OpenAI 上線 gpt-image-1 API：ChatGPT 同款畫圖能力開放，單張 0.02 美元起

上個月 OpenAI 把新的影像生成功能塞進 ChatGPT 時，首周就有 1.3 億使用者衝進去畫了 7 億多張圖。

現在，驅動這套體驗的底層原生多模態模型終於以 API 的形式開放了。它的正式名字叫 gpt-image-1，不僅在 OpenAI 官方的 Images API 上線，微軟的 Azure AI Foundry 也同步向受控客戶開放了接入。

這意味著開發者不用再借道網頁端逆向，或者受限於老舊的 DALL-E 介面，可以直接把這套能力接進自己的商業軟體裡。

告別 DALL-E，圖生圖和文字渲染終於跟上了

很多人對老版 DALL-E 的印象還停留在聽不懂複雜人話、圖裡的文字全是一堆鬼畫符。gpt-image-1 最大的變化，就是把這兩個痛點填上了。

它具備原生多模態能力，不僅能看懂更細碎複雜的提示詞，而且在畫面裡排版、渲染英文文字的準確率高了很多。微軟在說明中提到，模型的解析度支援從 1024 畫素起步，包括常見的 1024×1024、1024×1536 和 1536×1024 等畫幅。

更實用的改進在於輸入端。除了常規的文生圖，它終於支援了以圖生圖、文本驅動修圖，以及配合選框進行區域性重繪。

已經有一批大客戶接入了測試。比如 Canva 正在把 gpt-image-1 整合進 Magic Studio，讓使用者把隨手畫的草圖直接轉成設計素材；GoDaddy 在用它幫中小商家做可二次編輯的 Logo 和排版；HubSpot、Instacart 和影片製作工具 invideo 也在拿它批次生成營銷物料或食譜插圖。

至於價格，OpenAI 這次採用了按 token 計費的方式，把文本和影像拆開算。提示詞文本輸入是每百萬 token 5 美元，輸入圖片是每百萬 token 10 美元，生成的影像 token 則是每百萬 40 美元。

換算成每張圖的具體成本，一張低畫質正方形圖片大概花費 0.02 美元，中等畫質約 0.07 美元，高質量正方形圖片則要 0.19 美元。安全方面，生成的圖片預設嵌入 C2PA 後設資料，開發者還可以通過調節 moderation 引數在預設過濾和寬鬆過濾之間切換。

為什麼重要

對於做工具的團隊和開發者來說，gpt-image-1 的到來解決了兩個大麻煩。一是圖生圖和區域性重繪終於有了官方穩定的多模態介面，不用再自己搭 Stable Diffusion 架構去硬扛複雜的圖層替換；二是畫面文字渲染能力立竿見影，做海報、電商 Banner 和社媒封面的自動化工具終於不會因為文字亂碼而沒法商用了。不過高質量單張 0.19 美元的價格並不算便宜，如果是高頻呼叫的輕度工具，成本壓力會很明顯。

對行業而言，OpenAI 顯然在加速收割企業級創意市場的底層入口。之前 Midjourney 一直死守 Discord 生態、遲遲不願徹底開放靈活的 API，而開源社群的 Flux 等模型雖然畫質驚人，但對很多沒有自建算力運維能力的企業來說門檻依然太高。gpt-image-1 帶著極低的工程門檻和成熟的企業安全合規殺入市場，會直接逼著其他商業生圖模型加速開放介面。

我們認為，OpenAI 這一次最聰明的地方在於把影像徹底融入了自身的大模型 token 計費體系，而不是像過去那樣按張死板計價。但看起來隱患也擺在眼前：0.19 美元一張的高畫質成本，在面臨開源社群蒸餾小模型的廉價推理衝擊時，到底能守住多少對價格敏感的客戶，恐怕很快就會見分曉。