> ## Documentation Index
> Fetch the complete documentation index at: https://docs.apiyi.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Продвинутая генерация изображений: рабочий процесс и реализм
> Та же модель, но лучшее качество: что пользовательские приложения для изображений добавляют поверх API — слой переписывания prompt, якорение по референсу, параллельная выборка с отбором по vision-model и пошаговая ретушь. Включает словарь реалистичности для копирования и вставки, сравнения бок о бок и расчет стоимости.
[Как получить именно то изображение, которое вы хотите](/ru/api-capabilities/image-generation-success-tips) отвечает на вопрос «эта одна попытка не удалась, как мне это исправить». Эта страница отвечает на следующий вопрос: **как сделать так, чтобы каждая попытка была удачной**.
Вопрос, который возникает постоянно: потребительские продукты для изображений, такие как `freepik.com` и `higgsfield.ai`, работают на тех же базовых моделях, что и вы, — на тех же семействах Nano Banana, GPT-Image и FLUX, — но их результат выглядит более завершённым. Разница не в весах модели. **Она в слое, который обёрнут вокруг модели**, и вы можете создать этот слой сами. Эта страница показывает, как.
## 1. Что оборачивает модель в потребительских image-продуктах
Разберите любой из этих продуктов, и вы обнаружите примерно восемь слоёв вне модели. Каждый из них можно воспроизвести на API:
| Что делает продукт | Какую проблему решает | Как воспроизвести это на API |
| ----------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------- |
| **Слой переписывания prompt** (Prompt Enhancer) | Пользователи пишут неформально; model'ям нужно структурированное описание | Сначала вызовите текстовую модель для переписывания, затем обратитесь к модели генерации изображений (раздел 2) |
| **Предустановки стиля** (десятки пресетов, доступных по клику, плюс сохранённые пользовательские) | Фиксирует эстетику, чтобы пользователям не требовалась фотографическая лексика | Пресет — это всего лишь константа фрагмента prompt в вашем коде плюс фиксированный набор изображений-референсов |
| **Закрепление идентичности** (например, Higgsfield's `Soul ID`, который обучает устойчивую идентичность на 20–80 фотографиях) | Один и тот же человек остаётся тем же самым в разных генерациях | Приблизьте это с помощью изображений-референсов (см. ограничения ниже) |
| **Сэмплирование нескольких вариантов, показ одного** | Пользователь видит только лучший вариант, поэтому воспринимаемая вероятность успеха приближается к 100% | Сгенерируйте N параллельно, затем пусть vision-модель оценит и выберет (раздел 3, шаги 3–4) |
| **Пошаговое редактирование** | Сложные инструкции, выданные одним запросом, надёжно распадаются | Сначала зафиксируйте композицию, затем отредактируйте локально, затем добавьте текст |
| **Апскейлинг и постобработка** (Freepik приобрела Magnific в 2024 году и предлагает креативный апскейлинг 2×–16×) | Превращает небольшой результат в размеры, готовые к печати | У APIYI нет такого endpoint — вместо этого генерируйте сразу на уровне высокого разрешения (см. ограничения ниже) |
| **Негативные prompt'ы и запасные механизмы безопасности** | Обходит известные особенности model'ей и отлавливает запросы, которые moderation отклонит | Встраивайте фиксированную негативную формулировку в ваш шаблон, плюс путь понижения для сбоев moderation |
| **Библиотека ассетов и rehosting** | Изображения пользователя никогда не истекают и не исчезают | Сразу копируйте каждый результат в собственное object storage |
**Две платформенные границы, которые нужно определить до того, как вы копируете список функций конкурента:**
1. **У APIYI нет endpoint для апскейлинга, удаления фона или восстановления лица.** Если вам нужен большой image, выбирайте уровень высокого разрешения во время генерации (`gpt-image-2` at 4K, Nano Banana Pro at 4K), а не рассчитывайте увеличить его позже. Для прозрачного фона только `seedream-5-0` и `seedream-5-0-pro` можно попросить вернуть PNG с alpha-каналом.
2. **APIYI не предлагает LoRA или обучение идентичности.** Возможность «обучить один раз и навсегда зафиксировать лицо», лежащая в основе `Soul ID`, можно лишь приблизить с помощью изображений-референсов: тот же персонаж всё равно будет дрейфовать между сценами и изменениями освещения, а лучше всего это работает, когда новый кадр остаётся близким к фронтальному ракурсу и исходному освещению. Для коммерческих персонажей, которым нужна строгая согласованность, закладывайте этап ручной проверки.
## 2. Первый слой уже разделяет результаты: превращайте неформальный ввод в структуру
Это слой с наибольшим эффектом, и именно его чаще всего пропускают.
### Сравнение бок о бок: одна модель, один бриф, два prompt
Бриф такой: «товарный снимок кофе для e-commerce». Слева — то, что пользователь действительно вводит; справа — тот же бриф, но с заполненными недостающими решениями. Обе версии были запущены по одному разу на `gemini-3-pro-image` (Nano Banana Pro) в `2K`, `1:1`:
Левое изображение нельзя назвать некрасивым, но оно **непригодно к использованию**. Модель приняла кучу решений, которые никто не утверждал: добавила кофемолку и мешок из мешковины, выбрала ностальгическую тёплую цветокоррекцию и нанесла на чашку вымышленное название бренда — автоматически сгенерированный текст такого рода делает кадр коммерчески бесполезным. Правое изображение можно сразу разместить на странице товара: нейтральный фон, световая схема, которую можно описать вслух, и место для текста.
**«Выглядит красиво» и «пригодно к использованию» — разные цели.** Casual prompt может добиться только первой.
### Шесть элементов, которые должен обеспечить слой переписывания
Переписывание не означает сделать prompt длиннее. Оно означает заполнить недостающие решения. У image prompt есть шесть несущих элементов:
| Элемент | Что происходит без него | Пример |
| ----------------------------- | ---------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------- |
| **Объект** | Модель импровизирует и добавляет лишние предметы, которых вы не хотели | «Матовая чёрная керамическая чашка для пуровера, заполненная чёрным кофе на 80%» |
| **Окружение** | Случайные фоны, из-за которых набор изображений никогда не совпадает | «Поверхность из светло-серого микробетона, стена в той же тональности, размытие» |
| **Свет** | Плоское глобальное освещение, которое мгновенно выглядит фальшиво | «Основной свет из софтбокса сверху слева, под углом 45 градусов; белая отражающая карта справа» |
| **Объектив и ракурс** | Перспектива и глубина резкости находятся вне вашего контроля | «Макро 85 мм, f/5.6, фронтальный вид под углом 15 градусов вниз» |
| **Цветокоррекция и носитель** | По умолчанию получается перенасыщенный, рендерный вид | «Холодный нейтральный баланс белого, низкая общая насыщенность» |
| **Композиция** | Объект всегда оказывается строго по центру | «Чашка в левой трети кадра, большое негативное пространство справа» |
Разрешение — **не** седьмой элемент. Выходное разрешение задаётся только параметрами вроде `size` / `imageSize`; если написать «4K» или «8K» в prompt, не добавится ни одного пикселя. См. [Сжатие изображений и выходное разрешение](/ru/api-capabilities/image-compression-resolution).
### Слой переписывания в коде
Здесь достаточно дешёвой и быстрой текстовой модели; её стоимость ничтожна по сравнению с генерацией:
```python theme={null}
import os
import requests
BASE = "https://api.apiyi.com/v1"
API_KEY = os.environ["APIYI_API_KEY"] # never hard-code the key
REWRITE_SYSTEM = """You are an image prompt engineer. Rewrite the user's casual brief
into one structured image prompt.
Fill in all six elements. Supply whatever is missing; never ask the user:
1 Subject: material, colour, count, state
2 Environment: what the background is, what is sharp and what is blurred
3 Light: direction, hardness, fill or no fill — there must be one identifiable key light
4 Lens and angle: focal length, aperture, camera height, tilt
5 Grading and medium: white balance bias, saturation, film or digital character
6 Composition: where the subject sits in the frame, where the negative space is
Rules:
- Output only the prompt body: no explanation, no bullet points, no heading
- No brand names, logos, or legible text unless the user asked for them
- Never use vague quality words such as 8K, ultra HD, masterpiece, perfect
- Keep any element the user specified exactly as written"""
def rewrite(user_prompt: str) -> str:
r = requests.post(
f"{BASE}/chat/completions",
headers={"Authorization": f"Bearer {API_KEY}"},
json={
"model": "gemini-3.5-flash",
"messages": [
{"role": "system", "content": REWRITE_SYSTEM},
{"role": "user", "content": user_prompt},
],
},
timeout=60,
)
r.raise_for_status()
return r.json()["choices"][0]["message"]["content"].strip()
```
Обратите внимание на правило, запрещающее «8K, ultra HD, masterpiece, perfect» — раздел 4 объясняет почему.
## 3. Конвейер, который вы реально можете выпустить
Соедините оставшиеся четыре слоя со слоем переписывания, и у вас будет вся схема:
См. раздел 2. Этот шаг по ходу дела также нейтрализует чувствительный контент во вводе пользователя, что заметно снижает, как часто запрос блокируется на следующих этапах.
Стиль закрепляется двумя вещами: **константой стиля, добавляемой к каждому prompt** (ваш пресет), и **фиксированным набором референсных изображений**.
Лимиты референсов сильно различаются по семействам — проверьте свой вариант, прежде чем проектировать конвейер:
| Семейство модели | Лимит референсных изображений | Примечания |
| ----------------------- | ----------------------------- | -------------------------------------------------------------------------------------------------- |
| Nano Banana (все) | **14** (измерено) | См. [Тестирование слияния нескольких изображений](/ru/api-capabilities/multi-image-fusion-testing) |
| `gpt-image-2` семейство | **16** | Повторите `image[]` |
| Seedream | **10** | Сумма входов и выходов должна оставаться на уровне 15 или ниже |
| FLUX.2 pro / max / flex | **8** | `input_image_2` … `input_image_8`; klein берет 4, Kontext берет 1 |
| Grok Imagine | **1–4** | Пятое изображение возвращает 400 |
Два правила, которых нужно придерживаться: **«изображение 1 / изображение 2» в prompt строго соответствуют порядку в массиве**, поэтому явно укажите, что есть что; и **Grok учитывает референсные изображения только на `/v1/images/edits`** — передача их в `/v1/images/generations` молча отбрасывает их и все равно списывает с вас средства.
Ощущение потребительского продукта в духе «попал с первого раза» на самом деле означает, что продукт вытягивает несколько карт за вас.
Но **параметр `n` на стороне сервера не влияет на большинство image models** (Seedream полностью его игнорирует). Чтобы получить несколько кандидатов, отправляйте несколько запросов одновременно с клиента — на страницах skill этого сайта лимит составляет 5 за раз. Настраивайте параллельные запросы для каждого канала; некоторые начинают возвращать 429 уже при 2, так что добавьте экспоненциальную задержку повторов.
Когда у вас есть N кандидатов, вы должны выбрать автоматически, иначе вы просто переложили выбор на пользователя.
Отправьте кандидатов обратно в vision model для оценки по стандартному `/v1/chat/completions` входу изображения; см. [Понимание изображений](/ru/api-capabilities/vision-understanding) для подходящих моделей. Зафиксируйте рубрику по пяти измерениям и требуйте JSON в ответ: соответствие инструкции, структура и анатомия, корректность текста, реалистичность текстуры, композиция.
Не используйте `/v1/rerank` для этого. `bge-reranker-v2-m3` — это модель reranking **только для текста** и не принимает изображения. Для оценки изображений требуется модель для понимания изображений.
Корректируйте локально после того, как композиция уже определена — так вы получите куда более высокий процент успеха, чем от одной составной инструкции:
* **Локальная перерисовка на уровне пикселей**: маски поддерживает только **официальный релей `gpt-image-2`**; см. [Руководство по масочному inpainting](/ru/api-capabilities/gpt-image-2/mask-editing).
* **Накопительное редактирование в несколько ходов**: поддерживается на **родном эндпоинте Gemini** для моделей Nano Banana (передавайте предыдущее изображение обратно как `role: "model"`); маршруты, полученные реверс-инжинирингом, этого не поддерживают.
* **Сразу перенесите на свой хостинг**: каждый возвращаемый URL временный (FLUX — примерно 10 минут и без CORS; Seedream и R2 — примерно 24 часа), поэтому загружайте его в свое объектное хранилище сразу, как только получите.
### Минимальная сквозная реализация
```python theme={null}
import base64
import json
import os
from concurrent.futures import ThreadPoolExecutor
import requests
BASE = "https://api.apiyi.com"
API_KEY = os.environ["APIYI_API_KEY"]
HEAD = {"Authorization": f"Bearer {API_KEY}"}
STYLE_CONST = "Cool neutral white balance, low saturation, clean frame with generous negative space."
def draw(prompt: str, size: str = "2K", aspect: str = "1:1") -> bytes:
"""Generate one image (Nano Banana Pro, native Gemini endpoint)."""
url = f"{BASE}/v1beta/models/gemini-3-pro-image:generateContent"
body = {
"contents": [{"parts": [{"text": prompt}]}],
"generationConfig": {
"responseModalities": ["IMAGE"],
"imageConfig": {"aspectRatio": aspect, "imageSize": size},
},
}
r = requests.post(url, headers=HEAD, json=body, timeout=600) # headroom for 4K
r.raise_for_status()
parts = r.json()["candidates"][0]["content"]["parts"]
part = next((p for p in parts if p.get("inlineData")), None)
if part is None: # HTTP 200 with no image usually means moderation
raise RuntimeError("no image returned: " + json.dumps(parts)[:300])
return base64.b64decode(part["inlineData"]["data"])
def score(image: bytes, prompt: str) -> dict:
"""Score a candidate with a vision model; returns per-dimension scores and one issue line."""
data_url = "data:image/png;base64," + base64.b64encode(image).decode()
rubric = (
"Score this image and return strict JSON: "
'{"instruction":0-10,"anatomy":0-10,"text":0-10,"texture":0-10,'
'"composition":0-10,"total":0-50,"issue":"one sentence"}. '
"instruction = does it satisfy the brief below; anatomy = errors in hands, limbs, object structure; "
"text = is any text in the image correct (score 10 if there is none); "
"texture = does it read as a real photograph rather than a render; "
"composition = is the framing usable. The brief:\n" + prompt
)
r = requests.post(
f"{BASE}/v1/chat/completions",
headers=HEAD,
json={
"model": "gemini-3.5-flash",
"messages": [{"role": "user", "content": [
{"type": "text", "text": rubric},
{"type": "image_url", "image_url": {"url": data_url}},
]}],
"response_format": {"type": "json_object"},
},
timeout=120,
)
r.raise_for_status()
return json.loads(r.json()["choices"][0]["message"]["content"])
def best_of(user_input: str, n: int = 4) -> bytes:
prompt = rewrite(user_input) + "\n" + STYLE_CONST # steps 1 and 2
with ThreadPoolExecutor(max_workers=n) as pool: # step 3: client-side fan-out
results = list(pool.map(lambda _: _safe(draw, prompt), range(n)))
cands = [img for ok, img in results if ok]
if not cands:
raise RuntimeError("all candidates failed; check moderation or fall back to another model")
with ThreadPoolExecutor(max_workers=len(cands)) as pool: # step 4: score in parallel
scores = list(pool.map(lambda im: score(im, prompt), cands))
ranked = sorted(zip(cands, scores), key=lambda x: x[1]["total"], reverse=True)
return ranked[0][0] # step 5 retouch/rehost hooks in here
def _safe(fn, *args):
try:
return True, fn(*args)
except Exception as e: # one failure must not sink the batch
return False, str(e)
```
## 4. Устранение «AI-внешнего вида»
«AI-внешний вид» — это не загадка. Это **набор конкретных признаков, которые вы можете по одному устранять**.
### Сравнение бок о бок
Одна и та же модель (`gemini-3-pro-image`), один и тот же объект, два стиля prompt, по две изображения в каждой, показана первая из каждой серии:
Левое изображение не плохое — базовая модель достаточно сильна, и даже простой prompt все равно дает красивую картинку. Но в нем проявляется весь набор признаков: **объект жестко зафиксирован в центре, свет настолько равномерный, что невозможно сказать, откуда он идет, и каждый элемент выглядит безупречно-нейтральным**. И это не случайность: оба изображения из этой партии имели по сути одинаковую композицию и схему освещения.
Правая картинка сменила подход: свет имеет направление, половине лица позволено уйти в тень, на коже видны жирный блеск и поры, есть родинка на щеке, выбившиеся волосы не причесаны, а объект расположен чуть правее центра. Это читается как **конкретный человек, снятый в конкретный момент**, а не как «стоковая фотография улыбающейся женщины в кафе».
Именно здесь также проявляется реальная ценность pipeline. Он не превращает неудачный результат в красивый результат — он **превращает «случайно удачное» в «то хорошее, которое вы задали, можете описать и можете воспроизвести».** Заинтересованная сторона может не предпочесть правое изображение, но по левому вы не сможете сказать, почему оно выглядит именно так, и не сможете попросить следующее изображение повторить его.
### Симптом, исправление и чего не писать
| Симптом AI-облика | Исправление (впишите это в prompt) | Не пишите это |
| ---------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------- |
| Объект всегда по центру, симметричная композиция | Укажите расположение: «объект справа от центра, отрицательное пространство слева» | «идеальная композиция», «золотое сечение» |
| Пластиковая кожа без пор | «естественная текстура кожи, видимые поры и пушок на лице, лёгкий блеск на носу, без ретуши» | «безупречная кожа», «изысканный», «красивый» |
| Равномерный свет без различимого источника | Назовите один ключевой источник света и его жёсткость: «свет из окна слева — единственный источник, правая половина лица в тени» | «идеальное освещение», «мягкий свет» |
| Фальшивая глубина резкости, фон выглядит приклеенным | Укажите фокусное расстояние и диафрагму: «85mm, f/2.8, фокус на ближайшем глазе» | «размытый фон», «кинематографично» |
| Перенасыщенный, светящийся цвет | Укажите medium и баланс белого: «характер Kodak Portra 400, тёплые света и холодные тени, низкая насыщенность» | «яркие цвета», «HDR» |
| Всё выглядит новым и неношеным | Специально добавьте следы использования: «свитер с катышками, кольца от стаканов и крошки на столе» | «чисто и аккуратно», «премиальная текстура» |
| Смотрится как постер или рендер | Укажите ситуацию съёмки: «непозированно», «на уровне глаз с соседнего стола» | «8K», «ultra HD», «шедевр» |
**Размытые слова о качестве, такие как `8K`, `ultra HD`, `ultra detailed`, `masterpiece` и `perfect`, скорее вредят.** Они не добавляют детализации (её дают только параметры) и подталкивают model к слишком резкому, перенасыщенному render — именно в этом и суть AI-облика. Левый prompt выше был ими переполнен, и результат это показывает. Если вам нужен качественный результат, вместо этого указывайте конкретный свет, объектив и medium.
### Четыре блока языка управления для копирования и вставки
Добавляйте в prompt по мере необходимости; одной-двух строк из каждого блока обычно достаточно:
window light from the left is the only source in frame / hard back-side light at three in the afternoon / backlit, with a rim light on the hair / a desk lamp as a practical light inside the frame / overcast diffuse light with no distinct shadows
35mm f/2.0, candid, at eye level / 85mm f/2.8, focus on the near eye / 24mm from a low camera position, slight edge distortion / long lens compressing the space, flattened background layers / mild vignetting in the corners
Kodak Portra 400 character, fine grain / warm highlights, cool shadows / Polaroid instant film, low contrast, soft edges / noise and colour cast of an early CCD digital camera / low saturation overall, no sharpening
natural skin texture, visible pores and facial fuzz / a few loose strands of hair, unbrushed / pilled sweater, worn cuffs / water rings, fingerprints and crumbs on the table / off-centre framing, part of the subject cropped at the edge
### Три полных примера
Непостановочный портрет по пояс: женщина лет двадцати с небольшим у окна кафе, повернута в сторону, смотрит наружу, с улыбкой, которую она едва сдерживает. Свет из окна слева — единственный источник в кадре; правая половина её лица уходит в тень, под переносицей — небольшая жёсткая тень с чётким краем. Объектив 85 мм, f/2.8, на уровне глаз, фокус на ближнем глазе. Характер Kodak Portra 400 с мелким заметным зерном, тёплыми светами и холодными тенями, в целом низкой насыщенностью. Естественная кожа: видимые поры и пушок на лице, немного блеска на боку носа, маленькая родинка на левой щеке, несколько выбившихся волосков бровей, свободные пряди волос на лбу. Без сглаживания кожи, без бьюти-ретуши, без повышения резкости. Объект правее центра, слева — негативное пространство.
Главный кадр для e-commerce: матовая чёрная керамическая чашка для пуровера, заполненная на 80% чёрным кофе, с тонким кольцом крема на поверхности. Она стоит на светло-серой поверхности из микробетона, а позади — размытая стена того же оттенка. Основной свет — от софтбокса в левом верхнем углу, под углом 45 градусов; белый отражатель справа оставляет узкий блик вдоль правого края чашки; мягкая падающая тень уходит назад вправо. Объектив-макро 85 мм, f/5.6, фронтальный вид, наклонённый вниз на 15 градусов, вся чашка в резкости. Холодный нейтральный баланс белого, в целом низкая насыщенность. Глазурь имеет лёгкую ручную неравномерность и один крошечный след от обжига в печи, а на кромке заметен едва различимый след использования. Щедрое негативное пространство, чашка в левой трети кадра. В изображении нигде нет названий брендов или текста.
Узкая улица старого города в шесть вечера, сразу после дождя, с лужами, отражающими световые вывески магазинов по обе стороны. Единственный основной свет — тёплый уличный фонарь в конце улицы, а в качестве заполняющего света — витрины магазинов; в небе ещё ощущается след холодных сумерек, создавая тёпло-холодный контраст. Объектив 28 мм, f/4, камера на уровне глаз, слегка наклонена вверх. В целом низкая насыщенность, шум сохранён в тенях, без осветления теней. На стенах — потёки от воды, рваные старые плакаты и блоки кондиционеров; верхнюю часть кадра пересекают линии электропроводов. Никто не смотрит в камеру; прохожие видны со спины и слегка смазаны движением.
## 5. Факты, которые изменят дизайн вашего pipeline
Зная это заранее, вы сэкономите себе один цикл переделки:
| Факт | Последствие для pipeline |
| --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Seed фактически недоступен в этой линейке продуктов**: ни одна модель Nano Banana или GPT-Image не предоставляет seed, эффективность seed в Seedream 4.x / 5.x измерялась как нулевая, а Grok Imagine его не поддерживает | Не стройте воспроизводимость на seed. **Единственный надёжный способ воспроизведения — архивировать весь успешно выполненный запрос** — prompt, reference images, все параметры — и повторно отправлять его без изменений |
| **Параметр `n` на стороне сервера не влияет на большинство image моделей** | Несколько кандидатов должны приходить из параллельных запросов на стороне клиента; проведите нагрузочное тестирование параллельных запросов по каждому каналу и добавьте экспоненциальный backoff |
| **Все image API синхронные, не имеют task ID и всё равно тарифицируются при разрыве соединения** | Pipeline нужен собственный task queue; см. [Создайте свою собственную асинхронную очередь](/ru/api-capabilities/image-async-queue) и [Основы Image API](/ru/api-capabilities/image-api-best-practices) |
| **Нет эндпоинта для upscaling, удаления фона или восстановления лица** | Определяйте размер результата на этапе генерации; прозрачный фон можно получить только через prompt к семейству `seedream-5-0` |
| **HTTP 200 без изображения обычно означает блокировку модерацией** | Логика выбора должна различать «изображение не вернулось» и «изображение вернулось, но оно непригодно»; для первого случая см. [Обработка ошибок Gemini Image](/ru/api-capabilities/gemini-image-error-handling) |
| **Каждый возвращаемый URL изображения — временная ссылка** | Перехостите его сразу после получения; никогда не храните исходный URL в вашей базе данных |
## 6. Расчёт стоимости: когда пайплайн оправдан
Пайплайн обменивает деньги на более высокий success rate. На стоимость генерации изображений сильнее всего влияет output (`gpt-image-2` выставляет счёт за output по \$30 за миллион tokens), тогда как text- и vision-модели, используемые для переписывания и оценки, почти не влияют на итог. Поэтому стоимость по сути определяется тем, сколько вариантов вы сгенерировали.
Используйте три уровня вместо одной настройки для всего:
| Уровень | Состав | Относительная стоимость | Для чего |
| ------------ | -------------------------------------------------------------- | ----------------------- | ------------------------------------------------------------------------------- |
| **Draft** | Одноразовый запрос через Lite model | 1× | Внутренние предпросмотры, массовые заглушки, простые эксперименты пользователей |
| **Standard** | Переписывание + 2 варианта + выбор по оценке | около 2× | Стандартный путь в consumer product |
| **Premium** | Переписывание + 4 варианта + оценка + одна локальная доработка | около 5× | Hero images продукта, рекламные креативы, всё, что передаётся наружу |
Проверка простая: **увидит ли это изображение кто-либо за пределами вашей команды?** Если да, Standard или выше окупается; если это только внутренний просмотр, Draft достаточно. Вы также можете добавить промежуточное условие — генерировать больше вариантов только тогда, когда лучшая оценка падает ниже порога, что позволяет большинству запросов сходиться на двух.
## Краткое резюме
* Пробел не в весах модели, а в **восьми слоях вокруг модели**: переписывание, presets, anchoring, sampling, selection, пошаговое редактирование, post-processing, rehosting.
* **Слой переписывания даёт лучшую отдачу**: добавьте субъект, окружение, свет, объектив, grading и композицию, и «выглядит красиво» станет «можно использовать».
* **Несколько кандидатов плюс оценка с помощью vision-model** — вот откуда на самом деле берётся высокий воспринимаемый процент успеха у потребительских продуктов. `n` не работает, поэтому делайте fan out на стороне клиента; `/v1/rerank` не может оценивать изображения.
* **Убрать AI-внешний вид значит добавить конкретику, а не прилагательные**: назовите один источник света, укажите фокусное расстояние и диафрагму, задайте medium и grain, намеренно добавьте несовершенства и сместите субъект от центра.
* **`8K` / `masterpiece` / `perfect lighting` — это чисто отрицательные варианты** — дополнительного разрешения нет, а кадр они уводят в сторону отрендеренного вида.
* **Не рассчитывайте на seeds для воспроизведения**; вместо этого архивируйте полный запрос. Image API синхронны и списывают плату при разрыве соединения, поэтому pipeline нужна очередь.
* У APIYI нет эндпоинтов для upscaling, удаления фона или identity-training; проектируйте архитектуру с учётом этих слоёв с самого начала.
## Связанная документация
Спасение одного неудачного вызова: перепишите prompt, повторите попытку, переключите модели, изолируйте с помощью тестового инструмента
Синхронные вызовы, уровни тайм-аута, тарификация, обработка base64, предварительная обработка входного изображения
Локальные правки на уровне пикселей, только для официального релея gpt-image-2
Как измерялись ограничения по reference, а также результат слияния 14 изображений
Модели Vision, которые вы можете использовать для оценки изображений-кандидатов, и как вызывать их
Обертывание синхронной генерации в очередь задач для поддержки pipeline с несколькими кандидатами