla szybkości, a gpt-image-2.6-sunburst dla detali.

• Mniejsze dodatki: Eksport do SVG, edycje prowadzone adnotacjami w API, odwołania do zapisanych obrazów i parametr complexity.

Jest dostępne w każdym planie ChatGPT, także Free, choć tworzenie GIF-ów wdrażane jest stopniowo.

Czym jest OpenAI Images 2.6?

OpenAI Images 2.6 to wydanie dotyczące generowania i edycji obrazów, które OpenAI wypuściło 4 listopada 2026 r. Jest dostępne jako narzędzie obrazów w ChatGPT i Codex oraz jako dwa osobne modele w OpenAI API.

W ChatGPT nie możesz wybrać modelu ani przełączać się między Flare i Sunburst; po prostu wpisujesz prośbę, a narzędzie generuje GIF-a. W API możesz za to wybrać konkretny model po nazwie i samodzielnie kontrolować ustawienia, takie jak jakość i złożoność.

Oba modele API kosztują tyle samo za token, a stawki odpowiadają modelom Images 2.5. Więc wybór między Flare i Sunburst to szybkość kontra detal, nie cena. Koszt na obraz wciąż się różni, bo wyższa jakość zużywa więcej tokenów wyjściowych.

Załóżmy, że marka kawy chce krótki, zapętlony GIF swojego maskotka — rysunkowego kubka kawy — machającego na powitanie.

• W ChatGPT (marketera): wpisuje „Zrób zapętlony GIF naszego maskotka — kubka kawy — machającego na powitanie.” ChatGPT dobiera model i tworzy GIF-a. Jeśli jest za wolny, w czacie wpisuje „zrób go szybszym”. Nie zmienia żadnych ustawień i nie płaci nic ponad swój plan ChatGPT.

• Przez API (dewelopera): dodaje przycisk „Zrób GIF-a” w aplikacji marki, więc sam pisze kod. Wybiera gpt-image-2.6-flare jako szybszy model, ustawia output_format: "gif" i dobiera liczbę klatek oraz jakość. Każdy GIF jest rozliczany tokenowo, więc wyższa jakość kosztuje więcej na obraz.

Co nowego w OpenAI Images 2.6?

Images 2.6 dodaje animowane GIF-y, szybsze generowanie, stabilniejsze edycje wieloetapowe i lepsze układy do profesjonalnych grafik. 

Czy OpenAI Images 2.6 jest naprawdę szybsze?

OpenAI mówi, że Images 2.6 generuje obrazy o 50% szybciej niż Images 2.5, a gpt-image-2.6-flare potrafi zwrócić obraz niskiej jakości w zaledwie sześć sekund. To odważna teza, a ogłoszenie nie wyjaśnia, jak ją mierzono. Sprawdziłem więc sam.

Dałem Flare i Sunburst ten sam prompt: „Ceramiczny kubek kawy na drewnianym biurku, poranne światło, zdjęcie produktowe” w 1024x1024, ze złożonością na low. Flare uruchomiłem na low i medium, bo low stoi za sześcioma sekundami OpenAI, a Sunburst na medium. 

Każdą konfigurację puściłem pięć razy i wziąłem medianę, bo jeden wolny strzał może zafałszować średnią. Potem powtórzyłem cały test, bo sieć bywa kapryśna i nie chciałem, by jeden szczęśliwy (albo pechowy) dzień zdecydował o wyniku.

Jeśli chcesz porównać moje liczby ze swoimi, tu jest skrypt, który uruchomiłem w 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")
Obsługiwane przez

Oto, co uzyskałem:

Flare nigdy nie zeszedł poniżej sześciu sekund z OpenAI; moja najlepsza mediana to 6,9. To nie całkiem złamane obietnice, bo „w najlepszym razie” opisuje przypadek optymalny, nie typowy. W drugim przebiegu low i medium się odwróciły — Flare na medium skończył szybciej niż na low. 

Przy tym rozmiarze ustawienie jakości ledwo wpływa na szybkość Flare, a szum sieci jest większy niż różnica.

Sunburst jest wolniejszy i to się potwierdziło dwa razy: 14,5 i 15,8 sekundy — około dwa razy dłużej niż Flare.

Pamiętasz ustawienie complexity z wcześniej? 

Kontroluje, ile model planuje przed renderowaniem, a domyślnie jest high. Sześć sekund OpenAI prawie na pewno zakłada low, dlatego tak testowałem. Zostawione bez zmian — płacisz za czas planowania przy zdjęciu kubka, które go nie potrzebuje.

Szybciej nie znaczy taniej. Obraz 1024x1024 w niskiej jakości zużywa 823 tokeny wyjściowe w 2.6 wobec 196 w 2.5. Cena za token się nie zmieniła, więc przy $30 za 1M tokenów wyjściowych to około $0,025 za obraz zamiast $0,006. Mało na obraz, niemało przy 10 000 sztuk.

Na ile bardziej spójna jest edycja obrazów?

Według OpenAI, Images 2.6 utrzymuje więcej elementów obrazu bez zmian, gdy edytujesz jeden jego fragment — szczególnie przez kilka rund edycji. Sunburst to rekomendowany model, bo na medium lub high lepiej trzyma detale między edycjami.

Oto co „spójność” obejmuje w praktyce:

Żeby to przetestować, wygenerowałem flakon perfum w gpt-image-2.6-sunburst na medium, a potem trzy razy zmieniłem tylko tło: plaża, nocne niebo i kuchenna półka. 

Każda edycja startowała z poprzedniego wyniku, nie z oryginału, więc każdy dryf miał się kumulować. Każdy prompt kończył się tak samo: „Zachowaj dokładnie takie same: butelkę, etykietę, zakrętkę i oświetlenie na butelce.”

Oto oryginał obok trzeciej edycji:

Oryginał: zielona butelka ze złotą zakrętką na marmurowym blacie. Obraz autora.

Po trzech rundach butelka przeszła prawie nienaruszona. Etykieta wciąż mówi „MOSS No. 3” tym samym szeryfowym krojem i złotą ramką, a zakrętka, kwadratowy kształt, a nawet cienka rurka w środku szkła — wszystko zgadza się z oryginałem.

Zmieniło się za to wszystko wokół:

• Tło się przeniosło: w rundzie 2 poprosiłem o nocne niebo i dostałem plażę z rundy 1 nocą, z palmą w pakiecie. Ponieważ każda edycja buduje na poprzednim obrazie, Sunburst potraktował plażę jako element do zachowania, a dopiero kuchnia w rundzie 3 ją „wyczyściła”. Marmurowy blat też przetrwał wszystkie trzy edycje, choć o to nie prosiłem. Cóż, na nim stoi butelka.
• Oświetlenie zostało dokładnie takie, jak chciałem — i to był problem: Sunburst wziął prompt dosłownie, więc butelka jest oświetlona jak w słoneczne popołudnie pod pełnią księżyca, z tym samym ostrym cieniem w każdej scenie — wygląda jak wklejona.

Mimo to do zdjęć produktowych to właśnie ta spójność była potrzebna. Po prostu nie proś o zachowanie oświetlenia, gdy światło w scenie powinno się zmienić.

Czy profesjonalne grafiki, jak plakaty, są lepsze?

Do układów typu plakaty i obrazy produktowe OpenAI poleca Flare, nie Sunburst. Flare ma podobno rozkładać tekst, obrazy i odstępy bardziej świadomie, a Sunburst jest od drobnych detali i spójności. 

Trochę mnie to zdziwiło. Spodziewałbyś się, że szybszy model będzie bardziej niedokładny, więc sprawdziłem oba na plakacie.

Dałem obu modelom ten sam prompt na medium i pionowy rozmiar 1024x1536: „Plakat sobotniego targu rolniczego. Tytuł: ‘Riverside Market’. Podtytuł: ‘Każdą sobotę, 8:00–13:00’. Ilustrowane warzywa na dole, czysty bezszeryfowy krój.”

Poniżej wyniki: Flare po lewej, Sunburst po prawej:

Porównanie plakatów Flare i Sunburst. Obraz autora.

Każde słowo wyszło poprawnie w obu, czego nie spodziewałem się po żadnym. Oba też wzięły „Riverside” dosłownie i namalowały rzekę z mostem za warzywami, choć o to nie prosiłem.

Różnica tkwi w tym, ile każdy z nich dodaje: 

• Flare trzyma się prostoty: ogromny tytuł, podtytuł w zielonej pastylce, potem warzywa. Widać z drugiej strony ulicy. 

Sunburst zbudował całą scenę — stoiska, słoneczniki, drzewo i żółtą wstęgę — i wygląda to bardziej jak gotowa ilustracja.

Sunburst zajął trzy razy dłużej. Przy plakacie, gdzie ludzie muszą przeczytać tytuł i iść dalej, wybrałbym wersję Flare.

Co można zrobić z generowaniem animowanych GIF-ów?

Images 2.6 zamienia tekstowy prompt, przesłane zdjęcie lub szkic w krótki zapętlony GIF. W ChatGPT możesz potem zmienić prędkość odtwarzania i edytować pojedyncze klatki, bez wychodzenia z czatu. Przed tym wydaniem ChatGPT nie potrafił zrobić GIF-a w jednym kroku.

Do czego się nadaje:

• Animowane postaci: Maskotka lub bazgroł, który macha, mruga czy podskakuje.
• GIF-y reakcyjne i treści społecznościowe: Krótkie pętle do postów i odpowiedzi.
• Animacje produktów: Statyczne zdjęcie produktu zamienia się w pętlę, która zwraca uwagę w feedzie.
• Storyboardy: Testowanie ruchu postaci przed inwestycją w produkcję wideo. OpenAI jasno mówiło że to nie jest generator wideo; GIF to kilka klatek w pętli, nie klip.

Nie potrzebujesz też gotowego projektu. Narysuj zgrubnie postać, wgraj i poproś, by pomachała. Przejdę cały taki proces w następnej sekcji.

Co jeszcze się zmieniło?

Kilka mniejszych aktualizacji, podzielonych między API i ChatGPT:

• Eksport SVG (tylko API): Ustaw output_format: "svg", by dostać pliki wektorowe na strony, do aplikacji lub do druku.
• Parametr complexity (API): Jak wspomniałem przy teście szybkości, przyjmuje "low", "medium" lub "high". Używaj low do prostych edycji jak podmiany tła, a high zachowaj do zatłoczonych scen z wieloma ograniczeniami. Podniesienie quality nie naprawi zatłoczonej sceny; podniesienie complexity — może.
• Zapisane obrazy referencyjne (ChatGPT): Wgraj raz zdjęcie siebie, pupila lub maskotki, a ChatGPT je zapamięta. W późniejszym czacie poproś po prostu o „mojego kota w skafandrze kosmicznym” bez ponownego wgrywania — i ten sam kot pojawi się za każdym razem.

• Edycje prowadzone adnotacjami (ChatGPT i API): Zaznacz okręgiem element do zmiany i napisz, co zmienić — np. zakreśl wazon i dopisz „zrób go na niebiesko”. ChatGPT już to miało; Images 2.6 przynosi to do API.

Jak tworzyć GIF-y w OpenAI Images 2.6

Żeby zrobić GIF-a, poproś o niego w ChatGPT albo wywołaj Images API z output_format: "gif". ChatGPT jest szybsze do jednorazowych rzeczy, ale API daje kontrolę nad liczbą klatek i timingiem, co ma duże znaczenie, jeśli robisz więcej niż kilka GIF-ów.

Jak zrobić GIF-a w ChatGPT

Otwórz nowy czat i opisz GIF-a: temat, ruch i to, że ma się zapętlać. Oto o co poprosiłem: „Zrób GIF małego pomarańczowego robota, który macha, a potem wraca do pozycji wyjściowej. Tło zostaw gładkie, kamera nieruchoma.”

ChatGPT z Images 2.6 generuje pomarańczowego robota. GIF autora.

Możesz też zacząć od czegoś, co już masz. Wgraj zdjęcie lub zgrubny szkic, a potem powiedz, co ma się poruszać, a co pozostać nieruchome.

Spróbowałem tego z dziecięcym rysunkiem ptaka:

Zgrubny rysunek ptaka. Obraz autora.

Mój prompt: „Zamień ten dziecięcy rysunek w zapętlony GIF. Zachowaj odręczny styl. Niech ptak raz podskoczy i zamacha skrzydłem, a potem wróci do pozycji wyjściowej. Zostaw białe tło i nieruchomą kamerę.”

GIF stworzony przez ChatGPT ze szkicu. GIF autora.

ChatGPT zwrócił 9-klatkową pętlę przy 180 ms na klatkę, około 1,6 sekundy, w pliku 183 KB. Zachował „mazany” styl, którego się spodziewałem, że „naprawi”. Ptak przykuca, skacze z podkulonymi nogami i ląduje.

Mój ulubiony detal to coś, o co nie prosiłem. Skrzydło z jednej kreski rozkłada się w prawdziwe skrzydło na machnięcie, a potem składa z powrotem w łuk, gdy ptak ląduje. ChatGPT dodał nawet małe linie ruchu, jak dziecko.

Ostatnie trzy klatki są niemal identyczne, więc ptak robi pauzę przed kolejnym skokiem. Ta pauza dobrze maskuje punkt pętli, choć przy uważnym oglądaniu ptak lekko przeskakuje przy restarcie.

Gdy GIF jest gotowy, możesz go spowolnić, przyspieszyć lub poprawić pojedyncze klatki. Nie potrzebujesz do tego suwaków — wystarczą prośby w zwykłym języku, np. „Wygładź przejście z ostatniej klatki do pierwszej.”

Jak zrobić GIF-a przez OpenAI API

Wyślij żądanie do endpointu generowania obrazów z output_format ustawionym na "gif". Dwa ustawienia są specyficzne dla GIF-ów:

Przy domyślnych ustawieniach dostajesz 9 klatek po 200 ms, czyli pętlę 1,8 sekundy.

Kod poniżej uruchomiłem w Google Colab z wersją 3.46 pakietu openai i działał jak napisano. API dopasowało każde ustawienie dokładnie, łącznie z rozmiarem 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)
Obsługiwane przez

API image-2.6-flare generuje pomarańczowego robota machającego w pętli. GIF autora.

Porównaj z robotem z ChatGPT. Oba pokazują pomarańczowego robota machającego, ale ten wygląda bardziej surowo, bo kod ustawia quality="low", by oszczędzić czas i pieniądze. Powierzchnia wygląda na porysowaną, drobne elementy jak anteny przesuwają się między klatkami, a w jednej klatce machanie zmienia się w kciuk w górę. Niska jakość jest OK jako szybki GIF reakcyjny w czacie. Do czegokolwiek z twoją marką użyj "medium" lub "high".

Plik miał 429 KB — blisko limitu 500 KB, który wiele stron nakłada na GIF-y.

Zanim na tym zbudujesz, pamiętaj o dwóch ograniczeniach:

• Brak streamingu: Cząstkowe obrazy i output_compression też nie działają z wyjściem GIF.

• Budżet pikseli: Liczba klatek, rozmiar klatki i n muszą zmieścić się w jednym limicie łącznym. Jeśli żądanie się nie powiedzie, zmniejsz któryś z nich.

Jak uzyskać płynną pętlę?

W promcie poproś o ruch, który kończy się tam, gdzie się zaczął, i powiedz, co ma pozostać nieruchome. Jeśli ostatnia klatka nie pasuje do pierwszej, zobaczysz skok przy każdym starcie pętli. Spowolnienie przez frame_duration_ms tego nie ukryje. Zamiast tego poproś, by akcja wracała do pozycji wyjściowej — tak jak zrobiłem z robotem i ptakiem.

W praktyce:

• Wybierz jedną małą, odwracalną akcję, np. machnięcie lub mrugnięcie.
• Zachowaj stałą kamerę, tło i skalę.
• Zostaw tekst poza kadrem.
• Obejrzyj kilka pełnych pętli i sprawdź klatki środkowe, nie tylko pierwszą i ostatnią. To tam mój robot z API wcisnął kciuk w górę.

Sprawdź rozmiar pliku, zanim wrzucisz GIF-a na stronę. Mój robot 512x512, 9 klatek miał już 429 KB, więc 1024x1024 przy 16 klatkach nie zbliży się do limitu 500 KB.

Na koniec

Jeśli robisz GIF-y do sociali, maskotek czy storyboardów, Images 2.6 to duża zmiana — nie potrzebujesz już osobnego narzędzia do animowania obrazów.

Jeśli jednak GIF-y to nie twoja bajka i szukasz narzędzia do statycznych obrazów, nasz przewodnik po najlepszych darmowych generatorach obrazów AI porównuje dobre opcje. A żeby zobaczyć, jak Google podchodzi do tych samych problemów edycyjnych, przeczytaj nasz przewodnik po Nano Banana 2.