API GPT Image 2 untuk Pembuatan dan Penyuntingan Gambar

Apa Itu GPT Image 2

Model OpenAI untuk pembuatan dan penyuntingan gambar

Kami memosisikan GPT Image 2 sebagai model pembuatan dan penyuntingan untuk kreasi gambar. Model dapat membuat gambar baru dari deskripsi teks atau menerima gambar referensi dan menyesuaikan adegan sesuai permintaan.

Dalam praktiknya, kami berfokus pada apakah model dapat mengubah deskripsi menjadi gambar yang bisa disempurnakan lebih lanjut, seperti poster dengan teks acara, adegan produk, atau sketsa visual layar utama aplikasi.

Memahami kebutuhan visual melalui teks dan gambar referensi dengan ketepatan tinggi

Fitur penting GPT Image 2 adalah kemampuannya memproses gambar referensi bersama instruksi tertulis. Panduan resmi OpenAI menyebut gambar masukan otomatis diproses dengan ketepatan tinggi dan API native harus menghilangkan parameter input_fidelity. Ini membantu model menggunakan informasi orang, produk, dan gaya dari gambar asli.

Kami menyarankan menjelaskan fungsi setiap gambar referensi. Contohnya, gambar pertama menyediakan tampilan produk, gambar kedua menyediakan gaya latar, dan teks menentukan bagian yang boleh berubah. Dibandingkan sekadar meminta "buat lebih bagus", cara ini memudahkan pemeriksaan dan penyempurnaan hasil.

Dimensi fleksibel dan beberapa tingkat kualitas

GPT Image 2 mendukung beberapa dimensi keluaran untuk gambar produk persegi, sampul vertikal, dan poster horizontal. API resmi mendukung keluaran horizontal hingga 3840×2160 dan dimensi vertikal yang sesuai, dengan tingkat kualitas low, medium, high, dan auto.

Pilih dimensi berdasarkan tempat tampilan akhir, serta kualitas berdasarkan kebutuhan detail dan biaya. Untuk draf yang komposisinya masih berubah, gunakan resolusi lebih rendah untuk memastikan arah, lalu buat versi akhir beresolusi tinggi setelah subjek, teks, dan tata letak tepat.

Alat online dan API GPT Image 2 API Hop

Melalui API Hop, kami ingin membantu Anda lebih cepat mengetahui kinerja GPT Image 2 pada tugas sendiri. Setelah masuk dan menambahkan sedikit kredit, Anda dapat membuat atau menyunting gambar melalui alat online tanpa terlebih dahulu menulis kode integrasi API atau membeli langganan tetap untuk evaluasi singkat. Setelah hasil memenuhi kebutuhan, buat API Key dan integrasikan ke aplikasi, sekaligus mengurangi kerepotan mengelola akun di berbagai platform model.

Fitur Inti dan Keunggulan GPT Image 2

Teks Mandarin dan multibahasa: membuat teks poster serta visual sekaligus

Kami menghargai kemampuan GPT Image 2 menempatkan teks langsung dalam gambar. Dalam kasus penggunaan nyata dari pelanggan, perenderan aksara Mandarin GPT Image 2 meningkat cukup besar dibandingkan versi gpt-image sebelumnya. Mereka juga mencatat kesalahan yang masih ada pada karakter "笼" dalam "小笼包" (xiaolongbao) dan sebagian teks kecil.

Untuk poster acara, gambar keunggulan produk, atau sampul multibahasa, kami menyarankan menyediakan teks final dan menentukan posisi, ukuran relatif, serta bahasa setiap bagian. Judul pendek dapat dicoba sebagai bagian gambar yang dibuat. Untuk harga, tanggal, teks panjang, dan tulisan yang harus sepenuhnya akurat, periksa setiap karakter dan lakukan tata huruf atau koreksi manual setelahnya jika perlu.

Komposisi kompleks: menangani subjek, tata letak, dan batasan detail bersama

Menurut kami, GPT Image 2 menangani tugas dengan beberapa persyaratan eksplisit dalam satu gambar dengan baik. Seorang pelanggan membagikan adegan desktop berisi beberapa jendela, teks, dan grafis ASCII, lalu terus mengubah isi jendela peramban serta gambar anjing di dalamnya.

Untuk gambar promosi produk, tentukan subjek, latar, penempatan teks, dan ruang kosong sekaligus, seperti "letakkan produk di kanan, sisakan ruang judul di kiri, dan susun tiga keunggulan di bagian bawah". Dalam pengalaman kami dengan GPT Image 2, kebutuhan dapat dijelaskan sedetail mungkin dan model dapat menjalankan tugas dengan baik.

Penyuntingan gambar referensi: terus menyempurnakan aset yang ada

Kami menyarankan GPT Image 2 untuk mengubah aset yang ada, seperti mengganti latar, mencoba skema warna, atau mengeksplorasi gaya visual lain. Dalam diskusi publik, seorang pengguna membuat mockup visual dari gambar referensi dan merasa realismenya cukup untuk pekerjaan profesional. Pengguna lain meminta perubahan warna serta bentuk sisik tertentu pada ular, tetapi hasilnya mengecewakan. Masukan tentang gambar referensi · Penyuntingan lokal detail yang gagal

Berdasarkan masukan tersebut, kami lebih dulu menyarankan tugas dengan tujuan jelas dan perubahan yang mudah diperiksa. Ketika mengganti latar produk, misalnya, tentukan bahwa proporsi botol, teks label, dan penempatan harus tetap. Setelah pembuatan, bandingkan foto asli dan hasil berdampingan, terutama logo, tepi, dan pantulan. Jika suatu bagian harus dipertahankan persis, setelahnya Anda dapat menggabungkan hanya perubahan yang diperlukan ke gambar asli.

Sketsa UI dan usulan visual: membawa ide produk lebih cepat ke diskusi

Banyak pelanggan kami menggunakan Images 2.0 untuk membuat sketsa UI dari ide produk dan memberi tanggapan positif terhadap hasilnya.

Jika merencanakan antarmuka admin, layar utama aplikasi, atau menu game, mintalah beberapa tata letak dari GPT Image 2 terlebih dahulu, lalu gunakan gambar untuk mendiskusikan hierarki informasi, warna, dan penekanan visual. Bagi pengembang independen, ini memudahkan penyampaian ide. Setelah arah disepakati, implementasikan dengan komponen nyata, interaksi, dan tata letak responsif; gambar hasil sendiri tidak mencakup pekerjaan pengembangan tersebut.

Karakter dan storyboard: membuat rangkaian dengan subjek yang sama

Menurut kami, GPT Image 2 layak dicoba untuk desain karakter dan eksplorasi storyboard kecil. Seorang pelanggan terlebih dahulu membuat potret antropomorfik, lalu membuat tampak samping dan gambar aksi, dan puas dengan konsistensi penampilan karakter.

Kami menyarankan menetapkan satu gambar referensi karakter, lalu mencoba tampak depan, tampak samping, dan satu aksi utama, sambil memeriksa wajah, pakaian, warna, serta tekstur latar pada setiap gambar. Perluas rangkaian setelah gambar utama diterima. Untuk cerita yang membutuhkan beberapa gambar, pertahankan referensi karakter asli alih-alih terus menyunting hasil yang sudah menyimpang.

Tolok Ukur dan Kinerja GPT Image 2

Kami mempertahankan versi peringkat dan tingkat kualitas, serta membedakan evaluasi buta formal, pengujian pribadi kecil, dan pengalaman penggunaan.

Evaluasi buta teks-ke-gambar: AA High mencapai 1172 Elo

Dalam peringkat AA-Image-T2I v2.0 Artificial Analysis, GPT Image 2 pada high mendapat 1172±8 Elo, saat ini menempati urutan ketiga. Pada peringkat yang sama, GPT Image 1.5 pada high mendapat 1107±8, dan Nano Banana 2 mendapat 1126±7. Ini menunjukkan GPT Image 2 tetap kompetitif dalam prompt dan kriteria preferensi manusia pada evaluasi tersebut. Peringkat teks-ke-gambar AA

Untuk poster produk, sampul konten, dan gambar yang memerlukan komposisi jelas, kami menyarankan memasukkannya di antara model pertama yang dicoba. Tim yang sudah menggunakan Image 1.5 dapat mulai dengan membandingkan tugas yang sebelumnya paling banyak membutuhkan pengerjaan ulang, lalu memeriksa perbaikan teks, tata letak, dan detail subjek. Hasil ini berasal dari high; kami tidak langsung menerapkannya ke tingkat kualitas lebih rendah.

Penyuntingan satu gambar: Arena Medium mencapai 1462 poin

Peringkat penyuntingan satu gambar Arena pada 2026-10-06 mencatat GPT Image 2 pada medium dengan 1462±3, di urutan ketiga. Sementara itu, AA-Image-Editing v2.0 memberi tingkat high model ini 1125±8 Elo, di urutan keenam, dengan rentang peringkat kelima hingga ketujuh. Kedua evaluasi menggunakan tugas, tingkat kualitas, dan skala skor berbeda. Perbedaan peringkat mengingatkan kita untuk memvalidasi kebutuhan penyuntingan spesifik secara terpisah. Peringkat penyuntingan satu gambar Arena · Peringkat penyuntingan gambar AA

Kami menyarankan memeriksa dua hal bersama: apakah perubahan yang diminta dilakukan dengan benar, dan apakah konten yang seharusnya tetap juga berubah. Untuk penggantian latar produk, periksa bukan hanya kealamian latar baru tetapi juga teks kemasan, bentuk produk, dan warna. Untuk pekerjaan yang mengharuskan detail asli dipertahankan ketat, mulai dengan pengujian kecil sebelum menjadwalkan pemrosesan massal.

Kecepatan pembuatan: merencanakan waktu tunggu berdasarkan kualitas dan rasio aspek

Sebagian pelanggan kami menunggu sekitar dua menit untuk gambar kompleks melalui API pada high. Panduan GPT Image 2 OpenAI juga menyebut gambar persegi biasanya paling cepat dibuat; waktu aktual bergantung pada dimensi dan kondisi permintaan. Pengalaman penggunaan API High · Pengaturan model resmi

Tetapkan dimensi dan kualitas terlebih dahulu, lalu catat waktu dari pengiriman hingga gambar lengkap diterima untuk tugas yang biasa dilakukan. Untuk fitur dengan penyuntingan berulang oleh pengguna, evaluasi medium terlebih dahulu. Untuk hasil akhir kompleks, bandingkan apakah high layak ditunggu. Jika waktu tunggu sangat mengganggu pengalaman, coba juga GPT Image 2.5 Flare yang dibahas di bawah.

Biaya pembuatan: tingkat kualitas dalam model yang sama memiliki harga sangat berbeda

OpenAI mencantumkan contoh biaya keluaran per gambar GPT Image 2 berikut. Angka tidak mencakup biaya masukan teks dan gambar referensi, serta bukan harga aktual API Hop. Contoh biaya resmi OpenAI

Kami terutama memperhatikan perpindahan dari medium ke high pada 1024×1024: contoh biaya keluarannya hampir empat kali lebih tinggi, tetapi bukan berarti kualitas visual meningkat dengan proporsi yang sama. Tetapkan acuan pada medium, lalu bandingkan high untuk masalah spesifik seperti teks kecil atau bahan rumit. Sertakan penyuntingan dan percobaan ulang saat menghitung total biaya setiap gambar akhir yang dapat digunakan.

Membandingkan GPT Image 2 dengan GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare, dan GPT Image 2.5 Sunburst

Dibandingkan dengan GPT Image 1.5: tingkatkan dulu tugas yang paling banyak memerlukan pengerjaan ulang

Dalam perbandingan high pada peringkat AA yang sama, GPT Image 2 mendapat skor lebih tinggi daripada Image 1.5 untuk pembuatan teks-ke-gambar, tetapi selisih biaya bergantung pada dimensi. Dalam contoh resmi OpenAI, biaya keluaran pada 1024×1024 dan high masing-masing USD 0.211 serta USD 0.133; pada 1536×1024 dan high, masing-masing USD 0.165 serta USD 0.200. Perbandingan teks-ke-gambar AA · Tabel biaya resmi dengan dimensi sama

Jika sering membuat ulang gambar karena teks kemasan, tata letak poster, atau komposisi kompleks, coba Image 2 terlebih dahulu. Untuk tugas sederhana yang sudah secara andal menghasilkan gambar layak, alur kerja yang ada dapat dipertahankan sementara.

Dibandingkan dengan Nano Banana 2: bandingkan tingkat kualitas bersama anggaran massal

Nano Banana 2 merujuk pada gemini-3.1-flash-image Google, yang secara resmi berfokus pada kecepatan, efisiensi, dan throughput tinggi. Dengan penagihan standar, keluaran gambar 1K berbiaya sekitar USD 0.067. Dibandingkan contoh resmi Image 2 di atas, angka ini lebih rendah daripada high USD 0.211 tetapi lebih tinggi daripada medium USD 0.053, sehingga setiap perbandingan biaya harus menyebut tingkat kualitas. Model dan harga resmi Google

Untuk gambar sosial dalam jumlah besar, kandidat thumbnail, dan ide yang perlu dicoba cepat, sertakan Nano Banana 2 dalam perbandingan. Untuk visual utama acara, tata letak kompleks, dan gambar dengan banyak teks, uji GPT Image 2 terlebih dahulu.

Dibandingkan dengan GPT Image 2.5 Flare: layak dievaluasi ulang untuk produk dengan penyuntingan gambar berulang

Ketika OpenAI merilis Image 2.5 pada 2026-09-08, penyedia menyatakan Flare memberikan kualitas gambar lebih tinggi daripada GPT Image 2 sambil mengurangi latensi pembuatan API sebesar 50%. Ini perbandingan yang dipublikasikan penyedia, dan pengumumannya tidak mencantumkan seluruh kondisi pengujian. Untuk tugas Anda sendiri, ukur ulang dengan dimensi dan pengaturan kualitas sendiri. Pengumuman rilis OpenAI Image 2.5

Jika membangun alat gambar online tempat pengguna berulang kali mengganti latar, warna, dan mencoba alternatif, jalankan kumpulan tugas yang sama melalui GPT Image 2.5 Flare serta GPT Image 2. Fokus pada waktu tunggu dan apakah subjek berubah setelah setiap penyuntingan. Untuk tim yang sudah mengintegrasikan Image 2, menurut kami Image 2.5 Flare layak mendapat uji perbandingan kecil sejak awal.

Dibandingkan dengan GPT Image 2.5 Sunburst: penyuntingan halus lebih menekankan pemeliharaan detail

OpenAI memosisikan Sunburst untuk tugas yang memerlukan kontrol penyuntingan lebih halus, seperti aset pemasaran akhir dan gambar produk yang dipoles, sambil menyebut waktu pembuatannya lebih lama daripada Flare. Dalam peringkat penyuntingan AA saat ini, Sunburst pada max mendapat 1183±8 Elo, sementara Image 2 pada high mendapat 1125±8 Elo. Posisi model OpenAI · Evaluasi penyuntingan AA

Berdasarkan masukan pelanggan, kasus penggunaan GPT Image 2.5 Sunburst cenderung lebih kompleks daripada Image 2. Image 2.5 Sunburst lebih baik untuk aset merek yang memerlukan beberapa putaran penyuntingan halus. Jika tugas melibatkan detail lebih kompleks, tingkatkan ke GPT Image 2.5 Sunburst untuk pengujian.

Pertanyaan Umum API GPT Image 2

Bagaimana memanggil API GPT Image 2 melalui API Hop?

Kami menyarankan terlebih dahulu masuk ke API Hop dan membuat API Key, lalu membaca dokumentasi kami atau meminta AI membantu menyiapkan koneksi.

Selesaikan pengujian pembuatan minimal melalui alat online terlebih dahulu, lalu integrasikan sesuai dokumentasi API GPT Image 2 API Hop saat ini. Dengan begitu, Anda dapat memverifikasi kesesuaian model untuk kebutuhan bisnis sebelum integrasi dan menghindari kesalahan membawa jalur endpoint serta parameter penyedia lain ke API Hop.

Mengapa pengaturan jumlah gambar, mask, atau ukuran menyebabkan kesalahan 400?

Periksa terlebih dahulu apakah kode lama mengirim parameter API lain. GPT Image 2 API Hop saat ini hanya mendukung n: 1, tidak memiliki rute /images/edits terpisah, dan tidak menerima multipart/form-data. Mengirim mask, mask_url, atau maskUrl mengembalikan 400. Untuk menyunting gambar, gunakan image_urls dan instruksi tertulis seperti dijelaskan di atas. Batas parameter API Hop

Untuk dimensi, Anda dapat menggabungkan size: "16:9" dengan resolution: "2k". Jika menentukan dimensi piksel langsung, dimensi tersebut diprioritaskan atas tingkat resolusi. Pilih kualitas auto, low, medium, atau high, bukan xhigh atau max milik Image 2.5. Mulai dengan kombinasi terdokumentasi dan sesuaikan satu parameter setiap kali, bukan mengubah beberapa sekaligus sehingga masalah lebih sulit diisolasi. Pengaturan ukuran dan kualitas API Hop

Mengapa b64_json tidak ada dalam hasil, dan bagaimana membaca gambar dari permintaan streaming?

Dengan stream: false, endpoint API Hop ini menunggu pembuatan selesai dan mengembalikan URL gambar; baca data[0].url. Periksa keberadaan URL sebelum mengunduh dan menyimpan gambar. API Images native OpenAI mengembalikan struktur gambar Base64 berbeda, sehingga kode penguraiannya tidak dapat langsung disalin. Struktur respons API Hop · Struktur respons native OpenAI

Dengan stream: true, lanjutkan pemrosesan SSE, tunggu peristiwa image_generation.completed, lalu baca URL gambarnya, dan teruskan hingga [DONE]. Endpoint ini tidak terlebih dahulu mengembalikan jobId, jadi jangan melakukan polling /v1/jobs/{id} untuk hasil gambar. Perlakukan "terhubung" dan "gambar dibuat" sebagai status terpisah. Penanganan hasil API Hop

Mengapa tidak sebaiknya langsung mencoba ulang setelah batas waktu, dan bagaimana menelusurinya?

Batas waktu atau penghentian penantian hanya berarti klien tidak terus menunggu hasil; bukan bukti bahwa server membatalkan pembuatan. Periksa riwayat yang tersedia dan penggunaan akun sebelum memutuskan mengirim ulang agar tidak berulang kali mengirim permintaan berbayar saat hasil belum jelas. Setelah berhasil, unduh gambar ke penyimpanan sendiri alih-alih menganggap URL keluaran sebagai lokasi penyimpanan permanen. Batas waktu dan penyimpanan gambar API Hop

Untuk kesalahan eksplisit, mulai dari kode status: periksa API Key untuk 401, saldo untuk 402, keberadaan atau aktivasi model untuk 404, dan frekuensi permintaan untuk 429; untuk 5xx, gunakan kesalahan spesifik untuk menilai masalah layanan atau pembuatan. Simpan waktu permintaan, model, parameter, dan detail kesalahan. Jangan sekadar menaikkan batas waktu atau menerapkan perilaku percobaan ulang yang sama untuk setiap kesalahan. Kode kesalahan API Hop