Генерация изображений GPT-Image-2.5 / 2

GPT-Image-2.5 / 2 Генерация/редактирование изображений

Руководство по официальному релею для серии OpenAI GPT-Image 2.5 / 2: gpt-image-2.5-flare (приоритет скорости), gpt-image-2.5-sunburst (приоритет точности редактирования) и gpt-image-2 — все по одинаковой цене и с одинаковыми параметрами. Нативное разрешение любого размера 2K/4K, автоматическая обработка эталонных изображений с высокой точностью, преобразование текста в изображение, редактирование по эталону, объединение нескольких изображений, закрашивание областей по маске.

Все image API являются синхронными — здесь нет ID задачи для опроса, и если ваш клиент отключится, результат будет потерян, при этом запрос все равно тарифицируется. Установите достаточно большой timeout для этой модели; см. Основы и лучшие практики Image API.

Обзор

На этой странице рассматривается серия GPT-Image 2.5 / 2 от OpenAI через официальный релей APIYI: gpt-image-2.5-flare (с приоритетом скорости), gpt-image-2.5-sunburst (с приоритетом качества и точности редактирования) и gpt-image-2 предыдущего поколения. Модели 2.5 выпущены 2026-09-08 и обеспечивают более высокое качество по сравнению с gpt-image-2, более точное редактирование и два новых уровня quality (xhigh / max) при абсолютно тех же цене и параметрах, что и у gpt-image-2. Для всей серии общими являются: любое допустимое разрешение (включая 2K / 3840×2160 4K), автоматическое высокоточное качество при работе с эталонными изображениями, тарификация по token. Шлюз APIYI полностью совместим с API изображений OpenAI — укажите base_url официального SDK OpenAI здесь для прямого подключения без изменений в коде.

🎨 Основные преимущества: нативная поддержка любого допустимого разрешения (максимум 3840×2160 4K) + автоматическое высокоточное качество при редактировании эталонных изображений + нативная поддержка промптов на китайском языке + новые уровни качества xhigh / max в версии 2.5. Оптимально для производственных сценариев, требующих точного управления размером и качеством, полной совместимости с официальным API OpenAI или вывода в 4K; по умолчанию для преобразования текста в изображение используйте gpt-image-2.5-flare, а для редактирования — gpt-image-2.5-sunburst.

API преобразования текста в изображение

/v1/images/generations — генерация изображений из текстовых промптов с управлением размером, качеством и output_format.

API редактирования изображений

/v1/images/edits — загрузка эталонных изображений в формате multipart (до 16 изображений) и инструкций по редактированию или объединению с поддержкой дорисовки по маске.

Позвольте AI-агенту выполнить интеграцию

Если вы разрабатываете с помощью Codex / Claude Code / Cursor, скопируйте приведённый ниже промпт и передайте его своему агенту. Сначала он получает текстовую версию этой страницы (добавьте .md к любому URL документации), а затем пишет код в используемом в вашем проекте стеке — четыре наиболее частые проблемы (тайм-аут, отображение base64, сжатие при загрузке, уровень качества) уже учтены в требованиях.

Попросите агента-программиста интегрировать или устранить неполадки в работе GPT-Image 2.5 / серии 2 для преобразования текста в изображение и редактирования изображений. Скопируйте и вставьте этот текст в Codex, Claude Code, Cursor и аналогичные инструменты.

От каких проблем защищает этот промпт

Требование	Предотвращаемая проблема
Тайм-аут увеличен до 360 с	Стандартный тайм-аут большинства HTTP-клиентов составляет 30–60 с, поэтому они прерывают запрос, пока сервер всё ещё штатно выполняет генерацию, — и прерванный запрос всё равно тарифицируется. См. раздел Основные сведения об Image API и рекомендации по использованию
Отображать base64	Эта модель никогда не возвращает URL; чтение `data[0].url` просто возвращает пустое значение
Никогда не отправлять `response_format`	Самая распространённая ошибка 400 для этой модели — см. часто задаваемые вопросы на этой странице
Сжимать перед загрузкой	Размер фотографий с телефонов часто составляет 4–5 МБ, а кодирование в base64 увеличивает его ещё примерно на 33%. Стандарт сжатия: Сжатие изображений и выходное разрешение
Всегда отправлять `quality`	`auto` — динамический уровень рассуждения, поэтому одинаковый промпт приводит к различиям в стоимости и задержке между уровнями
Не переносить `quality` при миграции	2.5 `high` = `gpt-image-2` `medium`; копирование значения понижает уровень на один
Фиксировать снапшоты с датами	Поведение может измениться при переключении алиаса на новый снапшот; рабочая среда не должна пассивно следовать за такими изменениями

Почему стоит выбрать официальный релей APIYI для GPT-image-2?

Построен на официальном канале OpenAI и глубоко оптимизирован для корпоративных production-нагрузок по направлениям надежности, стоимости и опыта интеграции:

Официальный канал · Как у официального

Строго маршрутизируется через официальный релей OpenAI — запросы и ответы на 100% идентичны официальному OpenAI: те же поля, те же коды ошибок, то же поведение модели. Беспроблемное качество, без скрытых переписываний.

Без ограничений на параллельные запросы

Не ограничено порогами RPM / TPM по уровням Tier OpenAI. Трафик enterprise-масштаба масштабируется линейно — пакетная генерация и сценарии пиковых нагрузок обрабатываются без труда.

Та же цена + скидка до 15%

Базовая цена за единицу совпадает с официальной ценой OpenAI. Сочетайте с нашими бонусными акциями пополнения, чтобы получить скидку до 15% — долгосрочные расходы заметно снижаются.

Глобальный доступ без барьеров

Не требуется зарубежный сервер или прокси. Подключайтесь напрямую к api.apiyi.com из отечественных дата-центров, домашнего широкополосного интернета или зарубежных узлов — стабильная задержка, без трансграничной перестройки архитектуры.

Полная линейка моделей

Легко переключайтесь на модель, созданную методом реверс-инжиниринга gpt-image-2-all ($0.03 за изображение, фиксированная цена), или на самый выгодный по стоимости Nano Banana Pro / 2 — комбинируйте варианты под каждый сценарий.

Профессиональная корпоративная поддержка

Наша команда специализируется на production-развертываниях генерации изображений и обладает глубоким опытом в выборе модели, настройке и интеграции — полная поддержка от PoC до production.

Выбор модели: flare / sunburst / gpt-image-2

С 2026-09-08 эта группа документации охватывает три модели OpenAI GPT-Image 2.5 / 2. Все три используют одинаковые цены, параметры, группы и эндпоинты; переключение выполняется изменением одного поля model:

Позиция	`gpt-image-2.5-flare`	`gpt-image-2.5-sunburst`	`gpt-image-2`
Назначение	Небольшая модель с приоритетом скорости, рекомендованный OpenAI повседневный вариант по умолчанию	Базовая модель с приоритетом качества, наиболее мощная на сегодняшний день модель OpenAI для генерации и редактирования	Флагманская модель предыдущего поколения, по-прежнему доступная
Качество	Выше, чем у gpt-image-2	Самое высокое из трёх	Базовое
Задержка (1024², измерено 2026-09-09)	`low` 10 с / `high` 21 с / `max` 45 с; до 50% ниже, чем у gpt-image-2, согласно OpenAI	`low` 14 с / `high` 42 с / `max` 142 с	`low` 21 с / `high` 224 с
Согласованность при редактировании и многоходовых взаимодействиях	Улучшена	Улучшена ещё сильнее: лучшее сохранение объектов и память в многоходовых взаимодействиях	—
Уровни `quality`	Шесть, добавлены `xhigh` / `max`	Шесть, добавлены `xhigh` / `max`	`low` / `medium` / `high` / `auto`
Текущий срез	`gpt-image-2.5-flare-2026-09-08`	`gpt-image-2.5-sunburst-2026-09-08`	`gpt-image-2-2026-04-21`
Лучше всего подходит для	Пакетной генерации, контента для социальных сетей, изображений продуктов и задач, чувствительных к задержке	Многоходовой ретуши, рекламных креативов производственного уровня и объединения нескольких изображений	Существующих интеграций, которые вы не хотите изменять

Как выбрать: для текстовой генерации изображений по умолчанию выбирайте gpt-image-2.5-flare, используйте gpt-image-2.5-sunburst для редактирования и объединения нескольких изображений, а в продакшене фиксируйте снапшоты с датами, чтобы изменение псевдонима никогда не переключало используемую модель. Существующий код с gpt-image-2 обновляется одним изменением имени модели; все остальные параметры, цена и настройки таймаутов сохраняются. Обзор запуска: GPT-image-2.5 выходит: Flare быстрее, Sunburst точнее.

Основные возможности

Любое разрешение (вкл. 4K)

Поддерживается любой допустимый размер вывода. Пресеты охватывают 1K / 2K / 3840×2160 4K. Пользовательские размеры должны лишь соответствовать базовым ограничениям (стороны кратны 16, соотношение сторон ≤ 3:1).

Автоматическая высокая точность

Редактирование по референсному изображению автоматически включает режим высокой точности. Детализация, сохранение идентичности персонажей и текста значительно улучшены. Не передавайте input_fidelity (иначе будет ошибка).

На 20-30% дешевле

Качественный режим 1024×1024 снижается с диапазона $0.25 у 1.5 до $0.211/изображение. 2K/4K тарифицируется по token, но также дешевеет — долгосрочная стоимость заметно ниже.

Китайский + рендеринг текста

Нативная поддержка prompt на китайском языке. Стабильный рендеринг китайского/английского текста на вывесках, постерах, скриншотах UI. Мелкий текст редко размывается на качестве high.

Слияние нескольких изображений (до 16)

image[] массив принимает до 16 референсных изображений. Используйте «image 1 / image 2 / image 3» в prompt, чтобы сослаться на них по порядку загрузки.

Маскирование inpainting

Загрузите маску с альфа-каналом. Прозрачные области — это области inpaint, непрозрачные области сохраняются.

Несколько форматов вывода

Поддерживает png (по умолчанию) / jpeg / webp. Установите output_compression для jpeg/webp, чтобы управлять размером файла.

Прямой доступ через OpenAI SDK

Укажите base_url на https://api.apiyi.com/v1 и вызывайте напрямую с официальным OpenAI SDK — миграция без кода.

Тарификация

gpt-image-2.5-flare / gpt-image-2.5-sunburst / gpt-image-2 APIYI (группа по умолчанию) используют единый прайс-лист, который в точности соответствует официальным тарифам OpenAI — скидка предоставляется за счёт нашего бонуса за пополнение: пополните счёт на $100 и получите бонус 10%, вплоть до 20%. 📖 Подробнее об акциях пополнения.

Тарификация по количеству token (как в прайс-листе OpenAI)

Token-metered — один запрос = токены входного текста + входного изображения + выходного изображения:

Позиция тарификации	Цена (за 1M tokens)	Примечания
Входной текст	$5.00	Текстовая часть вашего prompt
Входное изображение	$8.00	Референсные изображения в запросах редактирования/смешивания, токенизируются по правилам Vision
Выходное изображение	$30.00	Основная статья затрат — число token определяется размером × качеством
Кэшированный ввод	Text $1.25 / Image $2.00	Настроено, но при высоких параллельных запросах частота попадания в кэш ограничена — см. ЧЗВ

Почему входное изображение дороже? Входное изображение стоит $8.00 / 1M tokens — 1.6x ставки $5.00 / 1M для входного текста (это собственный прайс-лист OpenAI, а не наценка APIYI). Именно поэтому запросы редактирования / fusion с несколькими изображениями заметно дороже по входной части, чем обычная генерация изображений по тексту: референсные изображения токенизируются в большое число image tokens по правилам Vision, и каждый из этих token уже стоит на 60% дороже text token.

Справочник стоимости за изображение (официальная таблица, gpt-image-2)

Типичная стоимость одного изображения для gpt-image-2 при предустановленных размерах 1K (модели 2.5 используют другое количество tokens для тех же названий уровней; см. следующий раздел):

Качество	1024×1024	1024×1536	1536×1024
Низкое	$0.006	$0.005	$0.005
Среднее	$0.053	$0.041	$0.041
Высокое	$0.211	$0.165	$0.165

Примечания по тарификации:

Цены за единицу соответствуют прайс-листу OpenAI; добавьте бонус за пополнение (10% при пополнении на $100, до 20%), и итоговая стоимость будет ниже, чем при прямой оплате
Для 2K / 4K нет фиксированной цены за изображение — тарификация выполняется по фактическому количеству входных и выходных tokens
Запросы на редактирование имеют заметно больше входных tokens, чем преобразование текста в изображение, из-за принудительного режима высокой точности
Потоковая передача (stream: true + partial_images: N) стоит дополнительно 100 выходных tokens изображения за каждый частичный результат
По сравнению с gpt-image-1.5 при одинаковых размере и качестве, gpt-image-2 примерно на 20–30% дешевле

Уровни качества и измеренная стоимость для моделей 2.5 (измерено 2026-09-09)

Одинаковое название уровня не означает одинаковое число token в 2.5 и gpt-image-2: 2.5 заново калибрует шкалу качества. low не изменяется, high у 2.5 соответствует medium у gpt-image-2, а max у 2.5 соответствует high у gpt-image-2. В таблице показаны usage.output_tokens и стоимость вывода при тарифе $30 / 1 млн token для преобразования текста в изображение размером 1024×1024, с одинаковым prompt и одним последовательным запуском для каждой модели (flare и sunburst дают одинаковое число token для каждого уровня; различается только задержка):

качество	gpt-image-2	gpt-image-2.5-flare	gpt-image-2.5-sunburst
`low`	196 token ≈ $0.006 (21 с)	196 token ≈ $0.006 (10 с)	196 token ≈ $0.006 (14 с)
`medium`	1,756 token ≈ $0.053 (63 с)	439 token ≈ $0.013 (10 с)	439 token ≈ $0.013 (19 с)
`high`	7,024 token ≈ $0.211 (224 с)	1,756 token ≈ $0.053 (21 с)	1,756 token ≈ $0.053 (42 с)
`xhigh`	❌ 400	3,122 token ≈ $0.094 (31 с)	3,122 token ≈ $0.094 (60 с)
`max`	❌ 400	7,024 token ≈ $0.211 (45 с)	7,024 token ≈ $0.211 (142 с)

Не переносите quality без изменений при миграции с gpt-image-2: тот же high даёт в 2.5 вчетверо меньше выходных token и соответствует более низкой ступени шкалы; чтобы сопоставить high gpt-image-2 по бюджету token, отправляйте в 2.5 max. И наоборот, high / xhigh у 2.5 дают два более дешёвых промежуточных шага при том же бюджете. Один раз запустите собственные prompt и проверьте usage.output_tokens перед переходом в production; для 2K / 4K используйте экстраполяцию по соотношению числа пикселей.

Как несколько входных изображений влияют на цену (проверено в июле 2026)

Частый вопрос от клиентов: «Каждое референсное изображение стоит фиксированную сумму, или большие изображения расходуют больше tokens?» Ответ: важны оба фактора, и количество изображений суммируется строго линейно. gpt-image-2 обрабатывает каждое входное изображение в принудительном режиме высокой детализации (input_fidelity не настраивается — при его передаче возвращается 400), и каждое референсное изображение преобразуется в image tokens в зависимости от его размеров и aspect ratio. Контролируемые измерения (эндпоинт edits, 2026-07-15):

Входное референсное изображение	`image_tokens`	Стоимость входа ($8/M)
1 × 512×512	1024	≈$0.0082
1 × 1024×1024	1024	≈$0.0082
1 × 2048×2048	1521	≈$0.0122
1 × 4096×4096	1521	≈$0.0122
1 × 1024×1536 (портрет)	1536	≈$0.0123
4 × 1024×1024	4096 (= 4 × 1024)	≈$0.0328

Три практических правила:

Количество строго линейно: N референсных изображений ≈ N × tokens одного изображения. 16 референсных изображений при 1024² ≈ 16384 tokens ≈ $0.13 — тот же порядок величины, что и один вывод high ($0.211), так что в случае слияния нескольких изображений этим уже нельзя пренебрегать.
Размер имеет и нижний предел, и потолок: квадратные изображения размером 1024² и меньше тарифицируются как 1024 tokens (уменьшение до 512 ничего не экономит); 2048² и 4096² оба стоят 1521 tokens (слишком большие изображения перед преобразованием уменьшаются — потолок действует). Одно референсное изображение обычно попадает примерно в диапазон 800-1600 tokens с учетом соотношения сторон.
Tokens определяются размерами в пикселях, а не размером файла: сжатие до 1.5MB помогает со стабильностью и скоростью загрузки, но не уменьшает image tokens; наоборот, загрузка исходника на 50MB тоже не раздует ваш счет (действует потолок).

Интуитивная оценка стоимости: при выводе low (196 tokens ≈ $0.006) стоимость входа одного референсного изображения (≈$0.008) фактически превышает стоимость вывода; при выводе high (≈$0.211) одно референсное изображение составляет лишь около 4%. Размер и качество вывода всегда сильнее всего влияют на цену — количество референсных изображений стоит на втором месте.

Оценка стоимости 2K/4K (экстраполяция по соотношению пикселей, ⚠️ не официальная фиксированная цена)

OpenAI публикует только фиксированную таблицу цены за изображение для размеров 1K — для 2K/4K нет официальной помодельной цены по размеру. Приведенная ниже таблица — это собственная экстраполяция APIYI на основе официальных ставок 1K выше, масштабированная по числу пикселей, и она предназначена только для планирования бюджета:

Качество	2048×2048 (2K-квадрат)	2048×1152 (2K-альбомная ориентация)	3840×2160 / 2160×3840 (4K)
Низкое	≈$0.024	≈$0.008	≈$0.026
Среднее	≈$0.212	≈$0.062	≈$0.216
Высокое	≈$0.844	≈$0.248	≈$0.870

Это оценка, а не официальная таблица цен. Метод: возьмите официальную строку 1K с тем же соотношением сторон в качестве базовой, затем линейно масштабируйте по числу пикселей целевого размера относительно этой базы (например, у 2048×2048 в 4 раза больше пикселей, чем у 1024×1024, поэтому оценка стоимости тоже увеличивается в 4 раза). Фактическое число выходных image tokens определяется моделью динамически в зависимости от сложности содержимого — оно не является строго линейным — поэтому считайте usage.output_tokens в вашем фактическом ответе источником истины (см. «Как проверить реальное количество token для каждого вызова» ниже). Размеры выше 2560×1440 при качестве high по-прежнему относятся к официальному экспериментальному уровню, поэтому оценки там могут быть менее точными.

Чем это отличается от SaaS-подписки / тарификации на основе credit

Вендоры инструментов генерации изображений обычно тарифицируют по одной из двух схем:

Ежемесячные планы подписки: фиксированная ежемесячная плата за квоту «N изображений в месяц». Эта квота рассчитывается исходя из предположения о сверхпродаже — вендор закладывает ожидание, что большинство пользователей не израсходует весь лимит, поэтому рекламируемая «стоимость за изображение» — это просто цена плана, деленная на верхний предел квоты, а не то, сколько на самом деле стоит сгенерировать для вас одно изображение.
Учёт на основе credit / point: задачи разного качества и размера переводятся в неочевидные «credits». По сути это тарификация по фактическому использованию, просто переупакованная в единицу credit, которая скрывает реальное потребление token.

APIYI работает по модели официальный релей + фактическая тарификация по token: без квоты плана, без слоя абстракции в виде credit. Стоимость каждого вызова — это просто фактическое число input/output token × официальный тариф — точный учет по каждому вызову, без сверхпродажи, характерной для подписки, и без динамики «ограничивать, когда вы превысили лимит».

Компромисс тарификации по фактическому использованию в том, что вам нужно самостоятельно оценивать и отслеживать расход, а не полагаться на фиксированную ежемесячную сумму подписки — зато вы платите только за то, чем реально пользуетесь, без простоя и пустых затрат. Вот как напрямую извлечь реальное число token для каждого вызова из ответа, чтобы вы могли вести такой учет самостоятельно.

Как проверить фактическое количество token для каждого вызова

И /v1/images/generations, и /v1/images/edits возвращают поле usage, а token входного изображения и token входного текста возвращаются как отдельные поля — ничего оценивать не нужно, просто считайте их, чтобы получить точную стоимость каждого вызова. Вот полный объект usage из реального запроса на редактирование с одним референсным изображением (зафиксировано в реальном времени):

{
    "data": [ { "b64_json": "..." } ],
    "usage": {
        "input_tokens": 848,
        "input_tokens_details": {
            "image_tokens": 832,
            "text_tokens": 16
        },
        "output_tokens": 196,
        "output_tokens_details": {
            "image_tokens": 196,
            "text_tokens": 0
        },
        "total_tokens": 1044
    }
}

Поле	Значение
`usage.input_tokens_details.text_tokens`	token, израсходованные текстом prompt, с тарификацией $5.00 / 1M
`usage.input_tokens_details.image_tokens`	token, в которые по правилам Vision преобразуется референсное изображение, с тарификацией $8.00 / 1M; всегда 0 для обычной генерации изображений по тексту без референсного изображения
`usage.input_tokens`	Сумма двух полей выше
`usage.output_tokens`	token для сгенерированного изображения, определяемые `quality × size` — это основная составляющая стоимости, с тарификацией $30.00 / 1M, и показатель, за которым нужно внимательно следить в запросах 2K/4K (`output_tokens_details.image_tokens` отражает это; `text_tokens` всегда 0)
`usage.total_tokens`	Вход + выход вместе

Формула стоимости для самостоятельного расчета (точная):

cost ≈ input_tokens_details.text_tokens × \$5.00 / 1,000,000
     + input_tokens_details.image_tokens × \$8.00 / 1,000,000
     + output_tokens × \$30.00 / 1,000,000

Чтобы посмотреть фактическое использование token и детали тарификации для прошлых вызовов, откройте страницу «Logs» в консоли: 📖 Как посмотреть журналы вызовов — в подробном представлении журнала перечислены цены для text-input / image-input / output вместе с их количеством token, что соответствует usage.input_tokens_details / usage.output_tokens_details из API. Инструмент image_generation в Responses API сообщает количество token таким же образом, в usage.input_tokens / usage.output_tokens — см. Интеграция инструмента Responses.

Настройка группы

Все три модели GPT-Image 2.5 / 2 используют одни и те же группы официального релея. Переключение выполняется в панели управления → Настройки token → Группа:

Группа	Тариф	Когда использовать
`Default`	1.0x	Та же цена, что и в списке OpenAI — первый выбор при наличии доступной ёмкости; в часы пик возможны 429 / ограничения на параллельные запросы
`image2Enterprise`	1.2x	Стабильный резервный вариант, когда стандартная группа перегружена — приоритет по доступной ёмкости
`svip`	См. консоль	Также поддерживает все три модели; тариф отображается на странице token в консоли

Почему 1.2x? Коэффициент рассчитан исходя из условия «промоакция с разовым пополнением на $3,000 и бонусом 20% ≈ цена из списка OpenAI» — APIYI не получает маржу с этого направления (за исключением налоговых расходов) и использует его исключительно как канал с приоритетом по доступности. Когда стандартная группа работает нестабильно, переключите token на image2Enterprise, чтобы переждать всплеск нагрузки.

Интерфейс создания token: режим тарификации = приоритетная оплата по факту использования, группа = image2Enterprise (1.2x), высокоскоростная корпоративная группа GPT-image-2 по цене из списка — Token settings: pick the image2Enterprise group (1.2x) — stable when default capacity is tight

📖 Проверка стабильности (недавний журнал вызовов): /en/live/2026-04/image2-enterprise-stable

Технические характеристики

Параметр	Значение
Название модели	`gpt-image-2.5-flare` / `gpt-image-2.5-sunburst` / `gpt-image-2` (одинаковые параметры; см. раздел «Выбор модели» выше)
Скорость	Измерено для 1024² (2026-09-09): `gpt-image-2.5-flare` `low` 10 с / `high` 21 с / `max` 45 с; `gpt-image-2.5-sunburst` 14 / 42 / 142 с; `gpt-image-2` `low` 21 с / `high` 224 с. Высокое качество + 2K/4K требуют больше времени
Разрешение результата	Любой допустимый размер (1K/2K/4K, максимум 3840×2160)
Уровни качества	`auto` / `low` / `medium` / `high` / `xhigh` / `max` (`xhigh` / `max` поддерживаются только двумя моделями 2.5)
Форматы результата	`png` (по умолчанию) / `jpeg` / `webp`
Китайские prompt	✅ Нативная поддержка
За один вызов	1 изображение (`n=1`)
Лимит эталонных изображений	16 (`image[]`)
Ограничение размера одного изображения	multipart-файл: менее 50 МБ каждый (png/jpg/webp); URL данных base64: ограничение поля ~20 МиБ, исходные файлы должны быть не более 15 МБ
Инпейтинг по маске	✅ Поддерживается (требуется альфа-канал, PNG менее 4 МБ)
Прозрачный фон	✅ Поддерживается (`background: "transparent"` с `png` / `webp`; `jpeg` не имеет альфа-канала и несовместим с прозрачностью)
Поле ответа	`b64_json` (необработанный base64, без префикса); `response_format` не поддерживается — его передача возвращает ошибку 400

Эндпоинты

Эндпоинт	Назначение	Content-Type
`POST /v1/images/generations`	Текст в изображение	`application/json`
`POST /v1/images/edits`	Редактирование по референсу / слияние нескольких изображений / масочное inpainting	`multipart/form-data`

Выбор домена: api.apiyi.com — основной домен. Другие домены шлюза, такие как b.apiyi.com / vip.apiyi.com, работают одинаково.

Справка по размерам

Предустановленные размеры

size	Значение	Пиксели
`auto`	Адаптивный (по умолчанию)	Модель определяет
`1024x1024`	Квадратный 1:1	1K
`1536x1024`	Альбомный 3:2	1K
`1024x1536`	Книжный 2:3	1K
`2048x2048`	Квадратный 1:1	2K
`2048x1152`	Альбомный 16:9	2K
`3840x2160`	Альбомный 16:9	4K
`2160x3840`	Книжный 9:16	4K

Ограничения пользовательского размера

gpt-image-2 принимает любой допустимый размер, который соответствует всем условиям:

Макс. сторона ≤ 3840px
Обе стороны кратны 16
Соотношение сторон ≤ 3:1
Общее число пикселей ∈ [655,360, 8,294,400] (~0.65MP до ~8.3MP)

Допустимые примеры: 1600x1200, 1792x1024, 2048x1536, 3200x1800 Недопустимые примеры: 1000x1000 (не кратно 16), 4000x4000 (выше максимума), 3840x1000 (соотношение > 3:1)

Выводы выше 2560×1440 (~3.69MP) официально помечены как экспериментальные и могут показывать колебания качества. Для production лучше использовать предустановки вроде 2048x1152 / 2048x2048 / 3840x2160.

Справочник качества

Доступные уровни

качество	Значение	Примечания
`auto`	Автоматически (по умолчанию)	Значение, используемое, если `quality` не указано — модель выбирает уровень за вас
`low`	Низкое качество	Самый быстрый и дешёвый вариант — подходит для черновиков / пакетной обработки
`medium`	Среднее качество	Сбалансированный выбор для повседневных задач / финального результата
`high`	Высокое качество	Текст, мелкие текстуры, печать; высший уровень для `gpt-image-2`
`xhigh`	Очень высокое качество (новое в версии 2.5)	Поддерживается только `gpt-image-2.5-flare` / `sunburst`; больше выходных токенов, чем у `high`
`max`	Максимальное качество (новое в версии 2.5)	Поддерживается только двумя моделями версии 2.5; максимальные стоимость и задержка, для финальных результатов производственного качества

По умолчанию используется auto, а не medium. Опущенный quality эквивалентен передаче "quality": "auto" — модель автоматически выбирает уровень качества, и OpenAI не гарантирует, что он соответствует medium. Уровень, к которому разрешается auto, непредсказуем и напрямую влияет на стоимость, задержку и стабильность тарификации. Если вам нужны контроль затрат и предсказуемость, явно передавайте low / medium / high / xhigh / max вместо того, чтобы полагаться на auto.

Не передавайте устаревшие значения DALL·E standard / hd. quality принимает только шесть официальных значений enum: low / medium / high / xhigh / max / auto, а xhigh / max поддерживаются только двумя моделями версии 2.5. Устаревшие значения DALL·E 3 standard / hd ведут себя непоследовательно в разных backend-каналах: иногда они сразу завершаются ошибкой 400 (invalid_value), а иногда молча игнорируются, и запрос выполняется с параметром auto (непредсказуемая стоимость). Всегда явно передавайте одно из официальных значений.

quality оказывает наибольшее влияние на цену — больше, чем size. Количество токенов выходного изображения определяется параметром quality × size, но quality имеет гораздо больший вес: при одинаковом размере переход от low к high может изменить стоимость одного изображения более чем в 30 раз (см. приведённую выше таблицу «стоимость изображения»: для gpt-image-2 при размере 1024×1024 она варьируется от low $0.006 до high $0.211; для моделей версии 2.5 — от low $0.006 до max $0.211). Сначала оценивайте стоимость по параметру quality, а затем учитывайте влияние size.

Лучшие практики

Совет для начала работы: сначала добейтесь работы API с low, а затем масштабируйтеМы видели, как новые интеграторы сразу переходили к quality=high + высокому разрешению и в итоге ждали ≈ 235 секунд (~4 минуты) на изображение — и только потом начинали подозревать, что API завис. Режим high отличается самой высокой сложностью инференса, а 4K может увеличить время ожидания почти до 5 минут. До перехода в production сначала выполните сквозную интеграцию с quality=low (аутентификация, SDK, параметры, тайм-ауты, обработка ошибок), а затем переходите на medium / high только в соответствии с реальными требованиями к качеству.

Сначала интегрируйте вариант с низким качеством

Для новых интеграций начните с quality=low + предустановленного размера, чтобы проверить всю цепочку вызова (аутентификация, параметры, тайм-ауты, обработка ошибок). low в несколько раз быстрее high, поэтому функциональные проблемы обнаруживаются быстро и не маскируются длительной задержкой.

Предпочитайте предустановленные размеры

8 официальных предустановленных размеров настроены для стабильной скорости и качества. Используйте пользовательские размеры только для действительно необычных соотношений сторон.

Соотносите качество со сценарием

Черновики / пакетная обработка → low; повседневное использование / финальный результат → medium; текст, мелкие текстуры, печать → high. Обратите внимание, что переход от low к high означает не только повышение визуальной точности — это также существенное увеличение сложности инференса, поэтому задержка растёт соответствующим образом.

Выбирайте формат JPEG

Для финального отображения output_format=jpeg + output_compression=85 работает быстрее PNG и занимает примерно вдвое меньше места.

Используйте высокий уровень для сценариев с текстом

Рендеринг текста — одна из ключевых сильных сторон, однако на более низких уровнях текст всё ещё может быть размытым. Для вывесок и плакатов используйте quality=high.

Подготовьте референсные изображения

Размер каждого изображения — до 50 МБ (на практике сжимайте до 1,5 МБ); поддерживаются PNG/JPEG/WebP; можно передать до 16 изображений; указывайте порядок референсов в промпте с помощью «изображение 1 / изображение 2».

Настройте тайм-аут клиента по уровням (для высокого уровня → защитный предел 600 с)

Два параметра, сильнее всего влияющие на задержку, — quality и size, особенно quality. Настройте тайм-ауты клиента для каждого уровня:

качество	Рекомендуемый тайм-аут клиента	Наблюдаемая задержка
`low`	≥ 120 секунд	обычно 10–40 секунд
`medium`	≥ 240 секунд	обычно 30–90 секунд
`high`	≥ 600 секунд (защитный предел)	для gpt-image-2 в режимах 2K/4K выполнение занимает 3–5 минут, в отдельных случаях наблюдалось более 235 секунд; для моделей 2.5 при разрешении 1024² измерялось 21–42 с
`xhigh` (только 2.5)	≥ 300 секунд	для 1024² измерялось 31–60 с (2026-09-09); при 2K/4K — дольше
`max` (только 2.5)	≥ 600 секунд (защитный предел)	для 1024² измерялось 45–142 с; такое же количество token, как у gpt-image-2 `high`, поэтому для 2K/4K закладывайте время, как для gpt-image-2 `high`

Для режима high установите тайм-аут 600 с как защитный предел, чтобы учитывать очередь, разброс значений в длинном хвосте распределения и нестабильность upstream. Показывайте ход выполнения в интерфейсе; рассмотрите возможность использования серверной очереди задач.

Примечания по миграции

При миграции с gpt-image-1.5 удалите input_fidelity (принудительно включает высокую точность и вызывает ошибку при передаче); background: transparent продолжит работать как прежде, изменений не требуется. При миграции с устаревшего кода DALL·E 2/3: удалите response_format (модели GPT Image отклоняют его с ошибкой 400 Unknown parameter: 'response_format'; формат вывода всегда b64_json).

Ошибки и повторные попытки

Статус	Значение	Рекомендуемое действие
`400`	Неверные параметры (нарушение ограничения размера, неподдерживаемое поле и т. д.)	Проверьте соответствие ограничениям размера; не передавайте `response_format` / `input_fidelity`; `background: transparent` в сочетании с `output_format: jpeg` также возвращает 400 (jpeg не имеет альфа-канала) — вместо этого используйте `png` / `webp`; при `Unknown parameter: 'response_format'` просто удалите этот параметр — см. FAQ; `invalid_image_file` на эндпоинте редактирования обычно представляет собой MPO-фото с телефона — см. FAQ
`401`	Неверный token	Проверьте Bearer Token
`403`	Блокировка из-за модерации контента	Измените prompt или передайте `moderation: low`
`429`	Лимит запросов / недостаточный баланс	Экспоненциальная задержка
`5xx`	Ошибка шлюза / backend	Повторите 1–2 раза
Timeout	Длинный хвост	Устанавливайте таймаут клиента по уровням `quality`: `low` ≥ 120s / `medium` ≥ 240s / `high` ≥ 600s (при high + 2K/4K выполнение занимает 3–5 минут; длинный хвост наблюдается на отметке 235+ секунд)

Рекомендации для клиента:

Устанавливайте таймаут запросов по уровням quality: low ≥ 120 секунд / medium ≥ 240 секунд / high ≥ 600 секунд (страховочный запас — наблюдалось 3–5 минут; настройка около 120s/360s вызывает много ложных таймаутов)
Сначала интегрируйтесь с quality=low, затем переходите на medium / high по мере реальной необходимости в качестве
Экспоненциальная задержка для 5xx и таймаутов (рекомендуем 2 повтора)
Логируйте заголовок x-request-id для поддержки

Часто задаваемые вопросы

Как исправить ошибку 400 Unknown parameter: 'response_format'?

Удалите параметр response_format — сейчас это самая распространённая ошибка 400. gpt-image-2 (и вся серия GPT Image) не принимает response_format: формат вывода фиксирован на b64_json и не может быть изменён. Его передача возвращает:

{
  "error": {
    "message": "Unknown parameter: 'response_format'.",
    "type": "invalid_request_error",
    "param": "response_format",
    "code": "unknown_parameter"
  }
}

Этот параметр — наследие эпохи DALL·E 2/3 (которая поддерживала url / b64_json), и множество старых примеров кода и некоторые сторонние библиотеки по-прежнему добавляют его по умолчанию. При переходе на gpt-image-2 удалите это поле и считывайте data[0].b64_json напрямую (необработанный base64 — декодируйте его, чтобы получить файл изображения). Ошибка возвращается на этапе проверки входных данных и не тарифицируется.Если вашему рабочему процессу действительно нужен URL изображения, а не base64:

Официальный gpt-image-2 не поддерживает вывод URL — декодируйте base64 и загрузите файл в собственное объектное хранилище
Либо переключитесь на реверс-инжиниринговый gpt-image-2-all, который поддерживает response_format: "url" и возвращает CDN-ссылку, действительную в течение 24 часов

Нужно ли добавлять префикс data:image/png;base64, к b64_json?

Да. gpt-image-2 возвращает необработанную строку base64 (без префикса), в отличие от gpt-image-2-all. Два варианта работы на стороне клиента:

Запись файла: base64.b64decode(b64_str) → запись на диск
Отображение в браузере: img.src = 'data:image/png;base64,' + b64_str (добавьте префикс вручную)

Если ваш код предполагает поведение эпохи 1.5 — «префикс уже добавлен», — вы получите повреждённый URL данных. Обработайте это явно.

Почему передача input_fidelity возвращает ошибку 400?

gpt-image-2 принудительно включает высокоточное обрабатывание эталонных изображений и больше не принимает input_fidelity. При переходе с версии 1.5 просто удалите это поле — замена не требуется.

Что делать, если нужен прозрачный фон?

Просто передайте background: "transparent", установив output_format в png или webp. В результате будет настоящее изображение с альфа-каналом — дополнительная постобработка для вырезания не требуется. Преобразование текста в изображение, редактирование изображений и инструмент изображений в Responses поддерживают эту возможность.Есть два ограничения: у jpeg нет альфа-канала, и он несовместим с прозрачностью (возвращает ошибку 400); кроме того, на эндпоинте редактирования прозрачность означает повторную отрисовку, а не точное обведение исходного контура, поэтому детали объекта могут измениться. Для попиксельно точного извлечения самостоятельно выполните rembg / PIL / sharp.Полные сведения и информацию о поддержке по моделям см. в разделе Как создавать изображения с прозрачным фоном.

Сколько изображений можно создать за один вызов?

1 изображение (n=1). Для N изображений отправьте N параллельных запросов. Каждый запрос тарифицируется отдельно по количеству token.

Почему 2K/4K работает так медленно?

Более высокое разрешение и качество требуют больше выходных token изображения, поэтому обработка занимает больше времени. В реальных интеграциях клиентов мы наблюдали, что quality=high + высокое разрешение занимают примерно 235 секунд (около 4 минут) на одно изображение, а длительный хвост задержки для 3840×2160 + high может достигать почти 5 минут. Рекомендации:

Сначала интегрируйте quality=low, чтобы проверить цепочку вызовов, а затем повышайте параметры по мере возникновения реальной потребности в качестве
Установите тайм-аут клиента в зависимости от качества: low ≥ 120 с / medium ≥ 240 с / high ≥ 600 с (резерв безопасности)
Показывайте в интерфейсе прогресс «генерации»
Используйте пресеты 1K 1024×1024 / 1536×1024, если 4K не требуется

Действительно ли я получу выгоду от тарификации кэшированных входных данных?

Эта возможность настроена, но не закладывайте скидки за кэширование в бюджет. Официальные тарифы для кэшированных входных данных составляют: текст — $1.25 / изображение — $2.00 за 1 млн token, а в канале APIYI настроено кэширование — при попадании запроса в кэш применяется тариф для кэшированных данных.Важно учитывать один нюанс: для поддержания большого количества параллельных запросов APIYI распределяет запросы между несколькими вышестоящими аккаунтами OpenAI (один аккаунт OpenAI уровня Tier 5 допускает только 250 RPM). Кэш промптов OpenAI не распространяется между аккаунтами, поэтому при большом количестве параллельных запросов запросы с одинаковым префиксом могут попасть на разные аккаунты — попадания в кэш может просто не произойти.Хорошая новость: влияние невелико. Основную стоимость генерации изображений составляют выходные token изображения ($30 за 1 млн); скидка за кэширование применяется только к входной части и почти не влияет на общую стоимость одного изображения. Планируйте бюджет исходя из полной стоимости входных данных, а любые попадания в кэш рассматривайте как дополнительную экономию.

Почему запросы на редактирование стоят дороже, чем преобразование текста в изображение?

Поскольку gpt-image-2 автоматически включает высокоточное обрабатывание эталонных изображений, сами эталонные изображения преобразуются в большое количество входных token согласно правилам тарификации Vision. Количество входных token при редактировании заметно выше, чем при преобразовании текста в изображение, поэтому учитывайте это при планировании бюджета.

Одинаковые размеры и эталонные изображения — почему каждый вызов всё равно стоит по-разному?

Первопричина: quality было установлено в auto (или не указано). Клиенты сообщали: «размер, разрешение и эталонные изображения идентичны, но цена то увеличивается, то уменьшается». При проверке оказалось, что и size, и quality были установлены в auto.Причина — quality: auto: в автоматическом режиме модель интерпретирует запрос и выбирает другой уровень качества для каждой генерации. Другой уровень означает другое количество выходных token изображения, а значит, и другую цену. Ниже приведены три реальные записи тарификации с идентичными входными данными (по 1061 входному token в каждой), но стоимостью, различающейся в несколько раз:

Задержка	Входные token	Выходные token	Стоимость вызова
53 с	1061	1286	$0.055082
135 с	1061	5146	$0.194042
68 с	1061	1287	$0.055118

Во втором вызове auto определило более высокий уровень качества, количество выходных token выросло до 5146, а цена увеличилась примерно в 3,5 раза.Исправление: не оставляйте quality в состоянии auto — явно передавайте low / medium / high. При фиксированном уровне количество выходных token и цена для одинаковых входных данных становятся стабильными и предсказуемыми. См. раздел «Справочная информация о качестве» выше.

Каковы ограничения на количество и размер изображений для эндпоинта редактирования?

Эндпоинт редактирования изображений gpt-image-2 (/v1/images/edits) поддерживает до 16 эталонных изображений:

Загрузка файла через multipart/form-data: размер каждого изображения должен быть менее 50 МБ, форматы png / jpg / webp
URL данных base64: ограничение длины поля составляет около 20 МиБ (схема maxLength: 20971520 — это ограничение строкового поля, не совпадающее с ограничением 50 МБ для multipart), поэтому размер исходных изображений должен быть не более 15 МБ
Файл маски: отдельное ограничение — PNG размером менее 4 МБ

Практический совет: не отправляйте одновременно несколько максимально больших изображений — слишком большие тела запросов часто завершаются ошибкой на уровне шлюза или тайм-аута. Наиболее надёжный вариант — сжать каждое изображение до размера не более 1,5 МБ; качество результата не зависит от размера входного файла.

Эндпоинт редактирования возвращает ошибку 400 «Invalid image file or mode for image 1» — что делать?

Эта ошибка (code: invalid_image_file) означает: N-е эталонное изображение не является стандартным файлом png / jpg / webp (индексация начинается с 1 — используйте индекс, чтобы найти проблемное изображение).Наиболее распространённая первопричина — формат MPO в камерах телефонов: файлы .jpg, непосредственно полученные с телефонов серии Huawei Mate, содержат дополнительный кадр HDR gain-map и фактически являются многоракурсными контейнерами JPEG (MPO). Заголовок совпадает с FFD8, а расширение и команда file сообщают о формате JPEG — визуально это невозможно определить. Проверено в июле 2026 года: файлы MPO всегда отклоняются, а те же изображения, перекодированные в стандартный JPEG/PNG, успешно обрабатываются в полном исходном разрешении (это не связано с размерами, именем поля image[] или параметрами quality/size). Ошибка возвращается на этапе проверки входных данных и не тарифицируется.Исправление: перекодируйте изображение с помощью Pillow перед загрузкой (если Image.open(f).format возвращает "MPO", требуется преобразование):

from PIL import Image
im = Image.open("photo.jpg")
im.load()                          # for MPO, keeps only the first frame
im.convert("RGB").save("photo_fixed.jpg", quality=92)

Полные сведения и метод обнаружения: API редактирования изображений — требования к формату эталонных изображений и предварительная обработка.

Как подготовить файл маски?

Тот же размер, что и у исходного изображения, формат PNG, менее 4 МБ
Должен иметь альфа-канал: прозрачная область (alpha=0) = область для дорисовки, непрозрачная = сохранить
Применяется только к первому изображению
Маска — это «мягкая направляющая»: модель может расширить или сузить область вокруг замаскированного участка

gpt-image-2 и gpt-image-2-all: что выбрать?

Выбор	Когда использовать
gpt-image-2.5-flare / sunburst / gpt-image-2 (официальные)	Требуется точный контроль размера и качества, необходимо полное соответствие официальной версии OpenAI, нужен вывод в 4K или дорисовка по маске; flare — самая быстрая из трёх моделей, sunburst — самый точный редактор
gpt-image-2-all (реверс)	Нужна фиксированная цена $0.03 за изображение, генерация за 30–60 с, минимум параметров, высокая согласованность или китайский текст

Можно ли напрямую использовать официальный SDK OpenAI?

Да — изменения в коде не требуются. Укажите для base_url значение https://api.apiyi.com/v1 и установите api_key равным вашему токену APIYI:

from openai import OpenAI
client = OpenAI(api_key="sk-your-key", base_url="https://api.apiyi.com/v1")
resp = client.images.generate(model="gpt-image-2.5-flare", prompt="...", size="2048x1152", quality="high")

Можно ли отменить выполняющуюся генерацию?

Нет. gpt-image-2 использует официальный синхронный эндпоинт OpenAI — после отправки запроса он выполняется до завершения, поскольку сигнал «отмена» не предусмотрен. Даже если клиент отключится, сервер всё равно завершит генерацию и выполнит обычную тарификацию. Внимательно настройте тайм-ауты на стороне клиента — не предполагайте, что «отключение = отсутствие платы».

Есть ли лимит запросов (RPM)?

По умолчанию — 100 RPM (100 запросов в минуту). Фактически доступный RPM также динамически корректируется с учётом общего количества параллельных запросов на платформе. Если вашей рабочей нагрузке требуется больше, свяжитесь с нами, указав предполагаемые QPS / RPM, и мы сможем предоставить дополнительную пропускную способность.

Поддерживается ли асинхронный вызов?

Нет. gpt-image-2 полностью повторяет официальный API OpenAI и работает только синхронно. Запрос блокируется до возврата результата (high + 4K — на практике 1–2 минуты). Если вам нужна асинхронная очередь или механизм обратных вызовов:

Реализуйте его самостоятельно с помощью очереди задач (Celery / BullMQ и т. п.) на уровне бизнес-логики
Либо используйте gpt-image-2-all — генерация занимает 30–60 с, а опрашивать этот сервис из интерфейса проще

Тарифицируются ли неудачные генерации?

Нет. Встроенная модерация контента OpenAI отклоняет небезопасные или некорректные запросы с ошибкой 400, и плата не взимается. Типичный ответ:

{
  "status_code": 400,
  "error": {
    "message": "Your request was rejected by the safety system. ...",
    "type": "shell_api_error",
    "code": "moderation_blocked"
  }
}

Другие ошибки, не предполагающие оплату: 401 (недействительный токен), 429 (лимит запросов). Тарификация token начинается только после того, как запрос фактически достигает этапа генерации модели (то есть получены 200 + b64_json).

Связанные документы

⚖️ Сравнение официальных и реверс-инжиниринговых решений — руководство по выбору с параллельным сравнением
Песочница преобразования текста в изображение — интерактивное тестирование /v1/images/generations
Песочница редактирования изображений — объединение нескольких изображений /v1/images/edits + маска
Подробный обзор: GPT-image-2.5 запускается, Flare работает быстрее, Sunburst отличается большей резкостью — новостная статья
Подробный обзор: запуск gpt-image-2 — новостная статья
Полная документация по интеграции — полное справочное руководство по API
GPT-Image-2-All (реверс-инжиниринг) — более доступная и быстрая альтернатива
Сообщество: узлы Luck GPT-Image 2 для ComfyUI — вызывайте gpt-image-2 напрямую в ComfyUI (маска / 5 эталонных изображений / пользовательские размеры)
Сообщество: навыки APIYI GPT-Image 2 — вызывайте из Codex CLI / Cursor / Gemini CLI и других инструментов для разработки с использованием ИИ одной фразой
Руководство по API — общее руководство по использованию

gpt-image-2.5-flare / gpt-image-2.5-sunburst / gpt-image-2 — это официальные модели OpenAI, тарифицируемые по token. Если для вас важны фиксированная тарификация ($0.03/изображение) и более быстрая генерация (30–60 с), см. gpt-image-2-all.

​Обзор

API преобразования текста в изображение

API редактирования изображений

​Позвольте AI-агенту выполнить интеграцию

​Почему стоит выбрать официальный релей APIYI для GPT-image-2?

Официальный канал · Как у официального

Без ограничений на параллельные запросы

Та же цена + скидка до 15%

Глобальный доступ без барьеров

Полная линейка моделей

Профессиональная корпоративная поддержка

​Выбор модели: flare / sunburst / gpt-image-2

​Основные возможности

Любое разрешение (вкл. 4K)

Автоматическая высокая точность

На 20-30% дешевле

Китайский + рендеринг текста

Слияние нескольких изображений (до 16)

Маскирование inpainting

Несколько форматов вывода

Прямой доступ через OpenAI SDK

​Тарификация

​Тарификация по количеству token (как в прайс-листе OpenAI)

​Справочник стоимости за изображение (официальная таблица, gpt-image-2)

​Уровни качества и измеренная стоимость для моделей 2.5 (измерено 2026-09-09)

​Как несколько входных изображений влияют на цену (проверено в июле 2026)

​Оценка стоимости 2K/4K (экстраполяция по соотношению пикселей, ⚠️ не официальная фиксированная цена)

​Чем это отличается от SaaS-подписки / тарификации на основе credit

​Как проверить фактическое количество token для каждого вызова

​Настройка группы

​Технические характеристики

​Эндпоинты

​Справка по размерам

​Предустановленные размеры

​Ограничения пользовательского размера

​Справочник качества

​Доступные уровни

​Лучшие практики

​Ошибки и повторные попытки

​Часто задаваемые вопросы

​Связанные документы

Обзор

Позвольте AI-агенту выполнить интеграцию

Почему стоит выбрать официальный релей APIYI для GPT-image-2?

Выбор модели: flare / sunburst / gpt-image-2

Основные возможности

Тарификация

Тарификация по количеству token (как в прайс-листе OpenAI)

Справочник стоимости за изображение (официальная таблица, gpt-image-2)

Уровни качества и измеренная стоимость для моделей 2.5 (измерено 2026-09-09)

Как несколько входных изображений влияют на цену (проверено в июле 2026)

Оценка стоимости 2K/4K (экстраполяция по соотношению пикселей, ⚠️ не официальная фиксированная цена)

Чем это отличается от SaaS-подписки / тарификации на основе credit

Как проверить фактическое количество token для каждого вызова

Настройка группы

Технические характеристики

Эндпоинты

Справка по размерам

Предустановленные размеры

Ограничения пользовательского размера

Справочник качества

Доступные уровни

Лучшие практики

Ошибки и повторные попытки

Часто задаваемые вопросы

Связанные документы