Tutorial
Cómo llamar a varios modelos de imagen con una sola API Key
Un patrón de enrutamiento práctico para equipos que quieren probar GPT Image 2, Nano Banana, Qwen Image y FLUX sin reconstruir la autenticación para cada modelo.
Por qué los equipos buscan una API unificada de generación de imágenes
La generación de imágenes suele comenzar con un único modelo. El equipo de producto prueba un prompt, integra un SDK y entrega un prototipo pequeño. El problema aparece más tarde: cuando el producto necesita más de un estilo de salida —borradores rápidos para revisión interna, texto legible en carteles, renderizado de texto en chino para campañas de marketing locales o material fotorrealista en páginas de producto.
Si cada modelo tiene una API key, una estructura de solicitud, una cuenta de facturación y un patrón de callback distintos, probar modelos se convierte en trabajo de infraestructura. Un patrón más sencillo es mantener la autenticación estable y mover la selección de modelo al cuerpo de la solicitud.
La página AI Image APIs de HiAPI es la página de comparación principal para este flujo de trabajo. Úsala para decidir qué modelo de imagen encaja en el producto y luego consulta las páginas de cada modelo para obtener los parámetros y ejemplos exactos.
Usar una única API key del lado del servidor
La API key debe guardarse en el backend, no en el código del navegador. El frontend puede recopilar el prompt, las imágenes o los ajustes de generación, pero debe ser el backend quien cree la tarea de HiAPI.
Crea o rota la key en la página API Keys. En producción, guárdala en una variable de entorno del servidor y adjúntala como cabecera Authorization:
Authorization: Bearer YOUR_API_KEY
Así tendrás un único lugar para rotar credenciales, un único lugar para añadir límites de velocidad y una única superficie de facturación que revisar cuando crezca el tráfico del flujo de generación.
Enrutar por id de modelo, no por cliente de proveedor
El detalle de implementación clave es mantener el endpoint estable y tratar el id de modelo como un parámetro de enrutamiento. Tu aplicación puede exponer presets como "draft", "poster", "product image" o "photorealistic", y el backend se encarga de mapear esos presets a los ids de modelo.
Por ejemplo, un producto puede usar primero Nano Banana para una exploración creativa rápida, usar GPT Image 2 cuando la imagen necesite texto legible o prompts de reordenación de diseño, enrutar los gráficos para redes sociales en chino a Qwen Image 2.0 y usar FLUX 1.1 Pro para generar visuales de producto con acabado comercial.
El código de la aplicación no necesita cuatro flujos de autenticación para soportar esto. Solo necesita una ruta de creación de tareas y una pequeña capa de enrutamiento.
Patrón de solicitud mínimo
La siguiente es una solicitud compacta para llamar a GPT Image 2 mediante el endpoint de tareas unificado:
curl -X POST https://api.hiapi.ai/v1/tasks \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2/text-to-image",
"input": {
"prompt": "Una imagen principal premium de comercio electrónico para una lámpara inteligente, iluminación de estudio limpia",
"aspect_ratio": "16:9",
"resolution": "1K"
}
}'
Para conocer los campos exactos de GPT Image 2, consulta la documentación de la API de GPT Image 2. Para elegir un modelo, empieza por la comparativa de AI Image APIs.
Flujo de producción con callbacks
El polling es cómodo para pruebas locales, pero el tráfico de producción suele beneficiarse de los callbacks. Cuando el backend crea una tarea, pasa una URL de callback y trata el callback como la fuente del estado final. Aun así puedes mantener el polling de tareas como plan de respaldo para la conciliación.
El flujo real es:
- El frontend envía el prompt y los ajustes de generación al backend.
- El backend valida la solicitud, selecciona el id de modelo y crea la tarea de HiAPI.
- HiAPI devuelve inmediatamente el id de tarea.
- El backend almacena el id de tarea y espera el callback final.
- Cuando la tarea alcanza el estado final, la aplicación muestra la URL de salida.
Esto mantiene ágil la página de cara al usuario y evita los bucles de polling agresivos que se vuelven ruidosos a medida que crece el volumen de generación.
Flujo de precios sin precios codificados
No copies una tabla de precios estática en el código de la aplicación ni en documentación interna antigua. Un flujo más seguro es dirigir a usuarios y operadores a la página de precios en tiempo real y luego hacer seguimiento del uso dentro de tu propio producto.
Para la generación de iconos sensible al coste, usa modelos más económicos mientras los prompts sigan cambiando. Aumenta la resolución solo cuando los prompts se hayan estabilizado. Cuando la salida necesite texto más nítido, un diseño más estricto o más acabado comercial, migra el material final de marca o producto a un modelo más potente.
Este patrón mantiene bajo el coste de experimentación y, al mismo tiempo, ofrece al producto una ruta final de alta calidad.
Enlaces internos que mantienen clara la ruta SEO
Este artículo está pensado para apoyar la página central de las API de imagen, no para reemplazarla. La página de comparación canónica es la mejor API de generación de imágenes con IA. La página de implementación específica del modelo es GPT Image 2 API. Las páginas de conversión son GPT Image 2 en HiAPI, Precios y API Keys.
Para flujos de trabajo relacionados, lee Flujo de trabajo de API de texto a vídeo vs imagen a vídeo y Factores de precio de GPT Image 2 y ejemplos de producción.
Preguntas frecuentes
¿Puede una sola API key llamar a varios modelos de imagen?
Sí. En HiAPI, la misma API key puede crear tareas para varios modelos de imagen. Basta con cambiar el id de modelo en el cuerpo de la solicitud para enrutar a un modelo de imagen diferente.
¿Debería exponer la API key en una aplicación de navegador?
No. Mantén la key en el servidor. El código del navegador debe llamar a tu backend, y el backend es quien crea las tareas de HiAPI.
¿Con qué modelo de imagen debería empezar?
Empieza con el modelo que encaje con la tarea. Nano Banana es adecuado para la ideación rápida, GPT Image 2 es una opción predeterminada sólida para prompts largos y texto legible, Qwen Image 2.0 es adecuado para el renderizado de texto en chino y FLUX 1.1 Pro encaja mejor para visuales de producto fotorrealistas.
¿Dónde debería consultar los precios?
Usa la página HiAPI Pricing para ver los precios actuales en tiempo real. Evita copiar precios fijos en artículos o en el código del producto, a menos que tengas un proceso de mantenimiento para actualizarlos.
Artículos relacionados
Ver todos los artículos →-
Tutorial
Cómo llamar a hailuo-2.3-fast/image-to-video a través de la API de HiAPI: práctica con curl y Python
La primera solicitud ejecutable del nivel rápido y de bajo coste de imagen a vídeo: del ID del modelo a la descarga del MP4
-
Tutorial
Cómo llamar a hailuo-2.3/text-to-video mediante la API de HiAPI: curl, Python y ejemplos de solicitud ejecutables
-
Tutorial
Uso de Kandinsky 6.0 Pro texto a video en HiAPI: tutorial con curl y Python
Demostración práctica centrada en la solicitud: construir la llamada de prompt a clip de video, enviar la solicitud, sondear el estado de finalización y descargar el resultado