> ## Documentation Index > Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt > Use this file to discover all available pages before exploring further. # 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](/api-capabilities/image-api-best-practices)。 ## 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。 `/v1/images/generations`，输入文本提示词生成图片，支持 size / quality / output\_format。 `/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： 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。 默认单价与 OpenAI 官方一致，叠加 [充值加赠活动](/faq/recharge-promotions) **最低可享 85 折**，长期使用成本显著下降。 **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。 官逆 [`gpt-image-2-all`](/api-capabilities/gpt-image-2-all/overview)（\$0.03/张统一价）可无缝切换，另有性价比标杆 [Nano Banana Pro / 2](/api-capabilities/nano-banana-2-image/overview)，按场景自由组合。 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 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。 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`。 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。 `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。 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。 支持 png（默认）/ jpeg / webp，jpeg/webp 可设 `output_compression` 控制体积。 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](/faq/recharge-promotions)。 ### 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](#常见问题) | **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](/faq/recharge-promotions)（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）： ```json theme={null} { "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](/faq/call-logs)——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](/api-capabilities/gpt-image-2/responses-image-tool)。 ## 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。 令牌创建界面：计费模式选「按量优先」，分组选 image2Enterprise（1.2x），高速正价的 GPT image 2 企业分组 📖 分组上线公告：[/live/2026-04/image2-enterprise](/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`。** **不要传旧版 DALL·E 的 `standard` / `hd`。** `quality` 只接受 `low` / `medium` / `high` / `auto` 四个官方枚举值。旧版 DALL·E 3 的 `standard` / `hd` 在不同后端渠道下行为不一致：有时直接 400 报错（`invalid_value`），有时被静默忽略、按 `auto` 档跑出结果（费用不可控）。请始终显式传四个官方值之一。 **`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`。 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。 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。 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。 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。 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`。 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。 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。 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](#常见问题) | | `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 **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。 `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。 `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` 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。 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 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。 **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。 **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。 `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。 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）： ```python theme={null} 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」](/api-capabilities/gpt-image-2/image-edit#参考图格式要求与预处理)。 * 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 | 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 | 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： ```python theme={null} 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") ``` **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。 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。 **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`](/api-capabilities/gpt-image-2-all/overview)，出图约 30–60 秒，更适合前端轮询 **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： ```json theme={null} { "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](/api-capabilities/gpt-image-2/vs-gpt-image-2-all) - 选型对照表，帮你决定用哪个 * [文生图 Playground](/api-capabilities/gpt-image-2/text-to-image) - `/v1/images/generations` 在线调试 * [图片编辑 Playground](/api-capabilities/gpt-image-2/image-edit) - `/v1/images/edits` 多图融合 + mask * [深度解读：gpt-image-2 上线说明](/news/gpt-image-2-launch) - News 文章 * [完整接入文档（中文）](/api-capabilities/gpt-image-2/overview) - 完整 API 参考 * [GPT-Image-2-All（官逆版本）](/api-capabilities/gpt-image-2-all/overview) - 更便宜、更快的备选方案 * [社区贡献：Luck GPT-Image 2 ComfyUI 节点](/scenarios/ecosystem/luckgpt2-comfyui) - 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](/scenarios/ecosystem/apiyi-gpt-image-skills) - 在 Codex CLI / Cursor / Gemini CLI 等 AI 编程工具中一句话调用 * [API 使用手册](/api-manual) - 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](/api-capabilities/gpt-image-2-all/overview)。