api.foo
api.foo / 文档 / GPT-Image-2 API 价格与用法

GPT-Image-2 API 怎么用(2026):价格、每张多少钱、调用代码、尺寸和质量参数、国内使用

更新于 · 测试环境:macOS · Python openai 3.32.0(调用写法实测)
本页目录

先说结论:OpenAI 的生图 API 现在有三个主力模型:gpt-image-2.5-flare(最快,日常出图)、gpt-image-2.5-sunburst(改图最精细)和上一代 gpt-image-2。按 token 计费,图片输出每百万 token 30 美元,换算下来,gpt-image-2 一张 1024×1024 的图:低质量约 0.006 美元、中等约 0.053 美元、高质量约 0.211 美元。API 没有免费额度。调用走 /v1/images/generations,返回 base64 图片;国内一般通过第三方 API 服务调用,代码里只改地址和密钥。

价格和参数取自 OpenAI 官方的价格页、生图指南和模型页(2026 年 10 月 17 日,与 10 月 15 日的价格一致);调用代码在本机用测试密钥跑过,报错原文来自真实返回。

三个模型怎么选

模型 模型名 特点 质量档位
GPT Image 2.5 Flare gpt-image-2.5-flare 最快,日常出图的首选 low、medium、high、xhigh、max、auto
GPT Image 2.5 Sunburst gpt-image-2.5-sunburst 改图精度最高 同上
GPT Image 2 gpt-image-2 上一代,速度快,支持多种尺寸 low、medium、high

2.5 的两个型号是 2026 年 9 月发布的,官方的生图指南已经以它们为主,新项目建议直接用 2.5。更早的 gpt-image-1.5、gpt-image-1、gpt-image-1-mini 还能用,但官方建议迁移。

价格:按 token 算,换成每张是多少

官方单价

三个主力模型的 token 单价完全相同(美元 / 每百万 token):

图片输入 图片输入(缓存) 图片输出 文字输入 文字输入(缓存)
标准 $8 $2 $30 $5 $1.25
批量接口(Batch) $15
  • 花钱的主要是「图片输出」:一张图生成出来要几百到几千个图片 token,尺寸越大、质量越高越多。
  • 提示词(文字输入)很便宜,几百字的描述不到一分钱。
  • 改图时上传的参考图按「图片输入」计费。
  • 缓存价只对 Responses 接口里的生图工具生效,直接调生图接口(包括改图接口)不享受。

每张图大概多少钱

官方给出的 gpt-image-2 每张图片输出费用(不含提示词和参考图):

质量 1024 × 1024(方图) 1024 × 1536(竖图) 1536 × 1024(横图)
low $0.006 $0.005 $0.005
medium $0.053 $0.041 $0.041
high $0.211 $0.165 $0.165

几个反直觉的地方:

  • 竖图、横图反而比方图便宜一点。官方说明里也提到,非方形的大尺寸有时比小的方形用的 token 更少。
  • 高质量是低质量的 30 多倍。打草稿、批量试风格用 low,定稿再用 high。
  • 2.5 的两个模型单价一样,但每张用的 token 数会不同,官方只提供了交互式计算器,没有固定的每张价格表。最准的办法是看每次返回里的 usage。
  • 流式输出中间预览图(partial_images)时,每张预览图多收 100 个图片输出 token。

调用方法

Python:生成一张图

先安装:pip install openai,把密钥设成环境变量 OPENAI_API_KEY。

import base64
from openai import OpenAI

client = OpenAI()  # 自动读取环境变量 OPENAI_API_KEY
result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt="一只橘猫坐在窗台上看雨,胶片质感",
    size="1024x1024",
    quality="medium",
)
with open("cat.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))
print(result.usage)  # 这次用了多少 token

注意两点:

  • 返回的是 base64 编码的图片,不是图片链接,要像上面这样解码后保存成文件。
  • 复杂的提示词最长可能要 2 分钟才出图,程序里的超时时间别设太短。

curl

curl https://api.openai.com/v1/images/generations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "gpt-image-2", "prompt": "一只橘猫坐在窗台上看雨,胶片质感", "size": "1024x1024", "quality": "low"}'

改图

改图走 /v1/images/edits 接口,Python 里是 client.images.edit(...),把原图(和可选的蒙版)作为文件传进去,再加一句修改要求。原图和蒙版要格式、尺寸相同,单个文件小于 50MB。

想在多轮对话里反复修改同一张图,官方建议用 Responses 接口里的生图工具(image_generation),它能记住上一张图。

常用参数

参数 可选值 说明
size 1024x1024、1536x1024、1024x1536、auto 2.5 还支持自定义尺寸,见下文
quality 2.5:low medium high xhigh max auto;gpt-image-2:low medium high 默认 auto
background transparent、opaque、auto 透明背景要配合 png 或 webp
output_format png(默认)、jpeg、webp jpeg 出图更快
output_compression 0~100 只对 jpeg、webp 生效
n 1~10 一次生成几张
moderation auto(默认)、low 内容审核的严格程度,low 宽松一些
partial_images 0~3 流式输出时返回几张中间预览图

2.5 的自定义尺寸规则:写成 宽x高(比如 1536x864),宽和高都是 16 的倍数,长宽比在 1:3 到 3:1 之间,最长边不超过 3840 像素,总像素在 655,360 到 8,294,400(4K)之间。

写提示词的几个要点

官方指南里提到的限制,写提示词时可以针对性地避开:

  • 图里的文字:比以前好很多,但精确的排版和小字仍可能出错。要出现的文字用引号标出来,尽量短。
  • 同一角色、同一品牌元素多次出图,偶尔会对不上。需要一致性的,用改图接口在同一张图上改。
  • 精确的布局(谁在左、谁在右、元素对齐)不一定照做,复杂版式要多试几次。
  • 先用 quality: "low" 快速试几版,满意了再用高质量出最终图,能省很多钱。

开通前要知道的

  • 可能需要先做组织验证:OpenAI 说明使用 GPT Image 模型前可能要完成 API 组织验证(Organization Verification),在开发者后台的组织设置里操作。
  • 没有免费额度:按 token 从账户余额里扣。ChatGPT 应用里的生图属于 ChatGPT 订阅的规则,和 API 不通用。
  • 地区限制:OpenAI 的支持地区列表里没有中国大陆、香港和澳门(台湾在列),官方说明在列表以外的地区使用或提供服务,可能导致账号被封禁或停用。

国内怎么调用

国内开发者通常通过提供 GPT-Image 模型的第三方 API 服务调用。生图接口的格式和 OpenAI 官方一样,代码不用改,只换 base_url 和密钥。以 api.foo 为例:

import base64
import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["APIFOO_API_KEY"], base_url="https://api.foo/v1")
result = client.images.generate(
    model="gpt-image-2",
    prompt="一只橘猫坐在窗台上看雨,胶片质感",
    size="1024x1024",
    quality="medium",
)
with open("cat.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

我们用测试密钥跑过这段代码(openai 3.32.0),服务器日志显示请求到达了 /v1/images/generations,地址和格式都对。api.foo 的生图模型按张计费,可用的模型名和每张价格见模型广场。

选这类服务时,生图要多看两点:

  • 按张还是按 token:按 token 的,同一张图高质量和低质量差几十倍;按张的,看清楚每张价格对应的是什么尺寸和质量。
  • 出图速度和超时:一张复杂的图可能要一两分钟,有些服务前面的代理 100 秒就断开。api.foo 遇到这种情况可以把地址换成直连线路 https://dc.api.foo/v1。

通用的挑选方法见 API 中转站是什么?怎么选不踩坑。

常见报错

401 Incorrect API key provided

{"error": {"message": "Incorrect API key provided: sk-proj-…. You can find your API key at https://platform.openai.com/account/api-keys.", "type": "invalid_request_error", "code": "invalid_api_key", "param": null}, "status": 401}

密钥不对。Python 里是 openai.AuthenticationError: Error code: 401。怎么办:重新复制密钥,确认没有多余的空格。

要求组织验证

提示需要验证组织,说明这个账号还没完成 API 组织验证。怎么办:去 组织设置 按提示完成验证。

请求超时

复杂提示词可能要 2 分钟。怎么办:把程序的超时时间调到 3 分钟以上;用第三方服务的,确认它不会在 100 秒时断开。

模型不支持这个接口

在 Chat Completions 或 Responses 接口里把 model 直接写成 gpt-image-2,会提示不支持。怎么办:生图模型只能用 /v1/images/generations、/v1/images/edits,或者在 Responses 接口里当作 image_generation 工具用。

用第三方服务时的报错

格式由服务商决定。比如 api.foo 这类基于 New API 搭建的服务,密钥不对是 401 无效的令牌,余额不够是 用户额度不足。更多见 API 报错排查大全。

相关阅读

参考资料

OpenAI 官方文档,2026 年 10 月 17 日查阅:生图指南、价格、gpt-image-2、gpt-image-2.5-flare、gpt-image-2.5-sunburst、组织验证说明。

常见问题

GPT-Image-2 API 多少钱一张?

官方按 token 计费,图片输出每百万 token 30 美元。换算成每张,gpt-image-2 生成 1024×1024 的图:低质量约 0.006 美元,中等质量约 0.053 美元,高质量约 0.211 美元;1024×1536 和 1536×1024 分别约 0.005、0.041、0.165 美元。用批量接口(Batch)图片输出减半。

GPT-Image-2 能免费用吗?

API 不能。OpenAI 的生图模型按 token 计费,官方价格页没有免费额度。ChatGPT 应用里的生图次数属于 ChatGPT 订阅的规则,和 API 是两回事。

gpt-image-2 和 gpt-image-2.5 有什么区别?

2.5 是 2026 年 9 月发布的新一代,分两个型号:Flare 速度最快,适合日常出图;Sunburst 改图精度最高。它们比 gpt-image-2 多了 xhigh 和 max 两档质量,并支持自定义尺寸。三者的 token 单价相同,但同样的设置下用掉的 token 数可能不同。

GPT-Image-2 API 怎么调用?

用 OpenAI 官方 SDK 调 /v1/images/generations 接口,model 填 gpt-image-2 或 gpt-image-2.5-flare,传 prompt、size、quality。返回的是 base64 编码的图片,解码后保存成文件即可。改图用 /v1/images/edits 接口。

调用 GPT-Image 报错要验证组织怎么办?

OpenAI 官方说明使用 GPT Image 模型前可能需要先完成 API 组织验证(Organization Verification),在开发者后台的组织设置里按提示操作即可。

国内能用 GPT-Image-2 API 吗?

OpenAI 官方的支持地区列表里没有中国大陆、香港和澳门,官方说明在列表以外的地区使用可能导致账号被封禁或停用。国内开发者通常通过提供 GPT-Image 模型的第三方 API 服务调用,代码不用改,把 base_url 和密钥换成服务商的即可。

发现内容有误?发邮件到 [email protected] 告诉我们。