GPT Image 2.6 新能力

curl --request POST \
  --url https://api.apiyi.com/v1/images/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data @- <<EOF
{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A clean 2x2 technical infographic on a white background. Top-left: a red circle labeled 'A'. Top-right: a blue square labeled 'B'. Bottom-left: a green triangle labeled 'C'. Bottom-right: a yellow hexagon labeled 'D'. A black arrow connects A to B to C to D in that order. Exactly four labels, balanced grid, no other text."
}
EOF

{
  "created": 123,
  "background": "opaque",
  "data": [
    {
      "b64_json": "<string>",
      "generation_id": "<string>"
    }
  ],
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "usage": {
    "input_tokens": 59,
    "output_tokens": 555,
    "total_tokens": 614,
    "input_tokens_details": {
      "text_tokens": 59,
      "image_tokens": 0
    },
    "output_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 555
    }
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

POST

images

generations

curl --request POST \
  --url https://api.apiyi.com/v1/images/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data @- <<EOF
{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A clean 2x2 technical infographic on a white background. Top-left: a red circle labeled 'A'. Top-right: a blue square labeled 'B'. Bottom-left: a green triangle labeled 'C'. Bottom-right: a yellow hexagon labeled 'D'. A black arrow connects A to B to C to D in that order. Exactly four labels, balanced grid, no other text."
}
EOF

{
  "created": 123,
  "background": "opaque",
  "data": [
    {
      "b64_json": "<string>",
      "generation_id": "<string>"
    }
  ],
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "usage": {
    "input_tokens": 59,
    "output_tokens": 555,
    "total_tokens": 614,
    "input_tokens_details": {
      "text_tokens": 59,
      "image_tokens": 0
    },
    "output_tokens_details": {
      "text_tokens": 0,
      "image_tokens": 555
    }
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

右侧 Playground 提供 普通 PNG + complexity、SVG、2 帧 GIF 三组示例。请在 Authorization 中填入 Bearer sk-xxx，选择示例后修改提示词并发送。

返回的 data[0].b64_json 不含 data: 前缀，SVG 和 GIF 也都是 base64。浏览器 Playground 可能无法展示较长的 base64 响应；此时请求可能已经成功，请改用下方 Python 代码在本地解码保存。

模型选型

GPT Image 2.6 于 2026-11-04 发布，沿用 /v1/images/generations 和 /v1/images/edits，增加复杂度控制、SVG、GIF 与标记引导编辑。

模型	定位	适用场景
`gpt-image-2.6-flare`	快速迭代	草稿、批量出图、社交内容、需要快速比较多个提示词的场景
`gpt-image-2.6-sunburst`	精细视觉工作	复杂布局、精细文字、成品物料、需要精确编辑的场景

两款的 token 单价可在模型价格总表中查询。实际费用取决于尺寸、画质、输出格式和 token 用量；SVG 还会产生编写模型费用，不能按普通 PNG 的单张成本估算。

新能力一览

complexity 规划控制

控制模型渲染前的规划量，与 quality 画质设置相互独立。

SVG 矢量输出

返回可编辑的路径、形状和颜色，适合图标、插画和 UI 素材。

GIF 循环动画

一次请求生成完整 GIF，可控制帧数和每帧时长。

标记引导编辑

用透明标记图层圈出编辑区域，再通过 prompt 描述修改内容。

complexity：控制规划量

complexity 控制模型在渲染前投入多少规划。它适合密集文字、复杂布局、多个对象关系等任务；quality 则控制最终渲染画质，两者不要混用。

官方档位	建议用途
`low`	聚焦修改、简单构图、快速草稿
`medium`	常规布局与多个约束的均衡选择
`high`	密集文字、复杂布局、对象关系较多的场景；省略 `complexity` 时默认使用

complexity 不单独收费，但较高档位可能增加耗时，也可能引入不希望的改动。先用同一提示词比较结果，再决定生产档位，不要默认越高越好。

API易已通过原生透传支持该参数：low / medium / high 三档可正常透传（省略时按官方默认 high），无需额外字段或分组配置。

上游实测补充：还会返回哪些档位？

本次上游错误信息还列出 none、xhigh、max，这些值在当前链路可被接受。OpenAI 公开指南稳定承诺的是 low / medium / high，因此生产请求建议只使用官方三档，不把额外档位作为长期兼容保证。

SVG：生成可编辑矢量文件

设置 output_format: "svg"。当前上游还要求提供嵌套的 svg.model，用于指定编写矢量代码的文本模型：

{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A minimal flat vector icon of a rocket, exactly three solid colors, geometric editable shapes, no text, no raster texture, transparent background.",
  "output_format": "svg",
  "svg": {
    "model": "gpt-5.6-terra"
  },
  "quality": "low",
  "size": "1024x1024",
  "n": 1
}

红色尾翼、蓝色舷窗和白色机身的矢量火箭图标 — APIYI 透传链路生成的真实 SVG：由 path 和 circle 组成，可继续在矢量编辑器中修改

文本模型选择与计费

svg.model 由请求方指定，不是平台随机选择。可选范围取决于上游和当前分组，不代表所有 OpenAI 文本模型都自动支持；本页已实测 gpt-5.6-terra、gpt-6-luna 和 gpt-4.1-mini，其他模型需在实际分组中验证。编写模型按所选文本模型的输入、输出 token 单价计费：

编写模型费用 = svg_usage.input_tokens × 输入单价 + svg_usage.output_tokens × 输出单价。
SVG 总费用 = 参考图像费用 + 编写模型费用。图像模型先生成参考图，文本模型再编写 SVG。
成功响应会同时返回 usage 和 svg_usage：前者是参考图像用量，后者是编写模型用量，两部分都要计入成本。
svg_usage.reasoning_tokens 已包含在 svg_usage.output_tokens 中，不要重复相加。

2026-11-05 APIYI 透传链路实测，使用 gpt-image-2.6-sunburst 和 gpt-5.6-terra，返回了以下用量字段：

{
  "output_format": "svg",
  "usage": {
    "input_tokens": 100,
    "output_tokens": 824,
    "total_tokens": 924
  },
  "svg_usage": {
    "model": "gpt-5.6-terra",
    "input_tokens": 1572,
    "output_tokens": 850,
    "reasoning_tokens": 350,
    "total_tokens": 2422
  }
}

按模型总表当前列出的 gpt-5.6-terra 单价（输入每百万 tokens $2、输出每百万 tokens $12）估算，本次文本编写部分为 1572 ÷ 1000000 × 2 + 850 ÷ 1000000 × 12 = \$0.013344，参考图像费用另计。同一提示词下的三款编写模型实测对比如下，均返回无脚本、嵌入位图或外链的真实 SVG：

`svg.model`	结果	输入 / 输出 tokens	reasoning tokens	耗时	文本费用估算
`gpt-5.6-terra`	PASS	1,572 / 850	350	29.196s	$0.013344
`gpt-6-luna`	PASS	1,572 / 1,618	1,110	53.436s	$0.0009662
`gpt-4.1-mini`	PASS	2,005 / 513	0	23.777s	$0.0016228

三次请求的参考图像用量均为输入 100、输出 824、总计 924 tokens，参考图像费用另计。gpt-4.1-mini 的响应模型名回显为 gpt-4.1-mini-2025-04-14。价格可能调整，不同分组也可能有阶梯价格；实际以模型价格总表和账单为准。单张结果不用于画质排名。

使用限制

仅限 /v1/images/generations，n=1；编辑接口不支持 SVG 输出，也不能把 SVG 作为编辑输入位图。
不支持 streaming、partial images、output_compression 或 prompt_rewriter。
返回静态矢量 XML，不包含脚本、外部资源或嵌入位图。解码后保存为 .svg，不要按 PNG 渲染。

GIF：生成循环动画

设置 output_format: "gif"，并在提示词中描述主体、运动和循环方式。/v1/images/generations 和 /v1/images/edits 都支持 GIF；编辑时把参考图放进 images，第一张图会作为动画主体。下面的低成本示例预期得到 2 帧、每帧 100ms、总时长 0.2 秒：

{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "A minimal two-frame looping animation of a yellow circle moving slightly right and returning to its starting position on a plain white background, no text, seamless loop.",
  "output_format": "gif",
  "quality": "low",
  "size": "512x512",
  "frame_count": 2,
  "frame_duration_ms": 100,
  "n": 1
}

黄色圆形向右移动并回到起点的两帧循环动画 — APIYI 透传链路生成的真实 GIF：2 帧、0.2 秒，圆形位置发生变化

参数	官方范围与默认值	说明
`frame_count`	2–16，默认 9	超出范围时本链路不报错，会回退默认值（见下）；帧数越多，耗时和费用通常越高
`frame_duration_ms`	20–2000ms，默认 200ms，按 10ms 取整	总时长 = 帧数 × 每帧时长
`size`	`auto`，或宽高均为 16 的倍数的 `WIDTHxHEIGHT`	表示每一帧的尺寸，不是成片尺寸

尺寸边界：所有帧共享一张拼图

2.6 会先把每一帧画进同一张拼图（sprite sheet），再切成 GIF，所以限制落在拼图上，而不是单帧上：

约束	边界值
拼图单边	≤ 3840
拼图总像素	≤ 8,294,400（= 3840×2160），且 ≥ 约 655,360（589,824 被拒、665,856 通过）
拼图长短边比	≤ 3:1
帧尺寸	宽、高都是 16 的倍数

拼图布局是固定的：2–8 帧用 4×2，9 帧用 3×3，10–12 帧用 4×3，13–16 帧用 4×4。换算成方形单帧的上限：

帧数	布局	方形单帧上限	说明
2–8	4×2	960×960	受单边 3840 限制（4×960）
9	3×3	960×960	9×960² 正好用满预算
10–12	4×3	816×816	832² 即超出预算
13–16	4×4	720×720	16×720² 正好用满预算

常用结论：

512×512：2–16 帧全部可用，最稳的取值
768×768：最多 12 帧；16 帧时拼图 3072×3072 = 9,437,184，超出预算
960×960：最多 9 帧
1024×1024、2048×2048：任何帧数都不可用。1024² 在 2–8 帧下拼图宽 4096，超过单边 3840；2048² 仅 2 帧就需要 8192×4096
frame_count 传 1 或 17 不会返回 400：本链路会丢掉 frame_count 和 frame_duration_ms，回退默认 9 帧 / 1.8 秒。要确认实际帧数请用下面的 ffprobe
n > 1 时本链路按单张分别校验、不累加：实测 2 张 × 16 帧 × 512²（合计 8,388,608）仍然成功。官方指南写的是多张也要落在同一预算内，以实际返回为准
要更宽的画面换比例：9 帧、每帧 1280×720 时拼图正好是 3840×2160

超出边界时返回 400，param 为 size，常见两种报错：

GIF frames exceed the total request pixel budget. Reduce the frame size or frame_count.

No supported sheet fits 8 GIF frames at size '1024x1024'. Invalid size '4096x2048'. The longest edge must be less than or equal to 3840.

GIF 不支持 streaming、partial images、自定义 output_compression 或 prompt_rewriter。frame_count 和 frame_duration_ms 只用于 GIF，不要传给 PNG、JPEG、WebP 或 SVG。

用编辑接口做 GIF

/v1/images/edits 同样接受 output_format: "gif"，第一张输入图作为动画主体，其余字段与生成接口一致：

{
  "model": "gpt-image-2.6-sunburst",
  "images": [{ "image_url": "https://example.com/cat.png" }],
  "prompt": "让这只猫跳一小段舞，纯色背景，固定镜头，最后一个动作回到起始姿势",
  "output_format": "gif",
  "size": "512x512",
  "frame_count": 16,
  "frame_duration_ms": 100
}

拼图预算为 2026-11-09 在官转链路的实测口径：8,294,400 顶格通过，12 帧 832²（只超 12,288 像素）被拒。模型侧可能调整，以实际返回的 400 报错为准。

验证真实帧数

不要只看 HTTP 200 或响应中的 output_format。字段被路由丢弃时，仍可能返回默认 9 帧、1.8 秒的 GIF。可用 ffprobe 检查实际文件：

ffprobe -v error -select_streams v:0 -count_frames \
  -show_entries stream=codec_name,width,height,nb_read_frames,duration \
  -of json result.gif

本例应返回 nb_read_frames=2、duration=0.200000。

标记引导编辑

GPT Image 2.6 还支持通过 /v1/images/edits 的 markup 字段进行标记引导编辑：

第一张输入图保持为原图。
另做一张与原图同尺寸的透明 PNG，用圆圈、箭头或草图标出修改区域。
将该透明图层作为 markup 上传，并在 prompt 中说明修改内容和需要保留的细节。
markup 作用于第一张输入图，不能与 mask 或 prompt_rewriter 同时使用。

普通单图编辑、多图融合和 mask 用法见图片编辑 API。不同路由对 markup 的透传情况需单独验证，本页不将其作为已实测的在线演示。

客户端解码

三种输出都读取 data[0].b64_json，只是保存扩展名不同：

import base64
from pathlib import Path

payload = response.json()
fmt = payload["output_format"]
raw = base64.b64decode(payload["data"][0]["b64_json"])
Path(f"result.{fmt}").write_bytes(raw)

SVG 解码后是 UTF-8 XML；GIF 和 PNG/JPEG/WebP 解码后是二进制文件。生产代码还应检查 HTTP 状态、error 字段和实际文件签名，不要只根据扩展名判断成功。

路由兼容性与排障

2.6 新字段要求链路按原生 JSON 透传。不同上游路由的兼容进度可能不同，公开示例不代表每个分组都已具备相同行为。接入时请在实际使用的分组中验证。

现象	优先检查
已传 `svg.model`，仍返回 `SVG generation requires 'svg.model'`	嵌套 `svg` 对象是否被路由过滤或改写
请求 2 帧、100ms，实际却是 9 帧、1.8 秒	`frame_count` 和 `frame_duration_ms` 是否被丢弃并回退默认值
报 `GIF frames exceed the total request pixel budget`	`frame_count × 单帧像素 × n` 是否超过 8,294,400，或拼图单边是否超过 3840
complexity 非法字符串仍返回 200	不同上游的校验策略可能不同，不能仅凭这一点判定未透传；结合合法档位的耗时、结果和上游日志排查
Playground 显示 `unable to complete request`	先检查是否实际返回 200；长 base64 可能超出浏览器展示能力，改用本地代码解码
担心 SVG 账单偏高	同时核对 `usage` 与 `svg_usage`，不要只统计参考图像 tokens

产品基础

基础 API

图片 API（官转）

视频 API（官转）

多模态理解 API

文本生成

音频 API（官转）

检索与安全

模型选型

新能力一览

complexity 规划控制

SVG 矢量输出

GIF 循环动画

标记引导编辑

complexity：控制规划量

SVG：生成可编辑矢量文件

文本模型选择与计费

使用限制

GIF：生成循环动画

尺寸边界：所有帧共享一张拼图

用编辑接口做 GIF

验证真实帧数

标记引导编辑

客户端解码

路由兼容性与排障

相关文档

授权

请求体

响应

​模型选型

​新能力一览

complexity 规划控制

SVG 矢量输出

GIF 循环动画

标记引导编辑

​complexity：控制规划量

​SVG：生成可编辑矢量文件

​文本模型选择与计费

​使用限制

​GIF：生成循环动画

​尺寸边界：所有帧共享一张拼图

​用编辑接口做 GIF

​验证真实帧数

​标记引导编辑

​客户端解码

​路由兼容性与排障

​相关文档

授权

请求体

响应

模型选型

新能力一览

complexity：控制规划量

SVG：生成可编辑矢量文件

文本模型选择与计费

使用限制

GIF：生成循环动画

尺寸边界：所有帧共享一张拼图

用编辑接口做 GIF

验证真实帧数

标记引导编辑

客户端解码

路由兼容性与排障

相关文档