把文案融入画面
适合将标题、标语、说明标签与主体图像一起生成，而不是只画一张没有文字的背景。创作时可明确主标题位置、字号层级、留白和配色，让海报或信息图朝指定视觉结构成形；最终仍应逐字检查文案、数字和阅读顺序。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文本生成图片；参考图编辑；multipart 蒙版局部编辑
- 参考图输入
- 编辑支持单个 URL、最多 16 个 URL 的数组或本地文件上传
- 输出数量
- 每次 1–10 张；response_format=b64_json 时仅支持 1 张
- 画幅控制
- size=auto 或 WIDTHxHEIGHT；宽高为 16 的倍数，长边不超过 3840 像素
- 像素范围
- 总像素 655,360–8,294,400；宽高比不超过 3:1
- 质量与文件
- quality 常用 auto、low、medium、high；输出 PNG、JPEG、WebP
- 局部编辑蒙版
- Alpha PNG，不超过 4MB，与第一张原图同尺寸；透明区域允许修改
GPT Image 2 提供图像创作与编辑能力，以上数量、尺寸、格式及上传规则对应本平台的本型号调用方式。
核心能力
了解 gpt-image-2:official 能为你的工作带来什么。
用参考图约束创意
编辑时可同时提供商品、人物或风格参考，并说明每张图的作用，例如保留商品外观、借鉴背景色调或调整拍摄氛围。适合围绕已有素材衍生不同创意，但参考图是创作约束，不代表商标、面孔和细小结构会逐像素保持不变。
集中修改局部内容
蒙版编辑可把修改集中到指定区域，例如替换桌面上的物件、调整服装局部或补充背景元素。提示词应同时描述完整目标画面和需要保留的内容；清晰的 Alpha 边界有助于表达意图，但边缘融合仍需在成图后检查。
适用场景
从具体任务出发，找到模型发挥作用的位置。
活动海报与信息图
输入活动标题、已核实的信息、品牌配色和版式要求，生成用于提案的宣传海报或信息图。建议区分必须准确呈现的文字与可自由发挥的装饰内容，交付时重点检查日期、价格、标签及层级，再完成正式发布前的排版校对。
商品创意与场景改图
提供清晰商品图，并写明要保留的包装、轮廓和视角，可尝试不同背景、色彩或生活化场景。适合电商主视觉、广告提案和包装展示稿；需要只修改局部时使用蒙版，成图后对照原图检查品牌标识与产品细节。
角色设定与多方案提案
输入角色参考、服装细节、表情要求和画面布局，可制作角色设定图或同主题的创意候选。需要多个方向时使用多张生成，便于比较构图与风格；连续项目应保留已选参考图，并逐张检查面部、服饰和道具的一致性。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
需要生成与改图连贯进行时选择
如果任务既要从文字生成草案，又要围绕选定画面继续调整，GPT Image 2 适合作为同一流程的创作工具。先用低或中质量验证构图，再提高质量检查细节。已有 Image 1.5 项目可用相同文案和参考素材做对照，重点比较文字、布局与编辑结果，而非只按版本号决定迁移。
与 2.5 变体按目标取舍
GPT Image 2.5 Flare 侧重生成速度，Sunburst 侧重高保真与精细控制；GPT Image 2 则适合文字海报、商品创意和参考图编辑等任务。已有合格模板可继续使用本型号；若交付重点变为速度或更细致的编辑控制，可用真实素材比较相应变体，不预设固定提升幅度。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 图中文字与结构化布局仍需要人工审稿。长段文字、密集标签、精确对齐和跨图角色一致性可能偏离要求；涉及日期、价格或图表数据时，应提供准确内容，并把逐字核对纳入交付流程，不让模型代替事实校验。
- 蒙版不是传统图像软件的硬边选区。使用时须将原图和蒙版一起以 multipart 上传，不能混用 URL 原图与本地蒙版；蒙版必须具有 Alpha 通道。即使区域设置正确，边缘融合和附近细节仍可能变化。
- 画幅须同时满足边长、总像素与宽高比限制，不能只看一个尺寸条件。size=auto 适合探索构图，精确交付应填写像素值；本型号输出静态图像，不会自动完成 ChatGPT 式联网检索、多步骤编排或视频制作。
常见问题
解答使用 gpt-image-2:official 时的常见疑问。
gpt-image-2:official 是独立的新模型吗？
不是另一个独立基础模型，而是 GPT Image 2 的公开调用 ID 变体。生成和编辑请求都应显式填写 gpt-image-2:official；它与不带后缀的 ID 共享基础创作定位，但调用和结算方式应按所选型号区分。
参考图片应该放在哪个接口？
从文字开始创作使用 /openai/images/generations；已有图片需要修改时使用 /openai/images/edits，通过 image 传入单个 URL、URL 数组或上传文件。多图输入时应说明每张图承担的主体、风格或场景作用。
怎么只修改图片的一部分？
使用编辑接口，将本地原图和 mask 蒙版放在同一个 multipart 请求中。蒙版须为同尺寸的 Alpha PNG，透明区域表示允许修改；提示词还应写清修改目标和保留内容，生成后检查区域边缘及周围细节。
能一次返回多张图片或 Base64 吗？
可以用 n 请求 1–10 张候选图，便于比较不同构图。response_format 可选 url 或 b64_json，但 Base64 返回仅支持单张。输出文件格式另由 output_format 控制，可选择 PNG、JPEG 或 WebP。
如何处理耗时较长的生成与费用？
可加入 callback_url，让请求先返回 task_id，完成后接收最终结果；同步方式直接返回图片数据。本型号按实际 Token 用量结算，请求前金额属于估算。保存任务 ID 并对回调去重，有助于管理长任务和避免重复处理。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。