GPT-Image-2.6 的 GIF 不走视频模型：画一张六格图，切出来

一句话总结：OpenAI 的 GPT-Image-2.6 全量上线，出图时间缩短一半、最快 6 秒。它的 GIF 功能不是生成视频，而是先画一张 3×2 的六帧序列图，再切片合成——绕开了视频模型的帧间一致性和延迟问题。同一版本还把 API 拆成 Flare 和 Sunburst 两个型号，新增 complexity 参数把「场景复杂度」和「画质」分开控制。

前阵子想让 AI 做个动图，试过两条路。

一条是文生视频，生成五秒，等了两分钟，出来一看，人物的手在前三帧是五根指头，后两帧变成六根。

另一条是自己画四张图，用 PIL 合成 GIF。四张图风格对不上，颜色一个比一个偏。

两条路都不好用。然后看到 OpenAI 这个做法，我愣了一下——它没走这两条路里的任何一条。

一、GPT-Image-2.6 改了什么：6 秒、两个型号、一个参数

先把这次更新的东西列清楚。

两个型号的分工：

• Flare：主打速度和排版
• Sunburst：主打多轮修改的一致性

这个拆分挺有意思。以前一个模型要同时满足「快」和「改十轮不跑偏」，两个目标互相拉扯。拆成两个之后，各管一头。

complexity 这个参数更值得说，下面单独讲。

二、GIF 不生成视频，它画了一张序列图

这是这次更新里最巧的一处。

它的做法是：先生成一张 3×2 的六格图，每格是一帧，然后按顺序切成六张，拼成 GIF。

图 1：一次生成保证风格统一，切片只是搬运像素

为什么这么绕？因为它绕开了视频模型的两个硬伤。

硬伤一，帧间一致性。 视频模型是逐帧（或逐段）生成的，每一帧都有自己的采样噪声。要让六帧里的人物长得一样、背景不漂移，得额外做约束。而画一张图里的六个格子，它们天生在同一张画布上，共享同一套风格和光照。

硬伤二，延迟。 视频模型生成五秒要一两分钟。图片模型生成一张六格图，六秒。差一个数量级。

用一句话概括这个设计的本质：它把「时间」压缩进了「空间」。

动画本来就是时间轴上的一系列帧，它把这个轴折叠到画布的第二个维度上——横向三格、纵向两格，一次画完，再展开回时间轴。

这个思路不新（雪碧图、精灵图就是这么来的），但用在生成式模型上，是个聪明的迁移。

同类思路在视频生成那边也出现过：Pika 把采样从 50 步压到 6 步是砍掉「不必要的计算」，这里是砍掉「不必要的生成次数」。两者都在回答同一个问题：为了让结果能用，最少需要算多少。

三、为什么用序列图切 GIF，而不是生成视频

再往深想一层，这个方案还有两个隐含的好处。

好处一：可以重画单帧。 如果第六帧不满意，理论上可以只重绘那一格，其他五帧不动。视频模型做不到这一点——你改一帧，整段都要重生成。

好处二：算力花在「画」上，不花在「算运动」上。 视频模型要学物理、学运动轨迹、学遮挡关系。六格图不需要，它只要每一格都画得像，读者自己会脑补中间的运动。

代价也很明显：帧数固定，运动不连贯。

六个格子就是六帧。想要更长的动画，要么画更多格子（4×3、5×4），要么循环播放。而且帧与帧之间的过渡是「跳」的，不是「滑」的——适合做表情包、加载动画、简单的循环效果，不适合做流畅的动作。

这就是它的定位：不是视频的替代品，是「轻动图」的新做法。

四、complexity 和 quality 解耦是什么意思

这个参数我觉得是这次更新里对开发者最实用的。

以前控制出图质量，只有一个旋钮：quality。调高，画质好，但慢、贵。调低，快、便宜，但糊。

问题是「画质」和「场景复杂度」是两件事：

• 一个简单的图标，需要高锐度、高精度，但场景本身不复杂
• 一个复杂的街景，需要很多元素、正确的空间关系，但每个元素不需要极致清晰

GPT-Image-2.6 把这两件事拆开了：quality 管画质，complexity 管「场景规划的算力」。

这个拆法的意义是省钱。 画一个图标，你可以 quality 拉满、complexity 拉低——它不需要花算力去规划一个复杂场景。反过来画街景，complexity 拉高、quality 中等，因为元素多比像素锐更重要。

这类「把单一旋钮拆成两个」的设计，在别的地方也见过。量化档位那篇算过类似的账：Q4 和 Q8 的差别不只是「好和不好」，是「哪个维度上更好」。

五、SVG 和局部重绘：把输出格式也管了

两个附带的能力，但对企业用户可能比 GIF 更重要。

原生 SVG 导出。 生成的图直接是矢量，可以无损放大、可以改颜色、可以进设计工具二次编辑。这对做 logo、图标、UI 元素的人来说是刚需——位图放大就糊，矢量不会。

圈选局部重绘开放给 API。 以前这个功能只在界面里能用，现在可以调接口。意味着可以写脚本批量处理：把一批图里的某个元素统一换掉，或者把水印区域重绘。

这两件事合起来看，OpenAI 在把「图片生成」往「设计工具」的方向推。 一次性的图谁都能生成，能进工作流的图才有黏性。

六、常见问题

六格 GIF 最多几秒？

取决于播放速度。六帧按每秒 6 帧播是一秒，按每秒 2 帧播是三秒。但帧数不变，所以「时长」是靠放慢速度换来的，会显得卡。官方没给推荐的帧率。

能生成更长的 GIF 吗？

按这个机制，要更长就得多画格子。3×3 是九帧，4×4 是十六帧。但格子越多，每格分到的分辨率越低，单帧质量会下降。

Flare 和 Sunburst 该选哪个？

一次成型、要快要排版的选 Flare；要反复改、要求十轮之后还一致的选 Sunburst。这是官方定位，我没实测。

complexity 具体怎么影响结果？

官方说它控制「场景规划的算力」，也就是模型在动笔前花多少力气想构图。调低会更凭直觉画，调高会先规划再画。具体差多少，得实测。

这些能力在国内能用吗？

API 层面要看账号权限和网络。国内厂商也在做类似功能，但「六格切 GIF」这个具体做法我没见到对标的。

七、结语

这个更新里，我认为最值得学的不是任何一项能力，是那个「把时间折叠进空间」的思路。

遇到「需要序列、但逐帧生成代价高」的问题时，先问一句：能不能一次画完，再切开？

这个问法能省掉很多东西——不用做帧间约束、不用等长时间生成、不用为了一帧重跑整段。

代价是灵活性。但这个代价，对「轻动图」这个场景来说，付得起。

参考资料

• 腾讯研究院 AI 速递 20261106 - 本文功能细节与六格切 GIF 机制的主要来源
• AI科技日报 2026 年 11 月 6 日 - Flare/Sunburst 型号划分与 complexity 参数的补充说明
• OpenAI Images API 文档 - 参数定义与调用方式的官方参考