API GPT Image 2.5 Sunburst do generowania i edycji obrazów
Sprawdź ceny tokenów GPT Image 2.5 Sunburst i przykłady edycji obrazów referencyjnych. Sprawdź formaty generowania, ustawienia jakości i limity wejściowych obrazów.
Cena referencyjna nie została niezależnie zweryfikowana. Przed porównaniem kosztów sprawdź aktualny cennik wydawcy, jednostki rozliczeniowe i obowiązujące warunki.
Poniższe obrazy przypisano temu modelowi w podlinkowanym przewodniku poleceń OpenAI; nie są zarejestrowanymi wynikami API Hop. Wyświetlane polecenia i ustawienia to przykłady żądań do ponownego użycia, a nie zweryfikowane parametry odtworzenia; dostosowane polecenia są oznaczone. Przed użyciem edycji porównaj geometrię, napisy i niezamierzone zmiany z wejściem.
Zobacz polecenie
Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.
He has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.
He is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens.
Soft coastal daylight, shallow depth of field, subtle film grain, natural color balance.
The image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.
Give me a cool in culture ad / fashion shot for a brand called Thread.
It's a hip young street brand. The ad shows a group of friends hanging out together with the tagline "Yours to Create."
Make it feel like a polished campaign image for a youth streetwear audience: stylish, contemporary, energetic, and tasteful.
Use clean composition, strong color direction, natural poses, and premium fashion photography cues.
Render the tagline exactly once, clearly and legibly, integrated into the ad layout.
No extra text, no watermarks, no unrelated logos.
Create an original, non-infringing logo for a company called Field & Flour, a local bakery.
The logo should feel warm, simple, and timeless. Use clean, vector-like shapes, a strong silhouette, and balanced negative space.
Favor simplicity over detail so it reads clearly at small and large sizes. Flat design, minimal strokes, no gradients unless essential.
Fully transparent background. Deliver a single centered logo with generous padding, clean alpha edges, and no solid backdrop, scenery, checkerboard, or watermark.
Zarejestrowano 22 października 2026 przez API Hop. Każdy wynik to jedno żądanie wskazanego modelu i trybu, a nie gwarancja skuteczności, szybkości ani jakości produkcyjnej. Poniższe odpowiedzi modeli pozostają w oryginalnym języku.
Porównanie wizualne pokazuje białe tło i zasadniczo zachowany obiekt oraz układ, z niewielkimi zmianami powierzchni i odbić. To nie jest edycja zachowująca pierwszy plan piksel w piksel. Porównaj krawędź szklanki, lód, poziom płynu, cytrynę, liść i podstawę z oryginalnym obrazem.
Ta odpowiedź nie powtórzyła nazwy modelu. Zapis zachowuje dokładny żądany model i ID żądania; nie weryfikuje niezależnie routingu do dostawcy.
Pełne żądanie i dane wejściowe
POST /openai/v1/images/generations
{
"model": "gpt-image-2.5-sunburst",
"prompt": "Edit the supplied product photograph. Replace only the turquoise background with a plain white studio background. Keep the same clear glass, orange drink level, ice, pedestal, lemon wedge and green leaf, with their shapes, colors and relative positions unchanged. Preserve the full composition. No new objects, text, logos or watermarks.",
"image_urls": [
"https://api.apihop.ai/generated/364459846248173568/0.png"
],
"n": 1,
"size": "16:9",
"resolution": "1k",
"quality": "low",
"output_format": "png",
"stream": false
}
Poniższe obrazy przypisano temu modelowi w podlinkowanym przewodniku poleceń OpenAI; nie są zarejestrowanymi wynikami API Hop. Wyświetlane polecenia i ustawienia to przykłady żądań do ponownego użycia, a nie zweryfikowane parametry odtworzenia; dostosowane polecenia są oznaczone. Przed użyciem edycji porównaj geometrię, napisy i niezamierzone zmiany z wejściem.
Zobacz polecenie
Extract the product from the input image and isolate it on a fully transparent background.
Output: centered product, crisp silhouette, no halos/fringing.
Preserve product geometry and label legibility exactly.
Add only light polishing. Do not add a solid backdrop, checkerboard, scenery, or shadow.
Do not restyle the product; remove the background and preserve clean alpha transparency.
Turn this drawing into a photorealistic image.
Preserve the exact layout, proportions, and perspective.
Choose realistic materials and lighting consistent with the sketch intent.
Do not add new elements or text.
In this room photo, replace ONLY the white chairs with chairs made of wood.
Preserve camera angle, room lighting, floor shadows, and surrounding objects.
Keep all other aspects of the image unchanged.
Photorealistic contact shadows and fabric texture.
Flagowy model OpenAI do precyzyjnego generowania i edycji obrazów
GPT Image 2.5 Sunburst to model generowania i edycji obrazów wydany przez OpenAI 8 września 2026. Jest też wariantem rodziny GPT Image 2.5 mocniej nastawionym na jakość obrazu i precyzję edycji.
Największą zmianą Sunburst jest naszym zdaniem nie samo generowanie bardziej dopracowanych obrazów, lecz dokładniejsze rozumienie, co użytkownik chce zmienić, a co powinno pozostać niezmienione.
Na przykład w reklamie produktu można chcieć tylko zmienić jego kąt, światło tła lub fragment tekstu, bez zmiany wyglądu produktu i kompozycji całości. Sunburst jest optymalizowany do takiej pracy wymagającej precyzyjnej kontroli.
OpenAI pozycjonuje Sunburst do zaawansowanej pracy twórczej i szczegółowej edycji. W porównaniu z Flare z tej samej rodziny chętniej poświęca czas generowania na większą precyzję wyniku.
Zalecamy najpierw testować Sunburst, jeśli biznes opiera się głównie na wysokiej jakości obrazach końcowych, na przykład fotografii komercyjnej, reklamach i materiałach marki. Jeśli jednak potrzebujesz szybko wielu obrazów, Flare może być bardziej odpowiedni.
Model wizualny obsługujący tekst na obraz, edycję referencji i kompozycję wielu obrazów
GPT Image 2.5 Sunburst nie jest tylko modelem tekst na obraz. Przyjmuje też istniejące obrazy i używa tekstowych instrukcji do edycji, przenoszenia stylów i łączenia wielu referencji.
Ta zdolność jest naszym zdaniem bliższa rzeczywistej pracy projektowej niż samo generowanie z tekstu, ponieważ użytkownicy zwykle nie poprzestają na pierwszym obrazie i muszą dopracowywać szczegóły.
Możesz na przykład przesłać postać, tło wnętrza i referencję ubrania, a potem poprosić o ponowne wygenerowanie sceny z określonymi pozycjami i relacjami.
W testach Genflick we wrześniu 2026 rodzina GPT Image 2.5 ukończyła kompozycję postaci i sceny z trzech referencji, zachowując ubiór, cechy tła i wskazane pozycje po lewej i prawej.
Nie oznacza to oczywiście bezbłędności złożonych kompozycji. Przy wyglądzie produktu, tożsamości postaci lub logo marki dostarczaj jasne oryginały i wyraźnie określaj cechy do zachowania.
Model obrazowy z sześcioma poziomami jakości i własnymi rozdzielczościami
GPT Image 2.5 Sunburst obsługuje sześć jakości: low, medium, high, xhigh, max i auto, z domyślnym auto.
Oficjalnie zalecane rozdzielczości to 1024x1024, 1536x1024 i 1024x1536; własne rozdzielczości są obsługiwane, jeśli spełniają ograniczenia wymiarów. Model obsługuje wyjście z liczbą pikseli zbliżoną do 4K, choć wyższe rozdzielczości nadal mają ograniczenia eksperymentalne.
Największa wartość ustawień jakości to naszym zdaniem kontrola kosztów według potrzeb biznesu zamiast max w każdym scenariuszu. Jak wielokrotnie zaznaczaliśmy przy innych modelach, najwyższe ustawienie rozumowania nie musi dawać najlepszego wyniku.
Na przykład do zwykłych ilustracji artykułów mogą wystarczyć medium lub high. Dla komercyjnych obrazów pokazujących szczegóły produktu można dodatkowo sprawdzić xhigh i max.
Wyższa jakość nie oznacza lepszego spełnienia każdego wymagania. Niektóre praktyczne testy wykazały nawet dodawanie dekoracji niezamówionych przez użytkownika przy wyższych ustawieniach.
Zalecamy ustalić kompozycję i treść przy tańszym ustawieniu, a potem zwiększyć jakość końcowych materiałów. To rozsądniejsze podejście.
Narzędzia online i API GPT Image 2.5 Sunburst w API Hop
Przez API Hop chcemy umożliwić wcześniejsze poznanie GPT Image 2.5 Sunburst w rzeczywistych scenariuszach, bez poświęcania najpierw dużej ilości czasu na integrację API.
Wystarczy zalogować się do API Hop, utworzyć klucz API i dodać niewielkie saldo, aby ocenić model online. Nie trzeba wcześniej pisać kodu API ani kupować stałego planu do krótkiego testu, a zarządzanie kontami wielu platform staje się prostsze.
Główne funkcje i mocne obszary GPT Image 2.5 Sunburst
Precyzyjna edycja: tylko wskazana treść, z możliwie pełnym zachowaniem innych szczegółów
Za najbardziej godną uwagi zdolność GPT Image 2.5 Sunburst uważamy precyzyjną edycję.
Dość częsty problem wcześniejszych modeli polegał na tym, że użytkownik chciał zmienić drobny szczegół, a model zmieniał też twarz, kształt produktu lub całe tło.
Sunburst optymalizowano do tej sytuacji. OpenAI szczególnie podkreśla miejscowe edycje złożonych obiektów i teł przy możliwie pełnym zachowaniu obiektu, kompozycji i elementów marki.
Klient e-commerce porównał Sunburst i Flare. Przy tym samym prompcie produktu i wielu jakościach Sunburst bardziej konsekwentnie zachowywał perspektywę, refleksy i kompozycję, a Flare częściej przebudowywał obraz przy różnych ustawieniach.
Zdolność ta dobrze pasuje naszym zdaniem do zdjęć produktów e-commerce, materiałów reklamowych i miejscowych modyfikacji istniejących projektów.
Spójność postaci i referencji: ciągła twórczość i zasoby postaci
Spójność postaci zawsze była ważna dla użytkowników tworzących AI komiksy, ilustracje historii i materiały marketingowe.
Bardziej interesuje nas, czy Sunburst zachowuje kluczowe cechy postaci, takie jak budowa twarzy, fryzura, akcesoria i ogólny styl, przy zmianie pozy, stroju lub tła.
Podczas premiery OpenAI szczególnie pokazał przenoszenie postaci z referencji do różnych scen, zmianę wyglądu i kolejne edycje.
Klient tworzący krótkie dramaty powiedział, że prompty wcześniej niedające zadowalających wyników wyraźnie poprawiły się z API Sunburst, szczególnie chwaląc spójność postaci i jakość obrazu.
Uważamy Sunburst za odpowiedni do wielu reklam tej samej postaci, sekwencyjnych ilustracji i postaci marki wymagających stałej tożsamości wizualnej.
Najpierw ustal zaakceptowaną referencję postaci, a potem generuj z niej różne sceny. Spójność bazowych zasobów przed tworzeniem końcowych obrazów daje lepsze rezultaty.
Fotografia komercyjna: naturalniejsze światło, materiały i szczegóły produktu
Fotografię komercyjną produktów uważamy za kolejne ważne zastosowanie Sunburst.
W GPT Image 2.5 OpenAI skupił się na naturalnym świetle, fakturach materiałów i zachowaniu szczegółów referencji. Sunburst dodatkowo akcentuje wysokiej jakości obrazy końcowe.
Na przykład klient e-commerce generował promocje kosmetyku. Przesłał Sunburst referencję do obrazów produktu z różnymi tłami, wymagając niezmienionych proporcji butelki, kolorów opakowania i logo. Był bardzo zadowolony z wyników.
Ocena fotografii komercyjnej nie polega jednak tylko na atrakcyjnym wyglądzie. Everypixel przeprowadził we wrześniu 2026 ślepy test 48 scenariuszy. Udział preferencji fotorealizmu Sunburst względem Qwen Image 2 wyniósł 69.0%. Względem GPT Image 2 było to jednak tylko 52.7%, z przedziałem ufności obejmującym 50%, więc nie można uznać tego za wyraźną przewagę fotorealizmu.
To użyteczny punkt odniesienia. Mocne strony Sunburst mogą bardziej dotyczyć przestrzegania instrukcji i kontroli edycji niż wyraźnie większego realizmu każdego obrazu.
W zdjęciach produktów osobno sprawdzaj kształt, tekst opakowania, wiarygodne światło i cienie oraz szczegóły tła. E-commerce zależy od zgodności rzeczywistego produktu z prezentacją. Rozbieżność może osłabić zaufanie do marki.
Tekst i złożone układy: plakaty, infografiki i projekty wizualne produktów
W plakatach reklamowych i grafikach marketingowych model musi nie tylko wygenerować obraz, lecz także poprawnie obsłużyć tekst, liczby i układ.
Uważamy, że Sunburst ma już w tym obszarze znaczną wartość praktyczną.
Kilku klientów zgłaszało satysfakcjonujące wyniki Sunburst w konkretnych zadaniach, takich jak plakaty i dziewięciokadrowe storyboardy, z wyraźnie mniejszą liczbą poprawek, czasem z powodzeniem za pierwszym razem.
Na podstawie tych konkretnych zastosowań uważamy Sunburst za wart rzeczywistej pracy nad promocjami z niewielką ilością jasno wskazanego tekstu. Obrazy z obszernym tekstem, złożonym układem lub ścisłymi wymaganiami marki nadal wymagają człowieka.
Wyraźnie określ tekst, położenie, względne rozmiary i elementy zabronione. Preferujemy ustrukturyzowany prompt, który może pomóc uzyskać lepsze obrazy.
Kolejne edycje i produkcja materiałów marki: mniej powtórnego generowania
Bardziej niż pojedynczy ładny obraz interesuje nas dopasowanie Sunburst do rzeczywistego procesu projektowego.
W pracy komercyjnej projektanci zwykle tworzą szkic i wielokrotnie poprawiają go na podstawie uwag: zmieniają położenie produktu, kolory tła, tekst i wersje dla różnych kanałów.
Rodzina GPT Image 2.5 poprawia zachowanie szczegółów w kolejnych edycjach, a Sunburst mocniej stawia na precyzję.
Klient, deweloper długo korzystający z GPT Image API, powiedział, że wcześniej wygenerował ponad około 80,000 obrazów i podczas testowania nowej wersji zauważył poprawę wykorzystania referencji oraz elementów interfejsu względem GPT Image 2.5.
Dla zespołów marketingowych rzeczywistym pytaniem jest naszym zdaniem liczba poprawek potrzebnych od szkicu do końcowego materiału.
Benchmarki i wydajność GPT Image 2.5 Sunburst
W tej sekcji odnosimy się do danych testowych Artificial Analysis, Arena, Everypixel i Quantslant oraz części doświadczeń klientów.
Jakość tekstu na obraz: 1198 Elo w AA-Image-T2I v2.0
W rankingu AA-Image-T2I v2.0 Artificial Analysis GPT Image 2.5 Sunburst osiągnął 1198 Elo na max, zajmując wtedy pierwsze miejsce.
W tym samym rankingu GPT Image 2.5 Flare Max uzyskał 1191 Elo, a GPT Image 2 High 1172 Elo.
Ocena używa anonimowych porównań obrazów parami i liczy Elo z preferencji ludzkich oceniających, co zbliża ją do oceny ogólnej jakości obrazu przez użytkowników.
Zaznaczamy jednak, że przedziały ufności 95% Sunburst i Flare nakładają się, co wskazuje na stosunkowo bliską ogólną jakość tekstu na obraz.
Gdy biznes głównie generuje zwykłe obrazy z tekstu, najpierw testuj Flare, a Sunburst dodaj do porównania przy wyższych wymaganiach końcowych.
W AA-Image-Editing v2.0 Artificial Analysis Sunburst Max uzyskał 1183 Elo, wobec 1163 Elo Flare Max i 1125 Elo GPT Image 2 High.
Ten wynik wyraźniej odzwierciedla naszym zdaniem pozycjonowanie Sunburst niż wynik tekstu na obraz.
Edycja nie polega na generowaniu od zera, lecz na spełnieniu oczekiwań użytkownika na podstawie istniejącego obrazu i żądanych zmian. Według danych klientów proporcja edycji do tworzenia od zera wynosi około 3:1. Zestaw wyników wskazuje więc na stosunkowo jasną przewagę Sunburst w edycji.
Jeśli rozwijasz edytor obrazów AI, narzędzie wymiany tła produktu lub uzupełniania obrazu, priorytetowo testuj Sunburst zamiast wybierać tylko według rankingu tekstu na obraz.
Edycja wielu referencji: 1535 w Arena Multi Image Edit
W rankingu Multi Image Edit Arena GPT Image 2.5 Sunburst uzyskał 1535±9, Flare 1501±8, a GPT Image 2 Medium 1454±4. Wyniki były wtedy nadal oznaczone jako wstępne.
Uważamy ten wynik za szczególnie ważny dla aplikacji łączących wiele referencji.
Na przykład łączenie osób, ubrań i scen z różnych obrazów wymaga nie tylko zrozumienia każdego z nich, ale też pozycji, proporcji i relacji wizualnych między obiektami.
Wyniki Arena wynikają jednak z preferencji użytkowników i nie oznaczają dokładnego odtworzenia każdego obiektu. Dla zestawów produktów, portretów grupowych i złożonych scen nadal traktuj ręczny przegląd szczegółów jako niezbędny krok.
Ślepy test fotografii komercyjnej: tylko 52.7% preferencji fotorealizmu względem GPT Image 2
Everypixel przetestował 48 scenariuszy fotografii komercyjnej z anonimowymi ocenami 13 członków zespołu produkcyjnego.
Porównanie Sunburst i GPT Image 2 dało trzy główne wyniki: udział preferencji fotorealizmu 52.7%, zgodności z promptem 55.2% i estetyki 56.7%.
Test przypomina naszym zdaniem, że 52.7% nie ustanawia wyraźnej statystycznej przewagi fotorealizmu. Sunburst ma nieznaczną przewagę instrukcji i estetyki, ale te korzyści też są stosunkowo ograniczone.
Zespołom już używającym GPT Image 2 do fotografii komercyjnej odradzamy więc pośpieszną migrację całości. Zacznij od Sunburst przy precyzyjnej edycji, złożonej kompozycji i tekście, a potem zdecyduj o zmianie.
Szybkość i koszt: około 28 sekund na High i 78 sekund na Max
Quantslant testował szybkość i koszt Sunburst oraz Flare z tym samym promptem.
Przy rozdzielczości 1536×864 wyniki były następujące:
Jakość
Czas Sunburst
Czas Flare
Koszt obrazu
Medium
14.0 s
12.8 s
$0.0086
High
27.8 s
17.9 s
$0.033
Max
77.8 s
37.6 s
$0.130
Dane pochodzą z konkretnego środowiska, z niewielką liczbą próbek Medium. Nie należy traktować ich jako stałych czasów platformy ani stałych cen.
Najważniejsze jest naszym zdaniem to, że Sunburst i Flare używają tych samych oficjalnych stawek tokenów, ale Sunburst trwa wyraźnie dłużej przy wyższej jakości. Zmiana High na Max znacznie zwiększa też koszt obrazu, bez koniecznie proporcjonalnej poprawy. Wielokrotnie podkreślaliśmy, że wyższe ustawienia rozumowania zajmują więcej czasu, ale nie muszą dawać najlepszych wyników. To nieintuicyjny punkt, który stale przypominamy klientom.
Przy ocenie zwykłych obrazów zacznij od High. Max próbuj przy wartościowych reklamach lub końcowych obrazach z zachowaniem złożonych szczegółów. Dla szybkiego generowania i kolejnych podglądów mocniej rekomendujemy Flare.
GPT Image 2.5 Sunburst w porównaniu z Flare, GPT Image 2, Nano Banana 2.1 i MAI-Image-2.6
W porównaniu z GPT Image 2.5 Flare: priorytet precyzji edycji lub szybkości generowania
Sunburst i Flare są naturalnymi modelami do porównania, bo należą do tej samej generacji produktu, ale optymalizowano je do różnych potrzeb biznesowych.
Według niezależnych testów Artificial Analysis różnica jakości tekstu na obraz jest niewielka. Sunburst Max ma 1198 Elo, a Flare Max 1191 Elo.
W edycji przewaga Sunburst jest jednak wyraźniejsza, z wynikami odpowiednio 1183 i 1163 Elo.
Pod względem szybkości Quantslant stwierdził, że Flare jest wyraźnie szybszy na High, a różnica rośnie na Max.
Nie traktujemy tych modeli jako prostego następcy i zamiennika, a ich zastosowania nie są identyczne.
Przy generatorze ilustracji blogowych, ogólnej witrynie tekst na obraz lub wsadowych materiałach społecznościowych zalecamy priorytet Flare.
Jeśli produkt wymaga przesyłania referencji i powtarzanej precyzyjnej edycji osób, produktów oraz miejscowych obszarów, mocniej zalecamy Sunburst.
Platformom z generowaniem i edycją rekomendujemy Flare do szybkiego tworzenia, a Sunburst do szczegółowego dopracowania. Testy Flare i Sunburst zalecamy zaczynać od high.
W porównaniu z GPT Image 2: nowa wersja lepsza do edycji, ale nie każdy obraz komercyjny wymaga migracji
GPT Image 2 jest ważnym odniesieniem dla Sunburst, bo wiele aplikacji używających obrazów OpenAI musi zdecydować o opłacalności aktualizacji.
W ocenach Artificial Analysis Sunburst ma wyższe Elo niż GPT Image 2 zarówno dla tekstu na obraz, jak i edycji.
Ślepy test fotografii komercyjnej Everypixel daje jednak inną perspektywę. Sunburst nie pokazał wyraźnej statystycznej przewagi fotorealizmu.
Wskazuje to naszym zdaniem, że najważniejsza jest obsługa złożonych wymagań i edycji, a nie zdolność tworzenia wyraźnie atrakcyjniejszych obrazów w każdym scenariuszu komercyjnym.
Jakości też różnią się między wersjami. GPT Image 2 obsługuje najwyżej High, a Sunburst dodaje XHigh i Max, dając więcej konfiguracji końcowego wyjścia.
Zespołom już używającym GPT Image 2 zalecamy najpierw migrować edycję i kompozycje wielu referencji. Dla stabilnych zdjęć prezentacyjnych produktów i ilustracji artykułów zachowaj na początek stary model do porównania.
Nie zalecamy zastępować każdego zadania tylko dlatego, że Sunburst jest nowszy. Właściwe podejście to decyzja po testach zastosowań biznesowych.
W porównaniu z Nano Banana 2.1: wyższe preferencje edycji a niższy koszt generowania
Nano Banana 2.1 jest modelem generowania i edycji Google oraz opcją międzyplatformową wartą rozważenia przy ocenie Sunburst.
W AA-Image-T2I v2.0 Artificial Analysis Sunburst Max ma 1198 Elo, a Nano Banana 2.1 1160 Elo.
W rankingu edycji wyniki to odpowiednio 1183 i 1137 Elo.
Te dwa wyniki dają Sunburst przewagę w niezależnych testach preferencji.
Trzeba jednak uwzględnić koszt. Przy odpowiadających standaryzowanych ustawieniach Artificial Analysis podaje około $210.7 za tysiąc obrazów Sunburst i około $33.6 za tysiąc obrazów Nano Banana 2.1. Liczby dotyczą tylko tych konfiguracji oceny, nie są stałym kosztem dowolnych wymiarów i jakości.
Jeśli zależy Ci na wyższej jakości edycji, priorytetowo testuj Sunburst. Jeśli biznes potrzebuje dużej liczby obrazów, przewaga kosztu Nano Banana 2.1 zasługuje na dokładną ocenę.
W porównaniu z MAI-Image-2.6: inne wybory dla precyzyjnej grafiki i produkcji masowej
MAI-Image-2.6 to model generowania obrazów Microsoft AI, również wart testowania przy doborze modeli do komercyjnego generowania.
W rankingu tekstu na obraz Artificial Analysis Sunburst Max ma 1198 Elo, wobec 1151 Elo MAI-Image-2.6. W edycji wyniki to odpowiednio 1183 i 1139 Elo.
Oba testy pokazują prowadzenie Sunburst w ludzkich preferencjach. Standaryzowane koszty generowania tysiąca obrazów w tej samej ocenie wynoszą odpowiednio około $210.7 i $38.9.
Sunburst zasługuje naszym zdaniem na priorytet przy reklamach premium, szczegółowych zdjęciach produktów i materiałach marki przechodzących wiele rund edycji.
Jeśli jednak generujesz masowo tła dla dużego katalogu produktów lub stale wiele ilustracji dla witryny treściowej, MAI-Image-2.6 może być bardziej ekonomiczny.
W aplikacjach o dużym wolumenie najpierw określ minimalną akceptowalną jakość, a potem wybierz model spełniający ją przy niższym łącznym koszcie, zamiast po prostu używać lidera rankingu.
Częste pytania o integrację API GPT Image 2.5 Sunburst
Jak wywołać ten model przez API Hop?
Utwórz klucz API API Hop dla serwera, a następnie wyślij JSON do POST /openai/v1/images/generations z ID modelu widocznym na tej stronie i prompt. Pomiń image_urls przy generowaniu nowego obrazu. Sprawdź aktualną cenę modelu przed wysłaniem; generowanie jest płatne i nie jest bezpłatnym testem połączenia.
Jak edytować obrazy referencyjne przez API Hop?
Wyślij wybrany model, polecenie edycji i image_urls do POST /openai/v1/images/generations. Podaj maksymalnie 16 publicznie dostępnych adresów HTTP(S) obrazów. Ten punkt końcowy API Hop używa JSON zarówno do generowania, jak i edycji obrazów referencyjnych. Obecny publiczny kontrakt nie obsługuje przesyłania multipart, URI danych base64, mask ani osobnej ścieżki /images/edits. Opisz, co zmienić i które szczegóły zachować, a następnie sprawdź każdy wynik. Aby kontynuować edycję, prześlij poprzedni wynik jako referencyjny URL; ten punkt końcowy nie przechowuje historii rozmowy.
Gdzie są linki do wygenerowanych obrazów?
Przy stream: false API Hop czeka na zakończenie i zwraca adresy obrazów w data[].url wraz z dostępnymi informacjami o użyciu. Sprawdź status HTTP i treść odpowiedzi przed odczytem wyniku. Używaj udokumentowanego formatu odpowiedzi tego punktu końcowego zamiast parsera odpowiedzi Base64 dostawcy. Pobierz gotowe obrazy do własnej pamięci, jeśli aplikacja wymaga długotrwałego dostępu.
Jak odczytywać wyniki strumieniowe?
Przy stream: true odczytuj zdarzenia SSE do image_generation.completed i [DONE] oraz obsługuj zdarzenia błędów. Nie ma gwarancji częściowych podglądów obrazów. Ten punkt końcowy Images generations nie zwraca ID zadania do odpytywania. Jeśli połączenie zakończy się przed ukończeniem, zachowaj dostępne identyfikatory żądania i sprawdź zapisy żądania oraz użycie konta przed ponownym, potencjalnie płatnym generowaniem. Rozłączenie klienta nie dowodzi anulowania generowania.
curl -X POST "https://api.apihop.ai/openai/v1/images/generations" \
-H "Authorization: Bearer <API_KEY>" \
-H "Content-Type: application/json" \
-d '{"model":"gpt-image-2.5-sunburst","prompt":"Create a photorealistic candid photograph of an elderly sailor standing on a small fishing boat.\nHe has weathered skin with visible wrinkles, pores, and sun texture, and a few faded traditional sailor tattoos on his arms.\nHe is calmly adjusting a net while his dog sits nearby on the deck. Shot like a 35mm film photograph, medium close-up at eye level, using a 50mm lens.\nSoft coastal daylight, shallow depth of field, subtle film grain, natural color balance.\nThe image should feel honest and unposed, with real skin texture, worn materials, and everyday detail. No glamorization, no heavy retouching.","n":1,"size":"1:1","quality":"low","output_format":"png","stream":false,"resolution":"1k","image_urls":[],"background":"auto"}'
Limity żądań i odpowiedzi API Hop
Utwórz klucz API API Hop dla serwera, a następnie wyślij JSON do POST /openai/v1/images/generations z ID modelu widocznym na tej stronie i prompt. Pomiń image_urls przy generowaniu nowego obrazu. Sprawdź aktualną cenę modelu przed wysłaniem; generowanie jest płatne i nie jest bezpłatnym testem połączenia.
Wyślij wybrany model, polecenie edycji i image_urls do POST /openai/v1/images/generations. Podaj maksymalnie 16 publicznie dostępnych adresów HTTP(S) obrazów. Ten punkt końcowy API Hop używa JSON zarówno do generowania, jak i edycji obrazów referencyjnych. Obecny publiczny kontrakt nie obsługuje przesyłania multipart, URI danych base64, mask ani osobnej ścieżki /images/edits. Opisz, co zmienić i które szczegóły zachować, a następnie sprawdź każdy wynik. Aby kontynuować edycję, prześlij poprzedni wynik jako referencyjny URL; ten punkt końcowy nie przechowuje historii rozmowy.
Przy stream: false API Hop czeka na zakończenie i zwraca adresy obrazów w data[].url wraz z dostępnymi informacjami o użyciu. Sprawdź status HTTP i treść odpowiedzi przed odczytem wyniku. Używaj udokumentowanego formatu odpowiedzi tego punktu końcowego zamiast parsera odpowiedzi Base64 dostawcy. Pobierz gotowe obrazy do własnej pamięci, jeśli aplikacja wymaga długotrwałego dostępu.
Przy stream: true odczytuj zdarzenia SSE do image_generation.completed i [DONE] oraz obsługuj zdarzenia błędów. Nie ma gwarancji częściowych podglądów obrazów. Ten punkt końcowy Images generations nie zwraca ID zadania do odpytywania. Jeśli połączenie zakończy się przed ukończeniem, zachowaj dostępne identyfikatory żądania i sprawdź zapisy żądania oraz użycie konta przed ponownym, potencjalnie płatnym generowaniem. Rozłączenie klienta nie dowodzi anulowania generowania.
