GPT Image 1.5 API——0.02/张! GrsAi国内源头直连,便宜稳定(附快速接入教程)

GPT Image 1.5 模型介绍

Gpt iamge 1.5是 OpenAI 于 2025 年 12 月最新发布的旗舰级图像生成模型,是继前代模型之后的重大升级版本。它在图像生成质量、提示词遵循度、精确编辑能力以及文本渲染等方面取得了显著进步。

主要亮点包括:

  • **更强的提示词遵循:**更好地理解复杂指令,生成结果更贴合用户描述。

  • **精确图像编辑:**支持迭代编辑时保留关键细节(如脸部特征、logo 等),避免无关变化。

  • **文本渲染提升:**处理密集和小字体文本更出色,适合生成海报、UI 设计等场景。

  • **生成速度更快:**相比前代模型快达 4 倍,支持更流畅的迭代创作。

  • **更低的 API 成本:**图像生成和编辑费用降低约 20%。

该模型适用于专业设计、营销素材、产品可视化等场景,并在 OpenAI API 中以模型名 gpt-image-1.5 提供访问。

普通用户可以直接访问官网免费使用:https://openai.com/index/new-chatgpt-images-is-here/

OpenAI API 接入方式

OpenAI 官方提供标准的 Images API 接口,用于调用 GPT Image 1.5 生成图像。

官方文档:https://platform.openai.com/

API 端点:POST https://api.openai.com/v1/images/generations

请求头:

  • Authorization: Bearer YOUR_API_KEY

  • Content-Type: application/json

请求参数(JSON):

python 复制代码
{
  "model": "gpt-image-1.5",  // 指定模型
  "prompt": "一只可爱的猫咪在草地上玩耍,高清写实风格",
  "n": 1,                    // 生成图片数量(1-4)
  "size": "1024x1024",       // 可选尺寸:1024x1024, 1024x1792 等
  "quality": "high",         // 可选:standard 或 high
  "style": "vivid"           // 可选:vivid 或 natural(部分模型支持)
}

响应示例: 返回图像 URL(有效期有限)或 base64 数据。

Python 实战代码(使用 openai 库):

python 复制代码
from openai import OpenAI

client = OpenAI(api_key="your_openai_api_key")

response = client.images.generate(
    model="gpt-image-1.5",
    prompt="一只可爱的猫咪在草地上玩耍",
    size="1024x1024",
    n=1
)

image_url = response.data[0].url
print(image_url)

官方接入稳定可靠,但需要 OpenAI API Key,且费用直接按官方计费。

OpenAI GPT Image 1.5 APi定价

OpenAI 图像生成价格同时取决于质量级别(决定清晰度和细节)和尺寸/比例(决定像素量):

低质量(low):

  • 方形 1024×1024:$0.009 (约 ¥0.06 )

  • 非方形 1024×1536 或 1536×1024:0.013 美元(约0.09 元)

中等质量(medium):

  • 方形 1024×1024:$0.034 (约0.24 元)

  • 非方形 1024×1536 或 1536×1024:$0.05(约0.35 元 )

高质量(high):

  • 方形 1024×1024:$0.133 (约 0.94 元)

  • 非方形 1024×1536 或 1536×1024:$0.20 (约1.42元)

最便宜也要0.06/张,最贵高达1.42/张!

GrsAI APi国内直连!源头供应

GrsA IAPIhttps://grsai.com/ 是Ai大模型API源头供应平台。如果你觉得官方APi费用较高,想要寻找低成本和高稳定性那最适合不过你。

  • 价格远低于官方 :最高质量图像 0.02 元/张左右(批量生成额外图仅消耗 50 积分)。

  • 国内直连更稳定:提供国内与海外双节点自由选择,访问速度快、稳定性高,支持高并发。

  • **丰富模型选择:**一站式接入多种先进图像生成模型,目前站内模型包含:

    • GPT Image 1.5 ------ 0.02/张

    • GPT-4o ------0.02/张

    • Nano Banana------0.022/张

    • Nano Banana Pro--- 0.09/张

    • Sora2------ 0.08/条

    • Veo3.1 / Veo3.0------0.4/条

    • Gemini3.1等

  • **功能完整:**支持流式响应、Webhook 回调、进度查询、多张参考图片 URL、批量生成等高级特性。

  • 失败不扣费:不管是什么原因导致的失败均布扣费,秒返积分。

更多模型详情及最新定价,请直接查看 GrsAI 控制台模型列表:https://grsai.com/zh/dashboard/models

GrsAi API Key获取方法

1.访问GrsAi 控制台 (https://grsai.com/zh/dashboard/api-keys

2.右上角创建,复制使用即可

开发文档:https://grsai.com/zh/dashboard/documents/gpt-image

GrsAI 国内快速接入代码

安装

python 复制代码
pip install requests

示例1:流式响应(推荐,实时获取进度)

python 复制代码
import requests
import json

# 配置信息
API_KEY = "你的API密钥"  # 从GRSAI平台获取
BASE_URL = "https://api.grsai.com"  # 海外节点
# BASE_URL = "https://api.grsai.cn"  # 国内节点

# 请求头
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

def generate_image_simple(prompt):
    """
    最简单的图片生成函数
    prompt: 图片描述,如"一只可爱的猫咪在草地上玩耍"
    """
    # 请求数据
    data = {
        "model": "sora-image",  # 固定值
        "prompt": prompt,       # 必填:图片描述
        "size": "1:1",          # 选填,比例:auto、1:1、3:2、2:3
        "variants": 1           # 选填,批量生成 1-2 张(默认1,每额外一张 +50 积分)
    }
    
    # 发送请求
    response = requests.post(
        f"{BASE_URL}/v1/draw/completions",
        headers=headers,
        json=data
    )
    
    # 处理流式响应
    for line in response.iter_lines():
        if line:
            line_str = line.decode('utf-8')
            if line_str.startswith('data: '):
                result = json.loads(line_str[6:])
                
                # 显示进度
                if 'progress' in result:
                    print(f"进度: {result['progress']}%")
                
                # 生成完成
                if result.get('progress') == 100:
                    if result.get('status') == 'succeeded':
                        print("✓ 生成成功!")
                        print(f"图片地址: {result.get('url')}")
                        print(f"图片尺寸: {result.get('width')}x{result.get('height')}")
                        return result
                    else:
                        print("✗ 生成失败:", result.get('failure_reason'))
                        return None

# 使用示例
if __name__ == "__main__":
    result = generate_image_simple("一只可爱的猫咪在草地上玩耍")
    if result:
        print("图片已生成完成!")

示例2:使用 webHook 异步回调(适合生产环境)

在 payload 中添加 "webHook": "你的服务器地址",服务器接收 POST 数据即可处理结果。

python 复制代码
import requests

# 配置
API_KEY = "你的密钥"
HOST = "https://api.grsai.com"

# 要生成的内容
prompt = "一只可爱的猫咪在草地上玩耍"

# 请求数据 - 关键就是加这一行!
payload = {
    "model": "sora-image",
    "prompt": prompt,
    "webHook": "http://你的服务器地址/callback"  # ← 就加这一行!
}

# 发送请求
response = requests.post(
    f"{HOST}/v1/draw/completions",
    json=payload,
    headers={
        "Content-Type": "application/json",
        "Authorization": f"Bearer {API_KEY}"
    }
)

print("任务已提交!")

示例3:立即返回 ID + 轮询结果

python 复制代码
# 第一步:提交任务
payload["webHook"] = "-1"  # 特殊值,返回 ID

resp = requests.post(url, json=payload, headers=headers).json()
task_id = resp['data']['id']
print(f"任务 ID: {task_id}")

# 第二步:轮询结果
result_url = f"{host}/v1/draw/result"
while True:
    result = requests.post(result_url, json={"id": task_id}, headers=headers).json()
    if result['code'] == 0:
        data = result['data']
        print(f"状态: {data['status']}")
        if data['status'] == "succeeded":
            for res in data['results']:
                print(f"图片: {res['url']}")
            break
    time.sleep(5)  # 每 5 秒查一次

通过 GrsAI 接入GPT Image 1.5 ,你可以以更低的成本和更高的稳定性快速集成更多高级图像生成能力。去试试看吧!

相关推荐
云空4 小时前
《基于RK3588+ToF的环境颜色区域位置识别方案研究》
人工智能·嵌入式硬件·机器人
咕噜签名-铁蛋4 小时前
DeepSeek Token:连接AI能力与应用场景的核心密钥
人工智能
乾元4 小时前
把 SLA / SLO 放到网络可观测的核心:从指标到证据链的工程化路径
运维·开发语言·网络·人工智能·网络协议·架构
超级种码4 小时前
All In AI——DSPy框架,让智能体开发像模型训练一样
大数据·人工智能·算法
Das14 小时前
【计算机视觉】01_滤波器
人工智能·计算机视觉
Chrikk4 小时前
C++20 Concepts 在算子库开发中的应用:从 SFINAE 到类型约束
人工智能·算法·c++20
CS创新实验室4 小时前
熵概念的全面综述:从热力学到信息论再到深度学习
人工智能·深度学习··热力学·复杂系统·统计力学·宇宙学
AI浩4 小时前
MMOT:首个面向无人机多光谱多目标跟踪的挑战性基准
人工智能·目标跟踪·无人机
speop4 小时前
【datawhale组队学习】|TASK02|结构化输入
网络·人工智能·学习