gpt-image-2 输出Token数
对于 gpt-image-2，请使用计算器根据请求的质量和尺寸来估算输出token数：
gpt-image-2 之前的模型
gpt-image-2 之前的 GPT Image 模型通过首先生成专门的图像令牌来生成图像。延迟和最终成本都与渲染一张图像所需的令牌数量成正比——图像尺寸越大、质量设置越高，所需的令牌就越多。
生成的令牌数量取决于图像尺寸和质量：
| 质量 | 正方形 (1024×1024) | 竖版 (1024×1536) | 横版 (1536×1024) |
|---|---|---|---|
| 低 | 272 个令牌 | 408 个令牌 | 400 个令牌 |
| 中等 | 1056 个令牌 | 1584 个令牌 | 1568 个令牌 |
| 高 | 4160 个令牌 | 6240 个令牌 | 6208 个令牌 |
注意，你还需要考虑输入令牌：提示词的文本令牌，以及编辑图像时输入图像的图像令牌。由于 gpt-image-2 始终以高保真度处理图像输入，包含参考图像的编辑请求可能会消耗更多输入令牌。
请参阅定价页面了解当前文本和图像令牌的价格，并使用下方的“计算成本”部分来估算请求成本。
最终成本为以下各项之和：
- 输入文本令牌
- 若使用编辑端点，则包含输入图像令牌
- 图像输出令牌
成本计算
请使用下方的定价计算器来估算 GPT Image 模型的请求成本。gpt-image-2 支持数千种有效分辨率；下表列出了之前 GPT Image 模型使用的相同尺寸，以便进行比较。对于 GPT Image 1.5、GPT Image 1 和 GPT Image 1 Mini，下方还列出了旧版按每张图片输出的定价表。在估算请求的总成本时，你仍需考虑文本和图像输入令牌的数量。
在相同质量设置下，较大的非正方形分辨率有时产生的输出令牌数量会少于较小或正方形的分辨率。
| 模型 | 质量 | 1024 x 1024 | 1024 x 1536 | 1536 x 1024 |
|---|---|---|---|---|
| GPT Image 2 | 低 | $0.006 | $0.005 | $0.005 |
| 中 | $0.053 | $0.041 | $0.041 | |
| 高 | $0.211 | $0.165 | $0.165 | |
| GPT Image 1.5 | 低 | $0.009 | $0.013 | $0.013 |
| 中 | $0.034 | $0.05 | $0.05 | |
| 高 | $0.133 | $0.2 | $0.2 | |
| GPT Image 1 | 低 | $0.011 | $0.016 | $0.016 |
| 中等 | $0.042 | $0.063 | $0.063 | |
| 高 | $0.167 | $0.25 | $0.25 | |
| GPT Image 1 Mini | 低 | $0.005 | $0.006 | $0.006 |
| 中等 | $0.011 | $0.015 | $0.015 | |
| 高 | $0.036 | $0.052 | $0.052 |
部分图像费用
如果你使用 partial_images 参数流式生成图像，每张部分图像将额外消耗 100 个图像输出令牌。
