gpt-image-2-pro sur hiapi : tarifs, niveaux de qualité et comment appeler le nouveau modèle d'image

Ce mois-ci, après l'actualisation de l'endpoint /api/pricing de hiapi, deux nouvelles entrées sont montées en tête de la liste des modèles d'image : gpt-image-2-pro et gpt-image-2-image-to-image-pro. Toutes deux arborent le badge violet « Pro », toutes deux sont épinglées en haut du sélecteur de modèles, et toutes deux dépassent de plus de dix fois le prix d'un appel standard à gpt-image-2. La question évidente est donc : pour quoi payez-vous exactement ?

Cet article détaille ce que sont réellement les variantes Pro, à quoi ressemble la matrice tarifaire en temps réel, et comment les appeler via l'API de tâches unifiée de hiapi. Si vous hésitez à ajouter 0,35 $ par image sur votre pipeline actuel, voici le calcul à faire.

---

Ce que « Pro » signifie sur la page de tarifs

Les deux nouvelles entrées se décrivent dans les données tarifaires officielles comme un « niveau haute qualité et stable » — une strate qui privilégie la stabilité, conçue pour les exécutions de production qui exigent un taux de réussite et une latence prévisibles, et pas seulement de bonnes performances moyennes.

Cette formulation va plus loin qu'il n'y paraît. Le modèle standard gpt-image-2 à 0,03 $ par appel est parfait pour l'exploration, la diffusion en masse, et tous les cas où « quelques déchets sur cent images, ce n'est pas grave puisque régénérer coûte peu ». Pro est la variante que l'on choisit quand le coût d'une seule image ratée dépasse dix dollars de calcul — un rendu marketing daté qui doit être propre du premier coup, une création publicitaire payante dont la prochaine tentative ferait manquer la fenêtre de publication, un visuel clé qui bloque une sortie.

La variante image vers image Pro ajoute une capacité supplémentaire : elle accepte, en plus du prompt, de une à cinq images de référence, qu'elle édite, compose ou restyle. Même promesse de stabilité, même niveau Pro, seule la forme des entrées change.

---

La matrice tarifaire en temps réel

Vérifié au moment de la rédaction sur la page de tarifs en direct — qui fait seule autorité — les chiffres ci-dessous en sont directement issus :

Modèle	1K (niveau 1024)	2K	Remarques
gpt-image-2 (standard, texte vers image)	0,03 $	0,04 $	Niveau exploration ; 4K également disponible
gpt-image-2-pro (texte vers image)	0,35 $	0,70 $	Niveau stabilité, classé fixe n° 1
gpt-image-2-image-to-image-pro	0,40 $	0,80 $	1 à 5 images de référence, édition / composition

Quelques interprétations pratiques :

• Pro coûte environ 12 à 14 fois le standard en 1K, et 17 à 21 fois en 2K. C'est un écart budgétaire concret. Si vous ne savez pas expliquer pourquoi cette image précise a besoin de Pro, c'est probablement le standard qu'il vous faut.
• Le 2K est un multiplicateur propre de 2× pour Pro. Contrairement à certains fournisseurs d'images qui appliquent un supplément haute résolution dégressif, les variantes Pro doublent simplement, ce qui reste facile à prévoir.
• L'image vers image coûte environ 14 % de plus que le texte vers image aux deux niveaux (0,40 $ contre 0,35 $ en 1K, 0,80 $ contre 0,70 $ en 2K). Vous payez le traitement des images de référence supplémentaires.

À titre de comparaison, le modèle standard gpt-image-2 suit une forme différente : 1K = 0,03 $, 2K = 0,04 $ (multiplicateur 1,33×), 4K = 0,06 $ (multiplicateur 2×). La variante standard propose le niveau 4K ; les variantes Pro plafonnent actuellement à 2K, mais avec une fidélité par pixel nettement supérieure. Si vous avez besoin de la résolution native, le 4K standard reste la voie la moins chère vers un grand canevas ; si vous avez besoin d'une qualité de production constante, c'est Pro 2K qu'il faut choisir.

---

Quand Pro vaut son prix

Le niveau Pro est un pari sur la stabilité, pas un bouton magique de qualité d'image. Les scénarios où il s'amortit ont tous la même forme : la régénération coûte cher, et l'échec d'un rendu a un coût asymétrique.

Payez Pro dans les cas suivants :

• L'image sera livrée dans une interface client et sera soumise à validation avant le lot suivant (publicité payante, e-mail marketing, dossier de presse, visuel principal de boutique).
• Vous devez maintenir la cohérence d'un personnage ou d'un produit sur un petit ensemble de rendus et ne pouvez pas vous permettre la moindre dérive sur une image.
• Vous avez un SLA de stabilité dont vous êtes responsable — une tâche planifiée qui doit produire des images exploitables dans une fenêtre temporelle connue.
• Le pipeline en aval est coûteux : validation humaine, approbation de marque, retouche manuelle. Payer un peu plus par image en entrée coûte moins cher que d'envoyer un mauvais rendu plus loin dans la chaîne.

Continuez avec le standard dans les cas suivants :

• Vous lancez une diffusion à grande échelle (50, 500, 5 000 images) et notez puis filtrez les sorties.
• Vous explorez des prompts plutôt que de les livrer. Utiliser Pro sur des brouillons, c'est jeter de l'argent.
• Les images vivent dans des interfaces non critiques (remplissage de corps d'article de blog, diapositives internes, supports de test de développement) et se régénèrent en un clic.

La variante image vers image Pro a un périmètre d'application plus étroit : lorsqu'on dispose d'une référence à laquelle la marque tient — une photo produit, une planche de personnage validée par le designer, un moodboard de campagne — et qu'on a besoin d'une édition qui ne détruise pas les points forts de cette référence, c'est presque toujours le bon choix. Dépenser 0,40 $ pour garder l'éclairage d'un shooting produit à 4 000 $ cohérent sur douze variantes, le calcul est évident.

---

Appeler les modèles depuis hiapi

Les deux variantes Pro utilisent l'API de tâches unifiée de hiapi : POST /v1/tasks crée une tâche et renvoie un identifiant de tâche, GET /v1/tasks/:id rapporte le statut et, en cas de succès, renvoie dans output[] l'URL téléchargeable de l'image. Vous transmettez le prompt dans input (et, pour l'image vers image, de une à cinq URL d'images de référence).

Texte vers image Pro

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-pro",
    "input": {
        "prompt": "A pristine editorial magazine cover composition: a single "
                  "matte glass sphere resting on a polished dark slate plinth, "
                  "refracted interior architecture, studio key light, fine-grain "
                  "film texture, premium dark fashion-magazine aesthetic.",
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("hero.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

Pour produire en 2K, réglez "resolution": "2K" (et choisissez le rapport d'image requis par votre visuel). Le moteur de facturation multiplie proprement — un appel, 0,70 $.

Image vers image Pro

La variante image vers image accepte de une à cinq URL d'images de référence dans le tableau input_urls. Les images de référence sont des URL hébergées — si vos images sont sur disque, téléversez-les vers un emplacement accessible (stockage objet, votre CDN) et transmettez le lien.

import time, requests

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": f"Bearer {HIAPI_TOKEN}"}

resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2-image-to-image-pro",
    "input": {
        "prompt": "Restyle the product photo into a vintage Polaroid look: "
                  "warm tones, soft vignetting, retain product silhouette and "
                  "logo placement exactly. Magazine-grade output.",
        "input_urls": ["https://your-cdn.example.com/reference-product.png"],
        "aspect_ratio": "1:1",
        "resolution": "1K",
    },
}).json()
task_id = resp["data"]["taskId"]

while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

open("restyled.png", "wb").write(
    requests.get(task["output"][0]["url"]).content)

Deux points à connaître pour le trafic de production :

• Un rendu Pro prend 60 à 120 secondes de bout en bout. Le flux asynchrone signifie qu'aucune connexion n'est occupée pendant l'attente — interrogez toutes les quelques secondes, ou définissez callback.url à la création de l'appel pour que hiapi notifie votre serveur à l'état terminal.
• Si vous appelez depuis un worker frontend serverless, persistez le taskId et laissez le poller ou le callback récupérer le résultat — ne gardez pas un appel ouvert pendant toute la génération Pro.

---

Un modèle de routage pratique

Pour les équipes qui font déjà tourner gpt-image-2 à 0,03 $, la façon la plus propre d'adopter Pro est de garder le niveau standard par défaut et de router vers Pro uniquement les tâches marquées. Un modèle minimal :

def pick_model(job):
    if job.get("tier") == "hero" or job.get("brand_critical"):
        return "gpt-image-2-pro"
    if job.get("reference_image"):
        return "gpt-image-2-image-to-image-pro" \
            if job.get("brand_critical") else "gpt-image-2/image-to-image"
    return "gpt-image-2/text-to-image"

Étiquetez les tâches au moment de la soumission (un champ, un booléen) et votre facture reste prévisible. Les variantes Pro deviennent alors un outil de précision plutôt qu'une option par défaut — exactement la forme pour laquelle elles ont été conçues.

---

En bref

gpt-image-2-pro et gpt-image-2-image-to-image-pro ne sont pas « un meilleur gpt-image-2 ». Ce sont des entrées de niveau stabilité au sein de la même famille de modèles — conçues pour cette petite fraction de tâches où « un mauvais rendu coûte plus cher que dix bons rendus ». Le standard à 0,03 $ reste le roi de l'exploration et du traitement par lots. Le Pro à 0,35 $ (ou 0,40 $ avec image de référence) est ce que l'on choisit quand l'image est elle-même le livrable, et non un brouillon.

Confirmez les chiffres en direct sur la page de tarifs, marquez les tâches qui ont vraiment besoin de stabilité, et routez en conséquence. Les deux modèles répondent sur POST /v1/tasks — la même forme de tâche que votre worker gpt-image-2 existant utilise déjà.