W skrócie
GPT-Image-2.5 to rodzina API do obrazów obejmująca dwa modele: Flare stawia na szybkie, codzienne generowanie, a Sunburst na precyzję edycji i wierność finalnego rezultatu. Dzięki CometAPI istniejące integracje z OpenAI SDK zwykle można przenieść, zmieniając jedynie base URL, klucz API i identyfikator modelu. Zacznij od Flare w jakości medium, zmierz opóźnienie i koszt zaakceptowanego obrazu, a wymagające edycje lub wersje premium kieruj do Sunburst.
Kluczowe wnioski
- Flare to wybór nastawiony na szybkość dla produktów interaktywnych, szybkiej iteracji i masowego generowania.
- Sunburst to wybór nastawiony na precyzję dla zlokalizowanych edycji, zachowania referencji i złożonych finalnych kompozycji.
- Oba modele przyjmują wejścia tekstowe i obrazowe, obsługują sześć trybów jakości oraz generowanie lub edycję obrazów przez Images API.
- CometAPI obsługuje dwa identyfikatory modeli poprzez OpenAI‑kompatybilny base URL i wzorzec SDK.
- Bieżące wyniki Arena faworyzują Sunburst dla generowania i edycji, przy czym oba nowe modele pozostają oznaczone jako wstępne.
- Wybór produkcyjny powinien opierać się na opóźnieniu, współczynniku akceptacji, wierności edycji, użyciu tokenów i efektywnym koszcie za zaakceptowany obraz.
8 września 2026 r. OpenAI wprowadziło ChatGPT Images 2.5 i udostępniło dwa nowe modele generowania obrazów w API: GPT Image 2.5 Flare do szybkiego, codziennego generowania oraz GPT Image 2.5 Sunburst do procesów, które priorytetyzują jakość obrazu i bardziej precyzyjną kontrolę edycji. OpenAI pozycjonuje Flare jako domyślny dla większości zastosowań, natomiast Sunburst jako najbardziej zaawansowany model generowania i edycji obrazów.
Oba modele są dostępne przez CometAPI. Praktyczna korzyść polega na tym, że deweloperzy mogą wywoływać je przez znany interfejs OpenAI SDK, zastępując klucz API i base URL poświadczeniami CometAPI. OpenAI‑kompatybilne API CometAPI oznacza, że istniejąca aplikacja do generowania obrazów zwykle wymaga tylko małej zmiany integracyjnej, a nie nowego SDK czy architektury żądań.
Ten przewodnik pokazuje, jak generować i edytować obrazy z GPT‑Image‑2.5 przez CometAPI przy użyciu cURL, Pythona i JavaScriptu oraz jak dobrać właściwy model, poziom jakości, wymiary i format wyjścia do środowiska produkcyjnego.
Czym jest API GPT‑Image‑2.5?
GPT‑Image‑2.5 to obecna rodzina OpenAI do generowania obrazów. Przyjmuje wejścia tekstowe i obrazowe i zwraca obrazy. Rodzina obejmuje dwa modele: GPT‑Image‑2.5 Flare, zoptymalizowany pod kątem szybkości i codziennego użycia, oraz GPT‑Image‑2.5 Sunburst, zoptymalizowany pod kątem maksymalnych możliwości i precyzyjnej edycji.
Jak API GPT‑Image‑2.5 wypada w porównaniu z GPT Image 2 API?
Kluczowa zmiana to nie tylko szybszy zamiennik. GPT‑Image‑2.5 rozdziela obciążenia na dwa modele o określonych celach. Flare celuje w rutynowe generowanie z niższą latencją, a Sunburst w najbardziej wymagające zadania generowania i edycji. Oba modele udostępniają podobny zakres sterowania, w tym poziomy jakości od low do max, wejścia obrazów do edycji i strumieniowanie częściowych obrazów.
Na potrzeby migracji zacznij od zachowania obecnych promptów i struktury żądania, a następnie wybierz model zgodnie z wymaganiami dotyczącymi opóźnienia i wierności. Przetestuj renderowanie tekstu, instrukcje zachowania, maski, kolejność obrazów referencyjnych, rozmiar wyjścia i koszt, zanim przełączysz ruch produkcyjny.
Dlaczego używać GPT‑Image‑2.5 przez CometAPI?
CometAPI zapewnia OpenAI‑kompatybilną warstwę dostępu, która może zredukować nakład pracy integracyjnej, gdy zespół już używa tej bramki. Praktyczne korzyści to scentralizowane zarządzanie kluczami, znajomy format żądań, widoczność wykorzystania oraz możliwość kierowania generowania i edycji obrazów przez jeden base URL.
| Item | Value |
|---|---|
| Base URL | https://api.cometapi.com/v1 |
| Generation route | POST /images/generations |
| Editing route | POST /images/edits |
| Authentication | Authorization: Bearer $COMETAPI_KEY |
Ceny dostawców i dostępność modeli mogą się zmieniać. Przed wdrożeniem produkcyjnym potwierdź identyfikator modelu, zachowanie endpointu i bieżące rozliczenia w panelu CometAPI.
Jak używać API GPT‑Image‑2.5 w CometAPI
Krok 1: Uzyskaj klucz API CometAPI
Utwórz lub zaloguj się do konta CometAPI i wygeneruj token w konsoli tokenów API CometAPI.
Przechowuj klucz jako zmienną środowiskową zamiast umieszczania go na stałe w kodzie aplikacji:
| export COMETAPI_KEY="your-cometapi-key" |
|---|
W Windows PowerShell:
| $env:COMETAPI_KEY="your-cometapi-key" |
|---|
Nie ujawniaj klucza API w kodzie JavaScript po stronie przeglądarki, publicznych repozytoriach, zrzutach ekranu ani aplikacjach klienckich. W środowisku produkcyjnym bezpieczniej jest użyć zmiennych środowiskowych po stronie serwera lub menedżera sekretów.
Krok 2: Wygeneruj pierwszy obraz za pomocą cURL
Dla większości zastosowań zacznij od Flare. Minimalne żądanie generowania wygląda tak:
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": "Premiumowa fotografia produktu: matowy czarny bezprzewodowy głośnik na jasnym betonowym piedestale, miękkie światło okienne, realistyczna tekstura materiału, czysta kompozycja editorial, bez tekstu", "size": "1536x1024", "quality": "medium", "output_format": "png" }' |
|---|
Kluczowe elementy specyficzne dla CometAPI to endpoint i klucz API. API GPT Image 2.5 Flare w CometAPI używa endpointu api.cometapi.com/v1/images/generations z uwierzytelnianiem Bearer.
Modele GPT Image zwykle zwracają wygenerowaną zawartość obrazu poprzez data[].b64_json, zamiast wymagać od aplikacji pobrania trwałego adresu URL obrazu.
Uproszczona odpowiedź wygląda następująco:
| { "data": [ { "b64_json": "<base64-image-data>" } ], "usage": { "input_tokens": 32, "output_tokens": 1372, "total_tokens": 1404 } } |
|---|
Twoja aplikacja powinna zdekodować pole Base64 i zapisać zwrócone bajty zamiast przechowywania ciągu Base64 jako finalnego zasobu.
Krok 3: Wygeneruj obraz w Pythonie
| 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": ( "Czysta izometryczna ilustracja zasilanego słońcem laboratorium badawczego, " "białe tło, precyzyjna geometria, bez etykiet i znaków wodnych" ), "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)) |
|---|
To jedna z największych praktycznych zalet CometAPI dla istniejącego projektu z OpenAI SDK: oficjalny przykład CometAPI używa tego samego klienta OpenAI, zmieniając base_url, klucz i identyfikator modelu zamiast zastępować warstwę SDK aplikacji.
Krok 4: Użyj wielu obrazów referencyjnych z Responses API
Przypisz stabilną rolę do każdego obrazu przed napisaniem promptu. Użyteczna kolejność to: najpierw obiekt, potem styl, następnie tło lub układ. Nazwij te role wprost w promcie, aby model nie musiał wnioskować, które właściwości kopiować.
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": (
"Utwórz obraz kampanii. Użyj obrazu 1 wyłącznie dla kształtu "
"i kolorów produktu; obrazu 2 wyłącznie dla oświetlenia i stylu "
"wizualnego; obrazu 3 wyłącznie dla kompozycji tła. Zachowaj "
"logo produktu dokładnie i nie dodawaj żadnego innego tekstu."
)},
{"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 używa obsługiwanego modelu głównego na poziomie top‑level i wybiera GPT‑Image‑2.5 wewnątrz narzędzia do generowania obrazów. Jeśli bramka nie udostępnia jeszcze wybranego modelu głównego lub schematu narzędzia, sprawdź bieżący katalog modeli CometAPI i użyj udokumentowanego odpowiednika.
Uwaga: Można przekazać wiele obrazów referencyjnych naraz, a każdy obraz może pełnić odrębną rolę; jasno określ cel każdego obrazu w promcie. Podczas edycji wieloobrazowej zwracaj uwagę na kolejność wejść i ich semantyczną zgodność.
Jak edytować istniejące obrazy
Użyj trasy edycji, gdy istniejący zasób należy zachować i zmienić. Najpierw wskaż elementy, które muszą pozostać niezmienione, a dopiero potem opisz żądaną zmianę.
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=Zachowaj kształt produktu, etykietę i kąt kamery. Zastąp wyłącznie tło ciepłym gradientem studyjnym. Nie dodawaj nowego tekstu." \
-F "quality=high" \
-F "output_format=png"
Input
Output
Przypisuj role wielu obrazom wejściowym
Nie polegaj wyłącznie na kolejności przesyłania. Powiedz „obraz 1 to obiekt”, „obraz 2 to referencja stylu”, a „obraz 3 to referencja tła”. Następnie wymień atrybuty, które wolno przenosić z każdego obrazu. Ogranicza to przypadkowe kopiowanie twarzy, logo, tekstu lub układu z niewłaściwej referencji.
Użyj maski do zlokalizowanych edycji
Maska prowadzi obszar edycji: przezroczyste piksele wskazują miejsca, w których dozwolona jest zmiana, podczas gdy pozostały obszar należy zachować. Maska powinna odpowiadać rozmiarowi i formatowi obrazu źródłowego, zawierać kanał alfa i mieścić się w limicie rozmiaru pliku API. Przy wielu obrazach wejściowych maska dotyczy pierwszego obrazu.
Maska jest wskazówką, a nie perfekcyjnym zaznaczeniem. Wzmocnij ją językiem zachowania, np. „zmieniaj tylko przezroczysty obszar; zachowaj wszystkie pozostałe piksele, tekst i geometrię”.
Wskazówki produkcyjne dla GPT‑Image‑2.5 w CometAPI
Specyfikacja modelu nie wymienia ogólnego strumieniowania na poziomie modelu jako funkcji, ale Image API i Responses API obsługują strumieniowanie generowania obrazów poprzez partial_images. Zapewnia to postępowe podglądy obrazu zamiast strumieniowania tekstu token po tokenie: Images API akceptuje wartości partial_images od 0 do 3 i może zwrócić tyle podglądów w trakcie generowania. Każdy podgląd dodaje 100 tokenów wyjściowych. Zespoły mogą użyć tych podglądów do interfejsu postępu generowania; aplikacje, które ich nie potrzebują, mogą nadal używać standardowego przepływu generowania i edycji.
Nawet jeśli
partial_images: 3jest ustawione, nie ma gwarancji otrzymania dokładnie trzech podglądów; jeśli obraz końcowy powstanie na tyle szybko, rzeczywista liczba może być mniejsza niż żądana.
Parametry API GPT‑Image‑2.5
GPT‑Image‑2.5 udostępnia więcej kontroli nad rezultatem niż tylko wybór promptu i modelu.
| Parameter — OpenAI image guide | What it controls | Recommended starting point |
|---|---|---|
| quality | Poziom obliczeń/szczegółowości | medium na czas developmentu |
| size | Rozdzielczość/aspekt obrazu | 1024×1024 lub 1536×1024 |
| output_format | PNG, JPEG, WebP | PNG dla wierności; WebP/JPEG do dostawy |
| background | Nieprzezroczyste lub transparentne tło | Używaj „transparent” tylko gdy potrzebne |
| output_compression | Kompresja JPEG/WebP | Dostosuj do dostawy webowej |
| n | Liczba zwracanych obrazów | Zacznij od 1 |
| prompt | Wymagania wizualne | Wyraźnie określ układ i ograniczenia |
Image API vs Responses API
| Criterion | Image API | Responses API |
|---|---|---|
| Best for | Bezpośrednie jednorazowe generowanie i edycja | Konwersacyjne, wieloetapowe lub agentskie przepływy wokół obrazów |
| Model selection | Ustaw model obrazowy bezpośrednio | Użyj modelu głównego plus narzędzia do generowania obrazów |
| Multiple references | Obsługiwane dla edycji, zależnie od trasy | Naturalne dla wielu wejść URL lub ID plików |
| Iteration | Aplikacja ponownie przesyła kontekst | Zaprojektowane do iteracyjnych tur i wywołań narzędzi |
| Streaming previews | Obsługuje podglądy partial images | Obsługuje podglądy partial images |
| Choose when | Wiesz, jaki wynik chcesz i oczekujesz najkrótszego żądania | Model musi rozumować nad kontekstem, referencjami lub poprzednimi wynikami |
Zasada ogólna: zacznij od Image API. Przejdź do Responses API, gdy przepływ wymaga stanu konwersacji, wielu semantycznych referencji lub innych narzędzi wokół generowania obrazów.
Wybór jakości
Obsługiwana drabinka jakości to:
| auto low medium high xhigh max |
|---|
auto pozwala modelowi zdecydować. W fazie developmentu jednak jawny wybór medium czyni testy A/B bardziej kontrolowanymi.
Użyteczny wzorzec wdrożenia:
| low / medium → szkice, podglądy, eksperymenty na dużą skalę high → zatwierdzone zasoby produkcyjne xhigh / max → wymagające finalne rendery, gdy zysk jakości uzasadnia koszt |
|---|
Nie używaj automatycznie max tylko dlatego, że jest dostępne. Więcej tokenów wyjścia obrazu zwiększa koszt, a słaby prompt nie staje się dobrym tylko przez podniesienie jakości.
Wybór rozmiaru obrazu
Typowe presety to:
| 1024x1024 1536x1024 1024x1536 |
|---|
Modele 2.5 obsługują również dowolne poprawne wymiary, co jest przydatne dla banerów, stron produktowych, kreacji mobilnych i innych niekwadratowych zasobów. Obecna specyfikacja OpenAI pozwala na wymiary do 3840 pikseli na krawędź w ramach limitów liczby pikseli i proporcji. OpenAI image prompting guide
Tworzenie obrazów z przezroczystym tłem
Użyj:
| { "background": "transparent", "output_format": "png" } |
|---|
lub WebP. Przezroczyste wyjście wymaga formatu obsługującego kanał alfa, więc JPEG się nie nadaje. Transparent-background requirements
Jest to szczególnie przydatne dla wycinków produktowych, zasobów UI, ikon, naklejek i potoków kompozytowych.
Jak pisać prompty dla GPT‑Image‑2.5
Niezawodny prompt produkcyjny oddziela cel kreatywny od ograniczeń. Najpierw zapisz pozytywne instrukcje, potem wymagania zachowania i ograniczenia negatywne.
Zdefiniuj kompozycję
Określ obiekt, kąt kamery, kadrowanie, głębię, tło i względne położenie ważnych elementów. Przykład: „Ujęcie produktu pod kątem trzech czwartych, wycentrowane, duża pusta przestrzeń po prawej, kamera na wysokości oczu, look obiektywu 50 mm.”
Opisz oświetlenie i materiały
Nazwij kierunek światła, miękkość, kontrast, temperaturę barwową i reakcję materiałów. Przykład: „Duży softbox z lewego górnego rogu, subtelne światło kontrowe, realistyczne szczotkowane aluminium, kontrolowane refleksy.”
Kontroluj dokładny tekst
Umieść wymagany tekst w cudzysłowie i określ jego pozycję, hierarchię, kapitalizację i typografię. Poproś o brak dodatkowego tekstu. Przykład: „Umieść dokładny nagłówek ‘BUILD WITH CLARITY’ u góry, na środku, pogrubioną bezszeryfową majuskułą. Zachowaj pisownię dokładnie. Nie dodawaj żadnych innych słów, liter, etykiet ani znaków wodnych.”
Wskaż, co musi zostać zachowane
Przy edycji nazwij elementy, które nie mogą się zmienić: tożsamość, poza, geometria produktu, logo, tekst etykiety, proporcje, kąt kamery lub tło. Umieść te ograniczenia przed żądaną modyfikacją.
Dodaj ograniczenia negatywne
Wypisz prawdopodobne tryby błędu prostym językiem: „Bez dodatkowych palców, bez zduplikowanych produktów, bez zdeformowanego logo, bez błędów w tekście, bez ramki, bez znaku wodnego.” Ograniczenia negatywne są najskuteczniejsze, gdy dotyczą konkretnych ryzyk, a nie ogólnych haseł jakościowych.
Ile kosztuje GPT‑Image‑2.5?
Oficjalne koszty API OpenAI
W momencie weryfikacji zarówno Flare, jak i Sunburst mają te same ceny tokenów: 5 USD za milion tokenów wejścia tekstowego, 1,25 USD za milion cache’owanych tokenów wejścia tekstowego, 8 USD za milion tokenów wejścia obrazowego, 2 USD za milion cache’owanych tokenów wejścia obrazowego i 30 USD za milion tokenów wyjścia obrazowego. Końcowy koszt zależy od faktycznie użytych tokenów, a nie wyłącznie od liczby żądań.
Cennik CometAPI i sposoby obniżenia kosztów
CometAPI obecnie reklamuje 20% zniżki dla GPT‑Image‑2.5 Flare w swoim katalogu modeli. Traktuj panel i fakturę jako źródło prawdy, ponieważ ceny bramki mogą się zmieniać. Aby obniżyć wydatki, używaj Flare do rutynowych prac, zaczynaj od medium lub high, zarezerwuj xhigh lub max dla zatwierdzonych przypadków, ponownie używaj cache’owanych wejść tam, gdzie to wspierane, unikaj niepotrzebnych wariantów i ustaw partial_images na 0, chyba że podglądy poprawiają doświadczenie użytkownika.
Inne czynniki kosztowe i przykład
Koszt zależy od długości promptu, liczby i rozdzielczości obrazów referencyjnych, wymiarów wyjścia, jakości, tokenów wynikowych, żądanych wariantów, podglądów częściowych, ponowień i odrzuconych wyników. Śledź zarówno koszt na żądanie, jak i koszt na zaakceptowany obraz.
Koszt zaakceptowanego obrazu = całkowity koszt generowania ÷ liczba wyników, które przeszły przegląd.
Przykład poglądowy: 10 prób po 0,18 USD każda to łącznie 1,80 USD. Jeśli 6 obrazów przejdzie przegląd, koszt zaakceptowanego obrazu wynosi 0,30 USD, a nie 0,18 USD. Jeśli lepszy prompt zredukuje liczbę prób do 8 przy 6 zaakceptowanych obrazach, koszt zaakceptowanego obrazu spada do 0,24 USD.
Flare vs. Sunburst: którego modelu użyć?
Decyzja o modelu powinna wynikać z obciążenia, a nie traktować Sunburst jako automatyczny zamiennik Flare.
| Decision | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|
| Interaktywna aplikacja | Rekomendowany | Używaj selektywnie |
| Szybka iteracja promptów | Rekomendowany | Zwykle zbędne |
| Masowe kreatywne generowanie | Rekomendowany | Zależy od współczynnika akceptacji |
| Edycja produktu/referencji | Dobre | Rekomendowany |
| Złożona finalna kompozycja | Dobre | Rekomendowany |
| Maksymalna kontrola edycji | Dobre | Rekomendowany |
| UI wrażliwy na opóźnienia | Rekomendowany | Mniej odpowiedni |
| Premiumowy finalny zasób | Najpierw testuj | Rekomendowany, gdy zysk jakości jest mierzalny |
Dla wielu produktów optymalna architektura to nie „wybierz raz na zawsze”. Kieruj większość żądań do Flare, a wymagające poprawki lub wysokocenne finalne wyjścia do Sunburst.
Jak migrować z GPT Image 2 do GPT‑Image‑2.5?
Jeśli już używasz GPT Image 2 przez CometAPI, migracja jest relatywnie niewielka, ponieważ generowanie i edycja pozostają na trasach Images API.
Najprostsza zmiana to:
| # Before model="gpt-image-2" # After: speed-first model="gpt-image-2.5-flare" # After: precision-first model="gpt-image-2.5-sunburst" |
|---|
Ale nie poprzestawaj na podmianie ID. Ponownie oceń jakość, wymiary wyjścia, opóźnienie, zachowanie obiektu, poprawność tekstu, lokalność edycji i realne użycie tokenów, używając stałego zbioru ewaluacyjnego.
OpenAI zaleca wprost utrzymanie stałych: promptu, referencji, wymiarów i formatu wyjścia przy porównywaniu modeli, aby zmienną był sam model. OpenAI migration guidance
Wskazówki produkcyjne dla GPT‑Image‑2.5 w CometAPI
Dla usługi produkcyjnej utrzymuj implementację wokół GPT‑Image‑2.5 celowo niewielką: przechowuj klucz API po stronie serwera, zapisuj zdekodowany obraz we własnej pamięci, loguj model/jakość/rozmiar/opóźnienie/zużycie, ograniczaj ponowienia i traktuj błędy 400 inaczej niż przejściowe 429 czy 5xx.
CometAPI opublikowało już dedykowany przewodnik obejmujący kolejkowanie, ograniczoną współbieżność, wykładniczy backoff, trwałe ID, storage, manifesty i grupowe śledzenie kosztów. Zamiast duplikować implementację tutaj, zobacz How to Automate Image Generation at Scale przy przejściu z pojedynczego wywołania API do produkcji wsadowej.
To rozróżnienie jest szczególnie ważne przy adaptowaniu przykładów pisanych dla natywnego API OpenAI bezpośrednio do OpenAI‑kompatybilnego endpointu strony trzeciej.
Częste błędy API GPT‑Image‑2.5
| Error | Likely cause | What to do |
|---|---|---|
| 401 Unauthorized | Nieprawidłowy/brakujący klucz CometAPI | Zweryfikuj COMETAPI_KEY i nagłówek Bearer |
| 400 Bad Request | Nieprawidłowy parametr, rozmiar, format lub ID modelu | Usuń pola opcjonalne i przetestuj minimalne żądanie |
| 429 Too Many Requests | Przekroczony limit współbieżności/konta | Wycofaj i ponów z jitterem |
| Repeated 5xx | Tymczasowy problem po stronie upstream/API | Ponów ograniczoną liczbę razy |
| Image appears as Base64 text | b64_json nie został zdekodowany | Zdekoduj Base64 i zapisz bajty |
| Transparent output fails | Niekompatybilny format wyjścia | Użyj PNG lub WebP |
| Edit changes too much | Prompt nie ogranicza zachowania | Wyraźnie wskaż, co musi pozostać niezmienione |
| Costs rise unexpectedly | Wyższa jakość/rozdzielczość lub ponowienia | Loguj użycie per żądanie i licz koszt zaakceptowanego obrazu |
Nie ponawiaj automatycznie każdego błędu. Błędnie sformułowane żądanie 400 pozostanie błędne, a ponawianie błędu uwierzytelnienia tylko generuje więcej nieudanych wywołań.
Limity szybkości i współbieżność
| Tier | TPM | IPM |
|---|---|---|
| Tier 1 | 100K | 5 |
| Tier 2 | 250K | 20 |
| Tier 3 | 800K | 50 |
| Tier 4 | 3M | 150 |
| Tier 5 | 8M | 250 |
Podsumowanie
GPT‑Image‑2.5 daje deweloperom bardziej użyteczny podział modeli niż prosta generacyjna aktualizacja: Flare jest zoptymalizowany pod szybkie, codzienne obciążenia obrazowe, a Sunburst oferuje wyższą precyzję dla wymagających zadań generowania i edycji.
Przez CometAPI oba mogą wpasować się w istniejącą OpenAI‑kompatybilną aplikację przy minimalnej pracy integracyjnej. Zacznij od endpointu /v1/images/generations, Flare, kontrolowanego ustawienia jakości i reprezentatywnego zbioru promptów. Dodaj /v1/images/edits i Sunburst, gdy Twój produkt wymaga silniejszego zachowania referencji lub precyzyjnych zmian wizualnych.
Kluczowa optymalizacja to nie tylko wybór najsilniejszego ustawienia. Mierz opóźnienie, użycie tokenów, współczynnik akceptacji, dokładność edycji i efektywny koszt za zatwierdzony obraz na rzeczywistym obciążeniu Twojej aplikacji. To determinuje, czy Flare czy Sunburst będzie lepszym modelem produkcyjnym.
FAQ
Czy GPT‑Image‑2.5 jest dostępny w CometAPI?
Tak. Zarówno GPT Image 2.5 Flare, jak i GPT Image 2.5 Sunburst są dostępne przez CometAPI.
Czy potrzebuję oddzielnego klucza API OpenAI?
Nie. Przy wywołaniu modelu przez CometAPI uwierzytelnianie używa Twojego klucza CometAPI względem endpointu CometAPI.
Czy wybrać Flare czy Sunburst?
Zacznij od Flare dla większości zadań generowania. Używaj Sunburst, gdy precyzja edycji, złożone kompozycje lub zachowanie detali z obrazów referencyjnych mają mierzalny wpływ na akceptację wyników. To zgodne z pozycjonowaniem obu modeli przez OpenAI.
Czy GPT‑Image‑2.5 potrafi edytować istniejące obrazy?
Tak. Bieżące specyfikacje modeli obsługują wejście obrazów i edycję, a CometAPI udostępnia możliwość edycji dla tej rodziny. GPT Image 2.5 Flare API w CometAPI
Czy GPT‑Image‑2.5 obsługuje przezroczyste obrazy?
Tak. Ustaw background na transparent i użyj PNG lub WebP jako formatu wyjściowego. OpenAI image prompting guide
Czy mogę użyć OpenAI Python SDK z CometAPI?
Tak. Bieżące przykłady CometAPI inicjalizują standardowego klienta OpenAI z base_url="https://api.cometapi.com/v1" i kluczem CometAPI. CometAPI SDK example