OpenAI 上线 gpt-image-1 API：ChatGPT 同款画图能力开放，单张 0.02 美元起

上个月 OpenAI 把新的图像生成功能塞进 ChatGPT 时，首周就有 1.3 亿用户冲进去画了 7 亿多张图。

现在，驱动这套体验的底层原生多模态模型终于以 API 的形式开放了。它的正式名字叫 gpt-image-1，不仅在 OpenAI 官方的 Images API 上线，微软的 Azure AI Foundry 也同步向受控客户开放了接入。

这意味着开发者不用再借道网页端逆向，或者受限于老旧的 DALL-E 接口，可以直接把这套能力接进自己的商业软件里。

告别 DALL-E，图生图和文字渲染终于跟上了

很多人对老版 DALL-E 的印象还停留在听不懂复杂人话、图里的文字全是一堆鬼画符。gpt-image-1 最大的变化，就是把这两个痛点填上了。

它具备原生多模态能力，不仅能看懂更细碎复杂的提示词，而且在画面里排版、渲染英文文字的准确率高了很多。微软在说明中提到，模型的分辨率支持从 1024 像素起步，包括常见的 1024×1024、1024×1536 和 1536×1024 等画幅。

更实用的改进在于输入端。除了常规的文生图，它终于支持了以图生图、文本驱动修图，以及配合选框进行局部重绘。

已经有一批大客户接入了测试。比如 Canva 正在把 gpt-image-1 整合进 Magic Studio，让用户把随手画的草图直接转成设计素材；GoDaddy 在用它帮中小商家做可二次编辑的 Logo 和排版；HubSpot、Instacart 和视频制作工具 invideo 也在拿它批量生成营销物料或食谱插图。

至于价格，OpenAI 这次采用了按 token 计费的方式，把文本和图像拆开算。提示词文本输入是每百万 token 5 美元，输入图片是每百万 token 10 美元，生成的图像 token 则是每百万 40 美元。

换算成每张图的具体成本，一张低画质正方形图片大概花费 0.02 美元，中等画质约 0.07 美元，高质量正方形图片则要 0.19 美元。安全方面，生成的图片默认嵌入 C2PA 元数据，开发者还可以通过调节 moderation 参数在默认过滤和宽松过滤之间切换。

为什么重要

对于做工具的团队和开发者来说，gpt-image-1 的到来解决了两个大麻烦。一是图生图和局部重绘终于有了官方稳定的多模态接口，不用再自己搭 Stable Diffusion 架构去硬扛复杂的图层替换；二是画面文字渲染能力立竿见影，做海报、电商 Banner 和社媒封面的自动化工具终于不会因为文字乱码而没法商用了。不过高质量单张 0.19 美元的价格并不算便宜，如果是高频调用的轻度工具，成本压力会很明显。

对行业而言，OpenAI 显然在加速收割企业级创意市场的底层入口。之前 Midjourney 一直死守 Discord 生态、迟迟不愿彻底开放灵活的 API，而开源社区的 Flux 等模型虽然画质惊人，但对很多没有自建算力运维能力的企业来说门槛依然太高。gpt-image-1 带着极低的工程门槛和成熟的企业安全合规杀入市场，会直接逼着其他商业生图模型加速开放接口。

我们认为，OpenAI 这一次最聪明的地方在于把图像彻底融入了自身的大模型 token 计费体系，而不是像过去那样按张死板计价。但看起来隐患也摆在眼前：0.19 美元一张的高画质成本，在面临开源社区蒸馏小模型的廉价推理冲击时，到底能守住多少对价格敏感的客户，恐怕很快就会见分晓。