OpenAI 图像生成 API 参考文档

数据来源：

• • https://platform.openai.com/docs/api-reference/images/create
• • https://developers.openai.com/api/docs/guides/image-generation
• • https://developers.openai.com/api/docs/guides/tools-image-generation
• • https://developers.openai.com/api/reference/resources/images/methods/generate/
• • https://developers.openai.com/api/reference/resources/images/methods/edit/
• • https://developers.openai.com/api/docs/guides/images-vision
• • https://docs.newapi.pro/zh/docs/api/ai-model/images/openai/post-v1-images-generations

页面覆盖： 已搜索 12 个关键词组合，提取 3 个主要端点及相关模型信息

核心能力全景

洞察总结： OpenAI 的图像生成 API 经历了从 DALL-E 2 到 DALL-E 3，再到 GPT Image 系列的演进。最新的 GPT Image 2（2026年4月发布）在文本渲染、分辨率、生成速度上实现了重大突破，生成速度提升 2 倍，支持 2K 分辨率和多语言文字。API 设计遵循 RESTful 风格，提供三个核心端点：生成、编辑、变体，适用于从简单图像生成到复杂视觉内容创作的各类场景。

模型速查表

选型建议：

• • 追求质量和速度：选择 GPT Image 2，支持 2K 分辨率和多语言文本
• • 平衡成本与性能：选择 GPT Image 1.5 或 GPT Image 1
• • 大批量低成本：选择 GPT Image 1 Mini，成本降低 80%
• • 需要图像变体：使用 DALL-E 2 的 variations 端点
• • 需要自动提示词优化：DALL-E 3（已退役，建议迁移到 GPT Image 系列）

支持的参数规格

图像尺寸（size）

质量等级（quality）

风格（style）

响应格式（response_format）

1. 图像生成（Create Image）

来源： https://platform.openai.com/docs/api-reference/images/create

接口：POST https://api.openai.com/v1/images/generations

认证：Authorization: Bearer <API_KEY>

Content-Type：application/json

功能说明

根据文本提示词生成一张或多张图像。支持多种模型、尺寸、质量等级和风格选项。

可视化结构

POST /v1/images/generations
{
  "model": "string",              // 模型 ID
  "prompt": "string",             // 图像描述（必填）
  "n": integer,                   // 生成数量
  "size": "string",               // 图像尺寸
  "quality": "string",            // 质量等级
  "style": "string",              // 风格（仅 DALL-E 3）
  "response_format": "string",    // 响应格式
  "user": "string"                // 用户标识符
}

请求参数详细说明

隐含约束：

• • DALL-E 3 的 n 参数只能为 1，不支持批量生成
• • DALL-E 2 只支持方形尺寸（256x256, 512x512, 1024x1024）
• • quality 为 hd 时，价格约为 standard 的 2 倍
• • 使用 b64_json 格式时，响应体积较大，建议仅在必要时使用
• • GPT Image 2 单次最多生成 8 张图像

请求示例

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": "A serene Japanese garden with cherry blossoms in full bloom, koi pond, stone lanterns, and a traditional wooden bridge, photorealistic style",
    "n": 1,
    "size": "1792x1024",
    "quality": "high",
    "response_format": "url"
  }'

{
"model":"gpt-image-2",
"prompt":"A serene Japanese garden with cherry blossoms in full bloom, koi pond, stone lanterns, and a traditional wooden bridge, photorealistic style",
"n":1,
"size":"1792x1024",
"quality":"high",
"response_format":"url"
}

示例来源：依据参数构造

响应示例

{
"created":1714521600,
"data":[
{
"url":"https://oaidalleapiprodscus.blob.core.windows.net/private/org-xxx/user-xxx/img-xxx.png?st=2026-05-07T10%3A00%3A00Z&se=2026-05-07T11%3A00%3A00Z&sp=r&sv=2021-08-06&sr=b&rscd=inline&rsct=image/png&skoid=xxx&sktid=xxx&skt=2026-05-07T09%3A59%3A00Z&ske=2026-05-08T09%3A59%3A00Z&sks=b&skv=2021-08-06&sig=xxx",
"revised_prompt":"A tranquil Japanese garden during spring, featuring cherry blossom trees in full bloom with pink petals. A koi pond with colorful fish swimming beneath the surface. Traditional stone lanterns placed strategically around the garden. A classic wooden bridge arching over the pond. The scene is captured in a photorealistic style with natural lighting."
}
]
}

响应字段说明

设计意图分析：

• • revised_prompt 字段的存在表明 OpenAI 在生成前会自动优化提示词，增加细节和安全性检查
• • URL 有效期仅 1 小时，鼓励用户立即下载或使用 b64_json 格式
• • 响应结构使用数组，为批量生成预留了扩展性

2. 图像编辑（Edit Image）

来源： https://developers.openai.com/api/reference/resources/images/methods/edit/

接口：POST https://api.openai.com/v1/images/edits

认证：Authorization: Bearer <API_KEY>

Content-Type：multipart/form-data

功能说明

基于原始图像和蒙版（mask），根据文本提示词对图像进行局部编辑。蒙版中的透明区域将被重新生成。

可视化结构

POST /v1/images/edits (multipart/form-data)
{
  "image": File,                  // 原始图像文件（必填）
  "mask": File,                   // 蒙版图像文件（可选）
  "prompt": "string",             // 编辑描述（必填）
  "model": "string",              // 模型 ID
  "n": integer,                   // 生成数量
  "size": "string",               // 输出尺寸
  "response_format": "string",    // 响应格式
  "user": "string"                // 用户标识符
}

请求参数详细说明

隐含约束：

• • 参数格式： images 参数是数组，每个元素包含 file_id 或 image_url（二选一）
• • 图像数量： GPT Image 1 系列模型最多支持 16 张输入图片，dall-e-2 仅支持 1 张
• • 蒙版要求： 蒙版图像必须包含 alpha 通道（透明度），与第一张输入图像尺寸相同
• • 文件大小： 每张图像必须小于 50MB
• • prompt 描述： 应描述整个图像的最终状态，而非仅描述要编辑的部分
• • 模型限制：gpt-image-2 和 DALL-E 3 不支持此 Image API 编辑端点
• • 支持的模型： dall-e-2, gpt-image-1, gpt-image-1-mini, gpt-image-1.5, chatgpt-image-latest
• • GPT Image 2 编辑： gpt-image-2 不支持 Image API 的编辑端点，如需编辑功能请使用 Responses API
• • dall-e-2 限制： dall-e-2 要求图像必须是方形 PNG，小于 4MB

请求示例

多图参考编辑（GPT Image 模型）：

curl -X POST "https://api.openai.com/v1/images/edits" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F "model=gpt-image-1.5" \
  -F "image[]=@body-lotion.png" \
  -F "image[]=@bath-bomb.png" \
  -F "image[]=@incense-kit.png" \
  -F "image[]=@soap.png" \
  -F 'prompt=Create a lovely gift basket with these four items in it'

单图蒙版编辑（dall-e-2）：

curl https://api.openai.com/v1/images/edits \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F "image=@original.png" \
  -F "mask=@mask.png" \
  -F "prompt=A cozy living room with a fireplace, warm lighting, and a cat sleeping on the sofa" \
  -F "model=dall-e-2" \
  -F "n=1" \
  -F "size=1024x1024"

Python 示例（使用 file_id）：

from openai import OpenAI
client = OpenAI()

# 上传图像文件
file1 = client.files.create(
  file=open("image1.png", "rb"),
  purpose="vision"
)
file2 = client.files.create(
  file=open("image2.png", "rb"),
  purpose="vision"
)

# 编辑图像
response = client.images.edit(
  images=[
    {"file_id": file1.id},
    {"file_id": file2.id}
  ],
  prompt="Combine these images into a single composition",
  model="gpt-image-1.5",
  n=1,
  size="1024x1024"
)

image_url = response.data[0].url

注意： 官方 Python SDK 的 images.edit() 方法可能尚未更新以支持新的 images 数组格式。如遇到问题，请使用 client.post() 直接调用 API 或查看最新的 SDK 文档。

响应示例

{
"created":1714521700,
"data":[
{
"url":"https://oaidalleapiprodscus.blob.core.windows.net/private/org-xxx/user-xxx/img-xxx.png?..."
}
]
}

响应字段说明

3. 图像变体生成（Create Image Variation）

来源： https://platform.openai.com/docs/api-reference/images/createVariation

接口：POST https://api.openai.com/v1/images/variations

认证：Authorization: Bearer <API_KEY>

Content-Type：multipart/form-data

功能说明

基于原始图像生成不同风格或细节的变体图像。不需要提示词，模型会自动理解原图内容并生成变体。

可视化结构

POST /v1/images/variations (multipart/form-data)
{
  "image": File,                  // 原始图像文件（必填）
  "model": "string",              // 模型 ID
  "n": integer,                   // 生成数量
  "size": "string",               // 输出尺寸
  "response_format": "string",    // 响应格式
  "user": "string"                // 用户标识符
}

请求参数详细说明

隐含约束：

• • 原始图像必须是方形 PNG 文件
• • 变体端点仅支持 dall-e-2。所有 GPT Image 模型（包括 GPT Image 2）和 dall-e-3 均不支持此端点
• • 变体生成不接受提示词，完全基于原图内容
• • 文件大小必须小于 4MB

请求示例

curl https://api.openai.com/v1/images/variations \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F "image=@original.png" \
  -F "model=dall-e-2" \
  -F "n=3" \
  -F "size=1024x1024"

from openai import OpenAI
client = OpenAI()

response = client.images.create_variation(
  image=open("original.png", "rb"),
  model="dall-e-2",
  n=3,
  size="1024x1024"
)

for idx, img inenumerate(response.data):
print(f"Variation {idx+1}: {img.url}")

示例来源：依据参数构造

响应示例

{
"created":1714521800,
"data":[
{
"url":"https://oaidalleapiprodscus.blob.core.windows.net/private/org-xxx/user-xxx/img-xxx-1.png?..."
},
{
"url":"https://oaidalleapiprodscus.blob.core.windows.net/private/org-xxx/user-xxx/img-xxx-2.png?..."
},
{
"url":"https://oaidalleapiprodscus.blob.core.windows.net/private/org-xxx/user-xxx/img-xxx-3.png?..."
}
]
}

响应字段说明

4. GPT Image 2 图像编辑（通过 Responses API）

来源： https://developers.openai.com/api/docs/guides/tools-image-generation

接口：POST https://api.openai.com/v1/responses

认证：Authorization: Bearer <API_KEY>

Content-Type：application/json

功能说明

gpt-image-2 不支持 Image API 的 /v1/images/edits 端点，但可以通过 Responses API（Chat Completions API）的 image_generation 工具进行图像编辑。

Responses API 的优势：

• • ✅ 支持多轮对话式编辑
• • ✅ 支持多图参考编辑（最多16张）
• • ✅ 自动高保真输入（input_fidelity: high）
• • ✅ 支持蒙版编辑
• • ✅ 模型自动选择生成或编辑模式

可视化结构

POST /v1/responses (application/json)
{
  "model": "gpt-5.5",                    // 主模型（必须是支持 image_generation 工具的模型）
  "input": [                             // 输入内容
    {
      "role": "user",
      "content": [
        { "type": "input_text", "text": "..." },
        { "type": "input_image", "image_url": "..." },
        { "type": "input_image", "file_id": "..." }
      ]
    }
  ],
  "tools": [{ "type": "image_generation" }],  // 启用图像生成工具
  "tool_choice": "auto"                  // 可选：auto, required, none
}

请求参数详细说明

input 内容类型：

image_generation 工具参数：

重要说明：

• • gpt-image-2 不支持透明背景，background: "transparent" 会导致请求失败
• • gpt-image-2 自动使用高保真输入，无需设置 input_fidelity 参数
• • 实际使用的图像生成模型是 gpt-image-2，但 model 参数必须设置为主模型（如 gpt-5.5）

请求示例

示例 1：单图编辑（使用 Base64）

const response = await openai.responses.create({
model: "gpt-5.5",
input: [
    {
role: "user",
content: [
        { 
type: "input_text", 
text: "Make this image look more realistic and add warm lighting"
        },
        {
type: "input_image",
image_url: `data:image/jpeg;base64,${base64Image}`
        }
      ]
    }
  ],
tools: [{ type: "image_generation" }]
});

const imageData = response.output
  .filter((output) => output.type === "image_generation_call")
  .map((output) => output.result);

示例 2：多图参考编辑（最多16张）

const response = await openai.responses.create({
model: "gpt-5.5",
input: [
    {
role: "user",
content: [
        { 
type: "input_text", 
text: "Create a lovely gift basket with these four items in it"
        },
        { type: "input_image", image_url: `data:image/jpeg;base64,${base64Image1}` },
        { type: "input_image", image_url: `data:image/jpeg;base64,${base64Image2}` },
        { type: "input_image", file_id: "file-xxx1" },
        { type: "input_image", file_id: "file-xxx2" }
      ]
    }
  ],
tools: [{ type: "image_generation" }]
});

示例 3：多轮对话式编辑

// 第一轮：生成初始图像
const response1 = await openai.responses.create({
model: "gpt-5.5",
input: "Generate an image of a gray tabby cat hugging an otter with an orange scarf",
tools: [{ type: "image_generation" }]
});

// 第二轮：基于第一轮结果继续编辑
const response2 = await openai.responses.create({
model: "gpt-5.5",
previous_response_id: response1.id,
input: "Now make it look realistic and add a sunset background",
tools: [{ type: "image_generation" }]
});

示例 4：Python 完整示例

from openai import OpenAI
import base64

client = OpenAI()

# 读取图像并转换为 Base64
withopen("input_image.png", "rb") as f:
    image_data = base64.b64encode(f.read()).decode('utf-8')

# 编辑图像
response = client.responses.create(
    model="gpt-5.5",
input=[
        {
"role": "user",
"content": [
                {
"type": "input_text",
"text": "Add a beautiful sunset background to this image"
                },
                {
"type": "input_image",
"image_url": f"data:image/png;base64,{image_data}"
                }
            ]
        }
    ],
    tools=[{"type": "image_generation"}]
)

# 提取生成的图像
for output in response.output:
if output.type == "image_generation_call":
        result_base64 = output.result
# 保存图像
withopen("output_image.png", "wb") as f:
            f.write(base64.b64decode(result_base64))
print("Image saved to output_image.png")

示例 5：强制编辑模式（action: edit）

const response = await openai.responses.create({
model: "gpt-5.5",
input: [
    {
role: "user",
content: [
        { type: "input_text", text: "Change the background to a beach scene" },
        { type: "input_image", file_id: "file-xxx" }
      ]
    }
  ],
tools: [
    { 
type: "image_generation",
parameters: {
action: "edit",  // 强制使用编辑模式
quality: "high",
size: "2048x2048"
      }
    }
  ]
});

响应示例

{
"id":"resp_xxx",
"object":"response",
"created":1234567890,
"model":"gpt-5.5",
"output":[
{
"type":"image_generation_call",
"result":"iVBORw0KGgoAAAANSUhEUgAA...",// Base64 编码的图像
"revised_prompt":"A photorealistic image of...",
"size":"2048x2048",
"quality":"high",
"output_format":"png"
}
],
"usage":{
"input_tokens":1250,
"output_tokens":4160,
"total_tokens":5410,
"input_tokens_details":{
"text_tokens":50,
"image_tokens":1200
},
"output_tokens_details":{
"image_tokens":4160,
"text_tokens":0
}
}
}

响应字段说明

Image API vs Responses API 对比

使用建议

1. 1. 选择合适的 API：
• • 单次编辑 + GPT Image 1 系列：使用 Image API
• • 需要 gpt-image-2：必须使用 Responses API
• • 多轮迭代编辑：使用 Responses API
2. 2. 优化成本：
• • gpt-image-2 自动使用高保真输入，输入图像 token 消耗较高
• • 使用 File ID 而非 Base64 可以减少重复上传
• • 使用 quality: "low" 可以降低输出 token 成本
3. 3. 提示词优化：
• • 主模型（gpt-5.5）会自动优化提示词
• • 可以在 revised_prompt 字段中查看优化后的提示词
• • 明确描述期望的编辑效果，而非仅描述要改变的部分
4. 4. 错误处理：
• • gpt-image-2 不支持透明背景，避免设置 background: "transparent"
• • 确保图像尺寸符合约束（最大 3840px，必须是 16 的倍数）
• • 处理 token 限制错误（输入图像过多或过大）

5. 流式图像生成（Streaming）

来源： https://platform.openai.com/docs/api-reference/images-streaming

接口：POST https://api.openai.com/v1/images/generations（添加 stream: true 参数）

认证：Authorization: Bearer <API_KEY>

Content-Type：application/json

功能说明

通过服务器推送事件（Server-Sent Events, SSE）实时接收图像生成进度和结果。适用于需要实时反馈的场景。

请求参数详细说明

在标准生成请求的基础上，添加 stream: true 参数即可启用流式传输。

请求示例

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": "A futuristic cityscape at sunset",
    "stream": true
  }'

响应示例（SSE 流）

data: {"type": "progress", "progress": 0.25}

data: {"type": "progress", "progress": 0.50}

data: {"type": "progress", "progress": 0.75}

data: {"type": "complete", "created": 1714521900, "data": [{"url": "https://..."}]}

data: [DONE]

设计意图分析：

• • 流式传输允许客户端实时显示生成进度，提升用户体验
• • 适用于生成时间较长的高质量图像（如 GPT Image 2 的 2K 分辨率）
• • 使用标准的 SSE 协议，易于集成到现有系统

5. 视觉理解（Vision）

来源： https://developers.openai.com/api/docs/guides/images-vision

接口：POST https://api.openai.com/v1/chat/completions

认证：Authorization: Bearer <API_KEY>

Content-Type：application/json

功能说明

使用 GPT-4 Turbo、GPT-4o 等多模态模型分析和理解图像内容。可以回答关于图像的问题、提取文本、描述场景等。

可视化结构

POST /v1/chat/completions
{
  "model": "string",              // 多模态模型 ID
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "string"        // 文本问题
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "string",      // 图像 URL 或 Base64 数据
            "detail": "string"    // 分析细节级别
          }
        }
      ]
    }
  ],
  "max_tokens": integer
}

请求参数详细说明

隐含约束：

• • 图像 URL 必须可公开访问，或使用 Base64 编码
• • Base64 格式必须包含 MIME 类型前缀：data:image/jpeg;base64,
• • 单次请求最多支持多张图像（具体数量取决于模型）
• • detail 为 high 时，token 消耗更多，但分析更精确
• • 图像尺寸超过 2048px 会自动缩放

请求示例

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What is in this image? Describe it in detail."
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/image.jpg",
              "detail": "high"
            }
          }
        ]
      }
    ],
    "max_tokens": 500
  }'

from openai import OpenAI
client = OpenAI()

response = client.chat.completions.create(
  model="gpt-4o",
  messages=[
    {
"role": "user",
"content": [
        {"type": "text", "text": "What is in this image?"},
        {
"type": "image_url",
"image_url": {
"url": "https://example.com/image.jpg",
"detail": "high"
          }
        }
      ]
    }
  ],
  max_tokens=500
)

print(response.choices[0].message.content)

示例来源：依据参数构造

响应示例

{
"id":"chatcmpl-xxx",
"object":"chat.completion",
"created":1714522000,
"model":"gpt-4o-2024-05-13",
"choices":[
{
"index":0,
"message":{
"role":"assistant",
"content":"This image shows a serene Japanese garden with cherry blossom trees in full bloom. The pink petals create a beautiful canopy over a traditional wooden bridge that spans across a koi pond. Stone lanterns are strategically placed around the garden, and colorful koi fish can be seen swimming in the clear water below."
},
"finish_reason":"stop"
}
],
"usage":{
"prompt_tokens":1250,
"completion_tokens":85,
"total_tokens":1335
}
}

6. 工具调用中的图像生成（Tools - Image Generation）

来源： https://developers.openai.com/api/docs/guides/tools-image-generation

接口：POST https://api.openai.com/v1/chat/completions（使用 tools 参数）

认证：Authorization: Bearer <API_KEY>

Content-Type：application/json

功能说明

在对话流程中，让模型自动决定何时调用图像生成工具。适用于聊天机器人、智能助手等需要动态生成图像的场景。

可视化结构

POST /v1/chat/completions
{
  "model": "string",
  "messages": [...],
  "tools": [
    {
      "type": "function",
      "function": {
        "name": "generate_image",
        "description": "string",
        "parameters": {
          "type": "object",
          "properties": {
            "prompt": {"type": "string"},
            "size": {"type": "string"},
            ...
          },
          "required": ["prompt"]
        }
      }
    }
  ],
  "tool_choice": "auto"
}

请求参数详细说明

请求示例

{
"model":"gpt-4o",
"messages":[
{
"role":"user",
"content":"Create an image of a sunset over the ocean"
}
],
"tools":[
{
"type":"function",
"function":{
"name":"generate_image",
"description":"Generate an image based on a text description",
"parameters":{
"type":"object",
"properties":{
"prompt":{
"type":"string",
"description":"The text description of the image to generate"
},
"size":{
"type":"string",
"enum":["1024x1024","1792x1024","1024x1792"],
"description":"The size of the generated image"
},
"quality":{
"type":"string",
"enum":["standard","hd"],
"description":"The quality of the generated image"
}
},
"required":["prompt"]
}
}
}
],
"tool_choice":"auto"
}

响应示例（模型决定调用工具）

{
"id":"chatcmpl-xxx",
"object":"chat.completion",
"created":1714522100,
"model":"gpt-4o",
"choices":[
{
"index":0,
"message":{
"role":"assistant",
"content":null,
"tool_calls":[
{
"id":"call_xxx",
"type":"function",
"function":{
"name":"generate_image",
"arguments":"{\"prompt\":\"A beautiful sunset over the ocean with orange and pink hues reflecting on the water, peaceful and serene atmosphere\",\"size\":\"1792x1024\",\"quality\":\"hd\"}"
}
}
]
},
"finish_reason":"tool_calls"
}
]
}

设计意图分析：

• • 工具调用模式将图像生成集成到对话流程中，模型可以自主决定何时生成图像
• • 模型会自动优化用户的简单请求，生成更详细的提示词
• • 适用于构建智能助手、创意工具等需要多轮交互的应用

常见错误与处理

错误模式总结：

• • 所有错误响应都遵循统一的 JSON 格式：{"error": {"message": "...", "type": "..."}}
• • 400 错误通常是客户端参数问题，需要检查请求内容
• • 429 错误分为速率限制和配额不足两种，处理方式不同
• • 5xx 错误是服务端问题，应实现自动重试机制

速率限制与配额

速率限制层级

注意事项：

• • 速率限制基于每分钟生成的图像数量（images per minute, IPM）
• • 批量生成（n > 1）会按实际生成的图像数量计算
• • 超过限制会返回 429 错误，建议实现指数退避重试
• • 可在 https://platform.openai.com/account/limits 查看当前层级

配额管理

• • 预付费模式：需要预先充值，按实际使用扣费
• • 配额重置：速率限制按滚动窗口计算，每分钟重置
• • 监控建议：在应用中实现速率限制跟踪，避免频繁触发 429 错误

价格信息

图像生成价格（按张计费）

DALL-E 2

DALL-E 3

GPT Image 1 Mini

GPT Image 1 / 1.5

GPT Image 2

重要说明： GPT Image 2 采用 Token 计费模式，而非简单的按张计费。下表为估算价格，实际费用取决于图像尺寸、质量等级和输入图片数量。

Token 价格（官方）：

• • 图像输入：$8.00 / 1M tokens
• • 缓存图像输入：$2.00 / 1M tokens
• • 图像输出：$30.00 / 1M tokens
• • 文本输入：$5.00 / 1M tokens

估算价格（按张）：

注意：

• • 编辑请求需要额外计算输入图像的 token 费用
• • GPT Image 2 自动使用高保真输入，编辑时输入图像 token 消耗较高
• • 使用缓存可降低重复输入的成本

视觉理解价格（按 Token 计费）

价格说明：

• • 图像生成按生成的图像数量计费，与生成时间无关
• • 视觉理解按输入和输出的 token 数量计费，图像会转换为 token
• • 高分辨率图像（detail: high）会被分割成 512x512 的图块，每个图块 170 tokens，再加上基础 85 tokens
• • 价格可能随时调整，请访问 https://openai.com/api/pricing/ 获取最新价格

需要注意的关键点

提示词优化

• • DALL-E 3 自动重写：DALL-E 3 会自动重写提示词以提升安全性和质量，重写后的提示词会在响应的 revised_prompt 字段中返回
• • 详细描述：提供详细的场景、对象、颜色、情绪、风格描述，可以显著提升生成质量
• • 避免模糊词汇：使用具体的描述而非模糊的形容词（如"美丽的"、"好看的"）
• • 风格指定：明确指定艺术风格（如"photorealistic"、"oil painting"、"watercolor"）

图像文件要求

• • 编辑和变体端点：必须使用 PNG 格式，且图像必须是方形
• • 文件大小限制：上传的图像文件不能超过 4MB
• • 透明度要求：编辑端点要求图像包含 alpha 通道（透明度）
• • 蒙版规则：蒙版图像的尺寸必须与原始图像完全一致

内容政策

• • 禁止内容：暴力、色情、仇恨言论、未成年人相关内容、名人肖像、受版权保护的角色
• • 自动审核：所有提示词和生成的图像都会经过自动内容审核
• • 用户标识：建议使用 user 参数标识终端用户，便于追踪滥用行为
• • 违规处理：违反内容政策的请求会被拒绝，返回 400 错误

性能优化

• • URL vs Base64：优先使用 URL 格式，Base64 会增加请求体积和传输时间
• • 批量生成：使用 n 参数批量生成多张图像，比多次单独请求更高效
• • 质量选择：根据实际需求选择质量等级，low 质量生成速度更快且成本更低
• • 缓存策略：URL 有效期仅 1 小时，需要立即下载或使用 CDN 缓存

模型选择策略

• • 成本敏感型应用：使用 GPT Image 1 Mini，成本降低 80%
• • 需要文本渲染：使用 GPT Image 2，支持多语言文字准确渲染
• • 需要高分辨率：使用 GPT Image 2，支持 2K 分辨率（最高 4K 实验性）
• • 需要图像变体：使用 DALL-E 2，是唯一支持变体端点的模型
• • 需要编辑功能（Image API）：使用 GPT Image 1 系列（支持多图编辑）或 DALL-E 2
• • 需要编辑功能（Responses API）：可以使用 GPT Image 2

API 集成最佳实践

• • 错误处理：实现完善的错误处理和重试机制，特别是 429 和 5xx 错误
• • 指数退避：遇到速率限制时，使用指数退避算法重试（如 1s、2s、4s、8s）
• • 超时设置：图像生成可能需要 10-60 秒，设置合理的超时时间
• • 流式传输：对于高质量图像，使用流式传输提供实时进度反馈
• • 监控和日志：记录所有 API 调用、错误和性能指标，便于问题排查

模型演进历史与对比

时间线

能力对比矩阵

迁移建议：

• • 从 DALL-E 2 迁移：如需编辑和变体功能，迁移到 GPT Image 1 系列；如仅需生成，迁移到 GPT Image 2
• • 从 DALL-E 3 迁移：直接迁移到 GPT Image 2，获得更好的性能和更多功能
• • 成本优化：将非关键场景迁移到 GPT Image 1 Mini，成本降低 80%

代码示例集合

Python SDK 完整示例

from openai import OpenAI
import base64
import os

client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

# 1. 基础图像生成
defgenerate_image(prompt, model="gpt-image-2", size="1024x1024", quality="high"):
    response = client.images.generate(
        model=model,
        prompt=prompt,
        n=1,
        size=size,
        quality=quality,
        response_format="url"
    )
return response.data[0].url

# 2. 批量生成
defgenerate_multiple_images(prompt, count=3):
    response = client.images.generate(
        model="gpt-image-1-mini",
        prompt=prompt,
        n=count,
        size="1024x1024",
        quality="low"
    )
return [img.url for img in response.data]

# 3. Base64 格式生成并保存
defgenerate_and_save_image(prompt, filename="output.png"):
    response = client.images.generate(
        model="gpt-image-2",
        prompt=prompt,
        n=1,
        size="1024x1024",
        response_format="b64_json"
    )

    image_data = base64.b64decode(response.data[0].b64_json)
withopen(filename, "wb") as f:
        f.write(image_data)
print(f"Image saved to {filename}")

# 4. 图像编辑
defedit_image(image_path, mask_path, prompt):
    response = client.images.edit(
        image=open(image_path, "rb"),
        mask=open(mask_path, "rb"),
        prompt=prompt,
        model="gpt-image-1.5",
        n=1,
        size="1024x1024"
    )
return response.data[0].url

# 5. 图像变体生成
defcreate_variations(image_path, count=3):
    response = client.images.create_variation(
        image=open(image_path, "rb"),
        model="dall-e-2",
        n=count,
        size="1024x1024"
    )
return [img.url for img in response.data]

# 6. 视觉理解
defanalyze_image(image_url, question):
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {
"role": "user",
"content": [
                    {"type": "text", "text": question},
                    {"type": "image_url", "image_url": {"url": image_url, "detail": "high"}}
                ]
            }
        ],
        max_tokens=500
    )
return response.choices[0].message.content

# 7. 错误处理和重试
import time
from openai import RateLimitError, APIError

defgenerate_with_retry(prompt, max_retries=3):
for attempt inrange(max_retries):
try:
            response = client.images.generate(
                model="gpt-image-2",
                prompt=prompt,
                n=1,
                size="1024x1024"
            )
return response.data[0].url
except RateLimitError:
if attempt < max_retries - 1:
                wait_time = 2 ** attempt  # 指数退避：1s, 2s, 4s
print(f"Rate limit hit, waiting {wait_time}s...")
                time.sleep(wait_time)
else:
raise
except APIError as e:
print(f"API error: {e}")
if attempt < max_retries - 1:
                time.sleep(2)
else:
raise

# 使用示例
if __name__ == "__main__":
# 生成图像
    url = generate_image("A futuristic city at sunset, cyberpunk style")
print(f"Generated image: {url}")

# 批量生成
    urls = generate_multiple_images("A cute cat", count=3)
print(f"Generated {len(urls)} images")

# 保存为文件
    generate_and_save_image("A serene mountain landscape", "mountain.png")

Node.js SDK 完整示例

importOpenAIfrom'openai';
import fs from'fs';

const openai = newOpenAI({
apiKey: process.env.OPENAI_API_KEY
});

// 1. 基础图像生成
asyncfunctiongenerateImage(prompt, model = 'gpt-image-2') {
const response = await openai.images.generate({
model: model,
prompt: prompt,
n: 1,
size: '1024x1024',
quality: 'high',
response_format: 'url'
  });

return response.data[0].url;
}

// 2. Base64 格式生成并保存
asyncfunctiongenerateAndSave(prompt, filename = 'output.png') {
const response = await openai.images.generate({
model: 'gpt-image-2',
prompt: prompt,
n: 1,
size: '1024x1024',
response_format: 'b64_json'
  });

const buffer = Buffer.from(response.data[0].b64_json, 'base64');
  fs.writeFileSync(filename, buffer);
console.log(`Image saved to ${filename}`);
}

// 3. 图像编辑
asyncfunctioneditImage(imagePath, maskPath, prompt) {
const response = await openai.images.edit({
image: fs.createReadStream(imagePath),
mask: fs.createReadStream(maskPath),
prompt: prompt,
model: 'gpt-image-1.5',
n: 1,
size: '1024x1024'
  });

return response.data[0].url;
}

// 4. 图像变体
asyncfunctioncreateVariations(imagePath, count = 3) {
const response = await openai.images.createVariation({
image: fs.createReadStream(imagePath),
model: 'dall-e-2',
n: count,
size: '1024x1024'
  });

return response.data.map(img => img.url);
}

// 5. 视觉理解
asyncfunctionanalyzeImage(imageUrl, question) {
const response = await openai.chat.completions.create({
model: 'gpt-4o',
messages: [
      {
role: 'user',
content: [
          { type: 'text', text: question },
          { type: 'image_url', image_url: { url: imageUrl, detail: 'high' } }
        ]
      }
    ],
max_tokens: 500
  });

return response.choices[0].message.content;
}

// 6. 错误处理和重试
asyncfunctiongenerateWithRetry(prompt, maxRetries = 3) {
for (let attempt = 0; attempt < maxRetries; attempt++) {
try {
const response = await openai.images.generate({
model: 'gpt-image-2',
prompt: prompt,
n: 1,
size: '1024x1024'
      });
return response.data[0].url;
    } catch (error) {
if (error.status === 429 && attempt < maxRetries - 1) {
const waitTime = Math.pow(2, attempt) * 1000; // 指数退避
console.log(`Rate limit hit, waiting ${waitTime}ms...`);
awaitnewPromise(resolve =>setTimeout(resolve, waitTime));
      } else {
throw error;
      }
    }
  }
}

// 使用示例
(async () => {
try {
const url = awaitgenerateImage('A futuristic city at sunset');
console.log('Generated image:', url);

awaitgenerateAndSave('A serene mountain landscape', 'mountain.png');
  } catch (error) {
console.error('Error:', error.message);
  }
})();

cURL 完整示例

#!/bin/bash

API_KEY="your-api-key-here"
BASE_URL="https://api.openai.com/v1"

# 1. 基础图像生成
curl $BASE_URL/images/generations \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "A futuristic city at sunset, cyberpunk style",
    "n": 1,
    "size": "1024x1024",
    "quality": "high",
    "response_format": "url"
  }'

# 2. 图像编辑
curl $BASE_URL/images/edits \
  -H "Authorization: Bearer $API_KEY" \
  -F "image=@original.png" \
  -F "mask=@mask.png" \
  -F "prompt=A cozy living room with a fireplace" \
  -F "model=gpt-image-1.5" \
  -F "n=1" \
  -F "size=1024x1024"

# 3. 图像变体
curl $BASE_URL/images/variations \
  -H "Authorization: Bearer $API_KEY" \
  -F "image=@original.png" \
  -F "model=dall-e-2" \
  -F "n=3" \
  -F "size=1024x1024"

# 4. 视觉理解
curl $BASE_URL/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "text",
            "text": "What is in this image?"
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/image.jpg",
              "detail": "high"
            }
          }
        ]
      }
    ],
    "max_tokens": 500
  }'