與 GPT Image 1 相比，GPT Image 1.5 有多快？

GPT Image 1.5 相較於 GPT Image 1 可帶來最高達 4× 的速度提升，顯著降低迭代式創意工作流程的延遲。

GPT Image 1.5 是否支援透明背景？

是的，將 background 參數設為 'transparent'，並使用 PNG 或 WebP 輸出格式。透明背景在 medium 或 high 的品質設定下表現最佳。

GPT Image 1.5 的文字提示長度上限是多少？

GPT Image 1.5 可接受最長 32,000 個字元的提示，能為複雜的圖像生成任務提供高度詳細且具約束性的指示。

GPT Image 1.5 與 Google 的 Nano Banana Pro 相比如何？

GPT Image 1.5 著重於編輯保真度與迭代速度，而 Nano Banana Pro 以棚拍級寫實感見長。兩者競爭接近—請依據你的工作流程需求選擇。

GPT Image 1.5 是否支援多輪對話式編輯？

是的，透過 Responses API，GPT Image 1.5 支援多輪編輯工作流程，你可以在保留脈絡的同時提供後續指示，並以迭代方式優化圖像。

GPT Image 1.5 是否可使用多張參考圖像進行合成？

是的，GPT Image 1.5 可接受多張輸入圖像用於合成與風格參考。使用 high input_fidelity mode 時，前 5 張圖像會以更高的保真度被保留。

GPT Image 1.5 支援哪些解析度與品質設定？

GPT Image 1.5 支援 1024×1024（正方形）、1536×1024（橫向），以及 1024×1536（縱向）。品質選項包括 low、medium、high 與 auto。

OpenAI

可使用

gpt-image-1.5

GPT Image 1.5 API

GPT-Image-1.5 是 OpenAI 的 GPT Image 系列中的圖像模型。它是一個原生多模態的 GPT 模型，旨在根據文字提示生成圖像，並在嚴格遵循使用者指示的同時對輸入圖像進行高保真編輯。

起始價格

$6.40 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Dec 16, 2025

OpenAI

Playground

透過實際請求試用 GPT Image 1.5,檢視參數並在整合 API 前驗證輸出結果。

概覽

GPT Image 1.5 的實用總覽,涵蓋重要行為與整合注意事項。

什麼是 GPT-Image-1.5 API？

GPT-Image-1.5 是 OpenAI 的 GPT Image 系列最新成員，也是驅動 ChatGPT 全新 Images 體驗的模型。它旨在將圖像生成從新奇實驗推向生產級創意工具：更高的照片級寫實度、對迭代編輯更細緻的控制，以及更快的推理以支援互動式與企業級工作流程。

gpt-image-1.5 API 是一個多模態圖像模型端點，可接受一個或多個圖像輸入（檔案識別符或位元組）以及文字提示，並返回生成的圖像或已編輯的圖像。它支援：

文字轉圖像生成（依提示建立），
圖像編輯 / 補畫（in-painting）/ 合成（將指令套用至現有圖像，可接受多張圖像作為輸入），以及
透過 Responses API 進行的迭代、多輪編輯工作流程（支援「微調與反覆迭代」的 UI）。

相較於舊版 DALL·E 的限制，API 對圖像提示的處理方式不同：GPT 圖像模型可接受明顯更長的文字提示（建議上限 32k 字元），使得複雜、約束繁多的指令成為可能。

主要特性（實用面）

可編輯性提升 / 多輪一致性： 在反覆編輯中保留角色外觀、光線與關鍵視覺屬性。這讓「相同模型、重複編輯」在產品型錄或品牌資產等工作流程中更可靠。
更快的吞吐量 — 4× 速度提升，相較 GPT Image 1 降低迭代式創意流程的延遲。
成本優化 — 與 GPT Image 1 相比，圖像輸入/輸出成本降低約 20%，為高量用戶降低每次影像迭代成本。
多圖合成與風格參照 — 可接受多張參考圖以合成場景或轉移風格/光線。
品質/保真度可調 — 透過 API 參數在速度與保真度間取捨（批量生成用較低品質；生產資產用較高品質）。
多輪編輯 / 整合 Responses API — 支援分步工作流程（先提出變更，之後在保留狀態下「進行微調」）。

技術能力

文字提示上限（圖像模型）： 最多 32,000 個字元（注意：OpenAI 將此記為 GPT 圖像模型的文字長度容許值）。適用於冗長且約束繁多的提示。
圖像輸入： 接受檔案 ID（多輪流程建議使用）或原始位元組；可提供多張圖以進行合成與參考。
輸出： API 返回 PNG/JPEG 或平台預設的圖像產物（或作為附件出現在 ChatGPT 內）。輸出可包含多個候選圖像，並支援透過多次請求來逐步優化結果。
生成模式： 文字轉圖、圖像編輯（依指令補畫/延展）、以及變體。多輪編輯支援「新增/刪減/組合」式指令。
指令感知的編輯： 模型優化於指令遵循度（保留如「不要更改 logo」、「保持姿勢與光線」等不變項）。提示工程模式（在每次迭代中重申不變項）可降低語義漂移。

基準表現

排行榜位置： 某份綜合報告引述 Artificial Analysis 排行榜上，GPT Image 1.5 以 ~1264 分領先文字轉圖排名，較下一名有可觀差距。
任務層級指標（編輯與保留）： Microsoft Foundry 的評估摘要顯示，GPT-Image-1.5 在單輪 BinaryEval 中達成近乎完美的二元修改成功率（100%），並在 AuraFace 指標上的人臉保留得分約 90%；該比較結果顯示其在保留性與編輯保真度方面領先部分競品。

GPT Image 1.5

GPT-Image-1.5 與同類模型的比較

對比 GPT Image 1（OpenAI 先前一代）： 更快（最高 4×）、更便宜（圖像 I/O 成本約低 20%）、更強的編輯保真度——旨在將圖像工作流程從「原型/示範」推向「更適合生產」。
對比 Google 的 Nano Banana Pro / Gemini 圖像模型： GPT-Image-1.5 與 Google 的 Nano Banana Pro / Gemini 3 系列為旗鼓相當的競爭者——各自在不同提示類型上有優勢。OpenAI 的訊息強調編輯保真與迭代速度；Google 的方案在部分示例中因影棚級寫實感而受讚譽。
對比 Qwen Image 與其他開源/閉源模型： GPT-Image-1.5 在單輪評測的多項編輯與保留指標上優於 Qwen Image，但在多輪或其他特定領域測試中差距縮小。

GPT-Image-1.5 的強項

電商產品影像： 批量變體、背景替換、由單張照片建立一致的產品型錄（品牌/Logo 保留）。
創意與行銷素材製作： 快速概念迭代、照片級寫實模型圖、可控風格轉移。
照片修圖與編輯工作流程： 逼真服飾/髮型試穿、選擇性修飾，同時保留身份與光線。
設計工具整合： 接入設計平台或 CMS 以隨需生成圖像變體（透過保真度調節控制成本）。
多步合成管線： 多圖輸入允許合成與基於參考的生成，以打造複雜場景。

如何存取 GPT Image 1.5 API

步驟 1：註冊取得 API Key

登入 cometapi.com。若您尚未成為我們的用戶，請先註冊。登入您的 CometAPI console。取得該介面的存取憑證 API key。在個人中心的 API token 處點擊 “Add Token”，取得 token 金鑰：sk-xxxxx 並提交。

步驟 2：向 GPT Image 1.5 API 發送請求

選擇 “gpt-image-1.5” 端點發送 API 請求並設定請求主體。請求方法與請求主體可於我們的網站 API 文件取得。我們的網站亦提供 Apifox 測試以供便利。將 <YOUR_API_KEY> 替換為您帳號中的 CometAPI 實際金鑰。base url 為 Images（https://api.cometapi.com/v1/images/generations）與 [Image Editing]。

將您的問題或請求填入 content 欄位——模型將回應此內容。處理 API 回應以取得生成結果。

步驟 3：擷取並驗證結果

處理 API 回應以取得生成的答案。處理完成後，API 會返回任務狀態與輸出資料。

另見 Gemini 3 Pro Preview API

常見問題

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.032

預估 CometAPI 使用費用

十次請求

$0.32

預估 CometAPI 使用費用

十五次請求

$0.48

預估 CometAPI 使用費用

GPT Image 1.5 的定價

探索 GPT Image 1.5 的競爭性定價，專為滿足各種預算和使用需求而設計。我們靈活的方案確保您只需為實際使用量付費，讓您能夠隨著需求增長輕鬆擴展。了解 GPT Image 1.5 如何在保持成本可控的同時提升您的專案效果。

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
gpt-image-1.5	輸入:$6.4/M 輸出:$25.6/M	輸入:$8/M 輸出:$32/M	-20%
gpt-image-1.5-2025-12-16	輸入:$6.4/M 輸出:$25.6/M	輸入:$8/M 輸出:$32/M	-20%

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/images/generations

GPT Image 1.5 的範例程式碼和 API

gpt-image-1.5 API 是一個多模態圖像模型端點，可接受一個或多個圖像輸入（檔案識別碼或位元組）以及文字提示，並返回生成的圖像或編輯後的圖像。它支援：

POST

/v1/images/generations

#!/bin/bash

# Set your API key if not set globally
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# Create output/ folder
mkdir -p output

# Generate the image using gpt-image-1.5
response=$(curl -s https://api.cometapi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-image-1.5",
    "prompt": "A cute baby sea otter",
    "n": 1,
    "size": "1024x1024"
  }')

# Extract base64 image data from response
if command -v jq &> /dev/null; then
  image_data=$(echo "$response" | jq -r '.data[0].b64_json')
else
  image_data=$(echo "$response" | sed -n 's/.*"b64_json":"\([^"]*\)".*/\1/p')
fi

if [ -n "$image_data" ] && [ "$image_data" != "null" ]; then
  # Decode base64 and save to file (macOS uses -D, Linux uses -d)
  echo "$image_data" | base64 -d > output/gpt-image-1.5-output.png 2>/dev/null || echo "$image_data" | base64 -D > output/gpt-image-1.5-output.png
  echo "Image saved to: output/gpt-image-1.5-output.png"
else
  echo "Error: Failed to generate image"
  echo "$response"
fi

cURL Code Example

#!/bin/bash

# Set your API key if not set globally
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# Create output/ folder
mkdir -p output

# Generate the image using gpt-image-1.5
response=$(curl -s https://api.cometapi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-image-1.5",
    "prompt": "A cute baby sea otter",
    "n": 1,
    "size": "1024x1024"
  }')

# Extract base64 image data from response
if command -v jq &> /dev/null; then
  image_data=$(echo "$response" | jq -r '.data[0].b64_json')
else
  image_data=$(echo "$response" | sed -n 's/.*"b64_json":"\([^"]*\)".*/\1/p')
fi

if [ -n "$image_data" ] && [ "$image_data" != "null" ]; then
  # Decode base64 and save to file (macOS uses -D, Linux uses -d)
  echo "$image_data" | base64 -d > output/gpt-image-1.5-output.png 2>/dev/null || echo "$image_data" | base64 -D > output/gpt-image-1.5-output.png
  echo "Image saved to: output/gpt-image-1.5-output.png"
else
  echo "Error: Failed to generate image"
  echo "$response"
fi

Python Code Example

import base64
import os
from openai import OpenAI

# Set your API key if not set globally
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
client = OpenAI(api_key=COMETAPI_KEY, base_url="https://api.cometapi.com/v1")

# Create output/ folder
folder_path = "output"
os.makedirs(folder_path, exist_ok=True)

# Generate the image using gpt-image-1.5
result = client.images.generate(
    model="gpt-image-1.5",
    prompt="A cute baby sea otter",
    n=1,
    size="1024x1024"
)

# Save the image to a file
image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)
with open(os.path.join(folder_path, "gpt-image-1.5-output.png"), "wb") as f:
    f.write(image_bytes)

print("Image saved to: output/gpt-image-1.5-output.png")

JavaScript Code Example

import OpenAI from "openai";
import { writeFile, mkdir } from "fs/promises";
import path from "path";
import { fileURLToPath } from "url";

const __dirname = path.dirname(fileURLToPath(import.meta.url));

// Set your API key if not set globally
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: "https://api.cometapi.com/v1",
});

// Create output/ folder
const folderPath = path.join(__dirname, "../output");
await mkdir(folderPath, { recursive: true });

// Generate the image using gpt-image-1.5
const result = await client.images.generate({
  model: "gpt-image-1.5",
  prompt: "A cute baby sea otter",
  n: 1,
  size: "1024x1024",
});

// Save the image to a file
const imageBuffer = Buffer.from(result.data[0].b64_json, "base64");
await writeFile(path.join(folderPath, "gpt-image-1.5-output.png"), imageBuffer);

console.log("Image saved to: output/gpt-image-1.5-output.png");

功能

在選擇架構或評估正式環境負載前,先掌握模型的關鍵資訊。

支援的功能

現有模型 API 回傳的功能。

text-to-image

image-editing

輸入與輸出

輸入

text

輸出

image

正式環境資訊

供應商: OpenAI
上下文: 依模型而定
商業使用: 支援

應用場景

將 GPT Image 1.5 用於符合其 image 能力的正式工作流程,並在長期整合前比較其他選項。

產品視覺與行銷素材創作

概念圖與快速視覺探索

圖像編輯、變化與素材產製

其他模型

比較 CometAPI 提供的其他模型,在品質、延遲、功能與價格間取得平衡。

開啟模型比較 →

OpenAI

GPT Image 2

GPT Image 2 是 OpenAI 最先進的圖像生成模型，用於快速、高品質的圖像生成與編輯。它支援彈性的圖像尺寸與高保真圖像輸入。

查看模型

Google

Nano Banana 2 lite

Gemini 3.1 Flash Lite Image model 是影像生成產品家族中的效率專家，專為超低延遲且具成本效益的影像生成與修改而設計。

查看模型

Google

Nano Banana 2

核心能力概覽：解析度：最高可達 4K（4096×4096），與 Pro 相當。參考圖片一致性：最多支援 14 張參考圖片（10 個物件 + 4 個角色），維持風格與角色一致性。極端寬高比：新增 1:4、4:1、1:8、8:1 比例，適合長圖、海報與橫幅。文字渲染：進階文字生成，適用於資訊圖表與行銷海報版面。搜尋強化：整合 Google Search + Image Search。Grounding：內建思考過程；在生成前會先對複雜提示進行推理。

查看模型

Flux

FLUX 2 MAX

FLUX.2 [max] 是來自 Black Forest Labs（BFL）的頂級視覺智能模型，專為生產級工作流程設計：行銷、產品攝影、電子商務、創意製作流程，以及任何需要一致的角色／產品形象、精準文字渲染，並在多百萬像素解析度下呈現照片級寫實細節的應用。其架構經過精心設計，具備強大的提示遵循能力、多參考融合（最多可輸入十張圖像），以及有根據的生成（在產生圖像時能夠納入最新的網路脈絡）。

查看模型

Replicate

Black Forest Labs/FLUX 2 MAX

FLUX.2 [max] 是 Black Forest Labs（BFL）推出的 FLUX.2 系列中旗艦級、最高品質的變體。其定位為專業級的文字→圖像生成與圖像編輯模型，重點在於極致保真度、對提示詞的遵從度，以及在角色、物件、光照與色彩上的編輯一致性。BFL 與合作夥伴的註冊目錄將 FLUX.2 [max] 描述為頂級的 FLUX.2 變體，具備多重參考編輯與有據生成等特性。

查看模型

Replicate

Black Forest Labs/FLUX 2 DEV

FLUX 2 DEV 是針對研究、實驗與非商業應用最佳化的開發者友善版本。它在兼顧品質與運算效率的同時，為開發者提供強大的影像生成能力。非常適合原型製作、學術研究及個人創意專案。

查看模型

Uptime

在正式上線前,查看即時心跳資料、端點可用性與實測回應時間。

版本

在鎖定正式環境整合版本前,先查看可用的模型識別碼。

gpt-image-1.5

gpt-image-1.5-2025-12-16

持續探索

比較模型,繼續你的研究

OpenAI

可使用

gpt-image-1.5

GPT Image 1.5 API

起始價格

$6.40 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Dec 16, 2025

OpenAI

Playground

透過實際請求試用 GPT Image 1.5,檢視參數並在整合 API 前驗證輸出結果。

概覽

GPT Image 1.5 的實用總覽,涵蓋重要行為與整合注意事項。

什麼是 GPT-Image-1.5 API？

文字轉圖像生成（依提示建立），
圖像編輯 / 補畫（in-painting）/ 合成（將指令套用至現有圖像，可接受多張圖像作為輸入），以及
透過 Responses API 進行的迭代、多輪編輯工作流程（支援「微調與反覆迭代」的 UI）。

主要特性（實用面）

可編輯性提升 / 多輪一致性： 在反覆編輯中保留角色外觀、光線與關鍵視覺屬性。這讓「相同模型、重複編輯」在產品型錄或品牌資產等工作流程中更可靠。
更快的吞吐量 — 4× 速度提升，相較 GPT Image 1 降低迭代式創意流程的延遲。
成本優化 — 與 GPT Image 1 相比，圖像輸入/輸出成本降低約 20%，為高量用戶降低每次影像迭代成本。
多圖合成與風格參照 — 可接受多張參考圖以合成場景或轉移風格/光線。
品質/保真度可調 — 透過 API 參數在速度與保真度間取捨（批量生成用較低品質；生產資產用較高品質）。
多輪編輯 / 整合 Responses API — 支援分步工作流程（先提出變更，之後在保留狀態下「進行微調」）。

技術能力

文字提示上限（圖像模型）： 最多 32,000 個字元（注意：OpenAI 將此記為 GPT 圖像模型的文字長度容許值）。適用於冗長且約束繁多的提示。
圖像輸入： 接受檔案 ID（多輪流程建議使用）或原始位元組；可提供多張圖以進行合成與參考。
輸出： API 返回 PNG/JPEG 或平台預設的圖像產物（或作為附件出現在 ChatGPT 內）。輸出可包含多個候選圖像，並支援透過多次請求來逐步優化結果。
生成模式： 文字轉圖、圖像編輯（依指令補畫/延展）、以及變體。多輪編輯支援「新增/刪減/組合」式指令。
指令感知的編輯： 模型優化於指令遵循度（保留如「不要更改 logo」、「保持姿勢與光線」等不變項）。提示工程模式（在每次迭代中重申不變項）可降低語義漂移。

基準表現

排行榜位置： 某份綜合報告引述 Artificial Analysis 排行榜上，GPT Image 1.5 以 ~1264 分領先文字轉圖排名，較下一名有可觀差距。
任務層級指標（編輯與保留）： Microsoft Foundry 的評估摘要顯示，GPT-Image-1.5 在單輪 BinaryEval 中達成近乎完美的二元修改成功率（100%），並在 AuraFace 指標上的人臉保留得分約 90%；該比較結果顯示其在保留性與編輯保真度方面領先部分競品。

GPT Image 1.5

GPT-Image-1.5 與同類模型的比較

對比 GPT Image 1（OpenAI 先前一代）： 更快（最高 4×）、更便宜（圖像 I/O 成本約低 20%）、更強的編輯保真度——旨在將圖像工作流程從「原型/示範」推向「更適合生產」。
對比 Google 的 Nano Banana Pro / Gemini 圖像模型： GPT-Image-1.5 與 Google 的 Nano Banana Pro / Gemini 3 系列為旗鼓相當的競爭者——各自在不同提示類型上有優勢。OpenAI 的訊息強調編輯保真與迭代速度；Google 的方案在部分示例中因影棚級寫實感而受讚譽。
對比 Qwen Image 與其他開源/閉源模型： GPT-Image-1.5 在單輪評測的多項編輯與保留指標上優於 Qwen Image，但在多輪或其他特定領域測試中差距縮小。

GPT-Image-1.5 的強項

電商產品影像： 批量變體、背景替換、由單張照片建立一致的產品型錄（品牌/Logo 保留）。
創意與行銷素材製作： 快速概念迭代、照片級寫實模型圖、可控風格轉移。
照片修圖與編輯工作流程： 逼真服飾/髮型試穿、選擇性修飾，同時保留身份與光線。
設計工具整合： 接入設計平台或 CMS 以隨需生成圖像變體（透過保真度調節控制成本）。
多步合成管線： 多圖輸入允許合成與基於參考的生成，以打造複雜場景。

如何存取 GPT Image 1.5 API

步驟 1：註冊取得 API Key

步驟 2：向 GPT Image 1.5 API 發送請求

將您的問題或請求填入 content 欄位——模型將回應此內容。處理 API 回應以取得生成結果。

步驟 3：擷取並驗證結果

處理 API 回應以取得生成的答案。處理完成後，API 會返回任務狀態與輸出資料。

另見 Gemini 3 Pro Preview API

常見問題

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.032

預估 CometAPI 使用費用

十次請求

$0.32

預估 CometAPI 使用費用

十五次請求

$0.48

預估 CometAPI 使用費用

GPT Image 1.5 的定價

Model	Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
gpt-image-1.5	輸入:$6.4/M 輸出:$25.6/M	輸入:$8/M 輸出:$32/M	-20%
gpt-image-1.5-2025-12-16	輸入:$6.4/M 輸出:$25.6/M	輸入:$8/M 輸出:$32/M	-20%

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1/images/generations

GPT Image 1.5 的範例程式碼和 API

POST

/v1/images/generations

#!/bin/bash

# Set your API key if not set globally
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# Create output/ folder
mkdir -p output

# Generate the image using gpt-image-1.5
response=$(curl -s https://api.cometapi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-image-1.5",
    "prompt": "A cute baby sea otter",
    "n": 1,
    "size": "1024x1024"
  }')

# Extract base64 image data from response
if command -v jq &> /dev/null; then
  image_data=$(echo "$response" | jq -r '.data[0].b64_json')
else
  image_data=$(echo "$response" | sed -n 's/.*"b64_json":"\([^"]*\)".*/\1/p')
fi

if [ -n "$image_data" ] && [ "$image_data" != "null" ]; then
  # Decode base64 and save to file (macOS uses -D, Linux uses -d)
  echo "$image_data" | base64 -d > output/gpt-image-1.5-output.png 2>/dev/null || echo "$image_data" | base64 -D > output/gpt-image-1.5-output.png
  echo "Image saved to: output/gpt-image-1.5-output.png"
else
  echo "Error: Failed to generate image"
  echo "$response"
fi

cURL Code Example

#!/bin/bash

# Set your API key if not set globally
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# Create output/ folder
mkdir -p output

# Generate the image using gpt-image-1.5
response=$(curl -s https://api.cometapi.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "gpt-image-1.5",
    "prompt": "A cute baby sea otter",
    "n": 1,
    "size": "1024x1024"
  }')

# Extract base64 image data from response
if command -v jq &> /dev/null; then
  image_data=$(echo "$response" | jq -r '.data[0].b64_json')
else
  image_data=$(echo "$response" | sed -n 's/.*"b64_json":"\([^"]*\)".*/\1/p')
fi

if [ -n "$image_data" ] && [ "$image_data" != "null" ]; then
  # Decode base64 and save to file (macOS uses -D, Linux uses -d)
  echo "$image_data" | base64 -d > output/gpt-image-1.5-output.png 2>/dev/null || echo "$image_data" | base64 -D > output/gpt-image-1.5-output.png
  echo "Image saved to: output/gpt-image-1.5-output.png"
else
  echo "Error: Failed to generate image"
  echo "$response"
fi

Python Code Example

import base64
import os
from openai import OpenAI

# Set your API key if not set globally
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
client = OpenAI(api_key=COMETAPI_KEY, base_url="https://api.cometapi.com/v1")

# Create output/ folder
folder_path = "output"
os.makedirs(folder_path, exist_ok=True)

# Generate the image using gpt-image-1.5
result = client.images.generate(
    model="gpt-image-1.5",
    prompt="A cute baby sea otter",
    n=1,
    size="1024x1024"
)

# Save the image to a file
image_base64 = result.data[0].b64_json
image_bytes = base64.b64decode(image_base64)
with open(os.path.join(folder_path, "gpt-image-1.5-output.png"), "wb") as f:
    f.write(image_bytes)

print("Image saved to: output/gpt-image-1.5-output.png")

JavaScript Code Example

import OpenAI from "openai";
import { writeFile, mkdir } from "fs/promises";
import path from "path";
import { fileURLToPath } from "url";

const __dirname = path.dirname(fileURLToPath(import.meta.url));

// Set your API key if not set globally
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: "https://api.cometapi.com/v1",
});

// Create output/ folder
const folderPath = path.join(__dirname, "../output");
await mkdir(folderPath, { recursive: true });

// Generate the image using gpt-image-1.5
const result = await client.images.generate({
  model: "gpt-image-1.5",
  prompt: "A cute baby sea otter",
  n: 1,
  size: "1024x1024",
});

// Save the image to a file
const imageBuffer = Buffer.from(result.data[0].b64_json, "base64");
await writeFile(path.join(folderPath, "gpt-image-1.5-output.png"), imageBuffer);

console.log("Image saved to: output/gpt-image-1.5-output.png");