ChatGPT 图像生成：有哪些新变化以及如何以编程方式构建它

如果你最近用过 ChatGPT 进行图像生成，会发现体验已经不同了。文字渲染清晰锐利，而不再融成乱糟糟的线条。角色在多次编辑中保持一致。宽高比更容易控制。输出看起来更接近资深设计师交付的成品——而不是混乱的初稿。

底层的这种精致感来自 GPT Image 2 系列——它取代了更早的 GPT Image 1.5（已于 2026 年 6 月从平台退役）的 OpenAI 图像模型代际。对开发者来说好消息是：你不必通过 ChatGPT 就能获得同样的输出。相同的模型可通过一个简单的异步任务 API 使用。本指南梳理实际变化，并给出最少的代码，让你从自己的应用复现同等结果。

---

ChatGPT 图像生成有哪些变化

ChatGPT 产品中可见的改进源自三项模型层面的升级：

1. 更清晰的文字渲染。 早期的图像模型只能近似字母，很少能生成可读的标题。新系列能可靠地渲染排版——包括自定义大小写、多行以及风格化字体。海报、效果图和带标注的示意图终于可用了。
2. 更好的角色与场景一致性。 参考输入和先前的输出会被更仔细地遵循。进行迭代编辑（同一角色、新姿势；同一海报、新标题）不再需要重新生成整个构图。
3. 更高的分辨率和细节。 输出现可高达 4K，纹理处理明显更细腻——毛孔、织物纹理、枝叶、砾石纹路——这些以前会糊掉。

针对排版这一点的快速压力测试，通过下面展示的 API 调用生成：

每个字母都正确。没有残缺拼写，没有扭曲字形。这就是与上一代相比最主要的差别。

---

更新背后的模型

GPT Image 2 系列驱动了新的 ChatGPT 图像体验，每个变体都通过同一 API 开放。权衡如下：

模型	最适合	每张图片价格（1K）
gpt-image-2-beta	快速原型、草稿变体、大批量流水线	$0.02
gpt-image-2	通用生产、质量与成本平衡	$0.03
gpt-image-2-pro	高要求的输出，可靠性比成本更重要	$0.35

几个不那么直观的要点：

• gpt-image-2 上线时比被它取代的模型更便宜——GPT Image 1.5 在退役前售价为每张图 $0.05。价格下降反映的是更高效的流水线，而非质量妥协——gpt-image-2 是大多数工作流的当前旗舰。
• gpt-image-2-pro 是为稳定性调优的变体：多次运行方差更低、提示词遵循度更高、生产中需要的重试次数更少。当“第一次生成就必须可交付”是真实需求时使用它。
• 每个变体都通过同一任务端点接收相同的 prompt 字段，因此切换模型只需改模型名，并查看该变体的 input 字段。

关于这些档位的完整分分辨率明细——1K、2K 与 4K 定价——参见GPT Image 2 API 定价指南。

---

从你的代码调用模型

hiapi 平台上的所有模型——图像和视频都一样——都使用同一套统一异步任务 API：POST /v1/tasks 创建生成任务并立即返回任务 ID，然后 GET /v1/tasks/:id 报告状态，并在完成后给出输出 URL。模型特定参数放在 input 对象内。两次调用，无需 SDK。

Python

import time, requests

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

# 1. 创建任务
resp = requests.post(API, headers=HEADERS, json={
    "model": "gpt-image-2/text-to-image",
    "input": {
        "prompt": "A modern minimalist digital art studio at dawn, "
                  "a floating holographic canvas displaying a half-painted "
                  "vibrant landscape, cinematic ultrawide, photorealistic",
        "aspect_ratio": "3:2",
        "resolution": "1K",
    },
})
task_id = resp.json()["data"]["taskId"]

# 2. 轮询直到任务进入终态
while True:
    task = requests.get(f"{API}/{task_id}", headers=HEADERS).json()["data"]
    if task["status"] in ("success", "fail"):
        break
    time.sleep(5)

# 3. 下载结果
image_url = task["output"][0]["url"]
open("output.png", "wb").write(requests.get(image_url).content)

这就是全部集成。完成的图像会以可下载 URL 的形式放在 output[] 中——无需 base64 解码。需要注意一点：每个输出都带有 expireAt 时间戳，因此请下载文件（或重新存储），而不是热链该 URL。如果你完全不想轮询，可以在创建任务时传入 callback 对象，hiapi 会在任务完成时向你的服务器发送 POST 请求。

curl

# 创建任务
curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2/text-to-image",
    "input": {
      "prompt": "An aerial view of a Japanese zen garden in autumn, raked white gravel, koi pond, painterly impressionist style",
      "aspect_ratio": "1:1",
      "resolution": "1K"
    }
  }'
# => { "code": 200, "data": { "taskId": "tk-hiapi-..." } }

# 轮询结果，然后下载
curl -s https://api.hiapi.ai/v1/tasks/tk-hiapi-... \
  -H "Authorization: Bearer $HIAPI_KEY" \
| jq -r '.data.output[0].url' \
| xargs curl -o output.png

该提示词端到端运行后的结果：

注意砾石、苔藓和倒影中的纹理细节在完整裁切下依然经得起细看——这正是分辨率和细节处理改进的效果。

---

选择宽高比和分辨率

输出形状由两个 input 字段控制，而不是单个像素字符串：aspect_ratio 设置画布形状，resolution 设置细节档位（1K、2K、4K）。三种最常见的形状：

• "aspect_ratio": "1:1"——正方形。社交媒体帖子、缩略图、应用内预览的默认值。
• "aspect_ratio": "3:2"——横向。主视觉横幅、博客封面、宽幅构图。
• "aspect_ratio": "2:3"——纵向。移动优先图像、海报、产品卡片。

每张图片价格随分辨率档位增加（1K → 2K 约 +33%，1K → 4K 约翻倍）。默认使用 1K，只有在最终使用场景确实需要时才升级——印刷、大幅面展示或对细节要求极高的产品摄影。习惯性选择 4K 会为没人看得到的像素支付双倍账单。

---

模型展现广度之处

gpt-image-2 正在取代早期工作流的一个原因不是照片级真实输出——而是广度。同一个模型可以从相同的提示词结构处理绘画印象派、装饰性插画、包装效果图和编辑摄影。你不再需要像以前那样预先挑选“风格模型”。

单个插画风格提示词，无需微调，无需风格专用适配器：

对于依赖这种风格灵活性的工作流——比如为同一商品列表同时生成照片级产品图和插画风生活方式图——端到端保留单一模型意味着一个提示词模板、一条成本线、一条升级路径。

---

从 ChatGPT 迁移到 API 的实用技巧

在将其构建到产品中之前，有几件事值得了解：

• 从 ChatGPT 原样照搬提示词通常可行。 如果你已经在 ChatGPT 中迭代出一个能产出满意结果的提示词，把它粘贴到 API 调用中——模型是一样的。你不需要单独的“API 风格提示词”。
• 耐心轮询——或使用回调。 根据模型和分辨率不同，生成端到端仍需 1–3 分钟，但异步 API 意味着没有长时间保持的 HTTP 连接会超时。每隔几秒轮询一次，或在创建任务时设置 callback.url，让 hiapi 在完成时通知你。
• 按提示词 + 宽高比 + 分辨率缓存。 如果你的产品会重复请求常见提示词（模板驱动效果图、A/B 变体生成），请保留内容寻址缓存——相同输入字节，相同输出，无需支付两次费用。
• 按使用场景而非按应用选档位。 对成本比最后 5% 质量更重要的产品内预览和大批量草稿，使用 gpt-image-2-beta（$0.02），最终素材则使用 gpt-image-2（或 pro）。提示词可原样沿用——只需检查变体的 input 字段（beta 接受像素 size，旗舰接受 aspect_ratio + resolution）。
• 在发布文案前测试文字渲染。 新系列能很好地处理排版，但非常规字体和超长字符串偶尔仍会漂移。如果海报标题对品牌至关重要，请生成两到三张并挑选最佳——这远比发布后才发现问题便宜。

---

总结

新的 ChatGPT 图像体验在 API 层面其实就是 gpt-image-2 系列——gpt-image-2、gpt-image-2-pro 以及经济款 gpt-image-2-beta——由一个异步任务端点提供。如果你一直在等待将这一代图像质量引入自己的产品，集成量很小：将提示词 POST 到 /v1/tasks，轮询任务 ID，下载 URL。上面的输出正是这样生成的。

从 1:1 / 1K 的 gpt-image-2 开始——每次生成 $0.03，可处理大多数实际用例。在 hiapi 定价页面浏览完整的图像和视频模型阵容，或直接前往 GPT Image 2 模型页面发送你的第一个请求。