Kort fortalt
GPT-Image-2.5 er en to-modellers billed-API-familie: Flare prioriterer hurtig, daglig generering, mens Sunburst prioriterer redigeringspræcision og høj troværdighed i slutoutput. Via CometAPI kan eksisterende OpenAI SDK-integrationer som regel migrere ved blot at ændre base-URL, API-nøgle og model-ID. Start med Flare på medium kvalitet, mål latenstid og omkostning pr. godkendt billede, og send krævende redigeringer eller premium-output til Sunburst.
Vigtige pointer
- Flare er førstevalg til interaktive produkter, hurtig iteration og generering i høj volumen.
- Sunburst er førstevalg til lokaliserede redigeringer, referencebevarelse og komplekse endelige kompositioner.
- Begge modeller accepterer tekst- og billedinput, understøtter seks kvalitetsniveauer og genererer eller redigerer billeder via Images API.
- CometAPI understøtter de to model-ID’er gennem en OpenAI-kompatibel base-URL og SDK-mønster.
- Nuværende Arena-resultater favoriserer Sunburst til generering og redigering, mens begge nye modeller fortsat er markeret som foreløbige.
- Valg til produktion bør baseres på latenstid, acceptgrad, redigeringsfidelitet, tokenforbrug og effektiv pris pr. godkendt billede.
Den 8. september 2026 introducerede OpenAI ChatGPT Images 2.5 og lancerede to nye billedgenereringsmodeller i API’et: GPT Image 2.5 Flare til hurtig, daglig billedgenerering og GPT Image 2.5 Sunburst til arbejdsgange, der prioriterer billedkvalitet og strammere redigeringskontrol. OpenAI positionerer Flare som standard for de fleste applikationer, mens Sunburst er den mest kapable model til billedgenerering og -redigering.
Begge modeller er nu tilgængelige via CometAPI. Den praktiske fordel er, at udviklere kan kalde dem via det velkendte OpenAI SDK-interface, mens de udskifter API-nøglen og base-URL’en med CometAPI-legitimationsoplysninger. CometAPI’s OpenAI-kompatible API betyder, at en eksisterende applikation til billedgenerering som regel kun kræver en lille integrationsændring snarere end et nyt SDK eller en ny anmodningsarkitektur.
Denne guide viser, hvordan man genererer og redigerer billeder med GPT-Image-2.5 via CometAPI ved hjælp af cURL, Python og JavaScript, og hvordan man vælger den rigtige model, kvalitetsniveau, dimensioner og outputformat til en produktionsarbejdsgang.
Hvad er GPT-Image-2.5-API’et?
GPT-Image-2.5 er OpenAI’s aktuelle familie til billedgenerering. Den accepterer tekst- og billedinput og returnerer billeder. Familien har to modeller: GPT-Image-2.5 Flare, optimeret til hastighed og daglig brug, og GPT-Image-2.5 Sunburst, optimeret til maksimal kapabilitet og præcis redigering.
Hvordan sammenlignes GPT-Image-2.5-API’et med GPT Image 2-API’et?
Den vigtigste ændring er ikke blot en enkelt, hurtigere erstatning. GPT-Image-2.5 deler arbejdsbyrden op i to formålsbyggede valg. Flare sigter mod rutinemæssig generering med lavere latenstid, mens Sunburst sigter mod de mest krævende genererings- og redigeringsopgaver. Begge modeller eksponerer den samme brede kontrolflade, inklusive kvalitetsniveauer fra low til max, billedinput til redigering og streaming af delvise billeder.
Til migration: behold dine nuværende prompts og anmodningsstruktur som udgangspunkt, og vælg derefter en model efter behov for latenstid og fidelitet. Retest tekstgengivelse, bevaringsinstruktioner, masker, rækkefølge af referencebilleder, outputstørrelse og omkostninger, før du ændrer produktionstrafik.
Hvorfor bruge GPT-Image-2.5 via CometAPI?
CometAPI giver et OpenAI-kompatibelt adgangslag, der kan reducere integrationsarbejde, når et team allerede bruger dets gateway. De praktiske fordele er centraliseret nøglehåndtering, et velkendt anmodningsformat, forbrugsindsigt og mulighed for at dirigere billedgenerering og -redigering gennem én base-URL.
| Punkt | Værdi |
|---|---|
| Base URL | https://api.cometapi.com/v1 |
| Generation route | POST /images/generations |
| Editing route | POST /images/edits |
| Authentication | Authorization: Bearer $COMETAPI_KEY |
Udbyderpriser og modeltilgængelighed kan ændre sig. Bekræft modelidentifikator, endpoint-adfærd og aktuel fakturering i CometAPI-dashboardet før produktionsudrulning.
Sådan bruger du GPT-Image-2.5-API i CometAPI
Trin 1: Hent en CometAPI API-nøgle
Opret eller log ind på din CometAPI-konto, og generer et token fra CometAPI API token-konsollen.
Gem nøglen som en miljøvariabel i stedet for at hardkode den i applikationens kilde:
| export COMETAPI_KEY="your-cometapi-key" |
|---|
På Windows PowerShell:
| $env:COMETAPI_KEY="your-cometapi-key" |
|---|
Udsæt ikke API-nøglen i JavaScript på klientsiden, offentlige repos, skærmbilleder eller klientapplikationer. Miljøvariabler på serversiden eller en secret manager er sikrere valg i produktion.
Trin 2: Generer dit første billede med cURL
Start med Flare for de fleste applikationer. En minimal genereringsanmodning ser sådan ud:
curl "https://api.cometapi.com/v1/images/generations" \-H "Authorization: Bearer $COMETAPI_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-image-2.5-flare", "prompt": "Premium product photograph of a matte black wireless speaker on a light concrete pedestal, soft window light, realistic material texture, clean editorial composition, no text", "size": "1536x1024", "quality": "medium", "output_format": "png" }' |
|---|
De kritiske CometAPI-specifikke elementer er endpointet og API-nøglen. GPT Image 2.5 Flare API i CometAPI bruger api.cometapi.com/v1/images/generations-endpointet med Bearer-autentificering.
GPT Image-modeller returnerer normalt genereret billedindhold via data[].b64_json i stedet for at kræve, at din applikation downloader en permanent billed-URL.
Et forenklet svar ser således ud:
| { "data": [ { "b64_json": "<base64-image-data>" } ], "usage": { "input_tokens": 32, "output_tokens": 1372, "total_tokens": 1404 } } |
|---|
Din applikation bør dekode Base64-feltet og gemme de returnerede bytes i stedet for at lagre Base64-strengen som det endelige aktiv.
Trin 3: Generer et billede med Python
| import base64 import os import requests response = requests.post( "https://api.cometapi.com/v1/images/generations",
 headers={"Authorization": f"Bearer {os.environ['COMETAPI_KEY']}"}, json={ "model": "gpt-image-2.5-flare", "prompt": ( "A clean isometric illustration of a solar-powered research lab, " "white background, precise geometry, no labels or watermarks" ), "size": "1536x1024", "quality": "high", "output_format": "png", }, timeout=180, ) response.raise_for_status() payload = response.json() image_b64 = payload["data"][0]["b64_json"] with open("research-lab.png", "wb") as file: file.write(base64.b64decode(image_b64)) |
|---|
Dette er en af de største praktiske fordele ved CometAPI for et eksisterende OpenAI-SDK-projekt: det officielle CometAPI-eksempel bruger den samme OpenAI-klient ved at ændre base_url, nøgle og model-ID i stedet for at udskifte applikationens SDK-lag.
Trin 4: Brug flere referencebilleder med Responses API’et
Tildel en stabil rolle til hvert billede, før du skriver prompten. En nyttig rækkefølge er: emne først, stil som nummer to, derefter baggrund eller layoutreference. Navngiv disse roller eksplicit i prompten, så modellen ikke skal gætte, hvilke egenskaber der skal kopieres.
import base64
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)
response = client.responses.create(
model="gpt-6-astra",
input=[{
"role": "user",
"content": [
{"type": "input_text", "text": (
"Create a campaign image. Use image 1 only for the product "
"shape and colors; image 2 only for lighting and visual style; "
"image 3 only for the background composition. Preserve the "
"product logo exactly and add no other text."
)},
{"type": "input_image", "image_url": "https://example.com/product.png"},
{"type": "input_image", "image_url": "https://example.com/style.png"},
{"type": "input_image", "image_url": "https://example.com/background.png"},
],
}],
tools=[{
"type": "image_generation",
"model": "gpt-image-2.5-sunburst",
}],
)
for item in response.output:
if item.type == "image_generation_call":
with open("campaign.png", "wb") as file:
file.write(base64.b64decode(item.result))
Responses API’et bruger en understøttet hovedmodel på topniveau og vælger GPT-Image-2.5 inde i image-generation-værktøjet. Hvis gatewayen endnu ikke eksponerer den valgte hovedmodel eller værktøjsskema, så tjek den aktuelle CometAPI-modelkatalog og brug det dokumenterede ækvivalent.
Bemærk: Flere referencebilleder kan gives på én gang, hvor hvert billede har en særskilt rolle; angiv tydeligt formålet med hvert billede i prompten. Ved multi-billedredigering skal du være opmærksom på inputrækkefølgen og den semantiske korrespondance.
Sådan redigerer du eksisterende billeder
Brug redigeringsruten, når et eksisterende aktiv skal bevares og ændres. Angiv, hvad der skal forblive fast, før du beskriver den ønskede ændring.
curl https://api.cometapi.com/v1/images/edits \
-H "Authorization: Bearer $COMETAPI_KEY" \
-F "model=gpt-image-2.5-sunburst" \
-F "image[]=@product.png" \
-F "prompt=Preserve the product shape, label, and camera angle. Replace only the background with a warm studio gradient. Add no new text." \
-F "quality=high" \
-F "output_format=png"
Input
Output
Tildel roller til flere inputbilleder
Stol ikke kun på uploadrækkefølgen. Skriv “billede 1 er emnet”, “billede 2 er stilreferencen”, og “billede 3 er baggrundsreferencen”. Oplist derefter de attributter, der må overføres fra hvert billede. Dette reducerer utilsigtet kopiering af ansigter, logoer, tekst eller layout fra den forkerte reference.
Brug en maske til lokaliserede redigeringer
En maske guider det redigerbare område: transparente pixels angiver, hvor ændring er tilladt, mens det resterende område bør bevares. Masken skal matche kildebilledets størrelse og format, inkludere en alfakanal og forblive inden for API’ets filstørrelsesgrænse. Med flere inputbilleder gælder masken for det første billede.
En maske er en rettesnor snarere end en pixel-perfekt markering. Forstærk den med bevaringssprog såsom “ændr kun det transparente område; bevar alle andre pixels, tekst og geometri.”
Produktråd til GPT-Image-2.5 i CometAPI
Modelspecifikationen oplister ikke generisk modelniveau-streaming som en understøttet funktion, men Image API og Responses API understøtter billedgenereringsstreaming med partial_images. Dette giver progressive billedforhåndsvisninger i stedet for tekst streaming token-for-token: Images API accepterer partial_images værdier fra 0 til 3 og kan returnere så mange forhåndsvisninger under generering. Hvert delvist billede tilføjer 100 outputtokens. Teams kan bruge disse forhåndsvisninger til en genereringsfremskridts-UI; applikationer, der ikke har brug for forhåndsvisninger, kan fortsætte med det standard genererings- og redigeringsflow.
Selv hvis
partial_images: 3er angivet, er der ingen garanti for, at der modtages præcis tre delvise billeder; hvis det endelige billede genereres hurtigt nok, kan det faktiske antal være lavere end det ønskede.
GPT-Image-2.5 API-parametre
GPT-Image-2.5 eksponerer mere outputkontrol end blot at vælge en prompt og en model.
| Parameter — OpenAI image guide | Hvad den styrer | Anbefalet udgangspunkt |
|---|---|---|
| quality | Compute-/detaljeniveau | medium til udvikling |
| size | Billedopløsning/aspekt | 1024×1024 eller 1536×1024 |
| output_format | PNG, JPEG, WebP | PNG for fidelitet; WebP/JPEG til levering |
| background | Uigennemsigtig eller transparent | Brug kun transparent når nødvendigt |
| output_compression | JPEG/WebP-komprimering | Tun til web-levering |
| n | Antal returnerede billeder | Start med 1 |
| prompt | Visuelle krav | Gør layout og begrænsninger eksplicitte |
Image API vs Responses API
| Kriterium | Image API | Responses API |
|---|---|---|
| Bedst til | Direkte one-shot generering og redigering | Samtale-, flertrins- eller agentiske billed-arbejdsgange |
| Modelvalg | Angiv billedmodellen direkte | Brug en hovedmodel plus image-generation-værktøjet |
| Flere referencer | Understøttet til redigering, afhængigt af rute | Naturligt til flere URL- eller fil-ID-input |
| Iteration | Applikationen gensender kontekst | Designet til iterative ture og tool calls |
| Streaming-forhåndsvisninger | Understøtter partial images | Understøtter partial images |
| Vælg hvornår | Du kender det ønskede output og vil have korteste anmodning | Modellen skal ræsonnere over kontekst, referencer eller tidligere resultater |
Regel: begynd med Image API. Skift til Responses API, når arbejdsgangen behøver samtaletilstand, flere semantiske referencer eller andre værktøjer omkring billedgenerering.
Valg af kvalitet
Den understøttede kvalitetsstige er:
| auto low medium high xhigh max |
|---|
auto lader modellen bestemme. Til udvikling er det dog bedre at vælge medium eksplicit for mere kontrollerede A/B-tests.
Et nyttigt udrulningsmønster er:
| low / medium → kladder, forhåndsvisninger, eksperimenter i høj volumen high → godkendte produktionsaktiver xhigh / max → krævende slutrender, hvor kvalitetsgevinsten retfærdiggør omkostningen |
|---|
Brug ikke automatisk max bare fordi det er tilgængeligt. Flere image-output-tokens øger prisen, og en svag prompt bliver ikke god af at skrue op for kvaliteten.
Valg af billedstørrelse
De almindelige presets er:
| 1024x1024 1536x1024 1024x1536 |
|---|
2.5-modellerne understøtter også vilkårlige gyldige dimensioner, hvilket er nyttigt til bannere, produktsider, mobile creatives og andre ikke-kvadratiske aktiver. OpenAIs nuværende specifikation tillader dimensioner op til 3840 pixels pr. kant inden for dets pixel- og aspektforholdgrænser. OpenAIs billedpromptvejledning
Oprettelse af transparente billeder
Brug:
| { "background": "transparent", "output_format": "png" } |
|---|
eller WebP. Transparent output kræver et format, der understøtter alfakanal, så JPEG er ikke passende. Krav til transparent baggrund
Dette er især nyttigt til produktfrilægninger, UI-aktiver, ikoner, klistermærker og compositing-pipelines.
Sådan prompter du GPT-Image-2.5
En pålidelig produktionsprompt adskiller det kreative mål fra begrænsninger. Skriv positive instruktioner først, derefter bevaring og negative begrænsninger.
Definer komposition
Angiv motiv, kameravinkel, indramning, dybde, baggrund og relative position af vigtige objekter. Eksempel: “Trekvart produktvisning, centreret, rigelig negativ plads til højre, øjenhøjde-kamera, 50 mm linse-look.”
Beskriv lys og materialer
Angiv lysretning, blødhed, kontrast, farvetemperatur og materialerespons. Eksempel: “Stor softbox fra øverste venstre, subtil rim light, realistisk børstet aluminium, kontrollerede reflekser.”
Kontroller præcis tekst
Sæt påkrævet tekst i anførselstegn og angiv placering, hierarki, skriftbillede og typografi. Bed om ingen yderligere tekst. Eksempel: “Placér den eksakte overskrift ‘BUILD WITH CLARITY’ øverst i midten i fed, versal sans serif. Bevar stavning nøjagtigt. Tilføj ingen andre ord, bogstaver, labels eller vandmærker.”
Angiv, hvad der skal bevares
Ved redigering: navngiv elementer, der ikke må ændre sig: identitet, positur, produktgeometri, logo, etikettekst, proportioner, kameravinkel eller baggrund. Sæt disse begrænsninger før den ønskede ændring.
Tilføj negative begrænsninger
Oplist sandsynlige fejl i almindeligt sprog: “Ingen ekstra fingre, ingen duplikerede produkter, intet forvredet logo, ingen forkert stavet tekst, ingen kant, intet vandmærke.” Negative begrænsninger er mest nyttige, når de adresserer specifikke risici frem for generiske kvalitetsord.
Hvad koster GPT-Image-2.5?
Officielle OpenAI API-omkostninger
På verifikationstidspunktet oplyser både Flare og Sunburst de samme tokenpriser: $5 pr. million tekst-inputtokens, $1.25 pr. million cachede tekst-inputtokens, $8 pr. million billed-inputtokens, $2 pr. million cachede billed-inputtokens og $30 pr. million billed-outputtokens. Den endelige pris afhænger af de faktisk brugte tokens, ikke kun af antallet af anmodninger.
CometAPI-priser og måder at reducere omkostninger på
CometAPI annoncerer aktuelt 20% rabat for GPT-Image-2.5 Flare i sit modelkatalog. Behandl dashboard og faktura som sandhedskilde, da gatewaypriser kan ændre sig. For at reducere forbrug: brug Flare til rutinearbejde, start ved medium eller high, reserver xhigh eller max til godkendte use cases, genbrug cachede input hvor understøttet, undgå unødvendige varianter, og sæt partial_images til 0 medmindre forhåndsvisninger forbedrer brugeroplevelsen.
Andre omkostningsfaktorer og et gennemarbejdet eksempel
Pris påvirkes af promptlængde, antal og opløsning af referencebilleder, outputdimensioner, kvalitet, endelige outputtokens, anmodede varianter, delvise forhåndsvisninger, retries og afviste resultater. Spor både forbrug pr. anmodning og forbrug pr. godkendt billede.
Pris pr. godkendt billede = samlet genereringsforbrug ÷ antal outputs, der består review.
Illustrativt eksempel: 10 forsøg til $0.18 hver koster $1.80. Hvis 6 billeder består review, er prisen pr. godkendt billede $0.30, ikke $0.18. Hvis bedre prompting reducerer løbet til 8 forsøg med 6 godkendte billeder, falder prisen pr. godkendt billede til $0.24.
Flare vs. Sunburst: Hvilken model skal du bruge?
Modelvalget bør være arbejdsbyrde-drevet i stedet for at behandle Sunburst som en automatisk erstatning for Flare.
| Beslutning | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|
| Interaktiv applikation | Anbefalet | Brug selektivt |
| Hurtig promptiteration | Anbefalet | Som regel unødvendigt |
| Kreativ generering i høj volumen | Anbefalet | Afhænger af acceptgrad |
| Produkt-/reference-redigering | God | Anbefalet |
| Kompleks slutkomposition | God | Anbefalet |
| Maksimal redigeringskontrol | God | Anbefalet |
| Latenstidssensitivt UI | Anbefalet | Mindre velegnet |
| Premium slutaktiv | Test først | Anbefalet når kvalitetsgevinsten er målbar |
For mange produkter er den optimale arkitektur ikke “vælg én for altid.” Dirigér de fleste forespørgsler til Flare, og send krævende revisioner eller højværdi-slutoutput til Sunburst.
Hvordan migrerer du fra GPT Image 2 til GPT-Image-2.5?
Hvis du allerede bruger GPT Image 2 via CometAPI, er migrationen relativt lille, fordi generering og redigering forbliver på Images API-ruterne.
Den enkleste ændring er:
| # Before model="gpt-image-2" # After: speed-first model="gpt-image-2.5-flare" # After: precision-first model="gpt-image-2.5-sunburst" |
|---|
Men stop ikke ved at udskifte ID’et. Revurder kvalitet, outputdimensioner, latenstid, motivbevarelse, tekstkorrekthed, redigeringslokalitet og faktisk tokenforbrug ved hjælp af et fast evalueringssæt.
OpenAI anbefaler specifikt at holde prompt, referencer, dimensioner og outputformat konstant ved sammenligning af modeller, så modelskiftet er den variabel, der måles. OpenAI-migrationsvejledning
Produktråd til GPT-Image-2.5 i CometAPI
Hold implementeringen omkring GPT-Image-2.5 bevidst lille for en produktionsservice: opbevar API-nøglen på serversiden, gem det dekodede billede i din egen lagring, log model/kvalitet/størrelse/latenstid/forbrug, begræns retries, og behandl 400-fejl anderledes end forbigående 429- eller 5xx-fejl.
CometAPI har allerede udgivet en dedikeret guide, der dækker køer, begrænset samtidighed, eksponentiel backoff, holdbare ID’er, lagring, manifester og batch-omkostningssporing. I stedet for at duplere den implementering her, se How to Automate Image Generation at Scale, når du går fra et enkelt API-kald til batchproduktion.
Denne sondring er særlig vigtig, når eksempler skrevet til OpenAI’s native API tilpasses direkte til et tredjeparts OpenAI-kompatibelt endpoint.
Almindelige GPT-Image-2.5 API-fejl
| Fejl | Sandsynlig årsag | Hvad du gør |
|---|---|---|
| 401 Unauthorized | Ugyldig/manglende CometAPI-nøgle | Verificér COMETAPI_KEY og Bearer-header |
| 400 Bad Request | Ugyldig parameter, størrelse, format eller model-ID | Fjern valgfrie felter og test en minimal anmodning |
| 429 Too Many Requests | Samtidigheds- eller kontogrænse nået | Backoff og retry med jitter |
| Gentagne 5xx | Midlertidigt upstream/API-problem | Retry et begrænset antal gange |
| Billede vises som Base64-tekst | b64_json blev ikke dekodet | Base64-dekodér og gem bytes |
| Transparent output fejler | Inkompatibelt outputformat | Brug PNG eller WebP |
| Redigering ændrer for meget | Prompt begrænser ikke bevaring | Angiv eksplicit, hvad der skal forblive uændret |
| Omkostninger stiger uventet | Højere kvalitet/opløsning eller retries | Log forbrug pr. anmodning og beregn pris pr. godkendt billede |
Forsøg ikke automatisk at retry alle fejl. En fejlbehæftet 400-anmodning forbliver som regel fejlbehæftet, mens retry af en autentificeringsfejl blot genererer mere mislykket trafik.
Rate limits og samtidighed
| Niveau | TPM | IPM |
|---|---|---|
| Tier 1 | 100K | 5 |
| Tier 2 | 250K | 20 |
| Tier 3 | 800K | 50 |
| Tier 4 | 3M | 150 |
| Tier 5 | 8M | 250 |
Konklusion
GPT-Image-2.5 giver udviklere en mere nyttig modelopdeling end en simpel generationsopgradering: Flare er optimeret til hurtige, daglige billedarbejdsbyrder, mens Sunburst giver krævende genererings- og redigeringsarbejdsgange en mere præcis mulighed.
Via CometAPI kan begge passe ind i en eksisterende OpenAI-kompatibel applikation med minimal integrationsindsats. Start med /v1/images/generations-endpointet, Flare, et kontrolleret kvalitetsniveau og et repræsentativt prompt-sæt. Tilføj /v1/images/edits og Sunburst, når dit produkt kræver stærkere referencebevarelse eller præcise visuelle ændringer.
Den vigtigste optimering er ikke blot at vælge den mest kraftfulde indstilling. Mål latenstid, tokenforbrug, acceptgrad, redigeringsnøjagtighed og effektiv pris pr. godkendt billede på den arbejdsbyrde, din applikation faktisk betjener. Det er dét, der afgør, om Flare eller Sunburst er den bedste produktionsmodel.
FAQ
Er GPT-Image-2.5 tilgængelig på CometAPI?
Ja. Både GPT Image 2.5 Flare og GPT Image 2.5 Sunburst er tilgængelige via CometAPI.
Har jeg brug for en separat OpenAI API-nøgle?
Nej. Når modellen kaldes via CometAPI, bruger autentificeringen din CometAPI-nøgle mod CometAPI-endpointet.
Skal jeg bruge Flare eller Sunburst?
Start med Flare til de fleste genereringsarbejdsbyrder. Brug Sunburst, når redigeringspræcision, komplekse kompositioner eller bevaring af referencebilleddetaljer har en målbar effekt på outputaccept. Dette følger OpenAI’s egen positionering af de to modeller.
Kan GPT-Image-2.5 redigere eksisterende billeder?
Ja. De nuværende modelspecifikationer understøtter billedinput og billedredigering, og CometAPI eksponerer billedredigeringskapacitet for familien. GPT Image 2.5 Flare API i CometAPI
Understøtter GPT-Image-2.5 transparente billeder?
Ja. Sæt background til transparent og brug PNG eller WebP som outputformat. OpenAI’s billedprompt-vejledning
Kan jeg bruge OpenAI Python SDK med CometAPI?
Ja. CometAPI’s aktuelle eksempler instantierer standard OpenAI-klienten med base_url="https://api.cometapi.com/v1" og en CometAPI-nøgle. CometAPI SDK-eksempel