TL;DR
GPT-Image-2.5 ialah keluarga API imej dengan dua model: Flare mengutamakan penjanaan pantas untuk kegunaan harian, manakala Sunburst mengutamakan ketepatan penyuntingan dan kesetiaan output akhir. Melalui CometAPI, integrasi SDK OpenAI sedia ada lazimnya boleh berpindah dengan menukar base URL, kunci API, dan ID model. Mulakan dengan Flare pada kualiti sederhana, ukur latensi dan kos imej yang diterima, dan halakan suntingan yang menuntut atau output premium kepada Sunburst.
Perkara Utama
- Flare ialah pilihan berorientasikan kelajuan untuk produk interaktif, iterasi pantas, dan penjanaan volum tinggi.
- Sunburst ialah pilihan berorientasikan ketepatan untuk suntingan setempat, pemeliharaan rujukan, dan komposisi akhir yang kompleks.
- Kedua-dua model menerima input teks dan imej, menyokong enam mod kualiti, serta menjana atau menyunting imej melalui Images API.
- CometAPI menyokong dua ID model melalui base URL dan pola SDK yang serasi dengan OpenAI.
- Keputusan Arena semasa memihak kepada Sunburst untuk penjanaan dan penyuntingan, sementara kedua-dua model baharu masih ditanda sebagai awal.
- Pemilihan produksi harus berasaskan latensi, kadar penerimaan, ketepatan suntingan, penggunaan token, dan kos efektif per imej yang diluluskan.
Pada 8 September 2026, OpenAI memperkenalkan ChatGPT Images 2.5 dan melancarkan dua model penjanaan imej baharu dalam API: GPT Image 2.5 Flare untuk penjanaan imej pantas harian dan GPT Image 2.5 Sunburst untuk aliran kerja yang mengutamakan kualiti imej dan kawalan penyuntingan yang lebih ketat. OpenAI memposisikan Flare sebagai lalai untuk kebanyakan aplikasi, manakala Sunburst ialah model penjanaan dan penyuntingan imej paling berkeupayaan.
Kedua-dua model kini tersedia melalui CometAPI. Kelebihan praktikalnya ialah pembangun boleh memanggilnya melalui antara muka SDK OpenAI yang biasa sambil menggantikan kunci API dan base URL dengan kelayakan CometAPI. API serasi OpenAI CometAPI bermaksud aplikasi penjanaan imej sedia ada biasanya hanya memerlukan perubahan integrasi kecil dan bukannya SDK atau seni bina permintaan baharu.
Panduan ini menunjukkan cara menjana dan menyunting imej dengan GPT-Image-2.5 melalui CometAPI menggunakan cURL, Python, dan JavaScript, serta cara memilih model, tahap kualiti, dimensi, dan format output yang tepat untuk aliran kerja produksi.
Apakah GPT-Image-2.5 API?
GPT-Image-2.5 ialah keluarga penjanaan imej terkini OpenAI. Ia menerima input teks dan imej serta mengembalikan imej. Keluarga ini mempunyai dua model: GPT-Image-2.5 Flare, dioptimumkan untuk kelajuan dan kegunaan harian, dan GPT-Image-2.5 Sunburst, dioptimumkan untuk keupayaan maksimum dan penyuntingan yang tepat.
Bagaimana GPT-Image-2.5 API Berbanding GPT Image 2 API?
Perubahan utama bukan sekadar satu pengganti yang lebih pantas. GPT-Image-2.5 memisahkan beban kerja kepada dua pilihan yang dibina khusus. Flare menyasarkan penjanaan rutin dengan latensi lebih rendah, manakala Sunburst menyasarkan tugas penjanaan dan penyuntingan yang paling menuntut. Kedua-dua model mendedahkan permukaan kawalan yang sama luas, termasuk tahap kualiti daripada low hingga max, input imej untuk penyuntingan, dan streaming imej separa.
Untuk migrasi, kekalkan gesaan dan struktur permintaan semasa terlebih dahulu, kemudian pilih model mengikut keperluan latensi dan kesetiaan. Uji semula pemaparan teks, arahan pemeliharaan, topeng, turutan imej rujukan, saiz output, dan kos sebelum menukar trafik produksi.
Mengapa Menggunakan GPT-Image-2.5 Melalui CometAPI?
CometAPI menyediakan lapisan akses serasi OpenAI yang boleh mengurangkan kerja integrasi apabila pasukan sudah menggunakan gerbangnya. Manfaat praktikalnya ialah pengurusan kunci berpusat, format permintaan yang biasa, keterlihatan penggunaan, dan keupayaan untuk menghala penjanaan dan penyuntingan imej melalui satu base URL.
| Item | Nilai |
|---|---|
| Base URL | https://api.cometapi.com/v1 |
| Generation route | POST /images/generations |
| Editing route | POST /images/edits |
| Authentication | Authorization: Bearer $COMETAPI_KEY |
Harga pembekal dan ketersediaan model boleh berubah. Sahkan pengenal model, tingkah laku endpoint, dan bil semasa dalam papan pemuka CometAPI sebelum pengeluaran.
Cara Menggunakan GPT-Image-2.5 API dalam CometAPI
Langkah 1: Dapatkan Kunci API CometAPI
Cipta atau log masuk ke akaun CometAPI anda dan jana token daripada konsol token API CometAPI.
Simpan kunci sebagai pemboleh ubah persekitaran dan bukannya mengkodkannya dalam sumber aplikasi:
| export COMETAPI_KEY="your-cometapi-key" |
|---|
Pada Windows PowerShell:
| $env:COMETAPI_KEY="your-cometapi-key" |
|---|
Jangan dedahkan kunci API dalam JavaScript bahagian klien, repositori umum, tangkapan skrin, atau aplikasi klien. Pemboleh ubah persekitaran bahagian pelayan atau pengurus rahsia adalah pilihan yang lebih selamat untuk produksi.
Langkah 2: Jana Imej Pertama Anda dengan cURL
Untuk kebanyakan aplikasi, mulakan dengan Flare. Permintaan penjanaan minimum adalah seperti berikut:
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": "Fotografi produk premium bagi pembesar suara wayarles matte hitam di atas pedestal konkrit cerah, cahaya tingkap lembut, tekstur bahan realistik, komposisi editorial yang bersih, tanpa teks", "size": "1536x1024", "quality": "medium", "output_format": "png" }' |
|---|
Bahagian khusus CometAPI yang kritikal ialah endpoint dan kunci API. API GPT Image 2.5 Flare dalam CometAPI menggunakan endpoint api.cometapi.com/v1/images/generations dengan pengesahan Bearer.
Model GPT Image kebiasaannya memulangkan kandungan imej terjana melalui data[].b64_json dan tidak memerlukan aplikasi anda memuat turun URL imej kekal.
Respons ringkas kelihatan seperti:
| { "data": [ { "b64_json": "<base64-image-data>" } ], "usage": { "input_tokens": 32, "output_tokens": 1372, "total_tokens": 1404 } } |
|---|
Aplikasi anda harus menyahkod medan Base64 dan menyimpan bait yang dipulangkan, bukannya menyimpan rentetan Base64 sebagai aset akhir.
Langkah 3: Jana Imej dengan 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": ( "Ilustrasi isometrik yang bersih bagi makmal penyelidikan berkuasa solar, " "latar belakang putih, geometri tepat, tanpa label atau tera air" ), "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)) |
|---|
Ini merupakan salah satu kelebihan praktikal terbesar CometAPI untuk projek SDK OpenAI sedia ada: contoh rasmi CometAPI menggunakan klien OpenAI yang sama, dengan menukar base_url, kunci, dan ID model dan bukannya menggantikan lapisan SDK aplikasi.
Langkah 4: Gunakan Berbilang Imej Rujukan dengan Responses API
Tetapkan peranan stabil kepada setiap imej sebelum menulis gesaan. Turutan yang berguna ialah: subjek dahulu, gaya kedua, kemudian rujukan latar atau susun atur. Namakan peranan tersebut dengan jelas dalam gesaan supaya model tidak perlu meneka sifat mana yang perlu disalin.
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": (
"Cipta imej kempen. Gunakan imej 1 hanya untuk bentuk dan warna produk; "
"imej 2 hanya untuk pencahayaan dan gaya visual; "
"imej 3 hanya untuk komposisi latar belakang. Kekalkan logo produk "
"secara tepat dan jangan tambah teks lain."
)},
{"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 menggunakan model arus perdana yang disokong pada peringkat teratas dan memilih GPT-Image-2.5 di dalam alat penjanaan imej. Jika gerbang belum mendedahkan model arus perdana terpilih atau skema alat, semak katalog model CometAPI semasa dan gunakan setara yang didokumenkan.
Nota: Berbilang imej rujukan boleh dimasukkan serentak, dengan setiap imej memainkan peranan yang berbeza; nyatakan dengan jelas tujuan setiap imej dalam gesaan. Apabila melakukan penyuntingan berbilang imej, beri perhatian kepada turutan input dan kesepadanan semantik.
Cara Menyunting Imej Sedia Ada
Gunakan route penyuntingan apabila aset sedia ada mesti dikekalkan dan diubah. Nyatakan perkara yang mesti kekal tetap sebelum menerangkan perubahan yang diminta.
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=Kekalkan bentuk produk, label, dan sudut kamera. Gantikan hanya latar belakang dengan gradien studio yang hangat. Jangan tambah teks baharu." \
-F "quality=high" \
-F "output_format=png"
Input
Output
Tetapkan Peranan untuk Berbilang Imej Input
Jangan bergantung pada turutan muat naik semata-mata. Nyatakan “imej 1 ialah subjek,” “imej 2 ialah rujukan gaya,” dan “imej 3 ialah rujukan latar belakang.” Kemudian senaraikan atribut yang dibenarkan untuk dipindahkan daripada setiap imej. Ini mengurangkan risiko menyalin muka, logo, teks, atau susun atur yang salah.
Gunakan Topeng untuk Suntingan Setempat
Topeng memandu kawasan yang boleh disunting: piksel telus menunjukkan tempat perubahan dibenarkan, manakala baki kawasan harus dikekalkan. Topeng harus memadankan saiz dan format imej sumber, merangkumi saluran alfa, dan berada dalam had saiz fail API. Dengan berbilang imej input, topeng digunakan pada imej pertama.
Topeng ialah panduan dan bukannya pilihan piksel yang tepat. Sokong ia dengan bahasa pemeliharaan seperti “ubah hanya kawasan telus; kekalkan semua piksel, teks, dan geometri lain.”
Petua Produksi untuk GPT-Image-2.5 dalam CometAPI
Spesifikasi model tidak menyenaraikan penstriman peringkat model generik sebagai ciri yang disokong, tetapi Image API dan Responses API menyokong penstriman penjanaan imej dengan partial_images. Ini memberikan pratonton imej progresif dan bukannya penstriman teks token demi token: Images API menerima nilai partial_images dari 0 hingga 3 dan boleh memulangkan sebanyak itu pratonton semasa penjanaan. Setiap imej separa menambah 100 token output. Pasukan boleh menggunakan pratonton ini untuk UI kemajuan penjanaan; aplikasi yang tidak memerlukan pratonton boleh terus menggunakan aliran penjanaan dan penyuntingan standard.
Walaupun
partial_images: 3ditetapkan, tiada jaminan bahawa tepat tiga imej separa akan diterima; jika imej akhir dijana dengan cukup pantas, bilangan sebenar yang diterima mungkin kurang daripada jumlah yang diminta.
Parameter GPT-Image-2.5 API
GPT-Image-2.5 mendedahkan lebih banyak kawalan output daripada sekadar memilih gesaan dan model.
| Parameter — panduan imej OpenAI | Kawalan apa | Titik permulaan disyorkan |
|---|---|---|
| quality | Tahap pengiraan/perincian | medium untuk pembangunan |
| size | Resolusi/aspek imej | 1024×1024 atau 1536×1024 |
| output_format | PNG, JPEG, WebP | PNG untuk kesetiaan; WebP/JPEG untuk penghantaran |
| background | Output legap atau telus | Gunakan telus hanya bila diperlukan |
| output_compression | Mampatan JPEG/WebP | Laras untuk penghantaran web |
| n | Bilangan imej dipulangkan | Mulakan dengan 1 |
| prompt | Keperluan visual | Nyatakan susun atur dan kekangan dengan jelas |
Image API vs Responses API
| Kriteria | Image API | Responses API |
|---|---|---|
| Terbaik untuk | Penjanaan dan penyuntingan one-shot terus | Aliran kerja perbualan, berbilang langkah, atau berasaskan agen |
| Pemilihan model | Tetapkan model imej secara langsung | Gunakan model arus perdana dan alat penjanaan imej |
| Rujukan berbilang | Disokong untuk suntingan, bergantung pada route | Sesuai untuk beberapa input URL atau ID fail |
| Iterasi | Aplikasi menghantar semula konteks | Direka untuk giliran iteratif dan panggilan alat |
| Pratonton penstriman | Menyokong imej separa | Menyokong imej separa |
| Pilih bila | Anda tahu output yang dikehendaki dan mahu permintaan terpendek | Model perlu menalar konteks, rujukan, atau hasil sebelumnya |
Peraturan am: mulakan dengan Image API. Beralih ke Responses API apabila aliran kerja memerlukan keadaan perbualan, berbilang rujukan semantik, atau alat lain di sekitar penjanaan imej.
Memilih kualiti
Tangga kualiti yang disokong ialah:
| auto low medium high xhigh max |
|---|
auto membiarkan model membuat keputusan. Namun untuk pembangunan, memilih medium secara jelas menjadikan ujian A/B lebih terkawal.
Corak pengeluaran yang berguna:
| low / medium → draf, pratonton, percubaan volum tinggi high → aset produksi diluluskan xhigh / max → render akhir yang menuntut apabila peningkatan kualiti berbaloi dengan kos |
|---|
Jangan gunakan max secara automatik hanya kerana ia tersedia. Lebih banyak token output imej meningkatkan kos, dan gesaan yang lemah tidak menjadi bagus hanya dengan menaikkan kualiti.
Memilih saiz imej
Pratetap biasa ialah:
| 1024x1024 1536x1024 1024x1536 |
|---|
Model 2.5 juga menyokong dimensi sah sewenang-wenangnya, yang berguna untuk sepanduk, halaman produk, kreatif mudah alih, dan aset bukan segi empat sama yang lain. Spesifikasi semasa OpenAI membenarkan dimensi sehingga 3840 piksel per sisi dalam had kiraan piksel dan nisbah aspek. Panduan gesaan imej OpenAI
Mencipta imej telus
Gunakan:
| { "background": "transparent", "output_format": "png" } |
|---|
atau WebP. Output telus memerlukan format yang menyokong ketelusan alfa, jadi JPEG tidak sesuai. Keperluan latar belakang telus
Ini sangat berguna untuk potongan produk, aset UI, ikon, pelekat, dan saluran komposit.
Cara Mengarang Gesaan untuk GPT-Image-2.5
Gesaan produksi yang boleh diharap memisahkan matlamat kreatif daripada kekangan. Tulis arahan positif terlebih dahulu, kemudian kekangan pemeliharaan dan negatif.
Takrifkan Komposisi
Nyatakan subjek, sudut kamera, pembingkaian, kedalaman, latar belakang, dan kedudukan relatif objek penting. Contoh: “Pandangan tiga suku produk, berpusat, ruang negatif yang luas di kanan, kamera aras mata, rupa lensa 50 mm.”
Huraikan Pencahayaan dan Bahan
Namakan arah cahaya, kelembutan, kontras, suhu warna, dan tindak balas bahan. Contoh: “Softbox besar dari kiri atas, rim light halus, aluminium berus realistik, pantulan terkawal.”
Kawal Teks Tepat
Letakkan teks diperlukan dalam tanda petikan dan nyatakan kedudukan, hierarki, huruf besar kecil, dan tipografi. Minta tiada teks tambahan. Contoh: “Letakkan tajuk tepat ‘BUILD WITH CLARITY’ di bahagian atas tengah dalam huruf besar tebal sans serif. Kekalkan ejaan tepat. Jangan tambah perkataan, huruf, label, atau tera air lain.”
Nyatakan Perkara yang Mesti Dikekalkan
Untuk penyuntingan, namakan elemen yang tidak boleh berubah: identiti, pose, geometri produk, logo, teks label, perkadaran, sudut kamera, atau latar belakang. Letakkan kekangan ini sebelum pengubahsuaian yang diminta.
Tambah Kekangan Negatif
Senaraikan mod kegagalan yang mungkin dalam bahasa yang jelas: “Tiada jari tambahan, tiada produk berulang, tiada logo herot, tiada teks salah eja, tiada sempadan, tiada tera air.” Kekangan negatif paling berguna apabila ia menangani risiko khusus berbanding istilah kualiti generik.
Berapakah Kos GPT-Image-2.5?
Kos Rasmi OpenAI API
Pada masa pengesahan, kedua-dua Flare dan Sunburst menyenaraikan harga token yang sama: $5 per juta token input teks, $1.25 per juta token input teks yang di-cache, $8 per juta token input imej, $2 per juta token input imej yang di-cache, dan $30 per juta token output imej. Kos akhir bergantung pada token sebenar yang digunakan, bukan hanya bilangan permintaan.
Harga CometAPI dan Cara Mengurangkan Kos
CometAPI pada masa ini mengiklankan diskaun 20% untuk GPT-Image-2.5 Flare dalam katalog modelnya. Anggap papan pemuka dan invois sebagai sumber kebenaran kerana harga gerbang boleh berubah. Untuk mengurangkan perbelanjaan, gunakan Flare untuk kerja rutin, mulakan pada medium atau high, simpan xhigh atau max untuk kes penggunaan yang diluluskan, guna semula input cache di mana disokong, elakkan varian yang tidak perlu, dan tetapkan partial_images kepada 0 melainkan pratonton meningkatkan pengalaman pengguna.
Faktor Kos Lain dan Contoh Berkerja
Kos dipengaruhi oleh panjang gesaan, bilangan dan resolusi imej rujukan, dimensi output, kualiti, token output akhir, varian diminta, pratonton separa, percubaan semula, dan hasil ditolak. Jejaki kedua-dua perbelanjaan per permintaan dan perbelanjaan per imej yang diterima.
Kos imej diterima = jumlah perbelanjaan penjanaan ÷ bilangan output yang lulus semakan.
Contoh ilustratif: 10 cubaan pada $0.18 setiap satu berjumlah $1.80. Jika 6 imej lulus semakan, kos imej diterima ialah $0.30, bukan $0.18. Jika penggesaan yang lebih baik mengurangkan larian kepada 8 cubaan dengan 6 imej diterima, kos imej diterima turun kepada $0.24.
Flare vs. Sunburst: Model Mana Patut Anda Gunakan?
Keputusan model harus didorong oleh beban kerja dan bukannya menganggap Sunburst sebagai pengganti automatik untuk Flare.
| Keputusan | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|
| Aplikasi interaktif | Disyorkan | Gunakan secara selektif |
| Iterasi gesaan pantas | Disyorkan | Biasanya tidak perlu |
| Penjanaan kreatif volum tinggi | Disyorkan | Bergantung pada kadar penerimaan |
| Penyuntingan produk/rujukan | Baik | Disyorkan |
| Komposisi akhir kompleks | Baik | Disyorkan |
| Kawalan penyuntingan maksimum | Baik | Disyorkan |
| UI sensitif latensi | Disyorkan | Kurang sesuai |
| Aset akhir premium | Uji dahulu | Disyorkan apabila peningkatan kualiti boleh diukur |
Bagi banyak produk, seni bina optimum bukanlah “pilih satu selama-lamanya.” Hala kebanyakan permintaan ke Flare, kemudian hantar semakan yang menuntut atau output akhir bernilai tinggi ke Sunburst.
Bagaimana Anda Bermigrasi daripada GPT Image 2 ke GPT-Image-2.5?
Jika anda sudah menggunakan GPT Image 2 melalui CometAPI, migrasi adalah agak kecil kerana penjanaan dan penyuntingan kekal pada route Images API.
Perubahan paling mudah ialah:
| # Sebelum model="gpt-image-2" # Selepas: berorientasikan kelajuan model="gpt-image-2.5-flare" # Selepas: berorientasikan ketepatan model="gpt-image-2.5-sunburst" |
|---|
Tetapi jangan berhenti pada pertukaran ID. Nilai semula kualiti, dimensi output, latensi, pemeliharaan subjek, ketepatan teks, kekangan lokaliti suntingan, dan penggunaan token sebenar menggunakan set penilaian tetap.
OpenAI secara khusus mengesyorkan mengekalkan gesaan, rujukan, dimensi, dan format output tetap apabila membandingkan model supaya perubahan model menjadi pembolehubah yang diukur. Panduan migrasi OpenAI
Petua Produksi untuk GPT-Image-2.5 dalam CometAPI
Untuk perkhidmatan produksi, kekalkan pelaksanaan sekitar GPT-Image-2.5 dengan sengaja kecil: simpan kunci API di bahagian pelayan, kekalkan imej dinyahkod dalam storan anda sendiri, log model/kualiti/saiz/latensi/penggunaan, hadkan percubaan semula, dan layan ralat 400 berbeza daripada 429 atau 5xx sementara.
CometAPI telah menerbitkan panduan khusus yang meliputi barisan, konkurensi terhad, backoff eksponen, ID tahan lasak, storan, manifes, dan penjejakan kos kelompok. Daripada menduplikasi pelaksanaan itu di sini, rujuk Cara Mengautomasi Penjanaan Imej pada Skala apabila beralih daripada satu panggilan API kepada produksi kelompok.
Perbezaan itu amat penting apabila menyesuaikan contoh yang ditulis untuk API asli OpenAI secara langsung kepada endpoint pihak ketiga yang serasi dengan OpenAI.
Ralat Biasa GPT-Image-2.5 API
| Ralat | Punca mungkin | Apa perlu dibuat |
|---|---|---|
| 401 Unauthorized | Kunci CometAPI tidak sah/hilang | Sahkan COMETAPI_KEY dan header Bearer |
| 400 Bad Request | Parameter, saiz, format, atau ID model tidak sah | Buang medan pilihan dan uji permintaan minimum |
| 429 Too Many Requests | Konkurensi atau had akaun dicapai | Undur dan cuba semula dengan jitter |
| 5xx berulang | Isu sementara upstream/API | Cuba semula beberapa kali terhad |
| Imej muncul sebagai teks Base64 | b64_json tidak dinyahkod | Nyahkod Base64 dan simpan bait |
| Output telus gagal | Format output tidak serasi | Gunakan PNG atau WebP |
| Suntingan berubah terlalu banyak | Gesaan tidak mengekang pemeliharaan | Nyatakan dengan jelas perkara yang mesti kekal tidak berubah |
| Kos meningkat tanpa dijangka | Kualiti/resolusi lebih tinggi atau percubaan semula | Log penggunaan per permintaan dan kira kos imej diterima |
Jangan cuba semula setiap kegagalan secara automatik. Permintaan 400 yang cacat lazimnya kekal cacat, manakala mencuba semula ralat pengesahan hanya menghasilkan lebih banyak trafik gagal.
Had Kadar dan Konkurensi
| Tahap | TPM | IPM |
|---|---|---|
| Tahap 1 | 100K | 5 |
| Tahap 2 | 250K | 20 |
| Tahap 3 | 800K | 50 |
| Tahap 4 | 3M | 150 |
| Tahap 5 | 8M | 250 |
Kesimpulan
GPT-Image-2.5 memberi pembangun pecahan model yang lebih berguna daripada naik taraf generasi semata-mata: Flare dioptimumkan untuk beban kerja imej harian yang pantas, manakala Sunburst memberikan pilihan ketepatan lebih tinggi untuk aliran kerja penjanaan dan penyuntingan yang menuntut.
Melalui CometAPI, kedua-duanya boleh masuk ke dalam aplikasi serasi OpenAI sedia ada dengan kerja integrasi minimum. Mulakan dengan endpoint /v1/images/generations, Flare, tetapan kualiti terkawal, dan set gesaan yang mewakili. Tambah /v1/images/edits dan Sunburst apabila produk anda memerlukan pemeliharaan rujukan yang lebih kuat atau perubahan visual yang tepat.
Pengoptimuman utama bukan sekadar memilih tetapan paling berkuasa. Ukur latensi, penggunaan token, kadar penerimaan, ketepatan penyuntingan, dan kos efektif per imej yang diluluskan berdasarkan beban kerja sebenar aplikasi anda. Itulah yang menentukan sama ada Flare atau Sunburst ialah model produksi yang lebih baik.
Soalan Lazim
Adakah GPT-Image-2.5 tersedia di CometAPI?
Ya. Kedua-dua GPT Image 2.5 Flare dan GPT Image 2.5 Sunburst tersedia melalui CometAPI.
Adakah saya memerlukan kunci API OpenAI berasingan?
Tidak. Apabila memanggil model melalui CometAPI, pengesahan menggunakan kunci CometAPI anda terhadap endpoint CometAPI.
Patutkah saya menggunakan Flare atau Sunburst?
Mulakan dengan Flare untuk kebanyakan beban kerja penjanaan. Gunakan Sunburst apabila ketepatan penyuntingan, komposisi kompleks, atau pemeliharaan butiran imej rujukan memberi impak yang boleh diukur pada penerimaan output. Ini mengikuti pemposisian OpenAI sendiri bagi kedua-dua model.
Bolehkah GPT-Image-2.5 menyunting imej sedia ada?
Ya. Spesifikasi model semasa menyokong input imej dan penyuntingan imej, dan CometAPI mendedahkan keupayaan penyuntingan imej untuk keluarga ini. API GPT Image 2.5 Flare dalam CometAPI
Adakah GPT-Image-2.5 menyokong imej telus?
Ya. Tetapkan background kepada telus dan gunakan PNG atau WebP sebagai format output. Panduan gesaan imej OpenAI
Bolehkah saya menggunakan OpenAI Python SDK dengan CometAPI?
Ya. Contoh CometAPI semasa memulakan klien OpenAI piawai dengan base_url="https://api.cometapi.com/v1" dan kunci CometAPI. Contoh SDK CometAPI