GPT-Image-1.5 API คืออะไร?
GPT-Image-1.5 เป็นสมาชิกใหม่ล่าสุดของตระกูล GPT Image ของ OpenAI และเป็นโมเดลเบื้องหลังประสบการณ์ Images โฉมใหม่ของ ChatGPT ถูกออกแบบมาเพื่อยกระดับการสร้างภาพจากการทดลองเชิงโชว์ ไปสู่เครื่องมือสร้างสรรค์ระดับการใช้งานจริง: ความเหมือนจริงสูงขึ้น การควบคุมการแก้ไขแบบวนซ้ำที่ละเอียดขึ้น และการประมวลผลที่เร็วขึ้นเพื่อรองรับเวิร์กโฟลว์แบบโต้ตอบและระดับองค์กร
gpt-image-1.5 API คือปลายทางโมเดลภาพแบบมัลติโหมดที่รับอินพุตภาพหนึ่งภาพหรือมากกว่า (ตัวระบุไฟล์หรือไบต์) พร้อมกับพรอมต์ข้อความ และส่งคืนภาพที่สร้างขึ้นหรือภาพที่แก้ไขแล้ว รองรับ:
- การสร้างภาพจากข้อความ (สร้างจากพรอมต์),
- การแก้ไขภาพ / เติมภาพ (in-painting) / ผสมภาพ (compositing) (ประยุกต์คำสั่งกับภาพที่มีอยู่ รองรับหลายภาพเป็นอินพุต), และ
- เวิร์กโฟลว์การแก้ไขแบบวนซ้ำหลายรอบผ่าน Responses API (ทำให้ UI แบบ “tweak & iterate” เป็นไปได้).
API นี้จัดการพรอมต์ภาพแตกต่างจากข้อจำกัดของ DALL·E รุ่นก่อน: โมเดลภาพของ GPT รองรับพรอมต์ข้อความที่ยาวกว่าอย่างมาก (แนวทาง 32k อักขระ) ทำให้คำสั่งที่ซับซ้อนและมีข้อกำหนดจำนวนมากเป็นไปได้
คุณสมบัติหลัก (เชิงปฏิบัติ)
- ปรับปรุงความสามารถในการแก้ไข/ความสม่ำเสมอข้ามหลายรอบ: คงรูปลักษณ์ของตัวละคร แสง และแอตทริบิวต์ภาพหลักๆ ผ่านการแก้ไขแบบวนซ้ำ ช่วยให้ “โมเดลเดียว แก้ซ้ำ” น่าเชื่อถือมากขึ้นสำหรับเวิร์กโฟลว์อย่างแค็ตตาล็อกสินค้า หรือสินทรัพย์แบรนด์.
- อัตราการประมวลผลเร็วขึ้น — ความเร็วดีขึ้น 4× เมื่อเทียบกับ GPT Image 1 มุ่งลดความหน่วงสำหรับเวิร์กโฟลว์สร้างสรรค์แบบวนซ้ำ
- เพิ่มประสิทธิภาพต้นทุน — ลดค่าใช้จ่ายอินพุต/เอาต์พุตภาพลงประมาณ 20% เมื่อเทียบกับ GPT Image 1 ลดต้นทุนต่อภาพสำหรับผู้ใช้ปริมาณสูง.
- การผสมภาพหลายแหล่งและอ้างอิงสไตล์ — รับภาพอ้างอิงหลายภาพเพื่อผสมฉากหรือถ่ายทอดสไตล์/แสง.
- ปรับระดับคุณภาพ/ความเที่ยงตรง — พารามิเตอร์ API ที่แลกเปลี่ยนระหว่างความเร็วกับความเที่ยงตรง (ใช้คุณภาพต่ำสำหรับการสร้างจำนวนมาก; ใช้คุณภาพสูงสำหรับแอสเซ็ตที่ใช้จริงในการผลิต).
- การแก้ไขหลายรอบ / การผสานกับ Responses API — รองรับเวิร์กโฟลว์ทีละขั้น (ขอการเปลี่ยนแปลง แล้ว “ปรับแต่งต่อ”) โดยคงสถานะไว้
ความสามารถทางเทคนิค
- ขีดจำกัดพรอมต์ข้อความ (โมเดลภาพ): สูงสุด 32,000 ตัวอักษร (หมายเหตุ: เอกสารของ OpenAI ระบุว่านี่คือความยาวข้อความที่อนุญาตสำหรับโมเดลภาพของ GPT) ใช้สำหรับพรอมต์ที่ยาวและมีข้อกำหนดมาก
- อินพุตภาพ: รองรับ File ID (เหมาะสำหรับการทำงานหลายรอบ) หรือไบต์ดิบ; สามารถส่งหลายภาพเพื่อการผสมและอ้างอิง
- เอาต์พุต: ส่งกลับภาพ PNG/JPEG หรืออาร์ติแฟกต์ภาพตามค่าเริ่มต้นของแพลตฟอร์มจาก API (หรือแนบใน ChatGPT) รองรับผลลัพธ์หลายภาพในคำขอเดียวและคำขอแบบวนซ้ำเพื่อปรับแต่งผลลัพธ์
- โหมดการสร้าง: สร้างจากข้อความ แก้ไขภาพ (inpaint/ขยายตามคำสั่ง) และสร้างตัวแปร หลายรอบรองรับคำสั่งแบบ “เพิ่ม/ลบ/ผสม”.
- การแก้ไขที่ตระหนักถึงคำสั่ง: โมเดลได้รับการปรับให้เชื่อฟังคำสั่ง (คงสิ่งที่กำหนดไว้ เช่น “ห้ามเปลี่ยนโลโก้”, “คงท่าทางและแสง”) รูปแบบการเขียนพรอมต์ (ย้ำเงื่อนไขที่ต้องคงไว้ในแต่ละรอบ) ช่วยลดการเบี่ยงเบนความหมาย.
ผลการทดสอบมาตรฐาน
- ตำแหน่งบนลีดเดอร์บอร์ด: รายงานสรุปหนึ่งฉบับระบุว่า GPT Image 1.5 ครองอันดับการสร้างภาพจากข้อความด้วยคะแนนประมาณ ~1264 คะแนน บนลีดเดอร์บอร์ดของ Artificial Analysis นำหน้ารุ่นถัดไปอย่างมีนัยสำคัญ.
- เมตริกระดับงาน (การแก้ไขและการคงสภาพ): สรุปจาก Microsoft Foundry แสดงว่า GPT-Image-1.5 ทำได้เกือบสมบูรณ์แบบในการแก้ไขแบบไบนารีหนึ่งรอบ (สำเร็จ 100% บน BinaryEval) และมีคะแนนคงใบหน้าสูง (ประมาณ 90% บนมาตรฐาน AuraFace) เมื่อเทียบกับคู่แข่งและรุ่นก่อนของ OpenAI เมตริกเหล่านี้ทำให้ GPT-Image-1.5 เหนือกว่าบางคู่แข่งในด้านการคงสภาพและความเที่ยงตรงของการแก้ไข.
การเปรียบเทียบ GPT-Image-1.5 กับรุ่นอื่น
- เทียบกับ GPT Image 1 (รุ่นก่อนของ OpenAI): เร็วกว่า (สูงสุด 4×), ถูกกว่า (ลดค่าใช้จ่าย IO ของภาพประมาณ ~20%), และมีความเที่ยงตรงในการแก้ไขที่ดีกว่า — มุ่งเปลี่ยนจาก “ต้นแบบ/เดโม” ไปสู่เวิร์กโฟลว์ภาพที่ “พร้อมใช้งานจริงในการผลิต”.
- เทียบกับ Google’s Nano Banana Pro / โมเดลภาพตระกูล Gemini: GPT-Image-1.5 และ Google’s Nano Banana Pro / Gemini 3 เป็นคู่แข่งใกล้เคียง — แต่ละฝั่งโดดเด่นในคลาสพรอมต์ต่างกัน ฝั่ง OpenAI เน้นความเที่ยงตรงของการแก้ไขและความเร็วในการวนซ้ำ; ข้อเสนอของ Google ได้รับคำชมเรื่องความสมจริงระดับสตูดิโอในบางตัวอย่าง
- เทียบกับ Qwen Image และโมเดลอื่นทั้งแบบเปิด/ปิด: GPT-Image-1.5 ทำได้ดีกว่า Qwen Image ในหลายเมตริกด้านการแก้ไขและการคงสภาพในงานแบบหนึ่งรอบ แต่ความแตกต่างแคบลงเมื่อเป็นการทำงานหลายรอบหรือโดเมนเฉพาะ
จุดเด่นของ GPT-Image-1.5
- การทำภาพสินค้าอีคอมเมิร์ซ: สร้างตัวแปรจำนวนมาก เปลี่ยนพื้นหลัง ทำแค็ตตาล็อกสินค้าที่สม่ำเสมอจากภาพเดียว (คงแบรนด์/โลโก้).
- การผลิตครีเอทีฟและแอสเซ็ตการตลาด: ไอเดียรวดเร็ว ทดลองหลายแบบ ภาพจำลองสมจริง ควบคุมการถ่ายทอดสไตล์อย่างแม่นยำ.
- รีทัชภาพและเวิร์กโฟลว์งานบรรณาธิการ: ทดลองเสื้อผ้า/ทรงผมอย่างสมจริง รีทัชแบบเลือกเฉพาะส่วนโดยคงอัตลักษณ์และแสงให้เหมือนเดิม.
- การผสานกับเครื่องมือออกแบบ: เชื่อมต่อแพลตฟอร์มหรือ CMS เพื่อสร้างภาพแบบออนดีมานด์ (ตัวปรับความเที่ยงตรงช่วยควบคุมต้นทุน).
- ไปป์ไลน์ผสมภาพหลายขั้น: อินพุตหลายภาพช่วยผสมและอ้างอิงเพื่อสร้างฉากซับซ้อน
วิธีเข้าถึง GPT Image 1.5 API
ขั้นตอนที่ 1: สมัครรับ API Key
เข้าสู่ระบบที่ cometapi.com หากคุณยังไม่เป็นผู้ใช้ของเรา โปรดสมัครก่อน ลงชื่อเข้าใช้ CometAPI console รับ API key สำหรับการเข้าถึงอินเทอร์เฟซ คลิก “Add Token” ที่ส่วน API token ในศูนย์บุคคล เพื่อรับ token key: sk-xxxxx แล้วส่ง
ขั้นตอนที่ 2: ส่งคำขอไปยัง GPT Image 1.5 API
เลือกปลายทาง “gpt-image-1.5” เพื่อส่งคำขอ API และกำหนด request body วิธีและโครงสร้างของคำขอสามารถดูได้จากเอกสาร API บนเว็บไซต์ของเรา เว็บไซต์ยังมีการทดสอบผ่าน Apifox เพื่อความสะดวกของคุณ แทนที่ <YOUR_API_KEY> ด้วย CometAPI key จริงจากบัญชีของคุณ base url คือ Images (https://api.cometapi.com/v1/images/generations) และ [Image Editing]
ใส่คำถามหรือคำร้องขอของคุณในฟิลด์ content—นี่คือสิ่งที่โมเดลจะตอบกลับ จากนั้นประมวลผลการตอบกลับของ API เพื่อรับคำตอบที่สร้างขึ้น
ขั้นตอนที่ 3: ดึงผลลัพธ์และตรวจสอบความถูกต้อง
ประมวลผลการตอบกลับของ API เพื่อรับคำตอบที่สร้างขึ้น หลังจากประมวลผลแล้ว API จะตอบกลับด้วยสถานะงานและข้อมูลผลลัพธ์
ดูเพิ่มเติม Gemini 3 Pro Preview API