Czym jest API GPT-Image-1.5?
GPT-Image-1.5 to najnowszy członek rodziny GPT Image i model stojący za odświeżonym doświadczeniem Images w ChatGPT. Zaprojektowano go, aby przenieść generowanie obrazów z ciekawostkowych eksperymentów do produkcyjnych narzędzi kreatywnych: wyższy fotorealizm, większa kontrola nad iteracyjnymi edycjami oraz szybsze wnioskowanie, by wspierać interaktywne i korporacyjne przepływy pracy.
gpt-image-1.5 API to multimodalny endpoint modelu obrazów, który przyjmuje jedno lub więcej wejść obrazowych (identyfikatory plików lub bajty) wraz z promptem tekstowym i zwraca wygenerowane obrazy lub obrazy po edycji. Obsługuje:
- Generowanie tekst‑na‑obraz (tworzenie na podstawie promptu),
- Edycję obrazu / in‑painting / komponowanie (stosowanie instrukcji do istniejących obrazów; możliwy wielokrotny input obrazów) oraz
- Iteracyjne, wieloturowe edycje poprzez Responses API (umożliwia interfejsy „tweak & iterate”).
API traktuje prompty obrazowe inaczej niż wcześniejsze ograniczenia DALL·E: modele obrazowe GPT akceptują znacząco dłuższe prompty tekstowe (wytyczna 32k znaków), co umożliwia złożone, mocno ograniczone instrukcje.
Najważniejsze funkcje (praktyczne)
- Ulepszona edytowalność / spójność w wielu turach: zachowuje wygląd postaci, oświetlenie i kluczowe atrybuty wizualne w kolejnych iteracjach edycji. Dzięki temu „ten sam model, powtarzane edycje” jest bardziej niezawodny w przepływach pracy, takich jak katalogi produktów czy zasoby marki.
- Wyższa przepustowość — do 4× szybciej niż GPT Image 1, co obniża opóźnienia w iteracyjnych przepływach kreatywnych.
- Optymalizacja kosztów — koszty wejścia/wyjścia obrazów obniżone o ok. 20% względem GPT Image 1, zmniejszając koszt iteracji na obraz w przypadku użytkowników o dużej skali.
- Komponowanie wielu obrazów i referencje stylu — przyjmowanie wielu obrazów referencyjnych do komponowania scen lub transferu stylu/oświetlenia.
- Regulatory jakości/wierności — parametry API pozwalające balansować szybkość względem wierności (niższa jakość do masowej generacji; wyższa jakość do zasobów produkcyjnych).
- Edycja wieloturowa / integracja z Responses API — umożliwia stopniowe przepływy (proś o zmiany, potem „dopracuj” z zachowaniem stanu).
Możliwości techniczne
- Limit promptu tekstowego (modele obrazowe): do 32 000 znaków (uwaga: OpenAI dokumentuje to jako dopuszczalną długość tekstu dla modeli obrazowych GPT). Używaj do długich promptów z wieloma ograniczeniami.
- Wejścia obrazów: akceptuje identyfikatory plików (preferowane w przepływach wieloturowych) lub surowe bajty; można dostarczyć wiele obrazów do komponowania i jako referencje.
- Wyjścia: artefakty obrazowe PNG/JPEG lub domyślne dla platformy (lub jako załączniki w ChatGPT). Wyjścia mogą zawierać wielu kandydatów i wspierać iteracyjne żądania do dopracowania rezultatu.
- Tryby generowania: tekst‑na‑obraz, edycja obrazu (inpainting/rozszerzanie z instrukcjami) oraz warianty. Edycja wieloturowa obsługuje polecenia w stylu „dodaj/usuń/połącz”.
- Edycja z uwzględnieniem instrukcji: modele zoptymalizowano pod wierność instrukcjom (zachowanie wskazanych inwariantów, jak „nie zmieniaj logo”, „zachowaj pozę i oświetlenie”). Wzorce inżynierii promptów (jawne powtarzanie inwariantów w każdej iteracji) redukują dryf semantyczny.
Wydajność w benchmarkach
- Pozycja w rankingach: Jeden zbiorczy raport wskazał GPT Image 1.5 na prowadzeniu w rankingach tekst‑na‑obraz z wynikiem ~1264 punkty na leaderboardzie Artificial Analysis, wyprzedzając kolejny model o zauważalny margines.
- Metryki na poziomie zadań (edycja i zachowanie): podsumowanie metryk ewaluacyjnych Microsoft Foundry pokazuje, że GPT-Image-1.5 osiąga niemal perfekcyjny sukces modyfikacji binarnej (100% w jednoturowym BinaryEval) oraz wysokie wyniki zachowania twarzy (około 90% w miarach AuraFace) w ich tabeli porównawczej względem konkurentów i wcześniejszych modeli OpenAI. Metryki te lokują GPT-Image-1.5 przed niektórymi rywalami w zakresie zachowania i wierności edycji.
Jak GPT-Image-1.5 wypada na tle konkurencji
- W porównaniu z GPT Image 1 (poprzednia generacja OpenAI): szybszy (do 4×), tańszy (ok. 20% niższy koszt IO obrazów) i z lepszą wiernością edycji — ukierunkowany na przejście z „prototypu/dema” do „produkcyjnych” przepływów obrazowych.
- W porównaniu z modelami obrazowymi Google Nano Banana Pro / rodziną Gemini 3: GPT-Image-1.5 i Google Nano Banana Pro / Gemini 3 to bliscy rywale — każdy ma przewagi w innych klasach promptów. Komunikacja OpenAI akcentuje wierność edycji i szybkość iteracji; oferta Google była chwalona za studyjny realizm w niektórych przykładach.
- W porównaniu z Qwen Image i innymi modelami otwartymi/zamkniętymi: GPT-Image-1.5 przewyższa Qwen Image w kilku metrykach edycji i zachowania w ewaluacjach jednoturowych, lecz różnice się zmniejszają w scenariuszach wieloturowych lub innych testach domenowych.
Gdzie GPT-Image-1.5 sprawdza się najlepiej
- Obrazowanie produktów e‑commerce: masowe warianty, podmiany tła, spójne katalogi produktów z jednego zdjęcia (zachowanie marki/logo).
- Produkcja zasobów kreatywnych i marketingowych: szybkie iteracje koncepcji, fotorealistyczne makiety, kontrolowane transfery stylu.
- Retusz zdjęć i procesy redakcyjne: realistyczne przymiarki ubrań/fryzur, selektywny retusz z zachowaniem tożsamości i oświetlenia.
- Integracja z narzędziami projektowymi: wpięcie w platformy projektowe lub CMS dla wariantów obrazów na żądanie (regulatory wierności pomagają kontrolować koszty).
- Wielostopniowe potoki kompozycji: wieloobrazowe wejścia pozwalają na komponowanie i generowanie referencyjne dla złożonych scen.
Jak uzyskać dostęp do API GPT Image 1.5
Krok 1: Zarejestruj klucz API
Zaloguj się na cometapi.com. Jeśli nie jesteś jeszcze naszym użytkownikiem, zarejestruj się. Zaloguj się do swojej konsoli CometAPI. Uzyskaj poświadczenie dostępu — klucz API interfejsu. Kliknij „Add Token” przy tokenie API w centrum osobistym, pobierz klucz tokena: sk-xxxxx i zatwierdź.
Krok 2: Wyślij żądania do API GPT Image 1.5
Wybierz endpoint „gpt-image-1.5”, aby wysłać żądanie do API i ustaw ciało żądania. Metoda żądania i body są dostępne w dokumentacji API na naszej stronie. Nasza witryna udostępnia także test w Apifox dla wygody. Zamień <YOUR_API_KEY> na rzeczywisty klucz CometAPI z Twojego konta. bazowy URL to Images (https://api.cometapi.com/v1/images/generations) oraz [Image Editing]
Wstaw swoje pytanie lub prośbę do pola content — to na nią odpowie model. Przetwórz odpowiedź API, aby uzyskać wygenerowany wynik.
Krok 3: Pobierz i zweryfikuj wyniki
Przetwórz odpowiedź API, aby uzyskać wygenerowany wynik. Po przetworzeniu API odpowiada statusem zadania i danymi wyjściowymi.
Zobacz także Gemini 3 Pro Preview API