API GPT Image 2 สำหรับสร้างและแก้ไขภาพ

GPT Image 2 คืออะไร

โมเดล OpenAI สำหรับสร้างและแก้ไขภาพ

เราวาง GPT Image 2 เป็นโมเดลสร้างและแก้ไขสำหรับงานภาพ สามารถสร้างภาพใหม่จากคำอธิบายข้อความ หรือรับภาพอ้างอิงและปรับฉากตามคำขอ

ในทางปฏิบัติ เราสนใจว่าโมเดลเปลี่ยนโจทย์เป็นภาพที่ปรับต่อได้หรือไม่ เช่น โปสเตอร์พร้อมข้อความกิจกรรม ฉากสินค้า หรือภาพร่างหน้าหลักของแอป

เข้าใจข้อกำหนดภาพผ่านข้อความและภาพอ้างอิงความเที่ยงตรงสูง

ฟีเจอร์สำคัญของ GPT Image 2 คือประมวลผลภาพอ้างอิงร่วมกับคำสั่งข้อความ แนวทางทางการ OpenAI ระบุว่าภาพอินพุตถูกประมวลผลด้วยความเที่ยงตรงสูงอัตโนมัติ และ API ดั้งเดิมควรละพารามิเตอร์ input_fidelity สิ่งนี้ช่วยให้โมเดลใช้ข้อมูลบุคคล สินค้า และสไตล์จากต้นฉบับ

เราแนะนำให้อธิบายบทบาทภาพอ้างอิงแต่ละภาพ เช่น ภาพแรกให้รูปลักษณ์สินค้า ภาพที่สองให้สไตล์พื้นหลัง และข้อความกำหนดสิ่งที่เปลี่ยนได้ เมื่อเทียบกับขอเพียง “ทำให้ดูดีขึ้น” วิธีนี้ทำให้ตรวจและปรับผลได้ง่ายกว่า

ขนาดยืดหยุ่นและหลายระดับคุณภาพ

GPT Image 2 รองรับหลายขนาดเอาต์พุตสำหรับภาพสินค้าจัตุรัส ปกแนวตั้ง และโปสเตอร์แนวนอน API ทางการรองรับภาพแนวนอนสูงสุด 3840×2160 และขนาดแนวตั้งที่สอดคล้อง พร้อมระดับคุณภาพ low, medium, high และ auto

เลือกขนาดตามตำแหน่งแสดงจริง และคุณภาพตามรายละเอียดที่ต้องการกับต้นทุน สำหรับร่างที่ยังเปลี่ยนองค์ประกอบ เราแนะนำใช้ความละเอียดต่ำเพื่อยืนยันทิศทาง แล้วสร้างฉบับสุดท้ายความละเอียดสูงเมื่อสินค้า ข้อความ และเค้าโครงลงตัว

เครื่องมือออนไลน์และ API ของ GPT Image 2 บน API Hop

ผ่าน API Hop เราต้องการให้คุณทราบเร็วขึ้นว่า GPT Image 2 ทำงานกับงานของคุณอย่างไร หลังเข้าสู่ระบบและเติมเครดิตเล็กน้อย สร้างหรือแก้ภาพด้วยเครื่องมือออนไลน์ได้โดยไม่ต้องเขียนโค้ดเชื่อม API ก่อนหรือซื้อสมาชิกตายตัวเพื่อประเมินสั้น เมื่อผลตรงความต้องการจึงสร้าง API Key และเชื่อมเข้าแอป พร้อมลดความยุ่งยากดูแลบัญชีหลายแพลตฟอร์มโมเดล

ฟีเจอร์หลักและจุดแข็งของ GPT Image 2

ข้อความจีนและหลายภาษา: สร้างข้อความโปสเตอร์กับภาพร่วมกัน

เราให้คุณค่ากับความสามารถ GPT Image 2 ที่วางข้อความในภาพโดยตรง ในกรณีจริงที่ลูกค้าแบ่งปัน การเรนเดอร์อักษรจีนของ GPT Image 2 ดีขึ้นมากจาก gpt-image รุ่นก่อน ลูกค้ายังระบุข้อผิดพลาดที่เหลือในอักษร “笼” ของ “小笼包” (เสี่ยวหลงเปา) และข้อความขนาดเล็กบางส่วน

สำหรับโปสเตอร์กิจกรรม ภาพจุดขายสินค้า หรือปกหลายภาษา เราแนะนำให้ส่งข้อความสุดท้ายและระบุตำแหน่ง ขนาดสัมพัทธ์ และภาษาของแต่ละส่วน หัวข้อสั้นลองสร้างในภาพได้ ส่วนราคา วันที่ ข้อความยาว และข้อความที่ต้องถูกทั้งหมด แนะนำตรวจทุกตัวอักษร และจัดวางหรือแก้ด้วยมือภายหลังเมื่อจำเป็น

องค์ประกอบซับซ้อน: จัดการตัวแบบ เค้าโครง และข้อจำกัดละเอียดร่วมกัน

เราคิดว่า GPT Image 2 จัดการงานที่มีข้อกำหนดชัดหลายข้อในภาพเดียวได้ดี ลูกค้ารายหนึ่งแบ่งปันฉากเดสก์ท็อปที่มีหลายหน้าต่าง ข้อความ และกราฟิก ASCII แล้วแก้เนื้อหาหน้าต่างเบราว์เซอร์กับรูปสุนัขข้างในต่อ

สำหรับภาพโปรโมตสินค้า เราแนะนำระบุตัวแบบ พื้นหลัง ตำแหน่งข้อความ และพื้นที่ว่างร่วมกัน เช่น “วางสินค้าทางขวา เว้นหัวข้อทางซ้าย และเรียงสามจุดขายด้านล่าง” จากประสบการณ์กับ GPT Image 2 คุณอธิบายข้อกำหนดให้ละเอียดที่สุดได้ และโมเดลทำงานได้ดี

แก้จากภาพอ้างอิง: ปรับสื่อเดิมต่อเนื่อง

เราแนะนำ GPT Image 2 สำหรับแก้สื่อเดิม เช่น เปลี่ยนพื้นหลัง ลองชุดสี หรือสำรวจสไตล์ภาพอื่น ในการสนทนาสาธารณะ ผู้ใช้รายหนึ่งทำภาพจำลองจากภาพอ้างอิงและเห็นว่าสมจริงพอใช้ระดับมืออาชีพ อีกรายขอเปลี่ยนสีและรูปทรงเกล็ดบางจุดของงู แต่ผิดหวังกับผล ความคิดเห็นภาพอ้างอิง · การแก้เฉพาะจุดละเอียดที่ล้มเหลว

จากความคิดเห็นนี้ เราจะแนะนำงานที่เป้าหมายชัดและตรวจการเปลี่ยนแปลงได้ง่ายก่อน เช่น เมื่อเปลี่ยนพื้นหลังสินค้า ระบุว่าสัดส่วนขวด ข้อความฉลาก และตำแหน่งต้องคงเดิม หลังสร้างให้เทียบต้นฉบับกับผลข้างกัน โดยเฉพาะโลโก้ ขอบ และแสงสะท้อน หากบางบริเวณต้องคงเป๊ะ สามารถนำเฉพาะการเปลี่ยนที่ต้องการไปประกอบกับต้นฉบับภายหลัง

ภาพร่าง UI และข้อเสนอภาพ: นำแนวคิดผลิตภัณฑ์มาคุยได้เร็วขึ้น

ลูกค้าของเราหลายรายใช้ Images 2.0 ร่าง UI สำหรับแนวคิดผลิตภัณฑ์และตอบรับผลในทางบวก

หากวางแผนหน้าผู้ดูแล หน้าหลักแอป หรือเมนูเกม แนะนำให้ GPT Image 2 ทำหลายเค้าโครงก่อน แล้วใช้ภาพหารือลำดับข้อมูล สี และจุดเน้น สำหรับนักพัฒนาอิสระ วิธีนี้ช่วยสื่อแนวคิดได้ง่าย เมื่อทิศทางลงตัว จึงพัฒนาด้วยคอมโพเนนต์ ปฏิสัมพันธ์ และเค้าโครงตอบสนองจริง ภาพที่สร้างเองไม่มีงานพัฒนาเหล่านั้น

ตัวละครและสตอรีบอร์ด: สร้างลำดับรอบตัวแบบเดิม

เราคิดว่า GPT Image 2 น่าลองสำหรับออกแบบตัวละครและสำรวจสตอรีบอร์ดเล็ก ลูกค้ารายหนึ่งสร้างภาพบุคคลแบบมนุษย์จำแลงก่อน แล้วสร้างมุมข้างและภาพการกระทำ และพอใจที่รักษารูปลักษณ์ตัวละครได้ดี

เราแนะนำสร้างภาพอ้างอิงตัวละครหนึ่งภาพ แล้วลองมุมหน้า มุมข้าง และการกระทำหลักหนึ่งอย่าง ตรวจใบหน้า เสื้อผ้า สี และพื้นผิวฉากหลังแต่ละภาพ ขยายทั้งชุดหลังช็อตสำคัญผ่านแล้ว สำหรับเรื่องที่ต้องมีหลายภาพ แนะนำเก็บภาพอ้างอิงตัวละครต้นฉบับ แทนแก้ต่อจากผลที่คลาดเคลื่อนไปแล้วเรื่อย ๆ

เบนช์มาร์กและประสิทธิภาพ GPT Image 2

เราเก็บเวอร์ชันอันดับและระดับคุณภาพ และแยกการประเมินแบบปกปิดอย่างเป็นทางการ การทดสอบส่วนบุคคลขนาดเล็ก และประสบการณ์ใช้งาน

ประเมินข้อความเป็นภาพแบบปกปิด: AA High ถึง 1172 Elo

บนอันดับ AA-Image-T2I v2.0 ของ Artificial Analysis GPT Image 2 ที่ high ได้ 1172±8 Elo ปัจจุบันอันดับสาม ในอันดับเดียวกัน GPT Image 1.5 ที่ high ได้ 1107±8 และ Nano Banana 2 ได้ 1126±7 แสดงว่า GPT Image 2 ยังแข่งขันได้ภายใต้พรอมป์ต์และเกณฑ์ความชอบคนในการประเมินนี้ อันดับ AA ข้อความเป็นภาพ

สำหรับโปสเตอร์สินค้า ปกเนื้อหา และภาพที่ต้องมีองค์ประกอบชัด เราแนะนำใส่ในกลุ่มโมเดลแรกที่ลอง ทีมที่ใช้ Image 1.5 อยู่เริ่มเทียบโจทย์ที่เคยแก้งานมากที่สุดได้ โดยตรวจว่าข้อความ เค้าโครง และรายละเอียดตัวแบบดีขึ้นหรือไม่ ผลนี้มาจาก high เราไม่ใช้แทนระดับคุณภาพต่ำกว่าโดยตรง

แก้ภาพเดียว: Arena Medium ถึง 1462 คะแนน

อันดับแก้ภาพเดียวของ Arena ณ 2026-10-06 บันทึก GPT Image 2 ที่ medium ได้ 1462±3 อันดับสาม ส่วน AA-Image-Editing v2.0 ให้ระดับ high 1125±8 Elo อันดับหก ช่วงอันดับห้าถึงเจ็ด สองการประเมินใช้งาน ระดับคุณภาพ และมาตราส่วนคะแนนต่างกัน อันดับที่ต่างเตือนให้เราตรวจความต้องการแก้เฉพาะแยก อันดับแก้ภาพเดียว Arena · อันดับแก้ภาพ AA

เราแนะนำตรวจสองอย่างร่วมกัน: แก้ตามคำขอถูกหรือไม่ และเนื้อหาที่ไม่ควรเปลี่ยนถูกแก้ด้วยหรือไม่ สำหรับเปลี่ยนพื้นหลังสินค้า ตรวจทั้งพื้นหลังใหม่เป็นธรรมชาติ ข้อความบรรจุภัณฑ์ รูปทรง และสี งานที่ต้องรักษารายละเอียดเดิมเคร่งครัดควรเริ่มทดสอบเล็กก่อนวางแผนประมวลผลจำนวนมาก

ความเร็วสร้าง: วางแผนเวลารอตามคุณภาพและอัตราส่วน

ลูกค้าบางรายรอประมาณสองนาทีสำหรับภาพซับซ้อนผ่าน API ที่ high แนวทาง GPT Image 2 ของ OpenAI ระบุด้วยว่าภาพจัตุรัสมักสร้างเร็วสุด เวลาจริงขึ้นกับขนาดและเงื่อนไขคำขอ ประสบการณ์ใช้ API High · การตั้งค่าโมเดลทางการ

เราแนะนำกำหนดขนาดและคุณภาพคงที่ก่อน แล้วบันทึกเวลาตั้งแต่ส่งจนได้ภาพครบสำหรับงานปกติของคุณ ฟีเจอร์ที่ผู้ใช้แก้ภาพซ้ำให้ประเมิน medium ก่อน งานสุดท้ายซับซ้อนค่อยเทียบว่า high คุ้มรอไหม หากเวลารอกระทบประสบการณ์ชัด แนะนำลอง GPT Image 2.5 Flare ที่กล่าวด้านล่างด้วย

ต้นทุนสร้าง: ระดับคุณภาพในโมเดลเดียวมีราคาต่างกันมาก

OpenAI ระบุ ตัวอย่างต้นทุนเอาต์พุตต่อภาพ ต่อไปนี้สำหรับ GPT Image 2 ไม่รวมต้นทุนอินพุตข้อความและภาพอ้างอิง และไม่ใช่ราคาจริงของ API Hop ตัวอย่างต้นทุนทางการ OpenAI

เราใส่ใจการเปลี่ยนจาก medium เป็น high ที่ 1024×1024 เป็นพิเศษ ต้นทุนเอาต์พุตตัวอย่างสูงขึ้นเกือบสี่เท่า แต่ไม่ได้หมายถึงคุณภาพภาพดีขึ้นตามสัดส่วน แนะนำสร้างฐานที่ medium แล้วเทียบ high กับปัญหาเฉพาะ เช่น ข้อความเล็กหรือวัสดุซับซ้อน รวมการแก้และลองใหม่เมื่อคิดต้นทุนรวมต่อภาพสุดท้ายที่ใช้ได้

เปรียบเทียบ GPT Image 2 กับ GPT Image 1.5, Nano Banana 2, GPT Image 2.5 Flare และ GPT Image 2.5 Sunburst

เทียบ GPT Image 1.5: อัปเกรดงานที่ต้องแก้มากที่สุดก่อน

ในการเทียบ high บนอันดับ AA เดียวกัน GPT Image 2 ได้คะแนนข้อความเป็นภาพสูงกว่า Image 1.5 แต่ความต่างต้นทุนขึ้นกับขนาด ในตัวอย่างทางการ OpenAI ต้นทุนเอาต์พุตที่ 1024×1024 และ high คือ USD 0.211 กับ USD 0.133 ตามลำดับ ที่ 1536×1024 และ high คือ USD 0.165 กับ USD 0.200 การเทียบข้อความเป็นภาพ AA · ตารางต้นทุนขนาดเดียวกันทางการ

หากคุณสร้างซ้ำบ่อยเพราะข้อความบรรจุภัณฑ์ เค้าโครงโปสเตอร์ หรือองค์ประกอบซับซ้อน เราแนะนำลอง Image 2 ก่อน สำหรับงานง่ายที่ได้ภาพผ่านสม่ำเสมออยู่แล้ว คงเวิร์กโฟลว์เดิมไว้ก่อนได้

เทียบ Nano Banana 2: เปรียบเทียบระดับคุณภาพพร้อมงบงานจำนวนมาก

Nano Banana 2 ตรงกับ gemini-3.1-flash-image ของ Google ทางการวางไว้ด้านความเร็ว ประสิทธิภาพ และอัตราประมวลผลสูง ภายใต้การคิดเงินมาตรฐาน เอาต์พุตภาพ 1K มีต้นทุนประมาณ USD 0.067 เทียบตัวอย่างทางการ Image 2 ข้างต้น ต่ำกว่า high ที่ USD 0.211 แต่สูงกว่า medium ที่ USD 0.053 การเทียบต้นทุนจึงต้องระบุระดับคุณภาพ โมเดลและราคาทางการ Google

สำหรับภาพโซเชียลจำนวนมาก ตัวเลือกภาพย่อ และแนวคิดที่ต้องลองเร็ว เราแนะนำรวม Nano Banana 2 ในการเทียบ สำหรับภาพหลักกิจกรรม เค้าโครงซับซ้อน และภาพข้อความมาก แนะนำทดสอบ GPT Image 2 ก่อน

เทียบ GPT Image 2.5 Flare: ควรประเมินใหม่สำหรับผลิตภัณฑ์ที่แก้ภาพซ้ำ

เมื่อ OpenAI เปิดตัว Image 2.5 วันที่ 2026-09-08 ระบุว่า Flare ให้คุณภาพภาพสูงกว่า GPT Image 2 พร้อมลดความหน่วงสร้างผ่าน API 50% นี่เป็นการเปรียบเทียบจากผู้ขายและประกาศไม่ได้ระบุเงื่อนไขทดสอบครบ สำหรับงานของคุณให้วัดซ้ำด้วยขนาดและคุณภาพของตน ประกาศเปิดตัว OpenAI Image 2.5

หากสร้างเครื่องมือภาพออนไลน์ที่ผู้ใช้เปลี่ยนพื้นหลัง สี และลองตัวเลือกซ้ำ เราแนะนำรันชุดงานเดียวกันผ่าน GPT Image 2.5 Flare และ GPT Image 2 เน้นเวลารอและตัวแบบเปลี่ยนหลังแก้แต่ละครั้งหรือไม่ สำหรับทีมที่เชื่อม Image 2 แล้ว เราคิดว่า Image 2.5 Flare ควรได้รับการทดสอบเปรียบเทียบเล็กในลำดับต้น

เทียบ GPT Image 2.5 Sunburst: การแก้ละเอียดเน้นรักษารายละเอียดมากขึ้น

OpenAI วาง Sunburst สำหรับงานที่ต้องควบคุมการแก้ละเอียดขึ้น เช่น สื่อการตลาดพร้อมใช้และภาพสินค้ารีทัช พร้อมระบุว่าใช้เวลาสร้างนานกว่า Flare บนอันดับแก้ภาพ AA ปัจจุบัน Sunburst ที่ max ได้ 1183±8 Elo ส่วน Image 2 ที่ high ได้ 1125±8 Elo แนวทางโมเดล OpenAI · การประเมินแก้ภาพ AA

จากความคิดเห็นลูกค้า กรณีใช้ GPT Image 2.5 Sunburst มักซับซ้อนกว่า Image 2 โดย Image 2.5 Sunburst ทำได้ดีกว่าสำหรับสื่อแบรนด์ที่ต้องแก้ละเอียดหลายรอบ หากงานมีรายละเอียดซับซ้อนกว่า เราแนะนำอัปเกรดไปทดสอบ GPT Image 2.5 Sunburst

คำถามที่พบบ่อยเกี่ยวกับ GPT Image 2 API

เรียก GPT Image 2 API ผ่าน API Hop อย่างไร?

เราแนะนำเข้าสู่ระบบ API Hop และสร้าง API Key ก่อน แล้วอ่านเอกสารหรือให้ AI ช่วยตั้งค่าการเชื่อมต่อ

แนะนำทำการทดสอบสร้างขั้นต่ำด้วยเครื่องมือออนไลน์ก่อน แล้วเชื่อมตามเอกสาร GPT Image 2 API ปัจจุบันของ API Hop เพื่อยืนยันว่าโมเดลตอบโจทย์ธุรกิจก่อนเชื่อม และเลี่ยงนำเส้นทางเอนด์พอยต์กับพารามิเตอร์จากผู้ให้บริการอื่นมาใช้ผิดใน API Hop

เหตุใดการตั้งค่าจำนวนภาพ มาสก์ หรือขนาดทำให้เกิด 400?

แนะนำตรวจว่าโค้ดเก่าส่งพารามิเตอร์จาก API อื่นหรือไม่ GPT Image 2 ของ API Hop ปัจจุบันรองรับเพียง n: 1 ไม่มีเส้นทาง /images/edits แยก และไม่รับ multipart/form-data การส่ง mask, mask_url หรือ maskUrl คืน 400 หากแก้ภาพ ใช้ image_urls และคำสั่งข้อความตามข้างต้น ขอบเขตพารามิเตอร์ API Hop

ด้านขนาด ใช้ size: "16:9" ร่วมกับ resolution: "2k" ได้ หากระบุขนาดพิกเซลตรง จะมีลำดับเหนือระดับความละเอียด เลือกคุณภาพ auto, low, medium หรือ high ไม่ใช่ xhigh หรือ max ของ Image 2.5 แนะนำเริ่มจากชุดตามเอกสารแล้วปรับทีละพารามิเตอร์ แทนเปลี่ยนหลายตัวพร้อมกันจนหาสาเหตุยาก การตั้งค่าขนาดและคุณภาพ API Hop

เหตุใดผลไม่มี b64_json และควรอ่านภาพจากคำขอสตรีมอย่างไร?

เมื่อใช้ stream: false เอนด์พอยต์ API Hop นี้รอสร้างเสร็จแล้วคืน URL ภาพ อ่าน data[0].url แนะนำตรวจว่ามี URL ก่อนดาวน์โหลดเก็บภาพ OpenAI Images API ดั้งเดิมคืนโครงสร้างภาพ Base64 อีกแบบ จึงคัดลอกโค้ดแยกผลมาใช้ตรงไม่ได้ โครงสร้างคำตอบ API Hop · โครงสร้างคำตอบดั้งเดิม OpenAI

เมื่อใช้ stream: true ให้ประมวลผล SSE ต่อ รอเหตุการณ์ image_generation.completed แล้วอ่าน URL ภาพ และอ่านต่อจน [DONE] เอนด์พอยต์นี้ไม่คืน jobId ก่อน จึงไม่ต้องวนตรวจ /v1/jobs/{id} สำหรับผลภาพ แนะนำแยกสถานะ “เชื่อมต่อแล้ว” กับ “สร้างภาพแล้ว” การจัดการผล API Hop

เหตุใดไม่ควรลองใหม่ทันทีหลังหมดเวลา และควรตรวจปัญหาอย่างไร?

หมดเวลาหรือหยุดรอหมายเพียงไคลเอนต์ไม่รอผลต่อ ไม่ได้พิสูจน์ว่าเซิร์ฟเวอร์ยกเลิกการสร้าง เราแนะนำตรวจประวัติที่มีและการใช้บัญชีก่อนตัดสินใจส่งใหม่ เพื่อเลี่ยงคำขอคิดเงินซ้ำเมื่อผลยังไม่ทราบ หลังสำเร็จให้ดาวน์โหลดภาพไปพื้นที่เก็บของคุณ แทนใช้ URL ที่คืนเป็นที่เก็บถาวร หมดเวลาและบันทึกภาพ API Hop

สำหรับข้อผิดพลาดชัดเจน เริ่มจากสถานะ: ตรวจ API Key สำหรับ 401 ยอดคงเหลือสำหรับ 402 โมเดลมีหรือเปิดอยู่หรือไม่สำหรับ 404 และความถี่คำขอสำหรับ 429 ส่วน 5xx ใช้ข้อผิดพลาดเฉพาะประเมินปัญหาบริการหรือการสร้าง แนะนำเก็บเวลาคำขอ โมเดล พารามิเตอร์ และรายละเอียดข้อผิดพลาด อย่าเพียงเพิ่มหมดเวลาหรือใช้พฤติกรรมลองใหม่เหมือนกันทุกข้อผิดพลาด รหัสข้อผิดพลาด API Hop