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.

Доверьте интеграцию ИИ-агенту

Скопируйте этот prompt и вставьте его в Codex / Claude Code / Cursor

Сначала он загрузит текстовую версию этой страницы (добавьте .md к любому URL документации), а затем напишет код под стек вашего проекта — четыре самые частые ошибки (тайм-аут, рендеринг base64, сжатие при загрузке, уровень качества) уже учтены в требованиях.

Выполните интеграцию / устранение неполадок генерации изображений по тексту и редактирования изображений серии GPT-Image 2.5 в этом проекте: используйте gpt-image-2.5-flare для генерации по тексту и gpt-image-2.5-sunburst для редактир …

Прочитайте документацию перед тем, как писать код: получите текстовую версию этой страницы по адресу https://docs.apiyi.com/en/api-capabilities/gpt-image-2/overview.md. Для более подробной информации о параметрах добавьте .md к …

Тайм-аут: увеличьте тайм-аут клиента до 360 секунд. API генерации изображений синхронны — здесь нет ID задачи, поэтому при отключении клиента результат теряется …

Всего 7 требований. Используйте кнопку ниже, чтобы скопировать весь prompt.

От каких проблем избавляет этот prompt

Требование	Предотвращаемая проблема
Увеличение тайм-аута до 360 с	Большинство популярных HTTP-клиентов по умолчанию используют тайм-аут 30–60 с и обрывают запрос, пока сервер всё еще штатно выполняет генерацию, при этом разорванный запрос всё равно тарифицируется. См. Основные принципы и рекомендации по работе с API изображений
Рендеринг base64	Эта модель никогда не возвращает URL; чтение `data[0].url` просто вернет пустое значение
Никогда не отправлять `response_format`	Самая частая причина ошибки 400 для этой модели — см. FAQ на этой странице
Сжатие перед загрузкой	Фотографии со смартфонов обычно весят 4–5MB, а кодирование в base64 увеличивает их размер еще примерно на 33%. Стандарт сжатия: Сжатие изображений и разрешение на выходе
Всегда передавать `quality`	`auto` — это динамический уровень рассуждения, поэтому для одного и того же prompt стоимость и задержка могут плавать от уровня к уровню
Не переносить `quality` при миграции	2.5 `high` = `gpt-image-2` `medium`; простое копирование значения понизит ваш уровень на один шаг
Фиксация снимков с датой	Поведение модели может измениться при переключении алиаса на новый снимок; продакшен не должен зависеть от таких изменений

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

Построен на базе официального канала OpenAI и глубоко оптимизирован для корпоративных рабочих нагрузок в продакшене по параметрам надежности, стоимости и удобства интеграции:

Официальный канал · Идентично официальному

Строгая маршрутизация через официальный релей OpenAI — запросы и ответы на 100% идентичны официальным от OpenAI: те же поля, те же коды ошибок, то же поведение модели. Качество без потерь, никаких скрытых изменений.

Без ограничений на параллельные запросы

Без привязки к лимитам RPM / TPM по уровням (Tier) от OpenAI. Трафик корпоративного масштаба масштабируется линейно — пакетная генерация и сценарии пиковых нагрузок обрабатываются без проблем.

Та же цена + скидка до 15%

Базовая цена за единицу совпадает с официальными тарифами OpenAI. Совмещайте с нашими акциями с бонусами за пополнение и получайте скидку до 15% — долгосрочные расходы заметно снижаются.

Глобальный доступ без барьеров

Зарубежный сервер или прокси не требуются. Подключайтесь напрямую к api.apiyi.com из локальных дата-центров, домашнего интернета или зарубежных узлов — стабильная задержка, никакой трансграничной перестройки архитектуры.

Полная линейка моделей

Бесшовно переключайтесь на реверс-инжиниринговую модель gpt-image-2-all (фиксированная цена $0.025/изображение) или на лидера по стоимости Nano Banana Pro / 2 — комбинируйте под свои сценарии.

Профессиональная корпоративная поддержка

Наша команда специализируется на внедрении генерации изображений в продакшене и обладает глубоким опытом в выборе моделей, их настройке и интеграции — комплексная поддержка от PoC до продакшена.

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 изображений и token текста возвращаются в отдельных полях — ничего оценивать не нужно, просто считайте их для точного расчёта стоимости каждого вызова. Ниже приведён полный объект usage из реального запроса на редактирование с одним эталонным изображением (получен 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, использованные в тексте промпта; тарифицируются по $5.00 / 1 млн
`usage.input_tokens_details.image_tokens`	token, в которые преобразуется эталонное изображение согласно правилам Vision; тарифицируются по $8.00 / 1 млн; всегда равны 0 для обычной генерации изображения из текста без эталонного изображения
`usage.input_tokens`	Сумма двух указанных выше полей
`usage.output_tokens`	token для сгенерированного изображения, зависящие от `quality × size` — это основная часть стоимости, тарифицируемая по $30.00 / 1 млн; именно за этим числом следует внимательно следить в запросах 2K/4K (`output_tokens_details.image_tokens` дублирует это значение; `text_tokens` всегда равно 0)
`usage.total_tokens`	Общая сумма входных и выходных данных

Формула самостоятельного расчёта стоимости (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 проверить фактическое использование token и подробности тарификации для прошлых вызовов, откройте в консоли страницу «Журналы»: 📖 Как просматривать журналы вызовов — в подробном представлении журнала указаны цены для текста на входе / изображений на входе / выходных данных рядом с соответствующим количеством token, что соответствует usage.input_tokens_details / usage.output_tokens_details из API.

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	Замеры 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 занимает больше времени
Разрешение на выходе	Любой допустимый размер (1K/2K/4K, макс. 3840×2160)
Уровни качества	`auto` / `low` / `medium` / `high` / `xhigh` / `max` (`xhigh` / `max` поддерживаются только двумя моделями 2.5)
Форматы вывода	`png` (по умолчанию) / `jpeg` / `webp`
Prompt на китайском языке	✅ Нативная поддержка
Лимит prompt	8 192 tokens (замерено 2026-10-16, одинаково для `gpt-image-2` и обеих моделей 2.5). При превышении ошибка не возникает: провайдер без уведомления игнорирует весь prompt и возвращает несвязанное изображение. Для китайского языка лимит достигается примерно на 11 000 символах; документированный лимит в 32 000 символов приблизительно эквивалентен для английского языка. См. раздел Длинные prompt
За один вызов	1 изображение (`n=1`)
Лимит референсных изображений	16 (`image[]`)
Лимит размера одного изображения	файл multipart: до 50 МБ каждый (png/jpg/webp); data URL base64: лимит поля ~20 МиБ, исходные файлы не должны превышать 15 МБ
Inpainting по маске	✅ Поддерживается (требуется альфа-канал, PNG до 4 МБ)
Прозрачный фон	✅ Только две модели 2.5 (`background: "transparent"` с `png` / `webp`; у `jpeg` нет альфа-канала, и он несовместим с прозрачностью; не указывайте сцены в prompt, иначе параметр не сможет их переопределить). ❌ OpenAI отключила эту возможность для `gpt-image-2` 2026-09-30 — теперь возвращается 400, см. FAQ по прозрачному фону
Поле ответа	`b64_json` (чистый base64, без префикса); `response_format` не принимается — при передаче возвращается 400

Эндпоинты

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

Выбор домена: api.apiyi.com является основным доменом. Другие домены шлюза, такие как b.apiyi.com, работают аналогично.

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.

quality	Рекомендуемый клиентский таймаут	Наблюдаемая задержка
`low`	≥ 120 секунд	обычно 10–40 секунд
`medium`	≥ 240 секунд	обычно 30–90 секунд
`high`	≥ 600 секунд (страховочный)	gpt-image-2 2K/4K занимает 3–5 минут, «длинный хвост» наблюдался на уровне 235+ секунд; для моделей 2.5 зафиксировано 21–42 с при 1024²
`xhigh` (только 2.5)	≥ 300 секунд	для 1024² зафиксировано 31–60 с (2026-09-09); дольше при 2K/4K
`max` (только 2.5)	≥ 600 секунд (страховочный)	для 1024² зафиксировано 45–142 с; такое же количество token, как у gpt-image-2 `high`, поэтому закладывайте для 2K/4K время как для gpt-image-2 `high`

Ошибки и повторные попытки

Статус	Значение	Рекомендуемое действие
`400`	Недопустимые параметры (нарушение ограничений на размер, неподдерживаемое поле и т. д.)	Проверяйте соответствие ограничениям по размеру; не передавайте `response_format` / `input_fidelity`; сочетание `background: transparent` с `output_format: jpeg` также возвращает 400 (у jpeg нет альфа-канала) — вместо этого используйте `png` / `webp`; `Transparent background is not supported for this model.` для `gpt-image-2` означает, что OpenAI отключила эту возможность — переключитесь на модель 2.5; для `Unknown parameter: 'response_format'` просто удалите этот параметр — см. FAQ; `invalid_image_file` на эндпоинте редактирования обычно означает фото с телефона в формате MPO — см. FAQ
`413`	Слишком большой размер тела запроса (редактирование нескольких изображений / PNG чрезмерного размера; наблюдается при размере тела запроса примерно от 80 МБ и выше, но не при каждом вызове такого объема)	В теле ответа указано `message: openai_error, code: bad_response_status_code`; ошибка возникает в цепочке на стороне провайдера, и шлюз не выполняет повторный запрос. Сожмите референсные изображения до менее чем 10 МБ каждое и менее чем 50 МБ суммарно (лимит провайдера на одно изображение — 50 МБ) — это также сократит время ожидания загрузки с минут до секунд
`401`	Недействительный token	Проверьте Bearer Token
`400` + `safety_violations=[...]`	Блокировка модерацией контента (фактический статус — 400, а не 403)	Обычно происходит после рендеринга изображения, поэтому один и тот же prompt иногда проходит, а иногда отклоняется; `moderation: low` влияет только на модерацию на уровне prompt. Сначала явно добавьте персонажу одежду, затем меняйте по одному слову за раз. См. Отклонения по безопасности
`429`	Лимит запросов / недостаточный баланс	Экспоненциальная задержка
`5xx`	Ошибка шлюза / бэкенда	Повторите запрос 1–2 раза
Таймаут	Длинный хвост распределения	Разделяйте таймаут клиента по уровням в зависимости от `quality`: `low` ≥ 120 с / `medium` ≥ 240 с / `high` ≥ 600 с (режим high + 2K/4K выполняется 3–5 минут; задержки в «длинном хвосте» наблюдаются от 235+ секунд)

Рекомендации для клиента:

Разделяйте таймаут запросов по уровням в зависимости от quality: low ≥ 120 секунд / medium ≥ 240 секунд / high ≥ 600 секунд (страховочный интервал — наблюдаемое время 3–5 минут; установка около 120s/360s приводит к частым ложным таймаутам)
Сначала выполните интеграцию с quality=low, затем переходите на medium / high по мере возникновения реальной потребности в качестве
Экспоненциальная задержка для ошибок 5xx и таймаутов (рекомендуется 2 повторные попытки)
Логируйте заголовок x-request-id для обращения в поддержку

FAQ

Как исправить ошибку 400 Unknown parameter: 'response_format'?

Удалите параметр response_format — в настоящее время это самая частая ошибка 400. gpt-image-2 (и вся серия GPT Image) не принимает response_format: формат вывода жестко зафиксирован как b64_json и не может быть изменен. При его передаче возвращается:

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

Этот параметр — наследие эпохи DALL·E 2/3 (где предлагались url / b64_json), и во многих старых примерах кода, а также в некоторых сторонних библиотеках он до сих пор включен по умолчанию. При миграции на gpt-image-2 удалите это поле и считывайте data[0].b64_json напрямую (исходный base64 — декодируйте его, чтобы получить файл изображения). Ошибка возвращается на этапе валидации входных данных и не тарифицируется.Если в вашем рабочем процессе действительно требуется URL изображения вместо base64:

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

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

Да. gpt-image-2 возвращает чистую строку base64 (без префикса), в отличие от gpt-image-2-all. Два сценария на клиенте:

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

Если ваш код рассчитан на поведение эпохи 1.5 «префикс уже добавлен», вы получите поврежденный data URL — обработайте это явно.

Почему передача input_fidelity возвращает 400?

gpt-image-2 принудительно включает высокоточную обработку референсных изображений и больше не принимает input_fidelity. При миграции с версии 1.5 просто удалите это поле — замена не требуется.

Что делать, если нужен прозрачный фон?

Используйте gpt-image-2.5-flare или gpt-image-2.5-sunburst и передайте background: "transparent" со значением output_format, установленным в png или webp. На выходе получается изображение с настоящим альфа-каналом — пост-обработка с вырезанием фона не требуется. Это поддерживается как для генерации по тексту, так и для редактирования изображений. gpt-image-2 это не поддерживает: OpenAI отключила прозрачный фон 30.09.2026, и теперь модель возвращает 400 — измените название модели и сохраните остальные параметры.Два ограничения: jpeg не имеет альфа-канала и несовместим с прозрачностью (возвращает 400); а на эндпоинте редактирования прозрачность формируется повторной перерисовкой, а не точной обводкой исходного контура, поэтому детали объекта могут измениться. Для попиксельно точного вырезания выполните rembg / PIL / sharp самостоятельно.Третье ограничение часто упускают из виду: если промпт или референсное изображение описывают сцену, модель нарисует сцену — параметр не может это переопределить, и увеличение quality не поможет. Описывайте только сам объект и завершайте промпт фразой isolated subject on a transparent background, no scenery, no ground.Подробности и поддержка по моделям: Как генерировать изображения с прозрачным фоном.

Сколько изображений генерируется за один вызов?

1 изображение (n=1). Для получения N изображений отправьте N параллельных запросов. Каждый запрос тарифицируется по токенам независимо.

Почему генерация в 2K/4K выполняется так долго?

Более высокое разрешение и повышенное качество требуют большего количества выходных токенов изображения, что естественно занимает больше времени. В реальных интеграциях клиентов quality=high + высокое разрешение занимало ≈ 235 секунд (~4 минуты) на одно изображение, а длительность единичных долгих запросов для 3840×2160 + high может доходить почти до 5 минут. Рекомендации:

Сначала выполните интеграцию с quality=low, чтобы проверить цепочку вызовов, а затем повышайте параметры по мере реальной необходимости в качестве
Настройте тайм-аут клиента по уровням качества: low ≥ 120s / medium ≥ 240s / high ≥ 600s (для подстраховки)
Отображайте статус «генерация» в интерфейсе
Используйте пресеты 1K (1024×1024 / 1536×1024), когда 4K не требуется

Даст ли кэширование входных данных реальную экономию?

Оно настроено, но не закладывайте скидки за кэш в расчет бюджета затрат. Официальные тарифы на кэшированные входные данные составляют $1.25 за текст / $2.00 за изображения за 1M tokens, и в канале APIYI кэширование включено — при попадании запроса в кэш списание происходит по кэшированному тарифу.Важная оговорка: для поддержания высокого уровня параллельных запросов APIYI распределяет запросы между несколькими вышестоящими аккаунтами OpenAI (один аккаунт OpenAI Tier-5 допускает только 250 RPM). Кэш промптов OpenAI не разделяется между разными аккаунтами, поэтому при большом числе параллельных запросов обращения с одинаковым префиксом могут попасть на разные аккаунты — попадание в кэш может попросту не произойти.Хорошая новость: влияние этого минимально. Основную часть затрат при генерации изображений составляют выходные токены изображений ($30 / 1M); скидка за кэш применяется только к входным данным, поэтому она почти не меняет итоговую стоимость одного изображения. Рассчитывайте бюджет по полной цене входных данных, а любые попадания в кэш рассматривайте как приятный бонус.

Почему запросы на редактирование стоят дороже, чем генерация по тексту?

Поскольку gpt-image-2 автоматически включает обработку референсных изображений с высокой детализацией, сами референсы преобразуются в большой объем входных токенов по правилам тарификации Vision. Количество входных токенов при редактировании заметно выше, чем при генерации по тексту — учитывайте это при планировании бюджета.

Одинаковый размер и референсные изображения — почему каждый вызов стоит по-разному?

Основная причина: для quality было установлено значение auto (или параметр был опущен). Клиенты обращались с вопросом: «размер, разрешение и референсные изображения идентичны, но цена постоянно колеблется». При анализе выяснилось, что и size, и quality были установлены в auto.Виновник — quality: auto: в автоматическом режиме модель анализирует запрос и на лету выбирает уровень качества для каждой генерации. Другой уровень означает другое количество выходных токенов изображения, что влечет за собой другую цену. Ниже приведены три реальные записи тарификации с идентичными входными данными (по 1061 входному токену), стоимость которых отличается в несколько раз:

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

Во втором вызове auto выбрал более высокий уровень качества, выходные токены подскочили до 5146, а цена выросла примерно в 3,5 раза.Решение: не оставляйте quality в значении auto — передавайте low / medium / high явно. При фиксированном уровне количество выходных токенов и цена для одинаковых входных данных становятся стабильными и предсказуемыми. См. раздел «Справочник по качеству» выше.

Каковы ограничения по количеству и размеру изображений для эндпоинта редактирования?

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

Загрузка файлов multipart/form-data: каждое изображение должно быть менее 50MB, форматы png / jpg / webp
data URL в base64: ограничение на длину поля составляет около 20MiB (схема maxLength: 20971520 — это ограничение на строковое поле, а не то же самое, что лимит 50MB для multipart), поэтому держите размер исходных изображений в пределах 15MB
Файл маски: отдельное ограничение — PNG менее 4MB

Практический совет: не загружайте одновременно несколько очень больших изображений на пределе лимита — запросы с избыточным телом часто прерываются на уровне шлюза или тайм-аута. Надежнее всего сжимать каждое изображение до размера менее 1.5MB, при этом 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 референсное изображение не является стандартным файлом png / jpg / webp (нумерация с 1 — используйте индекс, чтобы найти проблемное изображение).Самая частая причина — формат MPO со смартфонов: файлы .jpg прямо с телефонов серии Huawei Mate содержат дополнительный подкадр HDR gain-map и фактически являются многокадровыми контейнерами JPEG (MPO). Заголовок у них тот же FFD8, и расширение, и команда file определяют их как JPEG — визуально это выявить невозможно. Проверено в июле 2026 года: файлы MPO всегда отклоняются, тогда как 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 валидации входных данных и не тарифицируется.Решение: перекодируйте изображение с помощью Pillow перед отправкой (если Image.open(f).format возвращает "MPO", требуется конвертация):

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)

Подробности и способ обнаружения: API редактирования изображений — требования к формату референсных изображений и предобработка.

Как подготовить файл маски?

Тот же размер, что и у оригинала, формат PNG, размер менее 4MB
Обязателен альфа-канал: прозрачная область (alpha=0) = область для inpaint, непрозрачная = сохраняемая область
Применяется только к первому изображению
Маска служит «мягким ориентиром» — модель может немного выходить за границы маскированной области или сужать ее

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

Выбор	Когда использовать
gpt-image-2.5-flare / sunburst / gpt-image-2 (Официальный)	Нужен точный контроль размера и качества, требуется 100% совпадение с официальным OpenAI, нужен вывод 4K, требуется inpainting по маске; flare — самый быстрый из трех, sunburst — самый точный в редактировании
gpt-image-2-all (Реверс)	Нужна фиксированная цена $0.025/изображение, рендеринг за 30–60с, минимум параметров, высокая стабильность / текст на китайском языке

Можно ли напрямую использовать официальный SDK OpenAI?

Да — без каких-либо изменений в коде. Направьте base_url на https://api.apiyi.com/v1 и укажите ваш токен APIYI в api_key:

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 запущенную генерацию?

Нет. gpt-image-2 использует официальный синхронный эндпоинт OpenAI: после отправки запрос выполняется до полного завершения без возможности отправить сигнал отмены. Даже если клиент разрывает соединение, сервер завершает генерацию и списывает средства в обычном режиме. Тщательно настраивайте клиентские тайм-ауты — не рассчитывайте на логику «разрыв соединения = нет списания».

Существует ли лимит запросов (RPM)?

По умолчанию 100 RPM (100 запросов в минуту). Фактический доступный RPM также динамически регулируется общей нагрузкой по параллельным запросам платформы. Если для ваших задач требуется больший лимит, свяжитесь с нами, указав ориентировочные QPS / RPM, и мы выделим дополнительные мощности.

Поддерживается ли асинхронный вызов?

Нет. gpt-image-2 строго повторяет официальный API OpenAI — только синхронный режим. Запрос блокируется до возврата результата (для high + 4K это реально занимает 1–2 минуты). Если вам нужен асинхронный механизм очереди или обратных вызовов:

Реализуйте обертку самостоятельно с помощью очереди задач (Celery / BullMQ и т. д.) на уровне бизнес-логики
Либо используйте gpt-image-2-all — генерация длится 30–60 секунд, такой опрос проще выполнять с фронтенда

Есть ли ограничение на длину промпта? Почему в веб-приложении ChatGPT помещается больше текста?

Да. Эффективный лимит составляет 8 192 токена (замерено 16.10.2026, одинаково для gpt-image-2 и обеих моделей 2.5); официальный релей APIYI его не занижает. При превышении провайдер не возвращает ошибку: он просто игнорирует весь промпт и генерирует несвязанное изображение (часто реалистичный портрет или интерьер), а в usage.input_tokens_details.text_tokens возвращается однозначное число токенов (8 в наших тестах). В документации заявлено 32 000 символов; 32 000 английских символов — это примерно 8K токенов, так что эти лимиты приблизительно совпадают, однако китайский текст плотнее и упирается в ограничение примерно на 11 000 символов. Если сгенерированное изображение не имеет ничего общего с промптом, первым делом проверьте text_tokens для этого вызова. В веб-приложении ChatGPT ограничение кажется бесконечным только потому, что чат-модель считывает вставленный текст и сама составляет краткий промпт для инструмента генерации, поэтому модель генерации изображений исходные материалы даже не видит. Для объемных материалов (брендбуки, спецификации упаковки) предварительно сожмите их с помощью текстовой модели в структурированный промпт объемом от 1K до 3K символов, см. Длинные промпты.

Ошибка 400 с safety_violations=[sexual] для промпта без откровенного содержания. Что делать?

Большинство таких блокировок происходит после рендеринга изображения: изображение создается, а затем отклоняется классификатором на стороне вывода, поэтому неудачный вызов длится столько же, сколько и успешный, а один и тот же промпт то проходит, то отклоняется. Параметр moderation: low снижает модерацию только на этапе входного промпта и здесь не помогает. Самая частая причина: персонаж описан через эмоции и настроение, но без описания одежды, поэтому модель импровизирует и выходит за рамки правил: сначала добавьте одну явную фразу с описанием одежды (не меняя ничего остального), и только затем убирайте спорные слова по одному. Подробный разбор кейса и лог 20 вызовов: Отклонения модерацией безопасности.

Тарифицируются ли неудачные попытки генерации?

Нет. Встроенная модерация OpenAI отклоняет небезопасные или некорректные запросы с ошибкой 400, и списание средств не производится. Типичный ответ:

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

Другие ошибки без списания средств: 401 (недействительный токен), 429 (лимит запросов). Тарификация по токенам начинается только тогда, когда запрос фактически доходит до этапа генерации моделью (то есть получены 200 + b64_json).

Связанная документация

⚖️ Сравнение: официальный релей против реверса - Сравнительное руководство по выбору
Песочница Text-to-Image - /v1/images/generations интерактивное тестирование
Песочница Image Edit - /v1/images/edits объединение нескольких изображений + маска
Подробный разбор: запуск GPT-image-2.5, Flare стал быстрее, Sunburst — четче - Новостная статья
Подробный разбор: запуск gpt-image-2 - Новостная статья
Полное руководство по интеграции - Полный справочник по API
GPT-Image-2-All (реверс-инжиниринг) - Более дешевая и быстрая альтернатива
Сообщество: ноды Luck GPT-Image 2 для ComfyUI - Вызов gpt-image-2 / gpt-image-2.5-flare / gpt-image-2.5-sunburst напрямую в ComfyUI (маска / 16 референсных изображений / шесть уровней качества / произвольные размеры)
Сообщество: APIYI GPT-Image 2 Skills - Вызов одной фразой из Codex CLI / Cursor / Gemini CLI и других инструментов разработки на базе ИИ
Руководство по API - Общее руководство по использованию

gpt-image-2.5-flare / gpt-image-2.5-sunburst / gpt-image-2 — это официальные модели OpenAI с тарификацией за token. Если для вас в приоритете фиксированная цена ($0.025/изображение) и более быстрая генерация (30–60 с), см. gpt-image-2-all.

​Обзор

API преобразования текста в изображение

API редактирования изображений

​Доверьте интеграцию ИИ-агенту

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

Официальный канал · Идентично официальному

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

​Рекомендации

​Ошибки и повторные попытки

​FAQ

​Связанная документация

Обзор

Доверьте интеграцию ИИ-агенту

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

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

Рекомендации

Ошибки и повторные попытки

FAQ

Связанная документация