GPT Image 2.5 API 怎么开通？从选模型到首次生图

通过 OpenAI Images API 使用 GPT Image 2.5 时，选择 gpt-image-2.5-flare 或 gpt-image-2.5-sunburst，再调用 client.images.generate() 或 client.images.edit()。 返回的图片数据可以从 data[0].b64_json 解码保存。

GPT Image 2.5 已在 Ofox 上架：Flare 和 Sunburst 模型页提供当前价格与 API 调用示例。

本文分别提供 Ofox 首次生图，以及 OpenAI 直连生成和编辑示例。OpenAI 部分依据官方生图指南，Ofox 部分依据其型号页和认证文档，均于 2026 年 9 月 9 日核对。未运行付费推理测试，不将某个平台的能力自动套到另一个平台。

先选平台，再开通 API

API Key、Base URL 和模型 ID 要使用同一平台的组合。ChatGPT 登录账户不能代替 API 凭证，Ofox 的 Key 也不能用来认证 OpenAI 直连端点。

使用 OpenAI 直连时，按官方 API 快速入门创建 Key，并检查项目计费与模型权限。后文的生成和编辑示例使用这条连接。

使用 Ofox 时：

1. 查看 Flare 和 Sunburst 的型号页，核对当前价格和 API 示例。
2. 创建 Ofox 账户，已有账户则直接登录。进入 API Keys 创建 Key。认证文档说明，密钥只在创建时显示一次，请妥善保存。
3. 在控制台确认余额和适用费用。注册不等于有免费额度，也不等于能调用所有模型；可用价格文的预算算例规划小批量评估。
4. 在本地环境或密钥管理工具中设置 OFOX_API_KEY，先完成一次生图，再尝试批量请求。

用 python -m pip install --upgrade openai 安装 Python SDK。下面依据 Ofox Flare 型号页的生成端点编写，同时处理 base64 图片和下载 URL，不假设所有平台都返回同一种图片表示方式：

import base64
import os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ofox.io/v1",
    api_key=os.environ["OFOX_API_KEY"],
)
result = client.images.generate(
    model="openai/gpt-image-2.5-flare",
    prompt="A ceramic tea cup on a plain warm gray background, no text.",
    size="1024x1024",
)
if not result.data:
    raise RuntimeError("The API returned no image data.")
item = result.data[0]
if item.b64_json:
    Path("generated-image.bin").write_bytes(base64.b64decode(item.b64_json))
    print("Saved generated-image.bin; inspect its format before renaming.")
elif item.url:
    print("Download the original image from:", item.url)
else:
    raise RuntimeError("No base64 image or download URL in the response.")
print("Usage:", result.usage)

示例没有强制指定型号页示例未展示的输出格式或高级参数。拿到原始图片后，检查文件、用量和控制台扣费。本文已对照公开文档检查，但未进行付费 Ofox 生图或编辑实测。后文的编辑示例面向 OpenAI 直连，迁移到 Ofox 前需另行核对该型号当前的编辑支持。

首次请求成功后，把模型 ID 和参数随图片一起保存。用于商品图时，还要检查标签文字和背景是否符合要求，不能把请求成功直接当成成品合格。

先选模型，再写请求

这只是选型起点，不是输出效果保证。进一步判断可看 Flare 和 Sunburst 怎么选。不要把模型家族名当成可直接调用的完整 ID。

用 Python 生成并保存图片

安装当前版本的 SDK，通过环境变量 OPENAI_API_KEY 提供密钥，不要把密钥写进源文件。

python -m pip install --upgrade openai

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()

result = client.images.generate(
    model="gpt-image-2.5-flare",
    prompt=(
        "Create a clean product photograph of a ceramic tea cup on a "
        "warm gray background. Soft natural light, no text or watermark."
    ),
    size="1024x1024",
    quality="medium",
    output_format="png",
)

Path("tea-cup.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)
print(result.usage)

示例请求 PNG 格式，并将返回字节保存为 PNG 文件。评估费用时保留 usage；仅看到图片成功生成，无法判断这次请求用了多少计费 token。

编辑已有参考图

通过 images.edit() 传入图片文件，明确要改的内容和必须保留的内容。这里的 product.png 是本地已有图片：

import base64
from pathlib import Path
from openai import OpenAI

client = OpenAI()

with open("product.png", "rb") as reference:
    result = client.images.edit(
        model="gpt-image-2.5-sunburst",
        image=reference,
        prompt=(
            "Remove the background from this product photograph. "
            "Preserve the product shape, colors, and label text. "
            "Use a fully transparent background, with no checkerboard."
        ),
        size="1024x1024",
        quality="high",
        background="transparent",
        output_format="png",
    )

Path("product-cutout.png").write_bytes(
    base64.b64decode(result.data[0].b64_json)
)

这个例子要求移除背景并保留商品形状、颜色和标签。请按原始分辨率检查结果：文字是否正确，形状是否改变，背景像素是否实际透明，而不只是存在 alpha 通道。画在图片里的棋盘格不等于透明。

官方提示指南还有局部编辑和商品保留的例子。保留指令不能替代结果验收。

尺寸、画质和透明格式怎么设置？

两个型号都支持 auto、low、medium、high、xhigh 和 max。首次比较请求时使用明确档位，便于控制变量；auto 会让对照结果更难解释。

推荐尺寸包括 1024x1024、1536x1024 和 1024x1536。自定义尺寸须同时满足：

• 宽和高都是 16 的倍数。
• 任意一边不超过 3,840 像素。
• 宽高比在 1:3 到 3:1 之间。
• 总像素在 655,360 到 8,294,400 之间。

官方将高于 2560x1440 的分辨率标为实验性支持。 “支持 4K”不代表任意称为 4K 的尺寸都能接受，或都有同样可靠的表现。

透明图使用 PNG 或 WebP。output_compression 只用于 JPEG 和 WebP，不用于 PNG。画质调高后仍要比较结果，不是所有提示词都会因此变好。

Responses API 的图片模型要放在哪里？

Images API 直接指定图片模型；Responses API 则区分外层语言模型与生图工具：

response = client.responses.create(
    model="gpt-6-astra",
    input="Generate a product photo of a ceramic tea cup on a gray background.",
    tools=[{
        "type": "image_generation",
        "model": "gpt-image-2.5-sunburst",
        "output_format": "png",
    }],
)

for index, item in enumerate(response.output):
    if item.type == "image_generation_call":
        Path(f"response-image-{index}.png").write_bytes(
            base64.b64decode(item.result)
        )

这段代码沿用上方的导入和 client。外层 model 决定负责调用工具的语言模型，工具内的 model 才决定图片模型。这是官方文档采用的配置方式。

Responses 还可能产生外层语言模型的 token 费用。比较它与直接 Images 请求的费用时，参考价格拆解，不要只计算最后输出图片的费用。

接入生产工作流前检查什么？

核对实际账号和平台的模型权限。升级 SDK 不会自动授予账号访问权限，OpenAI 示例也不能证明其他平台已部署同一路由。

记录模型、提示词、画质、尺寸、返回用量、耗时和输出文件。编辑任务额外检查文字准确性和非预期改动。如果正在替换 GPT Image 2，先走一遍升级检查清单，再切换全部流量。

模型找不到或调用失败，按哪一步排查？

模型找不到不能只查拼写，要把服务地址、准确型号和账户权限一起核对。OpenAI 文档中的直连 ID 是 gpt-image-2.5-flare 与 gpt-image-2.5-sunburst；网关可能使用带供应商前缀的不同名称。

Responses API 要把图片模型放在 image-generation 工具定义中，外层 model 选择语言模型。权限不足、端点不支持和 SDK 过旧是不同问题，不能把所有 404 都写成改型号即可解决。状态分类见官方错误说明。