Orux AI / 模型观察
GPT Image 2.6 GIF 对比:Flare 与 Sunburst 怎么选?
用狐狸挥手和杯口蒸汽两个 Orux 真实案例,比较 Flare 与 Sunburst 的 GIF 规格和价格,附逐帧图及 Python 验收脚本。

文章目录
GPT Image 2.6 做 GIF,先试 Flare 还是 Sunburst?
欢迎页需要一眼看懂的动作,比如吉祥物挥手打招呼,可以先试 GPT Image 2.6 Flare。产品画面大体静止,只想让杯口蒸汽缓缓升起,可以先试 GPT Image 2.6 Sunburst。下面两段是 Orux 已有的公开案例,适合作为创作起点。两段用的是不同提示词,不能用来判断哪款模型处理同一任务更好。
Orux 两个模型页的 GIF 规格相同:768 × 512、3:2、高质量。选型先想观众应该看到什么。吉祥物缩小以后,手势还要清楚;商品画面里,点缀在动时,产品本身仍应保持稳定。两种都先审静态首帧,再审最后一帧接回开头的过渡。
Flare:欢迎卡缩小以后,挥手还看得清吗?
GPT Image 2.6 Flare 的现有案例要求橙色狐狸居中,背景为淡紫色,相机和阴影固定。动作依次为抬爪、挥两次、眨眼、放下爪子并回到起始姿势。输出是可直接播放的 GIF,逐帧画面已经在文件里,无需切分精灵图或猜测格子的顺序。


第一帧是坐姿,400 毫秒时爪子已抬起,800 毫秒时闭眼,1600 毫秒时爪子已放下。中间几帧还多出了紫色的动作线,让挥手更容易辨认。原要求没有背景特效,品牌设计师若希望插画足够干净,可以把这些线条列为需要复核的新增元素。
先把原动图按欢迎卡的实际大小播一遍:爪子会不会和脸混在一起?用户继续操作之前,能不能一眼看懂动作?再并排看首尾帧。狐狸回到了坐姿,比在爪子悬空时切回开头更适合做循环。帧图只能帮助定位差异,接缝是否可见还要看实际播放。
给新吉祥物写提示词时,描述一个动作,并注明哪些元素固定。比如,哪只爪子移动、最后停在哪里、可否加动作线。应用标题和继续按钮用页面自身的文字和控件,关掉动图后也能读、能点。吉祥物负责传达个性,欢迎页本身仍要讲清下一步。
Sunburst:只让点缀在动,商品画面稳不稳?
GPT Image 2.6 Sunburst 的现有案例要求固定构图,保留陶土色杯子、杯碟、勺子和咖啡豆,主要变化集中在蒸汽。杯子上方是预期的运动区域,下面的物体边缘则提供了对照。


逐帧能看到蒸汽卷曲、变淡,再聚拢。以这张帧图的尺寸观察,杯把、杯碟、勺子和咖啡豆的位置看起来稳定。这是对本文件的肉眼观察,不能证明蒸汽以外的像素完全一致。用于商品展示时,要按交付尺寸检查杯把轮廓和高光。这个案例是生成的概念图,没有输入真实商品作为参考,因此也不能用它证明模型能还原某一款实际在售的杯子。
写这类提示词时,先圈定唯一允许变化的区域,再逐一说明哪些物体、机位和曝光要保持。静态首帧也要能独立使用。例如,用于营销邮件时,在目标客户端里核对首帧,优惠文字留在邮件正文里。就算动图不播放,收件人也能看懂内容。如果动起来对传达信息帮助不大,直接用静态主图也可以。
Orux 规格与一轮试做的费用
OpenAI 的发布公告将 Flare 定位为快速迭代,将 Sunburst 定位为更注重细节的视觉制作。官方生图指南说明了 GIF、SVG 和 complexity 等官方 Image API 选项。Orux 这两个模型页可见的输出选项为 1K、2K、GIF,其中 GIF 对应 3:2、高质量。操作时按实际入口的表单选项来,不要把官方 API 的整套字段照搬到其他表单。
| Orux 规格 | Flare,每份输出 | Sunburst,每份输出 |
|---|---|---|
| 1K 静态图,3:2,低质量 | 4.984 Credits($0.02492) | 4.984 Credits($0.02492) |
| GIF,768 × 512,3:2,高质量 | 13.570 Credits($0.06785) | 13.762 Credits($0.06881) |
| 按上述规格各做一张静态图和一张 GIF | 18.554 Credits($0.09277) | 18.746 Credits($0.09373) |
左右滑动查看完整表格。
价格于 2026 年 11 月 6 日(新加坡时间)核对,按 1 Credit = $0.005 换算。最后一行是试做预算,并非套餐,也不保证 GIF 会继承静态图。静态概念图可以先让评审对构图达成一致,生成动图后还要再按约定的要求核对。OpenAI 官方价格使用自己的计量单位和规格,不能据此表推断同一次请求在哪边更便宜。要为多轮试做留预算,可参照每张可用图片的成本怎么算。
上线前,检查 GIF 文件里实际有什么
两个 Orux 案例都解码出 9 帧,画布 768 × 512,每帧延迟 200 毫秒,所以文件编码的单轮时长为 1800 毫秒。两者的循环字段都是 0,表示无限重复。狐狸文件为 963,124 字节,蒸汽文件为 1,235,296 字节。这些是对现有公开文件的测量,不能当成未来生成的典型体积或固定时长。编码时长也不等于特定浏览器里的实测播放时序。
把两个原始文件保存到本地,将以下代码保存为 audit_gif.py,装好 Python 和 Pillow 后运行 python audit_gif.py fox.gif steam.gif。脚本会输出画布尺寸、解码帧数、延迟总和、循环字段和字节数,不会调用模型。
from pathlib import Path
from sys import argv
from PIL import Image, ImageSequence
def inspect(path):
with Image.open(path) as im:
if im.format != 'GIF':
raise ValueError('Expected a GIF')
size = im.size
loop = im.info.get('loop')
delays = [f.info.get('duration', 0) for f in ImageSequence.Iterator(im)]
return size, delays, loop, Path(path).stat().st_size
for path in argv[1:]:
(w, h), delays, loop, size = inspect(path)
print(f'{Path(path).name}: {w}x{h}, {len(delays)} frames, '
f'{sum(delays)} ms, loop={loop}, {size} bytes')这一步能回答三个问题:它真的是多帧 GIF 吗?尺寸符合设计要求吗?单个动图是否超过当前投放位置的体积预算?假如动图上限为 1,000,000 字节,狐狸案例还有 36,876 字节余量,蒸汽案例则超出 235,296 字节。这里没计入海报和其他页面资源。如果一定要用蒸汽循环,导出更轻的版本后再审一次,压缩可能影响蒸汽的细微层次。
两条案例都可以从审核通过的一帧导出静态封面。原文件会无限重复,若装饰画面放在文字旁,可以先展示静态图,等读者点“播放预览”后再加载 GIF,同时允许切回静态图。若设计要求自动播放,要考虑减少动态效果的偏好,并在目标页面验证控制是否有效。W3C 关于暂停动态内容的说明解释了为什么与其他内容并排显示的循环动图,即使单轮很短,也可能需要停止方式。
FAQ
做吉祥物 GIF 应该选 Flare 还是 Sunburst?
动作辨识是首要目标时,可以先试 Flare。现有狐狸案例能看到抬爪、眨眼和回到坐姿。若对角色一致性有严格要求,应逐帧核对特征,并用同一份要求分别试两款模型后再决定。
Sunburst 这个案例是否每一帧都只有蒸汽在动?
蒸汽是最明显的运动。按帧图尺寸观察,杯子和周围物体看起来稳定,但不能由此认定其他区域像素完全相同。有商品参考图时,应在实际交付尺寸检查边缘、阴影和标签。
Orux 这两个模型可以选择正方形 GIF 吗?
目前这两个模型页的 GIF 预设显示为 768 × 512、3:2。以表单可见的尺寸和质量选项估价。如果投放位置需要方图,先规划裁切或新构图,并检查首帧和完整动作范围。
9 帧是不是表示 1.8 秒后就停止播放?
不会。两个文件都有 9 帧,每帧 200 毫秒,并且设置为无限循环。1.8 秒只是一轮的编码时长。如果页面需要结束动画,提供切回静态图的方式,或者导出有限循环版本并在实际投放环境验证。
用一个 API 调用这些模型
一个 OpenAI 兼容 API,覆盖对话、图像、视频与音频模型,按积分计费。
相关文章
浏览全部文章 →
GPT Image 2.5 API价格:Flare与Sunburst怎么选
GPT Image 2.5在Orux的1K、2K、4K单张费用分别为5.4、9、14.4 Credits。对照OpenAI计费方式,区分Flare与Sunburst的厂商定位和历史耗时,附Python请求、微缩书店真实案例、参考图限制,以及上线前检查文字和图片尺寸的方法,帮你制定预算并选择试用方向。

Qwen Image 3.0 API:价格、Pro区别与Python
Qwen Image 3.0在Orux AI每图6 Credits,Pro从10.42起。对照Alibaba新加坡公开价、参考图费用与本站规格,保留Python示例和真实剪纸海报的逐项提示拆解,说明何时选标准版、Pro或Wan2.7 Image,并列出文字校对、成品尺寸与交付检查。

GPT Image 2.5 Sunburst 提示词:微缩场景与比例控制
从真实书店插画里的书脊、书页与室内比例出发,为阅读活动配图建立更清楚的视觉指令。