GPT Image 2

GPT Image 2 是 OpenAI 当前 API 里的旗舰图像生成模型。官方文档称它在快速、高质量的生成与编辑上达到当前最佳，并支持灵活尺寸和高保真图像输入。默认快照是 gpt-image-2-2026-04-21。它接受文本和图像输入，通过 v1/images/generations、v1/images/edits 和 Batch 输出图像。Chat Completions 与 Responses 并不直接托管该模型；Responses 仍可通过图像生成工具代为选择 GPT Image 模型。

核心功能

• 生成与编辑：按提示创建图像，或整图/局部修改已有图像。支持 inpainting。
• 灵活尺寸：常用预设包括 1024x1024、1536x1024、1024x1536、2048x2048、2048x1152、3840x2160、2160x3840，以及 auto。边长须为 16px 的倍数，长短边比不超过 3:1，总像素须在 655,360 到 8,294,400 之间。最长边为 3840px。
• 质量与格式：low、medium、high 或 auto。默认输出 PNG；JPEG 和 WebP 支持 0 到 100 的 output_compression。在意延迟时 JPEG 更快。
• 高保真编辑：编辑请求始终以高保真处理参考图，可能提高输入 token 成本。
• 审核控制：moderation 可为 auto（默认）或 low。使用 GPT Image 系列前，组织可能需要完成 API Organization Verification。
• 不支持透明背景：gpt-image-2 不支持 background: "transparent"。

适用场景

• 商品与营销静帧：先用 quality: "low" 打草稿，再把选定结果渲到 medium 或 high。
• 多轮设计：在 GPT-5.6 及更新模型上用 Responses 的图像生成工具，让同一会话先生成再编辑。
• 版式较重的物料：4K 横竖画幅适合海报和幻灯片，但超过 2560x1440（3,686,400 像素）的输出被标为实验性。
• 批量生产：需要离线放量时可用 Batch 端点。

定价

OpenAI 在 API 定价页 按每 100 万 token 给 GPT Image 2 标价（查阅于 2026-08-17）：

Batch 价格是标准价的一半。图像生成指南还给出常见尺寸的单张输出示例：1024x1024 在 low / medium / high 大约 $0.006 / $0.053 / $0.211；1024x1536 或 1536x1024 在 low / medium 大约 $0.005 / $0.041。高分辨率和编辑任务仍会叠加输入 token。请用官方计算器，不要把这些示例当成完整价目表。

ChatGPT Images 2.0 是面向消费者的兄弟产品，计费面与 API 里的 gpt-image-2 并不相同。

快速开始

1. 若开发者控制台要求，先完成 Organization Verification。
2. 用 model: "gpt-image-2" 调用 images.generate，保存返回的 b64_json。
3. 先用 quality: "low" 和较小尺寸，只在最终成品提高质量。
4. 需要会话式编辑时，在 GPT-5.6 或更新模型上使用 Responses 的图像生成工具，必要时用 action 强制 generate 或 edit。
5. 遇到 image_generation_user_error 应改提示词，不要盲目重试。

常见问题

这是换了名字的 DALL-E 3 吗？

不是。GPT Image 是更晚的系列。gpt-image-2 是当前 API 旗舰；gpt-image-1.5、gpt-image-1 和 gpt-image-1-mini 仍以不同价格提供。

能锁定版本吗？

能。需要稳定快照时钉住 gpt-image-2-2026-04-21。

为什么请求那么慢？

复杂提示最多可能要两分钟。官方限制里仍包括文字排版不准、角色一致性，以及精确布局控制。

速率限制是多少？

默认图像限额按用量档位提升：Tier 1 为 5 IPM，Tier 5 为 250 IPM；TPM 从 100,000 到 8,000,000。

替代方案

• OpenAI: dall-e-3：工作流仍钉在 DALL-E 上的旧版静帧模型。
• Flux.1 Pro：想换非 OpenAI 供应商时的 Black Forest Labs 商用静帧模型。
• Nano Banana：已经在 Gemini 体系里工作时的 Google 图像产品。

使用技巧

1. 先便宜打样再加钱。官方建议用 low 做缩略图和迭代。
2. 在意延迟就优先 JPEG，无损成片再留 PNG。
3. 大批量前重新核对 token 价格。标准表上图像输出是每 100 万 token $30，编辑还会叠加高保真输入 token。

总结

2026 年做新的静帧生成和编辑，尤其是应用里已经有 GPT-5.6 时，应优先看 GPT Image 2。先从低质量方形草稿开始，再读 模型页 和定价计算器，然后再打开 4K 或高保真编辑。