用 GPT Image 2 API 生成和编辑图像

一个请求看懂生成路由

GPT Image 2 是通过 OpenAI 兼容接口调用的图像模型：向 /v1/images/generations 发送提示词，model 填 gpt-image-2，带上 Authorization: Bearer 请求头，就能拿回一张 PNG。不需要单独的图像套餐，也不需要第二把密钥——覆盖 GPT、Claude 和 Gemini 调用的同一把 sk-pool 密钥和预付余额，同样结算图像用量。

curl https://router.apitoken.sale/v1/images/generations \
  -H "Authorization: Bearer $APITOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "A precise technical cutaway of a lunar rover",
    "quality": "low"
  }'

官方 GPT Image 字段会被接受并转换到本池。多余键（user、stream、moderation、style）会被忽略，而不是 400。quality 为 medium/high/auto 时仍按本池 low 档生成。output_format 为 jpeg 或 webp 时会把原生 PNG 本地转码；省略或 png 则保持 PNG。response_format=url 会被忽略，响应始终是 b64_json。n 可为 1–10；每多一张图就是又一次原生调用。background=auto 视为 opaque；transparent 会在提示前加上抠图句并请求真实 PNG alpha——请检查文件；没有 alpha 仍是 HTTP 200，不是 502。size 选择比例，不是像素锁。2048x2048 和 3840x2160 映射到 1:1 和 16:9；PNG 仍约 1.57 百万像素，响应里的 size 是真实 IHDR。

1024x1024 是正方形档，不是锁定 1024 像素。1536x1024 与 1024x1536 是同一兆像素预算的 3:2 与 2:3 切分。表格是 prompt-steer 目标。若 PNG 头与档位不符，接口仍返回 HTTP 200 和 PNG——在验收关检查 IHDR 和 alpha，不要假定会返回 502。

POST /v1/images/* 每次调用返回一张非流式 PNG。不要围绕该路由构建进度 UI。若需要流式预览帧，使用下方独立的 Responses image_generation 工具并设置 partial_images——简单提示词可能跳过 partials。

另见： GPT Image 2 API 成本与 B2C 五折优惠

用最多五张 PNG、JPEG 或 WebP 参考图编辑现有图像

编辑走的是另一条路由、另一种 content type。向 /v1/images/edits 发送 multipart/form-data，model 同样是 gpt-image-2，附上提示词和一到五张 PNG、JPEG 或 WebP 参考图（每张 ≤50 MB）。参考图用来表达定点修改——重绘这张产品图的风格、换掉这个背景、扩展这条横幅——而不是从零重新生成。

curl https://router.apitoken.sale/v1/images/edits \
  -H "Authorization: Bearer $APITOKEN_API_KEY" \
  -F "model=gpt-image-2" \
  -F "prompt=Replace the backdrop with a seamless light-gray studio sweep" \
  -F "image=@packshot.png" \
  -F "image=@brand-swatch.png"

• 每张参考图重复字段名 image，或发送 image[]。此路由忽略 multipart mask——局部重绘请用 Responses input_image_mask。
• 参考图为 PNG、JPEG 或 WebP，每张不超过 50 MB。GIF、HEIC 及其他类型会被拒绝。
• 每次调用最多五张参考图——挑那几张真正承载修改意图的，而不是把整个素材库都传上去。
• 每张参考图都按图像输入计费，所以同样的输出，编辑比纯提示词生成更贵。
• 响应结构与生成一致：每次调用返回一张非流式 PNG。

更深入的编辑工作流：蒙版、批量与验收检查 →

局部重绘与 Responses image_generation

不要把 multipart mask 发到 /v1/images/edits。该字段会被拒绝，ChatGPT 的图像编辑 URL 也会忽略它。若要只改图片的一部分——或从 GPT 文本模型调用 hosted image_generation 工具——请用 POST /v1/responses（Chat Completions 会把同一套 hosted 工具映射到 Responses）。编辑时把源 PNG 放在 input 的 input_image，并添加 tools: [{type:"image_generation", …}]。蒙版用 input_image_mask.image_url 设为 PNG data URL。蒙版中透明像素是要修改的区域，不透明像素保持不变。蒙版须与源图尺寸相同。不支持 file_id——此平面没有 Files API。

import base64, os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APITOKEN_API_KEY"],
    base_url="https://router.apitoken.sale/v1",
)

def png_url(path):
    return "data:image/png;base64," + base64.b64encode(Path(path).read_bytes()).decode()

response = client.responses.create(
    model="gpt-5.6-sol",
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Change only the masked region."},
            {"type": "input_image", "image_url": png_url("photo.png")},
        ],
    }],
    tools=[{
        "type": "image_generation",
        "output_format": "webp",
        "partial_images": 2,
        "input_image_mask": {"image_url": png_url("mask.png")},
    }],
)

• 在 /v1/responses 或 /v1/chat/completions 上使用 GPT 文本模型（例如 gpt-5.6-sol），不要用 gpt-image-2——该 id 属于 Images 路由。
• 源图和蒙版都必须是 data:image/png;base64,… URL，不能是 https://，也不能是 OpenAI file id。
• Responses image_generation 转发 output_format jpeg 或 webp，以及 partial_images 1..=3；有 partials 时 SSE 发出 response.image_generation_call.partial_image。
• background=transparent 会改写为 opaque，input_fidelity 会被丢弃——这两个字段在该 ChatGPT image tool 上会 400。工具上的 quality/size 仍会 remap；completed item 回显 ChatGPT 返回的内容。
• 蒙版不会作为第二张参考图计费；结算仍按该回合的 image-input 与 image-output token。
• 独立的 POST /v1/images/* 路由仍只接受 PNG 输出且不流式 partials——不要混用两套契约。

用官方 OpenAI SDK 调用

可以继续用官方 OpenAI SDK，但只发送本池允许的字段。base_url 和 api_key 与文本模型相同。不要依赖 SDK 默认值：官方 api.openai.com Images 接受的多余键（user、stream、moderation、style）在这里是 400，response_format=url 也是 400。下面的示例列出了它发送的每一个字段。

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["APITOKEN_API_KEY"],
    base_url="https://router.apitoken.sale/v1",
)

result = client.images.generate(
    model="gpt-image-2",
    prompt="A clean isometric diagram of a wind turbine",
    quality="low",
    size="3:2",
)

png_bytes = result.data[0].b64_json  # decode base64 and write to disk

编辑场景下，同一个客户端暴露 images.edits，参考文件以二进制模式打开传入。密钥放在服务端环境变量里；图像端点和聊天端点同样敏感，因为它们扣的是同一个余额。

一次生成的真实成本

不存在诚实的「每张图固定价」。GPT Image 2 按 token 计费，拆成四条计费腿——文本输入（你的提示词）、图像输入（编辑时的参考图）、缓存输入和图像输出——一次请求的总价以 API 返回的最终 usage 为准，与 PNG 的字节大小、尺寸无关。

• 每条腿都享受统一的 50% B2C 折扣；缓存文本和图像输入在折扣生效之前，就先按普通输入费率的 25% 计费。
• 读取每次响应里的 usage 对象，并把它和资产一起记录——它是计费权威，也是后台账单对账的依据。
• gpt-image-2 是不可变快照 gpt-image-2-2026-04-21 的别名，行为不会在调用之间漂移；想在代码里明确写出这个保证，就直接固定带日期的 ID。

不要拿几张测试渲染图就在自己的定价页面上标一个单图价格。输出用量随资产变化，三个样本推出来的数字到了生产环境一定是错的。用一周的真实 usage 把各条腿加起来，再做决定。

完整成本模型与节省测算 →

当前图像接口的限制

按这条路由今天可验证的行为做规划，而不是按营销名称想象。已确认的能力组合刻意很窄：

• POST /v1/images/* 每次调用一张 PNG，非流式——批量任务循环调用端点，而不是在一个请求里要 n 张图。n 不是 1 会返回 400。
• 生成 JSON 封闭：只有 model、prompt、n、background、quality、size、output_format、response_format。未知键为 400。openai/gpt-image-2 会被接受为 gpt-image-2。GET /v1/models 列出两个 id 和图像路由，不公布这些字段规则。
• Images HTTP 控制项为 background opaque 或 transparent、quality low（或省略）、output_format png 或省略、response_format b64_json 或省略，以及作为比例预设的 size（auto、1024x1024/1:1、1536x1024/3:2、1024x1536/2:3、4:3、16:9、9:16）。medium/high、background auto、response_format url 与 2K/4K 会被拒绝。
• 已解析的 PNG 且有终态 usage 时为 HTTP 200，即使 size 或 alpha 与 steer 不符。此路由唯一的成功后 502 是 PNG 之后缺少 usage。
• 编辑接受 multipart/form-data 里的一到五张 PNG、JPEG 或 WebP（每张 ≤50 MB）。image[] 等同 image。mask 会被忽略；局部重绘走上面的 Responses image_generation。
• 图像用量和 GPT、Claude、Gemini 调用从同一个预付余额扣费——只需盯一个池子，而不是四个。

如果想换一个图像模型做对比，Gemini 侧的图像路由有并列文档，正面对比指南也覆盖了两者各自擅长的场景。

在共享余额上控制图像开销

图像输出是最贵的一条腿，批量循环又会把它成倍放大，所以给图像 worker 单独发一把 API 密钥，并设置生命周期花费上限。失控的渲染任务会在自己的额度处停下，而不是抽干聊天流量依赖的余额；后台按密钥维度的用量统计也能准确告诉你哪个 worker 花了多少。

1. 01在后台为图像流水线创建一把专用密钥，把它的生命周期花费上限设为批量预算。
2. 02发送一个有边界的生成请求（上面的 curl），确认返回的 PNG，以及包含预期计费腿的 usage 对象。
3. 03用小规模循环跑你的真实提示词集，记录每个资产的最终 usage，并把总数与后台账单对账。
4. 04确认无误后再放到完整批量规模，同时让密钥上限始终对准你实际批准的预算。

所有受支持提供商的模型费率 →

常见问题

相关指南