跳转到主要内容

​
一句话结论

你需要选这个
精确的尺寸 / 画质控制（含 4K）、要求与 OpenAI 官方完全一致gpt-image-2（官转）
可预测的统一价（$0.03/张）、出图速度更快、参数极简gpt-image-2-all（官逆）
两个模型底层都是 OpenAI gpt-image-2，差别在通道性质（官方直连 vs 逆向）、计费方式、端点形态、参数粒度。
后缀 -all 的含义：用来区分官方正式模型和官方逆向模型。本站 -all 后缀 = 逆向模型（官逆），不带后缀 = 官方直连（官转）。

​
完整对比表

维度gpt-image-2-all（官逆，高性价比）gpt-image-2（官转，正式版）
模型名gpt-image-2-allgpt-image-2
通道性质官方逆向（与 ChatGPT 网页版能力平移）官方直连（OpenAI Images API）
计费方式按次计费：固定 $0.03/次按量计费：按 token 实计，官网同价；本站充值加赠后约 8.5 折
典型成本/张$0.03（不区分尺寸 / 画质）实测 $0.03 – $0.2（与提示词长度、size、quality 正相关）
令牌分组默认分组（Default）默认分组（Default）
令牌类型按次计费 或 按量优先 均可仅支持按量优先（本模型按 token 计费，按次计费令牌不可用）
推荐端点⭐ /v1/chat/completions（对话式，主推）/v1/images/generations + /v1/images/edits
备选端点/v1/images/generations、/v1/images/edits（仅官方两个端点）
上传图片格式base64 或 https URL（chat 端点）multipart file（编辑接口）
输出图片格式b64_json（已带前缀）或 url（R2 CDN）b64_json（纯 base64，无前缀）
上传图片数（编辑）多张（chat 模式理论上限较高）最多 5 张（image[]）
mask 局部重绘❌ 不支持✅ 支持（要求带 alpha 通道）
指令遵循好优秀
生成速度约 60 秒约 100-120 秒，复杂场景 + 4K 可达 3-5 分钟
分辨率控制仅能在提示词里描述，输出在 1K-2K 之间size 参数精确控制，1K / 2K / 3840×2160 4K
常见输出尺寸16:9 → 1672×941、9:16 → 941×1672、1:1 → 1254×12548 个预设 + 任意合法自定义尺寸
画质参数❌ 不支持 quality✅ low / medium / high / auto
透明背景—❌ 不支持（background: transparent 会报错）
中文提示词✅ 原生✅ 原生
文字渲染高还原度高还原度（high 档位最强）
内容限制较少（更宽松）较严格（OpenAI 官方策略）
API 文档GPT-Image-2-All 概览GPT-Image-2 概览
🔑 如何创建或管理令牌：https://api.apiyi.com/token
在控制台创建令牌时可以选择分组（Default 默认即可）和令牌类型（按次计费 / 按量优先）。调用 gpt-image-2（官转）必须使用「按量优先」类型的令牌，否则会因计费方式不匹配被拒。

​
选型场景

​
选 gpt-image-2-all（官逆）的场景

💰 成本可预测

单价稳定 $0.03/张，无尺寸 / 画质阶梯，适合大批量生产、成本必须封顶的场景（信息图、营销物料、电商素材批量）。

⚡ 出图速度优先

约 60 秒出图，比官转快接近一倍，前端实时交互体验更好。

🗨️ 对话式工作流

主推 /v1/chat/completions，多轮迭代改图、文生图、带图编辑用同一端点，集成最简单。

🌏 中文 + 营销文字

中文提示词原生友好、招牌 / 海报 / 信息图文字还原度高，适合面向中文用户的内容生产。

​
选 gpt-image-2（官转）的场景

🖼️ 需要精确控尺寸

size 参数支持任意合法尺寸（含 3840×2160 4K）。电影海报、桌面壁纸、视频封面等需要精确控制比例 / 分辨率的场景必选。

🎚️ 需要画质档位

quality 支持 low/medium/high/auto。草稿用 low 省成本，终稿 high 出印刷级效果。

🎯 mask 局部重绘

支持 alpha 通道蒙版，精准修改图片局部区域而保留其余部分。

🔌 与 OpenAI 官方一致

走官方 Images API，字段与行为完全与官方一致。已有基于 OpenAI 官方 SDK 的代码 / 系统可零改动迁移，长期更稳。

​
关键差异详解

​
1. b64_json 格式差异（迁移坑！）

# gpt-image-2-all：b64_json 已含前缀，可直接用作 <img src>
all_b64 = resp["data"][0]["b64_json"]
# "data:image/png;base64,iVBORw0KGgo..."
img_tag = f'<img src="{all_b64}">'  # ✅ 直接用

# gpt-image-2：b64_json 是纯 base64，无前缀，需自己 decode 或拼前缀
official_b64 = resp.data[0].b64_json
# "iVBORw0KGgo..."
with open("out.png", "wb") as f:
    f.write(base64.b64decode(official_b64))  # ✅ 写文件
img_tag = f'<img src="data:image/png;base64,{official_b64}">'  # ✅ 浏览器渲染
从一个切到另一个时，b64_json 处理代码必须改，否则会拿到损坏的 data URL 或 decode 失败。

​
2. 分辨率控制方式

gpt-image-2-all（写在 prompt 里）： 
"横版 16:9 电影画幅，黄昏时的海边老灯塔"   → 输出约 1672×941
"竖版 9:16 手机壁纸，赛博朋克城市雨夜"      → 输出约 941×1672
"1024×1024 方形 LOGO，极简猫咪线条"          → 输出约 1254×1254
gpt-image-2（size 参数严格控制）： 
client.images.generate(
    model="gpt-image-2",
    prompt="...",
    size="2048x1152",   # ✅ 精确按此输出
    quality="high"
)

​
3. 上传 / 输出格式差异

操作gpt-image-2-allgpt-image-2
上传参考图base64 data URL 或 https URL（在 chat messages 的 image_url 里）multipart image[] 文件字段
下载生成图默认 url（R2 CDN，24 小时有效期），可改 b64_json（带前缀）b64_json（纯 base64，需 decode）
多图融合chat 端点多个 image_url 即可image[] 数组重复传入，最多 5 张

​
4. 价格示例（粗算）

场景gpt-image-2-allgpt-image-2
1024×1024 草图$0.03~$0.006（low）
1024×1024 中等画质$0.03~$0.053（medium）
1024×1024 高画质$0.03~$0.211（high）
2048×1152 高画质$0.03~$0.20+（按 token 实计）
3840×2160 4K 高画质❌ 不支持 4K按 token 实计，显著高于 1K
编辑 / 多图融合$0.03输入 token 显著上升，单次成本可达 $0.1+
结论：批量、低画质场景用 gpt-image-2-all 不一定省（草图 1K low 实际更便宜）；中-高画质 + 不需要 4K 的中间区段，gpt-image-2-all 的 $0.03 更稳更可预算。需要 4K 或精细参数控制必选 gpt-image-2。

​
客户端调用建议

设置项gpt-image-2-allgpt-image-2
超时（保守值）300 秒360 秒（4K 高画质实测可达 3-5 分钟）
重试策略5xx 与超时指数退避 2 次同左
并发chat 端点天然并发友好单次 1 张，需要多张请并发
请求 IDrequest-id 响应头x-request-id 响应头

​
常见问题

可以。两者都走默认分组（Default），同一个 API Key 同时调用即可，无需额外配置。
有可能。当出图意图不够明确时，gpt-image-2-all 的 chat 端点可能返回纯文字。强化办法：在用户提示词的开头追加固定前缀如「生成图片：」或 system 提示词约束输出。
  • 沿用官方 SDK / 要求与 OpenAI 官方一致：选 gpt-image-2（官转），需要删掉 input_fidelity、避开 background: transparent，其它字段不动
  • 想顺便降低成本：选 gpt-image-2-all（官逆），统一 $0.03/张，迁移到 chat 端点最简洁
可以。常见做法：主用 gpt-image-2-all（成本可预测、速度快），兜底用 gpt-image-2（需要 4K 或精细控制时切过去）。两个模型响应字段不同，业务层做一次格式归一即可。

​
相关文档