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。
下方示例依据官方生图指南，核查日期为 2026 年 9 月 9 日。代码经过文档核对，未运行付费推理测试；示例直接调用 OpenAI，不代表其他网关已经支持同样的模型 ID、端点和价格。
先选模型，再写请求
| 模型 ID | 官方定位 | 适合先尝试的任务 |
|---|---|---|
gpt-image-2.5-flare |
速度优先的小型模型，画质与 GPT Image 2 相当 | 反复尝试构图、对耗时敏感的生图 |
gpt-image-2.5-sunburst |
质量优先的基础型号，强调精细编辑 | 对成图细节和参考图编辑要求较高的任务 |
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，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
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，是否真的有 alpha 透明通道。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。
参考来源
- ofox 文档：模型目录 — https://docs.ofox.io/zh/develop/models
