GPT-Image-2 生图/编辑

OpenAI 旗舰图像生成模型 gpt-image-2，原生 2K/4K 任意分辨率，参考图自动高保真，同档降价 20-30%，支持文生图、参考图编辑、多图融合、mask 局部重绘。

图片 API 全部为同步调用：没有异步任务 ID，客户端断开连接结果即丢失、但请求仍会计费。请为本模型设置足够大的 timeout，详见 图片 API 调用须知与最佳实践。

​

概述

gpt-image-2 是 OpenAI 最新旗舰图像生成模型，是 gpt-image-1.5 的升级版。核心升级：任意合法分辨率（含 2K / 3840×2160 4K）、参考图自动高保真、同档降价 20-30%。API易 网关完整兼容 OpenAI Images API，OpenAI 官方 SDK 把 base_url 指过来即可零代码改动直连。

🎨 核心亮点：原生支持任意合法分辨率（最大 3840×2160 4K）+ 参考图编辑自动启用 high-fidelity + 同尺寸同画质成本较 1.5 降低 20-30% + 中文提示词原生支持。适合需要精确控制 size / quality、要求与 OpenAI 官方一致、要 4K 出图的生产场景。

文生图 API

/v1/images/generations，输入文本提示词生成图片，支持 size / quality / output_format。

图片编辑 API

/v1/images/edits，multipart 上传参考图（最多 16 张）+ 编辑/融合指令，支持 mask 局部重绘。

​

为什么选 API易 的 GPT-image-2 官转？

对标 OpenAI 官方通道，针对企业生产场景在 稳定性、成本、接入体验 三方面做了深度优化：

官方通道 · 与官方一致

严格走 OpenAI 官方转发链路，请求和响应 100% 与 OpenAI 官方一致——字段、错误码、模型行为完全相同，质量无损、无偷跑风险。

不限并发 · 企业可放量

不受 OpenAI 官方 Tier 等级 对 RPM / TPM 的硬限，企业量级请求可线性放大，批量生图与高峰场景更从容。

同价 + 充值最低 85 折

默认单价与 OpenAI 官方一致，叠加 充值加赠活动 最低可享 85 折，长期使用成本显著下降。

全球零门槛接入

无需海外服务器或代理，国内机房、家宽网络、海外节点均可直连 api.apiyi.com，延迟稳定、免去出海改造。

模型生态齐全

官逆 gpt-image-2-all（$0.03/张统一价）可无缝切换，另有性价比标杆 Nano Banana Pro / 2，按场景自由组合。

专业服务 · 企业陪跑

团队深耕图像生成场景，具备丰富的选型、调优与集成经验，可为企业客户提供从 PoC 到生产上线的完整技术支持。

​

核心特性

任意分辨率（含 4K）

支持任意合法尺寸输出，预设涵盖 1K / 2K / 3840×2160 4K，自定义尺寸只需满足边长 16 倍数、比例 ≤ 3:1 等基本约束。

参考图自动高保真

编辑场景下自动启用 high-fidelity，参考图细节、人物身份、文字内容保留度大幅提升。无需也不能再传 input_fidelity。

同档降价 20-30%

1024×1024 高画质从 1.5 时代的 $0.25 级别降到 $0.211/张，2K/4K 按 token 实计但同样下行，长期使用成本明显降低。

中文 + 文字渲染

中文提示词原生支持，招牌、海报、UI 截图等场景的中英文文字渲染稳定，high 档位下精细文字几乎不糊。

多图融合（最多 16 张）

image[] 数组最多接受 16 张参考图，prompt 中可用「图1/图2/图3」明确指代。

mask 局部重绘

支持上传带 alpha 通道的 mask 图，透明区域为重绘区，不透明区域保留原图。

多种输出格式

支持 png（默认）/ jpeg / webp，jpeg/webp 可设 output_compression 控制体积。

OpenAI SDK 直连

把 base_url 指向 https://api.apiyi.com/v1 即可用 OpenAI 官方 SDK 直接调用，零代码改动迁移。

​

模型定价

API易 gpt-image-2（Default 分组）单价与 OpenAI 官网完全一致，折扣体现在充值活动上——充值 100 美金即送 10%，最多可送 20%，📖 了解充值活动。

​

按 token 计费单价（与官网一致）

按 token 计费，一次请求 = 文本输入 + 图片输入 + 图片输出三段 token 之和：

计费项	单价（每 1M tokens）	说明
文本输入（Text Input）	$5.00	prompt 文字部分
图片输入（Image Input）	$8.00	编辑/融合场景的参考图，按 Vision 规则换算 token
图片输出（Image Output）	$30.00	成本大头，由 size × quality 决定 token 量
缓存输入（Cached Input）	文本 $1.25 / 图片 $2.00	已配置，但高并发下命中率有限，详见 FAQ

图片输入为什么更贵？ 图片输入单价 $8.00 / 1M tokens，是文本输入 $5.00 / 1M tokens 的 1.6 倍（官方定价如此）。这也是为什么带参考图的编辑 / 多图融合请求，输入成本会明显高于纯文生图——参考图本身按 Vision 规则换算成大量 image token，且每个 token 的单价还比文本 token 高六成。

​

每张成本速查（官方按量定价表）

1K 预设尺寸下，每张输出图的典型成本：

画质	1024×1024	1024×1536	1536×1024
Low	$0.006	$0.005	$0.005
Medium	$0.053	$0.041	$0.041
High	$0.211	$0.165	$0.165

计费说明：

• 单价与 OpenAI 官网一致，叠加 充值加赠（充 $100 送 10%，最高 20%）后实际成本低于官方直连
• 2K / 4K 无固定每张价，按输入 + 输出 token 实计
• 编辑场景因强制高保真，输入 token 明显高于纯文生图
• 流式出图（stream: true + partial_images: N）每张 partial 额外消耗 100 个输出 image token
• 对比 gpt-image-1.5，同档同尺寸 gpt-image-2 成本低约 20-30%

​

多图输入的价格影响（2026-07 实测）

客户常问：「参考图是每张定量收费，还是图片越大消耗越多？」答案是两者都影响，且张数严格线性累加。gpt-image-2 对输入图固定高保真处理（input_fidelity 不可调，传了直接 400），每张参考图按尺寸/宽高比换算成 image token。以下为控制变量实测（编辑接口，2026-07-15）：

参考图输入	image_tokens	输入费用（$8/M）
1 张 512×512	1024	≈$0.0082
1 张 1024×1024	1024	≈$0.0082
1 张 2048×2048	1521	≈$0.0122
1 张 4096×4096	1521	≈$0.0122
1 张 1024×1536（竖版）	1536	≈$0.0123
4 张 1024×1024	4096（= 4 × 1024）	≈$0.0328

三个规律：

1. 张数严格线性：N 张参考图 ≈ N × 单张 token。16 张 1024² 参考图 ≈ 16384 tokens ≈ $0.13——已与一张 high 输出（$0.211）同量级，多图融合时不可忽略。
2. 尺寸有下限也有封顶：小于等于 1024² 的方图统一按 1024 tokens 计（把图缩到 512 不省钱）；2048² 与 4096² 同为 1521 tokens（超大图先缩放再换算，封顶）。单张参考图的 token 大致在 800-1600 区间浮动（含宽高比影响）。
3. token 由像素尺寸决定，与文件体积无关：把图压到 1.5MB 是为了上传稳定和速度，不会减少 image token；反过来，费用也不会因为你传了 50MB 的原图而爆炸（有封顶）。

成本视角的直觉：low 输出（196 tokens ≈ $0.006）时，1 张参考图的输入费（≈$0.008）反而比输出还贵；high 输出（≈$0.211）时 1 张参考图只占约 4%。输出的尺寸和画质永远是价格的最大变量，参考图张数是第二变量。

​

2K/4K 成本预估（像素比例外推，⚠️ 非官方固定价）

OpenAI 官方只公布了 1K 尺寸的固定每张单价表，2K/4K 没有官方逐尺寸定价。下表是 API易 按「像素总数比例」从上方 1K 官方单价外推的预估值，仅供预算参考：

画质	2048×2048（2K 方形）	2048×1152（2K 横版）	3840×2160 / 2160×3840（4K）
Low	≈$0.024	≈$0.008	≈$0.026
Medium	≈$0.212	≈$0.062	≈$0.216
High	≈$0.844	≈$0.248	≈$0.870

这不是官方定价表，是估算值。 计算方法：以 1K 官方表中同长宽比的行为基准，按目标尺寸与基准尺寸的像素总数比例线性外推（如 2048×2048 像素数是 1024×1024 的 4 倍，估算成本也 ×4）。实际出图的 image token 数由模型按内容复杂度动态决定，并非严格线性，真实成本务必以每次调用响应里的 usage.output_tokens 为准（见下方「如何查看每次调用的真实 token 数」）。high + 超过 2560×1440 的尺寸目前还是官方标记的实验档位，估算误差可能更大。

​

与 SaaS 套餐 / 积分制计费方式的区别

图像生成类工具厂商常见两种计费模式：

• 包月套餐（订阅制）：固定月费换取”每月可生成 N 张”的额度。这个额度背后是运营商按平均用量预估的超卖定价——套餐设计时就假设不是所有人都会用满，宣传的”单张成本”只是套餐价除以额度上限的理论值，跟你真实一张图的实际生成成本没有必然关系。
• 积分包 / 动态点数计费：把不同画质、尺寸的生成任务换算成不透明的”积分”消耗，本质上也是按量计费，只是用积分做了一层包装，掩盖了底层真实的 token 用量。

API易走的是官转 API + 按 token 实际用量计费：没有套餐额度，没有积分模糊层，每次调用的成本 = 实际消耗的 input/output token × 官方单价，可以精确核算到每一次调用，不存在套餐”多退少补”或”超额限流”的问题。

按量计费的代价是需要自己估算 / 监控用量，不像套餐那样有固定月度总价的确定性——好处是用多少花多少，没有闲置浪费。下面教你怎么从响应里直接拿到每次调用的真实 token 数，自己核算成本。

​

如何查看每次调用的真实 token 数

/v1/images/generations 和 /v1/images/edits 的响应都带 usage 字段，图片输入 token 和文本输入 token 是分开返回的，不用估算，直接读字段就能精确核算这一次调用的真实成本。下面是一次真实编辑请求（带 1 张参考图）返回的完整 usage（实测抓包）：

{
    "data": [ { "b64_json": "..." } ],
    "usage": {
        "input_tokens": 848,
        "input_tokens_details": {
            "image_tokens": 832,
            "text_tokens": 16
        },
        "output_tokens": 196,
        "output_tokens_details": {
            "image_tokens": 196,
            "text_tokens": 0
        },
        "total_tokens": 1044
    }
}

字段	含义
usage.input_tokens_details.text_tokens	输入 prompt 文本消耗的 token 数，按 $5.00 / 1M 计
usage.input_tokens_details.image_tokens	参考图按 Vision 规则换算出的 token 数，按 $8.00 / 1M 计；纯文生图（无参考图）时恒为 0
usage.input_tokens	上面两项之和
usage.output_tokens	输出图片的 token 数，由 quality × size 共同决定，是成本大头，按 $30.00 / 1M 计，2K/4K 请求应重点关注这个值（output_tokens_details.image_tokens 与其相同，text_tokens 恒为 0）
usage.total_tokens	输入 + 输出总和

自行核算公式（精确版）：

成本 ≈ input_tokens_details.text_tokens × \$5.00 / 1,000,000
     + input_tokens_details.image_tokens × \$8.00 / 1,000,000
     + output_tokens × \$30.00 / 1,000,000

想看历史调用的真实 token 消耗和计费明细，也可以直接去控制台「日志」页面查：📖 如何查看调用记录——日志详情里会把「输入价格 / 图片输入价格 / 输出价格」和对应的 token 数都列出来，跟接口里 usage.input_tokens_details / usage.output_tokens_details 是对应的。Responses API 的 image_generation 工具调用同样在 usage.input_tokens / usage.output_tokens 里给出 token 数，用法一致，参见 Responses 工具集成。

​

分组介绍

gpt-image-2 官转目前提供两个分组，可在后台「令牌设置 → 分组」中切换：

分组	倍率	适用场景
Default 默认分组	1.0x	与 OpenAI 官方同价，资源宽裕时首选；高峰期可能并发紧张、出现 429
image2Enterprise 企业分组	1.2x	默认分组紧张时的稳定过渡通道，稳定优先

1.2x 倍率怎么来的？ 基于”3000 美金单次充值大客户加赠 20% 后约等官网原价”的口径设定——平台不计税务成本，不赚钱也优先保障供给。默认分组不稳定时，把令牌切到 image2Enterprise 即可临时过渡使用。

令牌设置：选择 image2Enterprise 分组（1.2x），常规资源不足时仍稳定

📖 分组上线公告：/live/2026-04/image2-enterprise

​

技术规格

维度	参数
模型名	gpt-image-2
速度	约 120 秒（高画质 4K 接近 2 分钟）
输出分辨率	任意合法尺寸（1K/2K/4K，最大 3840×2160）
画质档位	auto / low / medium / high
输出格式	png（默认）/ jpeg / webp
中文提示词	✅ 原生支持
单次出图数量	1 张（n=1）
参考图上限	16 张（image[]）
单图大小上限	multipart 文件每张小于 50MB（png/jpg/webp）；base64 data URL 字段约 20MiB，原图建议 15MB 以内
mask 局部重绘	✅ 支持（要求带 alpha 通道，PNG 且小于 4MB）
透明背景	❌ 不支持（background: transparent 会报错）
响应字段	b64_json（纯 base64，无前缀）

​

端点一览

端点	用途	Content-Type
POST /v1/images/generations	文生图	application/json
POST /v1/images/edits	参考图编辑 / 多图融合 / mask 重绘	multipart/form-data

域名选择：api.apiyi.com 为主域名，也可使用 b.apiyi.com / vip.apiyi.com 等平台提供的其他网关域名，响应行为一致。

​

尺寸（size）详解

​

预设尺寸

size	含义	像素
auto	自适应（默认）	模型决定
1024x1024	方形 1:1	1K
1536x1024	横版 3:2	1K
1024x1536	竖版 2:3	1K
2048x2048	方形 1:1	2K
2048x1152	横版 16:9	2K
3840x2160	横版 16:9	4K
2160x3840	竖版 9:16	4K

​

自定义尺寸约束

gpt-image-2 接受任意合法尺寸，只需同时满足：

1. 最大边 ≤ 3840px
2. 两条边都是 16 的倍数
3. 长短边比例 ≤ 3:1
4. 总像素数 ∈ [655,360, 8,294,400]（下限约 0.65MP，上限约 8.3MP）

合法示例：1600x1200、1792x1024、2048x1536、3200x1800 非法示例：1000x1000（非 16 倍数）、4000x4000（超上限）、3840x1000（比例超 3:1）

超过 2560×1440（约 3.69MP）的输出目前官方标记为实验性，可能不稳定或出现质量波动。生产环境建议优先用预设尺寸：2048x1152 / 2048x2048 / 3840x2160 等。

​

画质（quality）详解

​

可选档位

quality	含义	说明
auto	自动（默认）	不传 quality 时即为此值，由模型自动选档
low	低画质	速度最快、成本最低，适合草稿 / 批量
medium	中画质	日常 / 终稿的均衡选择
high	高画质	文字、精细纹理、印刷场景，耗时与成本最高

默认是 auto，不是 medium。 不传 quality 等同于传 "quality": "auto"，由模型自动选择合适的画质档位，官方没有承诺它固定等同于 medium。auto 选中的档位不可控，会直接影响出图成本、响应速度与计费稳定性。需要控制成本和可预期性时，请显式传入 low / medium / high，不要依赖 auto。

quality 是影响价格最大的参数，比 size 更显著。 输出图片 token 量由 quality × size 共同决定，但 quality 的权重明显更高——同一尺寸下从 low 到 high，每张成本可相差 30 倍以上（参见上方「每张成本速查」表：1024×1024 从 low $0.006 到 high $0.211）。预算和选档时应优先按 quality 评估成本，再叠加 size 的影响。

​

最佳实践

对接经验：先用 low 跑通，再按需升档

实测有客户首次接入就直接拉满 quality=high + 高分辨率，单张耗时 ≈ 235 秒（约 4 分钟），一度误以为是接口卡住。high 模式推理复杂度最高，4K 场景甚至接近 5 分钟。正式上线前请先用 quality=low 跑通整条链路（鉴权、SDK、参数、超时、错误处理），确认功能 OK 后再按业务对画质的实际需求逐档升到 medium / high。

1. 对接先跑 low 验证链路

   新接入时优先用 quality=low + 预设尺寸跑通整条链路（鉴权、参数、超时、错误处理）。low 速度比 high 快数倍，能快速暴露所有非画质相关的问题，避免被长耗时干扰排查。

2. 尺寸优先选预设

   8 个预设尺寸经过官方优化，速度和质量更稳定；自定义尺寸留给真有比例需求的场景。

3. 画质按场景分档

   草稿 / 批量 → low；默认 / 终稿 → medium；文字、精细纹理、印刷 → high。注意 low ↔ high 不仅是画面精美度差异，还包含推理复杂度差异——耗时差距可达数倍。

4. 输出格式选 JPEG

   对最终展示无特别要求时，output_format=jpeg + output_compression=85 比 PNG 快且体积小一半以上。

5. 文字场景锁 high

   文字渲染是主要卖点，但 low/medium 仍可能糊；招牌、海报类场景锁 quality=high。

6. 编辑场景准备参考图

   单张上限 50MB（建议压到 1.5MB 以内），PNG/JPEG/WebP 均可；最多 16 张；prompt 里用「图1/图2」指代顺序。

7. 超时分档配置（high 兜底 600 秒）

   影响出图耗时最大的是 quality 与 size，尤其是 quality。建议按档位配置客户端超时：

   quality	推荐客户端超时	实测耗时区间
   low	≥ 120 秒	通常 10–40 秒
   medium	≥ 240 秒	通常 30–90 秒
   high	≥ 600 秒（兜底）	2K/4K 实测 3–5 分钟，长尾可达 235 秒以上

   high 模式务必配 600 秒兜底，覆盖排队 / 长尾 / 服务抖动等各种异常情况；前端务必给进度反馈；服务端建议用任务队列解耦。

8. 迁移注意

   从 gpt-image-1.5 迁移：删掉 input_fidelity（强制高保真，传了会报错）；避开 background: transparent（暂不支持）。

​

错误码与重试

状态码	含义	处理建议
400	参数非法（size 不合约束、传了不支持的字段等）	按尺寸约束章节校验；注意不要传 input_fidelity / background: transparent；编辑接口报 invalid_image_file 多为手机原拍 MPO 图，见 FAQ
401	令牌无效	检查 Bearer Token
403	内容审核拦截	调整 prompt 或传 moderation: low
429	限流 / 余额不足	指数退避重试
5xx	网关 / 后端错误	重试 1–2 次
超时	长尾	客户端超时按 quality 分档：low ≥ 120 秒 / medium ≥ 240 秒 / high ≥ 600 秒（high + 2K/4K 实测 3–5 分钟，长尾可达 235 秒以上）

建议客户端：

• 请求超时按 quality 分档配置：low ≥ 120 秒 / medium ≥ 240 秒 / high ≥ 600 秒（兜底；实测 3–5 分钟，按 120/360 秒配会大量误超时）
• 新接入先用 quality=low 跑通链路，再按需升到 medium / high
• 对 5xx 与超时做 指数退避重试（建议 2 次）
• 记录响应头 x-request-id 方便排查

​

常见问题

返回的 b64_json 要不要自己加 data:image/png;base64, 前缀？

要。gpt-image-2 返回的是纯 base64 字符串（无前缀），与 gpt-image-2-all 不同。客户端有两种用法：

• 写文件：base64.b64decode(b64_str) 后写入磁盘
• 浏览器渲染：img.src = 'data:image/png;base64,' + b64_str 自行拼前缀

若你的代码沿用了 1.5 时代的”已含前缀”假设，会拿到损坏的 data URL，请显式判断。

为什么传 input_fidelity 会报 400？

gpt-image-2 强制启用 high-fidelity 处理参考图，不再接受 input_fidelity 参数。从 1.5 迁移时把这个字段移除即可，无需替换。

想要透明背景怎么办？

gpt-image-2 暂不支持 background: transparent（会报错）。两个变通方案：

• 把 background 改为 opaque / 或不传，自行用 PIL / sharp / 在线工具抠透明
• 仍需透明背景的场景临时回退到 gpt-image-1.5

单次能出几张？

1 张（n=1）。如需 N 张请客户端并行 N 次调用。每次独立按 token 计费。

2K/4K 出图为什么很慢？

输出分辨率越高、画质档位越高，需要生成的 image token 越多，自然耗时越长。实测有客户在 quality=high + 高分辨率下耗时 ≈ 235 秒（约 4 分钟）单张，3840×2160 + high 长尾可接近 5 分钟。建议：

• 新接入先用 quality=low 跑通链路，确认正常后再按业务需求升档
• 客户端超时按档位配：low ≥ 120 秒 / medium ≥ 240 秒 / high ≥ 600 秒（兜底）
• 前端显示”生成中”进度反馈
• 不需要 4K 时仍用 1024×1024 / 1536×1024 等 1K 预设

编辑请求为什么比文生图贵？

因为 gpt-image-2 对参考图自动启用 high-fidelity 处理，参考图本身会按 Vision 计费规则换算成大量输入 token。带图编辑的输入 token 明显高于文生图，预算时要留足。

尺寸、参考图都一样，为什么每次调用价格还不一样？

根因：quality 传了 auto（或没传）。 有客户反馈「尺寸、分辨率、参考图完全一样，价格却忽高忽低」，定位后发现请求里 size 和 quality 都用了 auto。

问题出在 quality: auto：自动模式下，模型会自行理解需求、临时选择不同的质量档位去创作。档位不同 → 输出的 image token 数量不同 → 价格自然不同。下面是三次「输入完全一致（input 都是 1061 token）」却价格相差数倍的真实账单：

耗时	输入 token	输出 token	单次价格
53 秒	1061	1286	$0.055082
135 秒	1061	5146	$0.194042
68 秒	1061	1287	$0.055118

第二次 auto 被模型判定为更高画质，输出 token 飙到 5146，价格也随之涨到约 3.5 倍。

解决办法：不要让 quality 用 auto，显式传 low / medium / high。 固定档位后，相同输入的输出 token 量和价格才稳定可预期。详见上方「画质（quality）详解」章节。

缓存计费（Cached Input）能享受到吗？

已配置，但请勿把缓存折扣纳入成本预算。 官方缓存单价为文本 $1.25 / 图片 $2.00（每 1M tokens），API易 通道同样配置了缓存计费，命中时按缓存价结算。

但需要如实同步一个客观限制：API易 为承载高并发，请求会分散到多个 OpenAI 上游账号（单个 OpenAI Tier-5 账号的 RPM 仅 250）。OpenAI 的提示词缓存不跨账号共享，高并发下同一前缀的请求未必落在同一账号上，缓存可能命中不了。

好在影响很小：图像生成的成本大头是图片输出 token（$30 / 1M），缓存折扣只作用于输入端，对单张图总成本的影响本就式微。建议按全正价输入做预算，缓存命中时视为额外节省。

图片编辑接口的图片数量和大小限制？

gpt-image-2 图片编辑接口（/v1/images/edits）最多支持上传 16 张参考图：

• multipart/form-data 文件上传：每张图片小于 50MB，支持 png / jpg / webp
• base64 data URL 方式：字段长度限制约 20MiB（schema maxLength: 20971520，是字符串字段限制，不等同于 multipart 的 50MB 上限），实际原图建议控制在 15MB 以内
• mask 文件：单独限制为 PNG 且小于 4MB

实践建议：不要多张大图同时顶满上限——请求体过大易在网关 / 超时层面失败，每张先压到 1.5MB 以内最稳，且输出画质与输入体积无关。

编辑接口报 400「Invalid image file or mode for image 1」怎么办？

这个报错（code: invalid_image_file）的含义是：第 N 张参考图不是标准的 png / jpg / webp 格式（序号从 1 开始，按序号定位问题图）。

最常见的根因是手机原拍照片的 MPO 格式：华为 Mate 系列等机型直出的 .jpg 内嵌 HDR 增益图副帧，实为多帧 JPEG 容器（MPO）。文件头同为 FFD8，扩展名和 file 命令都显示 JPEG，肉眼无法分辨——2026-07 实测 MPO 图必被拒，重编码为标准 JPEG/PNG 后原分辨率上传即成功（与尺寸、image[] 字段名、quality/size 参数均无关）。该错误在入口校验阶段返回，不计费。

修复：上传前用 Pillow 重编码（Image.open(f).format 返回 "MPO" 即需转换）：

from PIL import Image
im = Image.open("photo.jpg")
im.load()                          # MPO 只取第一帧
im.convert("RGB").save("photo_fixed.jpg", quality=92)

完整说明与判别方法见 图片编辑 API「参考图格式要求与预处理」。

mask 文件怎么准备？

• 与原图相同尺寸，PNG 格式，单张小于 4MB
• 必须带 alpha 通道：透明区域（alpha=0）= 要重绘的部分，不透明区域 = 保留
• 仅对第一张 image 生效
• mask 是”软引导”非精确边界，模型可能在蒙版周围扩展 / 收敛

和 gpt-image-2-all 怎么选？

选	场景
gpt-image-2（官方）	需要精确控制 size / quality、要求与 OpenAI 官方完全一致、要 4K 出图、要 mask 局部重绘
gpt-image-2-all（官逆）	追求统一价 $0.03/张、约 30–60 秒出图、参数极简、对一致性 / 中文文字要求高

能用 OpenAI 的官方 SDK 直连吗？

可以，零代码改动。把 base_url 指向 https://api.apiyi.com/v1，api_key 设为 API易 令牌即可：

from openai import OpenAI
client = OpenAI(api_key="sk-your-key", base_url="https://api.apiyi.com/v1")
resp = client.images.generate(model="gpt-image-2", prompt="...", size="2048x1152", quality="high")

支持主动中断生成任务吗？

不支持。gpt-image-2 走 OpenAI 官方同步端点，请求一旦提交就会跑到结束，无法发出”取消”指令。客户端即使断开连接，服务端仍会把这次生成完整跑完并照常计费。建议在客户端做好超时控制，不要依赖”断连就不收费”的假设。

有请求速率限制（RPM）吗？

默认 100 RPM（每分钟 100 次请求）。实际可用 RPM 还会受全平台总并发动态调整。如果你的业务需要更高配额，请联系我们告知预估 QPS / RPM，可单独申请扩容资源。

支持异步调用吗？

不支持。gpt-image-2 严格与 OpenAI 官方一致——只有同步调用，发起请求后阻塞等待结果（high 档 + 4K 实测 1–2 分钟）。如需异步队列、回调通知等能力：

• 在业务层用任务队列（Celery / BullMQ 等）自行封装异步
• 或改用 gpt-image-2-all，出图约 30–60 秒，更适合前端轮询

生成失败会扣费吗？

不会。OpenAI 自带内容安全审核，触发审核或参数非法时会直接返回 400 错误并不计费。典型响应：

{
  "status_code": 400,
  "error": {
    "message": "Your request was rejected by the safety system. ...",
    "type": "shell_api_error",
    "code": "moderation_blocked"
  }
}

其它常见的 0 计费错误：401（令牌无效）、429（限流）。只有请求实际进入模型生成阶段（即收到 200 + b64_json）才会按 token 计费。

​

相关文档

• ⚖️ 官转 vs 官逆 对比 - 选型对照表，帮你决定用哪个
• 文生图 Playground - /v1/images/generations 在线调试
• 图片编辑 Playground - /v1/images/edits 多图融合 + mask
• 深度解读：gpt-image-2 上线说明 - News 文章
• 完整接入文档（中文） - 完整 API 参考
• GPT-Image-2-All（官逆版本） - 更便宜、更快的备选方案
• 社区贡献：Luck GPT-Image 2 ComfyUI 节点 - 在 ComfyUI 中一键调用 gpt-image-2（含 mask / 5 图输入 / 自定义尺寸）
• 社区贡献：APIYI GPT-Image 2 Skills - 在 Codex CLI / Cursor / Gemini CLI 等 AI 编程工具中一句话调用
• API 使用手册 - 通用调用规范

gpt-image-2 是 OpenAI 官方旗舰，按 token 实计；如果你更看重统一定价（$0.03/张）和出图速度（30–60s），可参考 gpt-image-2-all。