gpt-image-2.5 一张图多少钱？

这里按张计价、分三档，不按 token：1K $0.0536、2K $0.0804、4K $0.1072。

Home → Guides → GPT Image 2.5 实测

GPT Image 2.5 实测

Q: gpt-image-2.5 实际返回多大分辨率？

规律是：后缀决定长边，size 只在该档位内选画幅比例。知道这条之后，那些看着奇怪的结果就不奇怪了 —— -2k 要 1920×1072 返回 2048×1152，是因为 2048 本来就是这一档的长边。

决定分辨率的是模型名的后缀，不是 size 参数。基于 76 次真实计费调用。

一句话版本

决定分辨率的是模型名后缀，不是 size 参数。size 只决定画幅比例。
不带后缀的名字会把每张图悄悄压到约 1.57 兆像素。向 gpt-image-2.5 要 3840×2160，拿回来的是 1672×941 —— 不报错，也不提示。
这里按张计价、分三档，不按 token：1K $0.0536、2K $0.0804、4K $0.1072。
本页数字来自本站 76 次真实计费的生图调用，覆盖 13 个模型/档位组合。

每个模型名实际交付什么

下表每一行都是 2026-09-13 实测的：真发请求，再从返回的 PNG 文件头里读出宽高。这部分任何一家的文档里都没有。

模型名后缀	请求的 size	实际拿到
`(none)`	1024×1024	1254×1254	放大到上限
`(none)`	1536×1024	1536×1024	精确
`(none)`	1920×1072	1678×937	压到上限
`(none)`	3840×2160	1672×941	压到上限
`-1k`	1024×1024	1024×1024	精确
`-1k`	1536×1024	—	拒绝：不支持跨档分辨率
`-2k`	2048×2048	2048×2048	精确
`-2k`	1920×1072	2048×1152	吸附到该档画幅
`-4k`	3840×2160	3584×2016	受该家族长边限制
`-4k`	2160×3840	2016×3584	受该家族长边限制

规律是：后缀决定长边，size 只在该档位内选画幅比例。知道这条之后，那些看着奇怪的结果就不奇怪了 —— -2k 要 1920×1072 返回 2048×1152，是因为 2048 本来就是这一档的长边。

这里有个坑。 不带后缀的模型名来者不拒，每次都返回 HTTP 200 —— 它只是悄悄把图压到 1.57 兆像素的额度内。如果你按 4K 档付了钱却调用不带后缀的名字，那就是花了钱没拿到像素。用 -4k。

在这里多少钱

档位	典型交付	每张	扣除额度
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

按张计价。不用算 token，没有画质倍率，也没有订阅 —— 余额按右边那一列扣，额度和美元的兑换比例是固定的。

要等多久

这里的出图是同步的：一次请求、一次响应，没有轮询队列。这也意味着整个生成过程连接一直开着，所以下面这些耗时就是你的客户端真要等的时间。

模型	调用次数	平均	区间
`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

所有实测里最快 19 秒、最慢 337 秒。按每张半分钟左右预留，并把客户端超时设得远高于它 —— 默认 30 秒会把完全正常的请求掐断。带 gpt-image-2 的行是上一代的基准，它在这里也还能用；只有一两次调用的行是为了完整，不是基准，看平均值前先看调用次数。

flare、sunburst 和不带后缀的 2.5

三个名字并不等价：

gpt-image-2.5-flare 和 gpt-image-2.5-sunburst 都支持完整的 -1k / -2k / -4k 档位，在这里价格相同。
gpt-image-2.5 单独用时，上游没有配套的档位账号 —— 请求 gpt-image-2.5-4k 会返回 no available compatible accounts。实际效果就是被前面说的 1.57 兆像素上限卡住。

我们没有做的，是 flare 和 sunburst 之间的画质对照实验。我们测的是价格、实际交付分辨率和耗时，不是谁画手画得更好。如果出图风格对你重要，用同一个提示词各跑一遍自己判断 —— 这个价钱，几分钱的事。

怎么调用

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",
)

两个细节能省你一下午。用 b64_json 而不是 url —— 后者指向上游的临时存储，可能在你还没写完下载代码时就过期了。另外图片请求要发往 api.apiclan.us：一次 4K 生成经常会超过主域上 100 秒的代理超时。

什么时候别用它

你需要精确的像素尺寸。每个档位都会吸附到自己的长边。如果你的流程需要正好 1920×1080，用上一档生成然后自己缩放。
你要无人值守地批量生成。每张半分钟加上同步连接，几十张没问题，几千张就别扭了。
你需要图里的小字准确。这是整类模型的弱点，不是这个中转的问题。

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.