Qu’est-ce que l’API GPT-Image-1.5 ?
GPT-Image-1.5 est le nouveau membre de la famille GPT Image d’OpenAI et le modèle derrière l’expérience Images repensée de ChatGPT. Il est conçu pour faire passer la génération d’images du stade d’expérimentation à des outils créatifs de niveau production : photoréalisme accru, contrôle plus fin pour des retouches itératives et inférence plus rapide pour prendre en charge des workflows interactifs et d’entreprise.
L’API gpt-image-1.5 est un endpoint de modèle d’image multimodal qui accepte une ou plusieurs entrées d’image (identifiants de fichier ou octets) plus un prompt textuel et renvoie des images générées ou éditées. Elle prend en charge :
- Génération texte-vers-image (création à partir d’un prompt),
- Édition d’image / inpainting / composition (appliquer des instructions à des images existantes, plusieurs entrées image autorisées), et
- Workflows d’édition itératifs et multi‑tour via la Responses API (permet des interfaces “ajuster et itérer”).
L’API traite les prompts image différemment des anciennes limites de DALL·E : les modèles d’image GPT acceptent des prompts textuels nettement plus longs (directive de 32k caractères), rendant possibles des instructions complexes et fortement contraintes.
Fonctionnalités principales (pratiques)
- Éditabilité améliorée / cohérence multi‑tour : préserve l’apparence des personnages, l’éclairage et les attributs visuels clés au fil des retouches itératives. Cela rend “même modèle, éditions répétées” plus fiable pour des workflows comme les catalogues produits ou les assets de marque.
- Débit plus élevé — jusqu’à 4× plus rapide que GPT Image 1, afin de réduire la latence pour des workflows créatifs itératifs.
- Optimisations de coût — coûts d’entrée/sortie image réduits d’environ 20 % par rapport à GPT Image 1, diminuant le coût par itération d’image pour les utilisateurs à fort volume.
- Composition multi‑image et référencement de style — accepte plusieurs images de référence pour composer des scènes ou transférer style/éclairage.
- Réglages de qualité/fidélité — paramètres d’API permettant d’arbitrer entre vitesse et fidélité (utiliser une qualité plus faible pour la génération en masse ; plus élevée pour les assets de production).
- Édition multi‑tour / intégration à la Responses API — permet des workflows par étapes (demander des modifications, puis “peaufiner” en préservant l’état).
Capacités techniques
- Limite de prompt texte (modèles image) : jusqu’à 32 000 caractères (note : OpenAI documente cela comme l’allocation de longueur de texte pour les modèles d’image GPT). À utiliser pour des prompts longs et fortement contraints.
- Entrées image : accepte des IDs de fichier (préférés pour les flux multi‑tour) ou des octets bruts ; plusieurs images peuvent être fournies pour la composition et la référence.
- Sorties : artefacts image PNG/JPEG ou valeur par défaut de la plateforme renvoyés par l’API (ou comme pièces jointes dans ChatGPT). Les sorties peuvent inclure plusieurs images candidates et prendre en charge des requêtes itératives pour affiner un résultat.
- Modes de génération : texte‑vers‑image, édition d’image (inpainting/extension avec instructions) et variantes. L’édition multi‑tour prend en charge des instructions de type “ajouter/soustraire/combiner”.
- Édition sensible aux instructions : les modèles sont optimisés pour la fidélité aux consignes (préservation d’invariants spécifiés comme “ne pas modifier le logo”, “conserver la pose et l’éclairage”). Des schémas de prompt engineering (invariants explicites répétés à chaque itération) réduisent la dérive sémantique.
Performances de référence
- Classement leaderboard : un rapport agrégé cite GPT Image 1.5 en tête des classements texte‑vers‑image avec ~1264 points sur un leaderboard Artificial Analysis, devant le modèle suivant d’une marge mesurable.
- Métriques au niveau des tâches (édition et préservation) : un résumé de Microsoft Foundry des métriques d’évaluation montre que GPT-Image-1.5 atteint un succès de modification binaire quasi parfait (100 % sur un BinaryEval à un seul tour) et de solides scores de préservation de visage (environ 90 % sur des mesures AuraFace) dans leur tableau comparatif face à des concurrents et d’anciens modèles OpenAI. Ces métriques comparatives placent GPT-Image-1.5 devant certains rivaux en matière de préservation et de fidélité d’édition.
Comparaison de GPT‑Image‑1.5 avec ses pairs
- Par rapport à GPT Image 1 (génération précédente d’OpenAI) : plus rapide (jusqu’à 4×), moins cher (coût d’IO image ~20 % inférieur) et meilleure fidélité d’édition — conçu pour passer du “prototype/démo” à des workflows image adaptés à la production.
- Par rapport aux modèles d’image Nano Banana Pro / Gemini de Google : GPT-Image-1.5 et la famille Nano Banana Pro / Gemini 3 de Google sont des rivaux proches — chacun a des atouts selon les classes de prompt. Le message d’OpenAI met l’accent sur la fidélité d’édition et la rapidité d’itération ; l’offre de Google a été saluée pour un réalisme de niveau studio dans certains exemples.
- Par rapport à Qwen Image et à d’autres modèles ouverts/fermés : GPT-Image-1.5 surpasse Qwen Image sur plusieurs métriques d’édition et de préservation en évaluations à un seul tour, mais les écarts se réduisent en multi‑tour ou sur d’autres tests spécifiques à un domaine.
Domaines où GPT‑Image‑1.5 excelle
- Imagerie produit e‑commerce : variantes en masse, changements d’arrière‑plan, catalogues produits cohérents à partir d’une seule photo (préservation de la marque/du logo).
- Production de ressources créatives et marketing : itérations rapides de concepts, maquettes photoréalistes, transferts de style contrôlés.
- Retouche photo et workflows éditoriaux : essayages réalistes de vêtements/coiffures, retouches sélectives qui préservent l’identité et l’éclairage.
- Intégration aux outils de design : branchement dans des plateformes de design ou un CMS pour des variantes d’images à la demande (les réglages de fidélité aident à maîtriser les coûts).
- Pipelines de composition en plusieurs étapes : les entrées multi‑image permettent la composition et la génération basée sur des références pour des scènes complexes.
Comment accéder à l’API GPT Image 1.5
Étape 1 : S’inscrire pour obtenir une clé API
Connectez-vous à cometapi.com. Si vous n’êtes pas encore utilisateur, veuillez d’abord vous inscrire. Connectez-vous à votre console CometAPI. Récupérez la clé API d’authentification de l’interface. Cliquez sur “Add Token” dans la section API token du centre personnel, obtenez la clé de jeton : sk-xxxxx et validez.
Étape 2 : Envoyer des requêtes à l’API GPT Image 1.5
Sélectionnez l’endpoint “gpt-image-1.5” pour envoyer la requête API et définir le corps de requête. La méthode et le corps de requête sont fournis dans la documentation API de notre site. Notre site propose également un test Apifox pour votre commodité. Remplacez <YOUR_API_KEY> par votre véritable clé CometAPI de votre compte. L’URL de base est Images (https://api.cometapi.com/v1/images/generations) et [Édition d’images]
Insérez votre question ou votre demande dans le champ content — c’est à cela que le modèle répondra. Traitez la réponse de l’API pour obtenir le résultat généré.
Étape 3 : Récupérer et vérifier les résultats
Traitez la réponse de l’API pour obtenir le résultat généré. Après traitement, l’API renvoie le statut de la tâche et les données de sortie.
Voir aussi Gemini 3 Pro Preview API