GPT Image 2 国内使用完整指南

先说结论:GPT Image 2 是什么,国内怎么连

GPT Image 2 是 OpenAI 图像模型的第三代,接替 gpt-image-1(2025 年 4 月)和 gpt-image-1.5(2025 年 12 月),官方发布重点是复杂 prompt 的推理式生成、多语言文字渲染(含中日韩、印地语、阿拉伯语)、信息图和地图这类结构化构图。旧的 DALL-E 系列已经被官方停用,新接入都应该直接对准 gpt-image-2。 OpenAI 官方接入需要海外账号、信用卡计费,国内访问也不稳定。经 kkaiapi 这条路径不需要 OpenAI 账号,model 填 gpt-image-2,base_url 换成 https://api.kkaiapi.com/v1 就是完整的接入改动,免翻墙,人民币按次计价。

第一次调用

任意 OpenAI SDK 把 base_url 指向 kkaiapi,调用 images.generate,model 填 gpt-image-2,这就是完整的接入改动:同样的 /v1/images/generations 协议,base_url 换了就跑得动,不需要额外适配代码。

import base64
from openai import OpenAI

client = OpenAI(
    api_key="sk-你的kkaiapi密钥",
    base_url="https://api.kkaiapi.com/v1",
)

result = client.images.generate(
    model="gpt-image-2",
    prompt="等距插画,悬浮小岛上的微型数据中心,柔和渐变,建筑上标注「EDGE NODE」",
    size="1024x1024",
    quality="high",
)

with open("edge-node.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

参数表:GPT Image 2 是同类里最灵活的一个

按 OpenAI 官方文档,GPT Image 2 的请求参数是当前图像模型里最灵活的,值得逐个记住。经中转调用时,如果某个参数报错,先退回到只传 model、prompt、size 三项确认能跑通,再逐个加回其他选项。

• size:任意宽高字符串,比如 1536x864,两个维度都必须能被 16 整除,画幅比例在 1:3 到 3:1 之间,最大约 3840x2160
• quality:low、medium、high 三档,和尺寸一起决定生成消耗的图像 token,直接影响成本和延迟
• n:一次请求生成多张候选图
• background:transparent、opaque、auto,透明背景是 GPT Image 系列的特色能力,配合 png 或 webp 输出
• output_format:png、webp、jpeg,jpeg 不能承载透明通道
• stream:流式返回,生成过程中逐步给出部分图像,界面可以显示图片逐渐成形而不是转圈

编辑图片:第二个重要接口

GPT Image 2 编辑图片的能力和生成一样扎实:POST /v1/images/edits 接收一张或多张输入图,以 multipart 形式提交,加一句文字指令,返回修改后的图。覆盖换背景、增删物体、改风格、合并多张素材成一张构图。 编辑类 prompt 的可靠写法是"指令加不变项":说清楚要改什么,同时说清楚哪些必须保持不变。多图编辑时给每张输入图标明角色,模型才知道谁是谁。

curl -s https://api.kkaiapi.com/v1/images/edits \
  -H "Authorization: Bearer sk-你的kkaiapi密钥" \
  -F model="gpt-image-2" \
  -F image="@product.png" \
  -F prompt="把这件产品放到大理石台面上,清晨柔光,保持产品像素不变" \
  -F size="1536x1024"

Prompt 写法:发挥这个模型的独有能力

信息图类需求有个结构性技巧:把要展示的内容以结构化文字形式列在 prompt 里(标签列表加层级关系),而不是用一段模糊描述图上大概要写什么,标签准确率的差距会很明显。

• 让它推理:GPT Image 2 的招牌是生成前先"想清楚",多约束的 prompt(比如"四格说明卡,第三格展示错误状态")正好用得上这个能力
• 引号内写清要渲染的文字并注明文字所在语言:多语言渲染是官方发布重点,直接引用具体文字比含糊描述更可靠
• 把 size 当成设计意图来用:因为尺寸任意,直接要自己需要的画布,比如 1200x628 的社交卡片,而不是先出正方形再裁剪
• 要透明背景时,prompt 里也说一句"透明背景",同时设置对应参数,避免模型自己画一个背景等你去抠图
• 低质量档位批量出候选,满意后再用高质量档位出终稿,candidates 的花费只是终稿的一小部分

什么场景该选 GPT Image 2,什么场景不该

选它的理由是这个模型独有的能力:透明背景素材、任意尺寸画布、交互界面里的流式生成体验、指令密集的复杂构图。文字渲染和整体质量也足够撑起产品图、营销素材、界面插画这类日常需求。 批量生产、追求单位成本最低的场景,Google 的 Nano Banana 2 有 512px 档位加固定计价更合适;超宽横幅(超过 3:1)Nano Banana 2 原生支持,GPT Image 2 需要变通。品牌级排版和本地化文字,Nano Banana Pro 是更强的对照选项。三个模型都在同一个接口下,选型是路由决策,不是重新集成。

常见报错与排查

调用前先查一次 /v1/models 确认 gpt-image-2 在自己 Key 能调的列表里,这一步能排除掉大部分"模型不存在"类的报错。

• 尺寸报错:宽高不能被 16 整除,或比例超出 1:3 到 3:1,把尺寸调整到最近的合法值,比如 1200x628 调成 1200x624
• 中转层参数 400:退回到只传 model、prompt、size,确认能跑通,再逐个加回其他参数,定位到底哪个字段不被支持
• 大尺寸高质量档位超时:token 消耗量决定耗时,4K 级别的 high quality 生成可能要几十秒,先调大客户端超时时间,不要先缩小图片
• 小字渲染模糊:提高尺寸和质量档位通常能改善,512 像素宽、low quality 下失败的文字,换到 1536 像素宽、high quality 常能清晰渲染
• 透明背景变成白色:检查 output_format,jpeg 会压平透明通道,改用 png 或 webp 并设置 background 为 transparent

curl -s https://api.kkaiapi.com/v1/models \
  -H "Authorization: Bearer sk-你的kkaiapi密钥" | grep gpt-image

常见问题