跳轉到主要內容

簡短回答

svg.reasoning.effort 控制的是編寫 SVG 文本的那款模型要花多少推理,能填哪幾檔由 svg.model 決定,不是閘道寫死的:
  • 主流編寫模型(gpt-5.6-terra、gpt-6-luna 等):none / low / medium / high / xhigh / max 六檔,填 minimal 會 400。
  • minimal 是 GPT-5 初代(gpt-5 / gpt-5-mini / gpt-5-nano)的檔位;從 gpt-5.1 起官方把它換成了 none,之後的型號都不再接受。
  • 省略 reasoning、傳 reasoning: null、傳 effort: null 都正常出圖,走編寫模型預設檔。
所以看到「minimal 不支援」時,不是引數寫錯了,而是這款編寫模型就不認這一檔,換檔位或換模型都能解決。
output_format: "svg" 時 svg.model 是必填的,漏了會直接返回 400 SVG generation requires 'svg.model'.。檔位問題只在這個物件內部討論。

欄位要巢狀在 svg 裡

別寫成頂層扁平欄位。 把檔位寫成 "svg_reasoning_effort": "high" 不會報錯,也不會生效——閘道會直接丟棄這個未知欄位,請求按「沒傳 effort」處理。實測用必然被拒的 minimal 走扁平寫法返回 200,放進 svg.reasoning.effort 才返回 400;只看到 200 就以為支援,是最容易踩的坑。

各編寫模型支援哪些檔位

下表為 2026-11-10 在 api.apiyi.com 實測結果,檔位列表以各模型報錯裡回顯的為準(在 /v1/responses 上反查;SVG 路徑已對 gpt-5.6-terra、gpt-6-luna、gpt-5-nano、gpt-5、gpt-4.1-mini 逐一驗證):
拿不準某款模型支援什麼,就故意傳一個它大機率不認的值(比如 max 或 minimal)看報錯——上游會把該模型接受的檔位全部列出來,比查文件快,也比猜準。

報錯怎麼讀

1. 檔位不被編寫模型接受(minimal 最常見)

param 為空、訊息裡點名了模型 —— 這是編寫模型返回的校驗,不是閘道攔的。請求沒有進入生成階段,不計費。

2. 值不在列舉裡(拼寫錯誤、空串)

param 指向 svg.reasoning.effort、列表是 7 個值 —— 這是閘道側列舉。注意它會把 minimal 也列出來,不代表你的編寫模型支援,最終仍以報錯 1 的模型列表為準。

3. 編寫模型根本不支援推理

用 gpt-4.1-mini 這類非推理模型當編寫模型時出現,任何檔位都報這個錯,只能把 reasoning 整個去掉。

確實想用 minimal 怎麼辦

把編寫模型換成 GPT-5 初代即可,實測能正常出 SVG:
返回 200,svg_usage.reasoning_tokens 為 0(同一提示詞走 low 是 320)。
不建議為了省一點編寫費把 svg.model 降回 gpt-5 初代。 minimal 省下的是編寫模型的思考 token(單價本來就低),而初代模型在向量程式碼的結構、路徑精度和提示詞遵循上明顯弱於 gpt-5.6-terra / gpt-6-luna,換來的可能是更多返工。真要壓低成本,優先降 quality 和 size,那是參考圖那條鏈路的開銷,佔比更大。

檔位對出圖和費用的影響

  • 隻影響編寫模型,不影響參考圖。 影像模型先出參考圖(費用記在 usage),文本模型再按檔位思考並寫 SVG(費用記在 svg_usage),兩筆都要算。
  • reasoning_tokens 已包含在 output_tokens 裡,不要重複相加;計費按編寫模型的輸出單價乘 svg_usage.output_tokens。
  • 檔位越高,編寫費越高。 實測 max 檔一次產生 4,816 reasoning tokens、svg_usage.output_tokens 合計 4,987;none 檔穩定為 0。
  • 但 reasoning_tokens 不能用來反推檔位是否生效。 同一句極簡提示詞下 low / medium / high / xhigh 的區間重疊嚴重(medium 甚至出現過 0),只有 none(恆 0)和 max(數千)有明顯區分度。簡單圖形用 low / medium 就夠,複雜插畫、多圖層結構再上 high 以上。

相關文件

GPT Image 2.6 新能力

SVG、GIF、complexity 與標記引導編輯的完整說明和真實結果。

GPT-Image 系列概覽

五款模型的規格、定價、端點與常見報錯。

輸出 token 為什麼這麼高

解析度和 quality 如何影響 output_tokens 與單張成本。

模型價格總表

編寫模型與影像模型的即時單價,以這裡為準。