原生工具出图

用 OpenAI Responses API 的原生 image_generation 工具让模型自主出图，gpt-5.5 触发、base64 回传，含工具调用计费说明。

​

概述

除了独立的 文生图 / 图片编辑 端点外，API易 还支持 OpenAI Responses API 的原生 image_generation 工具：由主线模型 gpt-5.5 在对话中自主决定何时画图，内部自动选用 GPT Image 模型，图片以 base64 形式回传在响应的 output 数组里。

实测可用（2026-06-17）：gpt-5.5 + POST /v1/responses + tools: [{"type": "image_generation"}]，返回合法 base64 PNG。两条出图链路均走 OpenAI 官网直转。

怎么选？ 绝大部分「我就是要张图」的场景，请优先用独立端点 /v1/images/generations——只按实际用量计费，更划算也更可控。仅当你的链路必须走 Responses（例如让 gpt-5.5 在 Agent 对话中自主决定是否画图）时，才用本页的原生工具方式——它每次出图额外固定收一笔约 $0.20 的工具调用费。

​

两种出图方式对比

对比项	原生工具方式（本页）	images API
渠道来源	OpenAI 官网直转	OpenAI 官网直转
调用端点	/v1/responses	/v1/images/generations、/v1/images/edits
调用工具	image_generation	无（直接传 prompt）
计费方式	按量计费 + 工具调用费	按量计费
计费明细	文本/图片输入输出费用官网同价；工具调用费固定约 $0.20/次	文本/图片输入输出费用官网同价
适合场景	必须用 Responses 的场景（如 Agent 自主决策）	绝大部分出图场景，计费更合理

根本差异：原生工具方式每次出图额外固定约 $0.20 工具费；images API 只按实际用量计费，所以多数场景更划算。

​

最简调用

​

cURL

curl https://api.apiyi.com/v1/responses \
  -H "Authorization: Bearer $APIYI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.5",
    "input": "Generate an image of a gray tabby cat hugging an otter with an orange scarf",
    "tools": [
      { "type": "image_generation" }
    ]
  }'

​

Python（requests）

import base64, requests

resp = requests.post(
    "https://api.apiyi.com/v1/responses",
    headers={
        "Authorization": "Bearer $APIYI_KEY",
        "Content-Type": "application/json",
    },
    json={
        "model": "gpt-5.5",
        "input": "Generate an image of a gray tabby cat hugging an otter with an orange scarf",
        "tools": [{"type": "image_generation"}],
    },
    timeout=300,           # 出图慢，务必给足超时（单张约 60~90s）
)
data = resp.json()

# 从 output 数组里取出图片工具的结果
for item in data["output"]:
    if item.get("type") == "image_generation_call":
        raw = base64.b64decode(item["result"])   # result 字段是 base64 图
        with open("output.png", "wb") as f:
            f.write(raw)
        print("已保存 output.png,", len(raw), "bytes")

可选参数放进 tools 项里：{"type": "image_generation", "output_format": "png|jpeg|webp", "size": "1024x1024", ...}。不写则用默认（png）。

​

响应结构（关键字段）

成功时 HTTP 200，响应体里：

{
  "id": "resp_...",
  "model": "gpt-5.5-2026-04-23",
  "status": "completed",
  "output": [
    {
      "type": "image_generation_call",   // ← 关键：工具真的被触发了
      "result": "<很长的 base64 PNG 串>"  // ← 图片本体，base64，默认 png
    },
    { "type": "message", "content": [ /* 可能为空，出图时不一定带文字 */ ] }
  ],
  "usage": { "input_tokens": 2347, "output_tokens": 74 }
}

判断是否真出图：

• ✅ 成功：output 里有 type="image_generation_call"，且 result 解码出 \x89PNG 开头的合法图。
• ⚠️ 被静默剥离：HTTP 200 但 output 里没有 image_generation_call，只有一段文字（常见于渠道不支持）。
• ❌ 报错：非 200，或返回 unknown tool / no available channels 等。后两种可改走 /v1/images/generations 兜底。

​

💰 计费说明

以一次真实调用为例（输入 2347 token、输出 74 token、生成 1 张 1122×1402 PNG），最终扣费 = $0.213954，计费正确。拆解如下：

组成	配额计算	折合美金
文本部分	(输入 2347 + 输出 74×补全倍率 6) × 输入倍率 2.5 = 6977.5 配额	≈ $0.014
图片工具部分	≈ 100,000 配额（按张计，与 token 无关）	≈ $0.20 / 张
合计	106,977 配额	$0.213954

换算关系：500,000 配额 = \$1（由 106977 配额 = \$0.213954 反推）。

控制台明细页的展示问题（需主动向客户说明）

在 APIYI 的「条件计费详情」页面里：

• 上半部分只展示了文本部分的计算（基础成本 = (2347 + 74×6) × 2.5 = 6977.50）；
• 画图工具调用的那一笔费用（≈100,000 配额 / ≈$0.20）在明细列表里是一行空白，没有渲染出来；
• 但它已经被正确计入底部的「最终配额 106977 / $0.213954」。

结论：计费是正常、准确的——只是明细 UI 漏显示了「图片工具」这一行，导致明细各行相加 ≠ 最终总额。向客户解释时强调：总额无误，差额就是这张图的工具费（约 $0.20/张），只是没单独列出来。

​

成本提示

• 出图费用是按张固定（约 $0.20/张），不随 prompt 长短变化；文本 token 费相比之下很小。
• 单张耗时约 60~90s，代码里超时建议设 ≥300s。
• 如果只是要图、不需要模型自主决策，用独立端点 /v1/images/generations 可能更省也更可控。

​

排错速查

现象	可能原因	处理
200 但无 image_generation_call	当前渠道不支持该工具（静默剥离）	换 key/渠道，或改用 /v1/images/generations
no available channels	该 key 分组下无对应渠道	换有 GPT/图片渠道的 key 分组
请求超时	出图慢	客户端超时设 300s
result 解码后不是 PNG	输出格式被改 / 渠道异常	检查 output_format，核对魔数

​

相关文档

• GPT-Image-2 概览 - 模型总览与定价
• 文生图 API 参考 - /v1/images/generations，多数场景的首选
• 图片编辑 API 参考 - /v1/images/edits，参考图编辑 / 多图融合 / mask