gpt-image-2.5 一張圖多少錢？

這裡按張計價、分三個級距，不按 token：1K $0.0536、2K $0.0804、4K $0.1072。

Home → Guides → GPT Image 2.5 實測

GPT Image 2.5 實測

Q: gpt-image-2.5 實際回傳多大的解析度？

規律是：後綴決定長邊，size 只在該級距內選畫面比例。知道這條之後，那些看起來奇怪的結果就不奇怪了 —— -2k 要 1920×1072 回傳 2048×1152，是因為 2048 本來就是這個級距的長邊。

決定解析度的是模型名稱的後綴，不是 size 參數。以 76 次實際計費呼叫實測。

一句話版本

決定解析度的是模型名稱後綴，不是 size 參數。size 只決定畫面比例。
不帶後綴的名稱會把每張圖悄悄壓到約 1.57 百萬畫素。向 gpt-image-2.5 要 3840×2160，拿回來的是 1672×941 —— 不報錯，也不提示。
這裡按張計價、分三個級距，不按 token：1K $0.0536、2K $0.0804、4K $0.1072。
本頁數字來自本站 76 次實際計費的生圖呼叫，涵蓋 13 種模型／級距組合。

每個模型名稱實際輸出什麼

下表每一列都是 2026-09-13 實測的：真的送出請求，再從回傳 PNG 的檔頭直接讀出寬高。這部分任何一家的文件裡都沒有。

模型名稱後綴	請求的 size	實際拿到
`(none)`	1024×1024	1254×1254	放大到上限
`(none)`	1536×1024	1536×1024	精確
`(none)`	1920×1072	1678×937	壓到上限
`(none)`	3840×2160	1672×941	壓到上限
`-1k`	1024×1024	1024×1024	精確
`-1k`	1536×1024	—	拒絕：不支援跨級距解析度
`-2k`	2048×2048	2048×2048	精確
`-2k`	1920×1072	2048×1152	吸附到該級距的畫面比例
`-4k`	3840×2160	3584×2016	受該系列長邊限制
`-4k`	2160×3840	2016×3584	受該系列長邊限制

規律是：後綴決定長邊，size 只在該級距內選畫面比例。知道這條之後，那些看起來奇怪的結果就不奇怪了 —— -2k 要 1920×1072 回傳 2048×1152，是因為 2048 本來就是這個級距的長邊。

這裡有個陷阱。 不帶後綴的模型名稱來者不拒，每次都回傳 HTTP 200 —— 它只是悄悄把圖縮到 1.57 百萬畫素的額度內。如果你按 4K 級距付了錢卻呼叫不帶後綴的名稱，那就是花了錢卻沒拿到畫素。請用 -4k。

在這裡多少錢

級距	典型輸出	每張	扣除點數
1K	1024×1024 · 1254×1254	$0.0536	0.1072
2K	2048×2048 · 2048×1152	$0.0804	0.1608
4K	3584×2016 · 2016×3584	$0.1072	0.2144

按張計價。不必算 token，沒有畫質倍率，也沒有訂閱 —— 餘額按右邊那一欄扣，點數與美元的換算比例是固定的。

要等多久

這裡的生圖是同步的：一次請求、一次回應，沒有輪詢佇列。這也表示整個產生過程連線一直開著，所以下面這些耗時就是你的用戶端真正要等的時間。

模型	呼叫次數	平均	區間
`gpt-image-2.5`	28	36.2 s	19–170 s
`gpt-image-2`	13	61.9 s	21–337 s
`gpt-image-2.5-flare`	10	35.2 s	22–47 s
`gpt-image-2.5-flare-4k`	5	34.6 s	29–44 s
`gpt-image-2.5-sunburst-4k`	3	35.0 s	33–36 s
`gpt-image-2-2k`	3	40.9 s	35–50 s
`gpt-image-2-4k`	3	55.3 s	46–60 s
`gpt-image-2.5-flare-2k`	3	31.4 s	22–39 s
`gpt-image-2.5-sunburst`	3	30.4 s	25–40 s
`gpt-image-2.5-sunburst-2k`	2	33.1 s	31–35 s
`gpt-image-2-1k`	1	47.5 s	47–47 s
`gpt-image-2.5-sunburst-1k`	1	27.2 s	27–27 s
`gpt-image-2.5-flare-1k`	1	21.4 s	21–21 s

所有實測裡最快 19 秒、最慢 337 秒。請以每張半分鐘左右預留，並把用戶端逾時設得遠高於它 —— 預設 30 秒會把完全正常的請求切斷。帶 gpt-image-2 的列是上一代的基準，它在這裡也還能用；只有一兩次呼叫的列是為了完整，不是基準，看平均值前請先看呼叫次數。

flare、sunburst 和不帶後綴的 2.5

三個名稱並不等價：

gpt-image-2.5-flare 與 gpt-image-2.5-sunburst 都支援完整的 -1k / -2k / -4k 級距，在這裡價格相同。
gpt-image-2.5 單獨使用時，上游沒有配套的級距帳號 —— 請求 gpt-image-2.5-4k 會回傳 no available compatible accounts。實際效果就是被前面說的 1.57 百萬畫素上限卡住。

我們沒有做的，是 flare 與 sunburst 之間的畫質對照實驗。我們測的是價格、實際輸出解析度和延遲，不是誰把手畫得比較好。如果輸出風格對你很重要，用同一段提示詞各跑一次自己判斷 —— 這個價錢，幾分錢的事。

怎麼呼叫

from openai import OpenAI

client = OpenAI(api_key="YOUR_KEY", base_url="https://api.apiclan.us/v1")

resp = client.images.generate(
    model="gpt-image-2.5-flare-4k",   # the suffix is what sets resolution
    prompt="a red ceramic cube on a white studio background",
    size="3840x2160",                 # this only chooses the aspect ratio
    n=1,
    response_format="b64_json",
)

兩個細節能替你省下一個下午。請用 b64_json 而不是 url —— 後者指向上游的暫存空間，可能在你還沒寫完下載程式碼時就過期了。另外圖片請求要送往 api.apiclan.us：一次 4K 產生經常會超過主網域上 100 秒的代理逾時。

什麼時候別用它

你需要精確的畫素尺寸。每個級距都會吸附到自己的長邊。如果你的流程需要剛好 1920×1080，請用上一個級距產生後自行縮放。
你要無人看管地大量產生。每張半分鐘加上同步連線，幾十張沒問題，幾千張就很彆扭。
你需要圖裡的小字精準。這是整類模型的弱點，不是這個中轉的問題。

Start using it

No subscription, no monthly minimum, no sales call. Top up with USDT and spend what you use — 1 USDT gives you 2 credits of API balance.

Read the 30-second quickstart

Prices quoted on this page are regenerated automatically from live billing data. Third-party terms are quoted from that party's own published documentation.