OpenAI 图像 API 定价如果把每个图像请求都当作单一的“每张图片成本”，很容易误读。GPT 图像定价是基于 token 的：文本提示词 token、用于编辑或引用的图像输入 token、可用时的缓存输入、图像输出 token，以及在某些 GPT 图像条目中还包括文本输出 token。分辨率、质量、API 路径，以及你是在生成还是分析图像，都会改变账单。
截至 2026 年 6 月 11 日，OpenAI 的定价页面列出了当前 GPT 图像系列的 gpt-image-2、gpt-image-1.5 和 gpt-image-1-mini 条目。OpenAI 的图像生成指南仍然包含 gpt-image-1 的示例，但为新工作做预算的团队应先查看当前定价表，再照搬旧的 GPT 图像或 DALL-E 成本假设。
对于使用 Flatkey 的团队，实际答案是：先用 OpenAI 的定价页面了解直连提供方的计费机制，然后使用 Flatkey 的 定价页面和使用情况仪表板，审计你的应用所调用的精确模型条目的路由用量。
快速回答：OpenAI 图像 API 定价包含什么
OpenAI image API pricing 有四个需要查看的成本桶，不过并不是每个模型行都会用到全部四项：
| 成本桶 | 适用场景 | 预算变量 | 需要核实什么 |
|---|---|---|---|
| 文本输入 token | 你的提示词、指令，以及随请求发送的任何文本上下文。 | 提示词长度、模板、隐藏的系统指令以及重复上下文。 | OpenAI 定价中当前该图像模型的文本输入费率。 |
| 文本输出 token | 由列出文本输出价格的行返回的模型生成文本。 | 工作流是否要求模型返回文本、结构化输出，或在图像工作之外同时返回说明文字。 | 该模型特定的文本输出行；例如，gpt-image-1.5 列出了文本输出费率。 |
| 图像输入 token | 图像编辑、参考图像、遮罩，以及多模态图像分析。 | 输入图像数量、图像大小、细节设置和保真度要求。 | 该模型特定的图像输入费率以及图像 token 化规则。 |
| 图像输出 token | 生成的图像。 | 图像数量、分辨率、质量和输出模型。 | 该模型特定的输出费率，以及适用于你的尺寸和质量的输出成本示例。 |
简单的预算公式是：
estimated cost =
text input tokens x text input rate
+ optional text output tokens x text output rate
+ image input tokens x image input rate
+ image output tokens x image output rate
正因为如此，OpenAI image API pricing 才会在一个简短的文本转图像提示、高质量的双参考图像编辑，以及在生成新图像之前先分析上传图片的多模态工作流之间变化如此之快。
需要检查的当前 GPT 图像价格行
OpenAI 按每 100 万 token 对 GPT 图像模型定价。下表汇总了截至 2026 年 6 月 11 日可见的 OpenAI 直接标准 API 行。请将其视为发布当天的快照，而非永久合同。
| OpenAI 模型 | 文本输入 | 缓存文本输入 | 文本输出 | 图像输入 | 缓存图像输入 | 图像输出 | 用于预算 |
|---|---|---|---|---|---|---|---|
gpt-image-2 |
$5 / 1M tokens | $1.25 / 1M tokens | 未列出 | $8 / 1M tokens | $2 / 1M tokens | $30 / 1M tokens | 当前旗舰 GPT 图像生成与编辑预算。 |
gpt-image-1.5 |
$5 / 1M tokens | $1.25 / 1M tokens | $10 / 1M tokens | $8 / 1M tokens | $2 / 1M tokens | $32 / 1M tokens | 仅在您的账户或端点实际使用此行时再进行比较。 |
gpt-image-1-mini |
$2 / 1M tokens | $0.20 / 1M tokens | 未列出 | $2.50 / 1M tokens | $0.25 / 1M tokens | $8 / 1M tokens | 用于更低成本的图像生成实验和大批量草稿。 |
OpenAI 还将这些图像行的 Batch API 定价列为标准 token 费率的大约一半。这对于异步图像任务、回填、测试套件以及不需要立即响应的内容流水线可能很重要。
每张生成图像的示例输出成本
OpenAI 图像 API 定价中的输出部分会因模型、尺寸和质量而变化。OpenAI 的图像生成指南为生成图像输出提供了计算器示例。对于一张正方形 1024 x 1024 图像，当前示例如下：
| 模型 | 低质量 | 中等质量 | 高质量 | 预算含义 |
|---|---|---|---|---|
gpt-image-2 |
$0.006 | $0.053 | $0.211 | 当输出量很高时，质量是最大的调节杠杆。 |
gpt-image-1.5 |
$0.009 | $0.034 | $0.133 | 在据此做预算之前，先确认这个模型是否 वास्तव वास्तव被实际使用。 |
gpt-image-1-mini |
$0.005 | $0.011 | $0.036 | 适合在升级最终渲染之前制作更低成本的草稿。 |
gpt-image-1 example |
$0.011 | $0.042 | $0.167 | 较旧 GPT 图像定价内容的历史参考点。 |
若要快速估算总量，可将输出示例乘以请求次数，然后再加上文本输入、图像输入以及任何按计费标准收取的文本输出成本。1,000 张正方形 gpt-image-2 中等质量输出的图像输出成本大约为 53 美元，尚未计入提示和输入图像成本。同样，1,000 张高质量输出在不含输入成本的情况下大约为 211 美元。正因如此，严肃的 OpenAI 图像 API 定价预算应将草稿、预览和最终质量流量分开。
生成、编辑和视觉是不同的预算
团队经常把三种不同的成本问题混在一起搜索OpenAI image API 定价：
| 工作流 | 你购买的内容 | 成本驱动因素 | 预算说明 |
|---|---|---|---|
| 文本生成图像 | 根据文本生成的新图像。 | 文本输入加上图像输出 tokens。 | 先从输出示例开始，再加上提示词 tokens。 |
| 图像编辑 | 根据一个或多个输入图像生成的新图像或修改后的图像。 | 文本输入、图像输入和图像输出 tokens。 | 参考图像和蒙版会增加输入成本。高保真输入的成本可能更高。 |
| 视觉或图像分析 | 文本模型读取上传的图像，并返回文本或结构化输出。 | 图像输入 tokens 加上常规模型输出 tokens。 | 不要把图像生成输出价格用于纯图像分析。 |
| 分析后生成 | 一次多模态请求先分析一张图像，然后再生成另一张图像。 | 分析 tokens 和图像生成 tokens 两者都有。 | 即使你的产品把它们隐藏在一个按钮后面，也要把它们当作两个阶段来跟踪。 |
较早的搜索词“GPT-4 Vision API 定价”在这里可能会产生误导。OpenAI 现有文档将图像输入描述为多模态模型调用中的 token 化输入。细节级别、图像尺寸以及特定模型的 token 计费方式决定了图像输入成本。这与 GPT Image 输出成本是不同的预算项。
GPT 图像功能预算工作表
在发布依赖于 OpenAI 图像 API 定价的功能之前，请先使用这份工作表。
| 决策 | 起始默认值 | 何时提高成本 | 记录什么 |
|---|---|---|---|
| 模型 | 选择准确的模型行，例如 gpt-image-2 或 gpt-image-1-mini。 |
对于最终输出、品牌关键视觉内容或对质量敏感的编辑，使用更高成本的模型。 | 模型 ID、端点和提供方路径。 |
| 质量 | 预览和草稿使用低或中。 | 仅当视觉保真度影响转化、审核或生产质量时才使用高。 | 质量设置和输出尺寸。 |
| 分辨率 | 只生成产品所需的尺寸。 | 仅为最终资产增大尺寸，不要对每次中间尝试都这样做。 | 请求的尺寸和最终下载的尺寸。 |
| 输入图像 | 尽量保持参考图和遮罩最少。 | 当编辑需要身份、布局或风格连续性时，添加参考图。 | 输入图像数量、细节/保真度以及重试次数。 |
| 批处理 | 面向用户的流程使用实时调用。 | 当工作流允许时，对延迟作业使用 Batch API。 | 批量大小、完成率和被拒绝的作业。 |
| 重试 | 限制自动重试次数，并显示清晰的失败状态。 | 仅对付费工作流或内部生产作业允许额外尝试。 | 每个输出的重试次数和每个成功资产的成本。 |
这会把 OpenAI 图像 API 定价从静态表格变成一个运营模型：你知道哪些设置适合原型，哪些设置适合付费用户流程，以及哪些设置需要审批。
Flatkey 如何帮助审计多模态支出
Flatkey 并不会取代理解 OpenAI 直接定价的必要性。它为团队提供了一个统一位置，用于在不同模型家族之间路由和审计用量。Flatkey 当前的公开文案称，团队只需一个 API 密钥即可访问 Claude、GPT、Gemini、DeepSeek、Qwen、Seedance 2.0、GPT Image 等，并提供清晰定价、统一账单，以及用于管理密钥、用量和路由的单一仪表板。
这对 OpenAI 图像 API 定价 很重要，因为图像工作负载很少是孤立的。一个产品可能会分析上传的截图、生成草稿图像、调用文本模型生成说明文字，并通过其他提供商处理回退。统一的用量视图能帮助你看到混合成本，而不是在不同提供商账户之间排查账单。
当你使用 Flatkey 进行图像或多模态路由时，请检查以下事项：
- 打开 Flatkey 定价，并在上线前核实准确的图像模型行。
- 确认你的应用调用的模型 ID，尤其是在你同时看到当前和旧版 GPT Image 名称时。
- 运行一小批测试，并将预期请求次数与使用日志进行比较。
- 在你自己的产品遥测中跟踪输出大小、质量、重试次数以及编辑/参考图像数量。
- 在第一个真实用户群到来后回顾成本，而不只是做一次顺利的路径测试。
在 2026 年 6 月 11 日的一次实时 Flatkey 定价快照中，定价端点返回了 653 行模型数据，并支持包括 image-generation、openai、openai-response 和 openai-video 在内的端点家族。它还包含 GPT 图像系列条目，例如 gpt-image-2、openai/gpt-image-2、gpt-image-1.5、gpt-image-1-mini，以及旧版 gpt-image-1。这提醒你应核实发布当天的目录行，而不是假设某个过时的模型名称。
OpenAI 图像 API 定价估算中的常见错误
| 错误 | 为什么会突破预算 | 更好的做法 |
|---|---|---|
| 每张图片都使用一个平均价格 | 它会掩盖模型、质量、尺寸以及编辑输入的差异。 | 按工作流类型估算：草稿、编辑、最终渲染、分析和批处理。 |
将旧的 gpt-image-1 或 DALL-E 定价直接复制到新功能中 |
当前的定价行和模型可用性可能不同。 | 在部署日期查看 OpenAI 定价以及你所路由的提供商目录。 |
| 忽略输入图片 | 图像编辑和参考会增加图像输入 token。 | 记录附加到每个请求的图片数量。 |
| 让重试无限运行 | 失败或低质量的尝试会变成隐性的成本中心。 | 设置重试限制，并审查每个已接受输出的成本。 |
| 将视觉分析与图像生成混在一起 | 输入 token 预算和输出图片预算不是一回事。 | 将分析和生成分别作为独立阶段跟踪。 |
上线前最终检查清单
- 选定你实际会调用的模型行，并记录准确的模型 ID。
- 将文本生成图像、编辑、分析以及分析后生成的工作流分开处理。
- 按你将在生产环境中使用的具体质量和尺寸估算输出成本。
- 为提示词、参考图、遮罩或上传图片加入文本输入、可选文本输出和图像输入成本。
- 决定任何延迟任务是否可以使用 Batch API 定价。
- 在真实流量开始前设置重试限制、配额限制和使用量告警。
- 使用 Flatkey pricing 和使用日志来比较预期与实际的路由支出。
最佳的OpenAI 图像 API 定价方案不是一个单一数字，而是一个简短的运行闭环：验证当前模型行，按工作流估算，运行一批受控测试，并在向更多用户开放功能前，在同一个仪表板中查看真实使用情况。
查看定价，在你扩展 GPT Image 工作流之前，检查当前的 Flatkey 图像模型行并比较多模态使用情况。
