核验清单
- ✓成图按图像输出 token 计,不按「一张」计。同一档 quality,不同模型的 token 数可以不同。
auto要等图出来才能估。 - ✓每张
partial_images预览另加 100 个图像输出 token。设成 0 只有成图。生成更快时,回来的张数可以少于参数。 - ✓编辑要加上图像输入 token。蒙版和标注不另开折扣行。SVG 是参考图加作者模型两笔。GIF 不支持预览。
- ✓GPT Image 2 和 2.5 的缓存折扣只写给 Responses 的图像工具,不写给 Images API 和编辑。usage 里没有这些缓存 token。
- ✓gpt-image-2 之前那张方图 token 表,不适用于 Sunburst 和 Flare。单价以价目页为准。
1. 成图按输出 token 计,不按一张图计
图像生成指南把现行模型分成两条路。GPT Image 2.6 的 Sunburst 做精细画面,Flare 做快速迭代;2.5 也是这两款名字,指南里的现成示例仍多用 2.5。两条路都能调尺寸、质量、格式和压缩。成本一节没有写「每张一个固定价」。2.6 写的是图像输出按可计费 token 计,并让你到定价页看文本和图像各自的单价。2.5 把文本输入、图像输入、图像输出,以及对应的缓存输入,分成不同的行。具体单价以价目页当时的数字为准,本文不把某一天的美元标成长期牌价。
同一档输出单价,不表示同一张图一样贵。指南写明,模型可以对同一个 quality 用出不同的 token 数,而每个图像输出 token 的价格可以相同。计算器要你显式选模型和 quality、size。auto 取决于生成出来的那张图,不能用「我选了 auto」事先算出一个整数。2.5 和 2.6 的 quality 有 low、medium、high、xhigh、max,默认都是 auto。更早的 gpt-image-2 只到 high。省略 quality,不是自动落到最便宜的一档。
方图 token 表只属于更早的模型。指南把「Earlier GPT Image models」整节限定为:下面的细节适用于更早的模型,不适用于 Sunburst 和 Flare。gpt-image-2 之前的模型,输出 token 随尺寸和质量变:1024×1024 的 low、medium、high 分别是 272、1056、4160;1024×1536 是 408、1584、6240;1536×1024 是 400、1568、6208。这张表不能抄到 2.5 和 2.6 上。同一节还提醒,gpt-image-2 在比较这些尺寸时,更大的非方形分辨率有时比更小的、或方形的分辨率产出更少的输出 token。那是 gpt-image-2 的对照,不是 2.6 的定律。Sunburst 和 Flare 要看当次 usage,或用显式参数去问计算器。
压缩和复杂度也不是 token 开关。jpeg 和 webp 可以用 output_compression,范围 0 到 100。指南说 jpeg 比 png 更快,没有说压缩会减少输出 token。Sunburst 和 Flare 的 complexity 是 low、medium、high,省略时两款都用 high。指南写明调整复杂度没有单独的费用,它管的是模型在绘制前计划多少,质量仍由 quality 决定。复杂度可以改延迟,也可以改画面上的东西。它不开新的一行价,也不把输出 token 清掉。标注引导的编辑走和其他编辑一样的 token 价,没有附加费。
2. 每张预览另加一百,参数不是已经扣满的张数
Responses API 和 Image API 都可以流式生成。参数 partial_images 的范围是 0 到 3。设成 0,你只收到成图。设成大于 0 的值,如果整张图生成得更快,你可能收不到你要的全部预览。成本一节的句子是:每一张 partial image 另加 100 个图像输出 token。这 100 是图像输出 token,加在成图自己的输出 token 外面,不替代成图。
所以参数是你希望收到的预览上限,不是一笔已经按上限扣满的 token。设成 3,生成很快只回来 1 张,按指南的句子去对的是那 1 张预览的 100,不是把两个没回来的空位也加成 300。反过来,两张都回来了,就是 200,再加成图自己的输出 token。屏幕上把预览丢掉、只保存最后一张,并不把已经产生的预览从这句里拿掉。对账数的是实际产生的 partial image,不是你最后留下的文件数。
这条加项有格式边界。SVG 不支持流式和 partial images,GIF 也不支持。走这两种输出时,没有「每张预览 100」这条路,不要因为请求里曾经写过这个参数,就在矢量图或动图上再加 100。GIF 的 frame_count 是 2 到 16,默认 9;frame_duration_ms 是每帧 20 到 2000 毫秒,默认 200,并按 10 毫秒取整。时长是播放钟。指南没有为每一毫秒另写 token。帧数、帧尺寸和动画个数必须落在模型的尺寸限制和总像素预算里,超了就要减少帧数、尺寸或 n。那是能不能生成,不是把每一帧换成 100 个预览 token。
3. 编辑、SVG 和 GIF 不是成图那一列能盖住的
更早模型的成本一节把一次请求写成三列相加:输入文本 token,编辑时的输入图像 token,以及图像输出 token。2.5 的价目本身就有文本输入、图像输入、图像输出这几行,编辑或带参考图时,图像输入不是 0。2.6 的成本一节点名的是图像输出,并让你到定价页看文本和图像的单价。文本提示仍在定价页上,没有被输出 token 吞掉。蒙版不会把未涂改的区域从输入里减掉。指南写明,使用蒙版时会向模型额外发送说明;多张输入图时,蒙版用在第一张上。额外说明是多出来的引导,不是折扣。
input_fidelity 这句只属于 gpt-image-2,不属于 Sunburst 和 Flare。指南写明,gpt-image-2 不要传这个参数,接口不允许改,因为模型对每张输入图都按高保真处理。也因此,带参考图的编辑可以用掉更多图像输入 token。不要把「高保真所以输入更贵」抄到 2.6 上,2.6 的这一节没有这句。标注层也有硬限制:第一张输入图和标注层各自最多 16,777,216 像素,标注文件还有 50 MB 上限。标注和蒙版不能一起用。没有附加费,是说不加第三种费用名,输入和输出该计的 token 仍按编辑的价计。
SVG 是两笔,不是一张矢量图的打包价。生成接口把 output_format 设成 svg,并且 n 必须是 1。接口会先做一张参考图,再用它产出 SVG。quality 控制的是这张参考图。你付图像模型产出参考图的价,再付作者模型写出 SVG 所用 token 的价,总数取决于两个模型各自用了多少 token。编辑接口不支持 SVG 输出,SVG 也不能当作编辑的栅格输入。预览、流式和 output_compression 在 SVG 上都不支持。
走 Responses 时还有主模型。2.5 的成本一节写明,Responses 请求在图像费用之外,还包含主模型的 token 用量。图像工具是 gpt-5 及更新的模型应能使用的工具,主模型写了字、选了工具,那些 token 不在图像输出那一列里。2.6 的成本一节没有把这句再写一遍。对 2.6 的 Responses 调用,先看当次 usage 里有没有主模型那一列,不要用 2.5 的句子直接定罪,也不要假设主模型免费。计算器估的是一张图的输出。响应里如果有多张结果,用 usage 看整次请求,不要把「一张」的估算当成整单。
4. 缓存折扣对不上 usage,也不适用于编辑接口
指南对缓存的限定写得很窄:GPT Image 2 和 GPT Image 2.5 的缓存输入价,只适用于 Responses 里的图像生成工具。它不适用于直接的 Images API 请求,包括 /v1/images/edits。同一段没有点名 2.6。这条例外就停在它点名的两个代际上,不要把它抄到 2.6,也不要把它读成「所有图像模型在 Images API 上都能缓存」。
更难对的是用量字段。指南写明,缓存的图像生成输入会反映在账单上,但这些缓存 token 的数量不包含在 Responses API 的输出里。响应的 usage 不能用来核对这些缓存命中。usage 里看不到缓存图像 token,既不能证明折扣没发生,也不能证明折扣已经发生。先分路径:是 Responses 的图像工具,还是 Images API。路径不对,2 和 2.5 根本没有这条折扣。路径对了,再去账单而不是 usage 里找。
这和文本提示缓存不是同一本账。文本前缀的写入可以比普通输入更贵,命中才打折,见开了提示缓存,为什么第一笔比不开还贵?。图像指南这里说的是图像生成输入的缓存价只挂在 Responses 的图像工具上,没有把文本缓存的 1.25 倍或 2 倍写进图像 token。不要用那篇文章的乘数去乘这 100 个预览 token,也不要因为图像 usage 里没有缓存字段,就回头改文本缓存的对账。
国内另一家的出图按张计,输入档跟着输出像素面积走,见参考图很小,为什么输入档却跟着输出的像素面积走?。那边的 1K 和 2K 是张数上的档,不是这里的 100 个图像输出 token。gpt-image-1 已在 2026-10-23 关闭,指南把旧的按张价格留作历史对照。今天再按那个模型名去对「一张多少钱」,对的是已经关掉的路径。固定块的另一种样子是网页搜索:两个小模型每次搜索内容固定 8000 个输入 token,见检索结果很短,为什么小模型仍按八千个输入 token 计?。那 8000 不是图像预览的 100,搜索动作也不是 partial image。
5. 充值改不了这一百,也改不了缓存只挂在 Responses 上
对账按六列走。第一列是路径:Images API,还是 Responses 的图像工具。2 和 2.5 的缓存折扣只在后一条上;2.5 的 Responses 还要另看主模型 token,2.6 以当次 usage 为准。第二列是模型和显式的 quality、size。auto 不能事先折成 token。Sunburst 和 Flare 不要用 gpt-image-2 之前的方图表。第三列是成图自己的图像输出 token,看 usage 或计算器,不看「出了一张」。第四列是预览:每张实际产生的 partial image 加 100 个图像输出 token,设成 0 则没有这列;GIF 和 SVG 没有这列。第五列是输入:文本 token,加上编辑或参考图的图像输入 token。蒙版和标注不开折扣行。SVG 还要加上作者模型的 token。第六列是 usage 看不到的东西:Responses 图像工具上的缓存图像 token 不在 usage 里。
给账户准备额度,发生在这些列扣款之前。链上把稳定币换成能付进账户的资产,不会把预览收成免费的进度条,也不会把 Images API 的编辑请求改写成 Responses 的缓存价。需要这一步时,可以用无需注册、非托管的 AllSwap 完成链上兑换。兑换成功只说明资产换了手。成图的输出 token、每张预览的 100,以及缓存折扣有没有这条路径,仍按这次实际的接口和实际回来的预览计。