说明:本文在 AI 辅助下生成。价格、参数和返回字段取自 2026-10-25 的接口文档与线上接口,价格按 2026-10-27 起生效的价目表。
用 gpt-image-2.5 批量出商品图、海报时,最容易卡住的是三件事:该开哪个画质档,几百张跑下来到底花多少钱,以及跑到一半有几张失败或被内容审核拦下时,脚本该怎么继续。本文按"选模型、选档位、估成本、写批量脚本、处理失败"的顺序讲完这一套。
gpt-image-2.5 是 OpenAI 的图像生成模型,分 flare 和 sunburst 两档:flare 是默认档,适合社媒、电商这类走量场景;sunburst 是最高精度档,适合精品商业图和印刷物料。两档都支持文生图、参考图编辑和原生透明底 PNG,按"分辨率 × 画质"逐张计费。
先说利益关系:下文的接口和价格来自我们自己的平台 apimodels.app。apimodels.app 是一个多模型 API 网关:用一个 API key、一个 OpenAI 兼容端点调用图像、视频、语音和语言模型。
两档的参数完全一样,区别只在缺省画质和精度调校:
gpt-image-2.5-flare:不传 quality 时按 medium 出图、按 medium 计费。gpt-image-2.5 是它的别名。gpt-image-2.5-sunburst:不传 quality 时按 high 出图、按 high 计费,单张更慢。一个容易忽略的事实是:在 1K 和 2K 两档分辨率下,两个模型同一画质的价格完全相同。所以在这两档里你选的是速度和精度调校,不是价格。实际做法是默认用 flare,只给真正要放大看的图显式传 quality: "high"。如果用 sunburst 又不想按 high 付费,就一定要显式传 quality。
到了 4K,两者分开定价:low 档同价,其余各档 flare 都更低,见下表。
quality 有 low、medium、high、xhigh、max 五档,和三档分辨率组合成 15 个价格格。下表是 2026-10-27 起的每张单价(美元):
分辨率 low medium high xhigh max 1K(两档同价) 0.01 0.02 0.03 0.05 0.08 2K(两档同价) 0.02 0.03 0.04 0.08 0.15 4K · flare 0.02 0.045 0.08 0.17 0.30 4K · sunburst 0.02 0.085 0.16 0.28 0.47
和 10 月 27 日之前相比,只有两格变了:1K low 从 $0.008 调为 $0.01,2K medium 从 $0.025 调为 $0.03。
分辨率档位按实际出图的总像素量判定,不看最长边,也不看你传的参数:
所以 2K 的 16:9 图回来可能是 2720x1536,也可能是同比例、长边 2048 的 2048x1152,两种都落在 2K 区间,都按 2K 计费。参考图和透明底不额外收费,n 张就按 n 倍计费。
按用途选档,可以参考下面的对应关系:
和 OpenAI 官方按量价相比:官方对 2.5 按每百万输出图片 token $30 计费,没有公布每张单价。按实测 token 数折算,官方 1K high 约 $0.053、2K high 约 $0.107,4K 的 high、xhigh、max 分别约 $0.100、$0.178、$0.40。对应格子这里是 1K high $0.03、2K high $0.04,flare 4K 的 high、xhigh、max 为 $0.08、$0.17、$0.30。
接口兼容 OpenAI 的 Images API,有两种调用方式。
同步:传 OpenAI 风格的 size(如 1024x1024),请求直接返回图片,和官方 images.generate() 的返回结构一致。官方 SDK 只改 base_url 即可:
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.apimodels.app/v1")
img = client.images.generate(
model="gpt-image-2.5-flare",
prompt="a ceramic teapot, product shot, studio light",
size="1024x1024",
background="transparent",
output_format="png",
)
print(img.data[0].url)同步调用单次最长等待 280 秒,客户端超时建议设到 180 秒以上。
异步:不传 size,改传 aspect_ratio 加 resolution(1K / 2K / 4K),创建时立即返回 taskId,之后轮询或等回调。批量任务建议用这种方式,几百张图不必各占一个长连接:
curl -X POST https://api.apimodels.app/v1/images/generations \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2.5-flare",
"prompt": "a lighthouse on a cliff at dusk",
"aspect_ratio": "9:16",
"resolution": "2K",
"quality": "medium",
"callback_url": "https://your-domain.com/webhook/<random-token>"
}'
# → { "code": 200, "data": { "taskId": "..." } }传了 callback_url,任务进入 completed 或 failed 终态时会 POST 一次到这个地址。失败会自动重试 3 次(间隔 1s / 2s / 4s),仍未成功的,后台会在 30 分钟内继续补发。回调目前不带签名头,建议在 URL 路径里放一段随机 token,收到时自己校验来源。
做商品抠图、贴到不同背景模板上时,可以直接让模型出透明底:传 background: "transparent" 加 output_format: "png",返回的是真正带 alpha 通道的 PNG,1K、2K、4K 都支持,单价不变。不传 output_format 时,不透明的图会以 JPEG 交付,体积更小;需要保留透明通道就一定要写 png。
已有实拍图、只想换颜色或换标签时,用参考图编辑比重新生成更稳。同步方式走 /v1/images/edits,和官方 images.edit() 一样传图片和提示词;异步方式在生成接口里传 image_url,多张参考图用 image_urls,最多 16 张。参考图不额外收费。
编辑范围靠提示词控制:点名要改的对象,并写明其余保持不变,例如"把红色标签改成绿色,其它一切保持不变"。这里不接受 mask 参数,带 mask 的请求会直接返回 400,从官方接口迁过来时把 mask 字段去掉即可。
批量任务的难点不在“提交”,而在“收尾”:几百个任务里总会有少数失败,脚本要能区分哪些该重提、哪些该放弃,还要把每一单花了多少钱记下来,事后好对账。
下面是一个轮询版的批量脚本(示例,未在本文环境中运行)。它做了简单限速,记录每张的实扣金额,并按失败类型决定要不要重试:
import time, requests
API = "https://api.apimodels.app/v1/images/generations"
H = {"Authorization": "Bearer YOUR_API_KEY", "Content-Type": "application/json"}
def submit(prompt, ratio="1:1", res="2K", quality="medium"):
r = requests.post(API, headers=H, json={
"model": "gpt-image-2.5-flare", "prompt": prompt,
"aspect_ratio": ratio, "resolution": res, "quality": quality,
})
r.raise_for_status()
return r.json()["data"]["taskId"]
def wait(task_id, interval=5, timeout=600):
end = time.time() + timeout
while time.time() < end:
d = requests.get(API, headers=H, params={"task_id": task_id}).json()["data"]
if d["state"] in ("completed", "failed"):
return d
time.sleep(interval)
return None
jobs = {}
for sku, prompt in load_prompts(): # 你的 SKU 与提示词
jobs[sku] = submit(prompt)
time.sleep(0.2) # 简单限速
for sku, task_id in jobs.items():
d = wait(task_id)
if d and d["state"] == "completed":
for img in d.get("images", []): # 每张图的实际宽高
print(sku, img["url"], img.get("width"), img.get("height"), d["credits"])
elif d and d.get("retryable"):
jobs[sku] = submit(prompt_of(sku)) # 上游繁忙、超时等可重提;prompt_of 按 SKU 取回原提示词
else:
print(sku, "放弃:", d and d["failCode"], d and d["failMsg"])任务查询返回的 data 里,和批量处理相关的字段有这些:
state:pending / processing / completed / failed。resultUrls,以及 images:每张图的 url、width、height,可以直接核对交付尺寸。credits:这一单的实扣金额,失败时为 0。failCode、failMsg、retryable:失败原因和是否适合重试。结果文件保留 30 天后自动删除,批量跑完要及时下载或转存到自己的对象存储。
失败时不要一律重试,先看 failCode:
CONTENT_MODERATION:提示词或生成结果没过内容安全审核,retryable 为 false。原样重提大概率还是被拒,应该改提示词。常见的 failMsg 是:Your prompt was blocked by the content safety policy. Please adjust your prompt and try again.INVALID_INPUT:参数不合法,例如尺寸或格式不支持。改请求再提。INSUFFICIENT_BALANCE:余额不足,充值后再提。UPSTREAM_BUSY、UPSTREAM_FAILED、TIMEOUT:retryable 为 true,可以原样重提。不管哪种失败,这一单都不扣费。
以一次电商上新为例:200 个 SKU,每个先出 3 张 1K low 草稿挑构图,再出 1 张 2K medium 主图,另外做 20 张 4K high 的活动海报(flare)。
草稿:200 × 3 × $0.01 = $6.00
主图:200 × 1 × $0.03 = $6.00
海报:20 × 1 × $0.08 = $1.60
合计:$13.60(失败的单不计;重新生成的单另算)如果海报要用 sunburst 的 4K high,单价是 $0.16,那 20 张就是 $3.20。跑之前把档位定清楚,成本在上线前就能报出来。
前面几步里,平台替你处理了这几件事:
credits 为 0。GET /v1/records/{task_id} 查到最终实扣金额,方便和自己的业务逐笔对账。异步任务支持回调,并带重试和补发。不适合的情况也说清楚:
images[].width / height 核对即可。https://api.apimodels.app/v1 作为 base_url,单请求上限是 100MB。你在批量出图时还遇到过哪些计费或重试上的坑?欢迎在评论区交流。
接口文档:apimodels.app 的 GPT Image 2.5 接口文档;回调与失败码说明:apimodels.app 的图片接口通用文档。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。