GPT图像2.5定价详解：代币、质量与真实图像成本

GPT Image 2.5 按 token 计费，而非每张图片统一价格。在验证时，Sunburst 和 Flare 均列出相同标准费率：每百万文本输入 token 5 美元，缓存文本输入 1.25 美元，图像输入 8 美元，缓存图像输入 2 美元，图像输出 30 美元。最终请求费用取决于提示输入、参考图像和生成的图像 token。

五大可计费组件

文本输入涵盖提示词。图像输入适用于处理参考或编辑输入时。当符合条件的内容被重复使用时，可能适用缓存费率。图像输出代表生成并编码为图像令牌的像素。重试会增加一次请求，因此被拒绝的图像也属于生产成本的一部分。

为什么没有诚实的“每张图片”单一数字

尺寸、质量、模型行为、参考和重试次数各不相同。OpenAI 指出，其 GPT Image 2 计算器不估算 GPT Image 2.5 的令牌消耗。请将任何未声明设置的固定每张图像数字视为近似值。

衡量每个被接受图像的成本

使用：

(生成 + 编辑 + 重试成本) / 已接受的成品图片

除了API支出外，还需追踪中位延迟、拒绝原因和人工审核时间。一个需要反复修正的廉价草稿，其运营成本可能高于更优质的初版结果。

## Sunburst 与 Flare 经济对比

它们列出的代币费率相同，因此Flare并非自动更便宜。其速度可能会提高吞吐量。Sunburst可以减少对精度敏感工作的重试次数。运行相同的提示词和验收检查。

## 质量设置与成本控制

两种模型均支持自动、低、中、高、极高和最高档位。对于一次性草稿从低档开始，对于基准测试使用明确的中档设置，仅在解决可见故障时提高质量。更高的档位并不保证能改善每个提示的效果。

## 制作预算示例

假设一个活动需要20张最终图像。记录60个草稿、30次编辑修改和20次审批——而不仅仅是最终的20张。将构思、修正和最终渲染成本分开。快速探索任务分配给Flare，而困难的最终编辑仅在测试证明合理后才分配给Sunburst。

## 费用节省清单

- 在提升质量前先修正模糊的提示。
- 仅根据实际交付需求调整大小。
- 避免不必要的参考图像。
- 保留已批准的输出，而不是重新生成它们。
- 一次只测试一个变量。
- 每周监控每个已接受资产的成本。
- 在发布预算前，请重新核对官方定价。

## Elser 工作流注意事项

如果静态图像将变为动画，请在项目预算中纳入下游生成和编辑环节。[Elser AI](https://www.elser.ai/zh/) 可在版权清晰的图像获批后，作为动画制作流程使用。在 Elser 的实时模型列表确认 GPT Image 2.5 的原生可用状态之前，请勿将其描述为原生可用。

## 令牌定价如何映射到请求

生成请求可以包含文本输入和图像输出。编辑操作会添加一个或多个图像输入。缓存输入定价仅在平台实际识别出符合条件的重复使用内容时才适用；不要假设每次重复引用都会享受缓存费率。输出格式和压缩会影响文件传输，而尺寸和质量则影响图像生成的工作负载。

定价页面按每百万个令牌报告费率，因为不同图像使用的令牌数量可能不同。这就是为什么财务模型应读取实际使用量，而不是将请求数乘以虚构的固定费用。

## 构建成本表

每个请求创建一行，包含：

| 字段 | 重要性 |
|---|---|
| 工作流程 | 区分草稿、编辑稿和终稿 |
| 模型与快照 | 使比较可重复 |
| 大小与质量 | 解释工作负载差异 |
| 引用计数 | 帮助解释输入使用情况 |
| 输入/输出令牌 | 将请求连接到发票 |
| 延迟 | 揭示吞吐量成本 |
| 已接受 | 防止被拒资产显得高效 |
| 拒绝原因 | 显示提示或路由失败的位置 |

按工作流每周汇总。仅凭平均值可能掩盖成本高昂的异常值，因此还需检查中位数和高分位数的成本与延迟。

## 三种预算方案

### 高频创意构思

目标是快速拒绝方向。以低或中等质量及适中分辨率测试Flare。只有获批的概念才能推进。成本控制源于避免对无人想要的创意进行最终质量渲染。

### 精准产品编辑

主要成本可能源于标签或几何漂移导致的拒绝。使用相同的参考和约束条件，将 Sunburst 与 Flare 进行基准测试。如果较慢的请求能显著减少审查和重试工作，那么它在经济上可能更优。

### 最终活动视觉图

图像数量较少，但失败代价高昂。使用能够满足字体、品牌标识和构图要求的模型和质量。尽可能在生成之外保留可编辑的精确副本。

## 估算项目时避免虚假精度

预测一个范围。将预期请求乘以试点中观察到的低、典型和高令牌使用量。加入重试假设和针对困难编辑的应急措施。将OpenAI API成本与存储、编排、审核、人工审查及下游动画分开。

例如，如果历史上一个可接受的关键帧需要一次草稿加两次编辑尝试，那么预算应包含三次请求，而非仅一个最终文件。若模型变更使平均次数降至两次，即使令牌速率不变，运营节省也可能具有重要意义。

## 成本优化顺序

按此顺序优化：

1. 通过更好的简报去除不必要的代际。
2. 修复导致可预测拒绝的提示。
3. 将简单任务分配给通过测试的最快模型。
4. 仅使用所需的输出尺寸。
5. 降低质量并验证结果。
6. 在文档说明的情况下，缓存或复用符合条件的输入。
7. 在适当情况下压缩 JPEG/WebP 传输。

在修复混乱的提示词之前降低质量收效甚微。同样，提高质量也无法修复矛盾的构图指令。

## 要避免的定价说辞

不要仅凭速度定位而写“Flare 比 Sunburst 成本更低”；当前已发布的代币费率是一致的。如果没有具体设置和测量的代币使用量，请不要引用通用的每张图像成本。不要将 GPT Image 2 计算器的估算值当作 2.5 版本的估算值来引用——模型页面已明确警告这一点。最后，务必在价格表上注明日期并链接至官方页面。

## 如何比较API成本与创意平台

API账单和创作者平台订阅涵盖的内容不同。API定价通常衡量模型使用量；而平台可能捆绑存储、项目管理、其他模型、编辑工具和支持。比较发布资产所需的整个工作流程，而不是将代币价格与订阅标题进行对比。

对于动画项目，请为静态图像开发、角色或故事板准备、视频生成、配音、音乐、剪辑以及人工审核分别设立预算条目。如果GPT Image 2.5关键帧能减少后续故事板修改，其价值可能超过直接生成成本。若在构思阶段后被弃用，则应计入探索预算。

Elser 的实时套餐和模型可用性可能会发生变化，因此在决策时请核实 [Elser AI 定价](https://www.elser.ai/zh/pricing)。除非当前产品明确说明，否则不要暗示购买 Elser 套餐即可获得 GPT Image 2.5。

## 简单的月度预测

从生产单元开始，而不是从请求开始：

```text

每月剧集数 × 每集批准剧照数 = 必需已批准的资产

所需资产 × 每个已接受资产的观察请求数 = 预期请求量

按代际划分第二个数字，分别处理编辑和最终渲染工作负载。应用试点中测得的令牌使用量，然后计算低、预期和高范围。添加审查时间估算，并为启动期间的行为变化预留应急空间。

假设一个工作室计划制作八个短片，每个短片需要十二个已批准的关键帧。那就是96张被接受的图像。如果试点显示每个被接受的帧有2.4个请求，那么在应急之前预测大约230个请求——而不是96个。实际的美元结果仍需要测量令牌使用量；这个练习揭示了运营乘数。

## 成本激增治理

在可用范围内设置项目和组织的支出限额。对每日令牌使用量、异常重试率以及高质量或高分辨率请求的突然增长发出警报。要求在自动化流水线中为 `xhigh` 或 `max` 提供明确理由。保留一个终止开关，在停止新任务的同时保留已完成的资产。

成本异常往往是质量异常。重试次数激增可能表明提示词变更、引用上传损坏或快照行为发生变化。在仅仅提高预算之前，请先审查样本输出。

## 何时适用更高税率

2.5 系列在 Sunburst 通过 GPT Image 2 拒绝的工作，或 Flare 将延迟降低到足以改善人类工作流程时，可能是合理的。它并非仅仅因为模型更新就合理。在切换前，定义一个阈值，例如“在不降低品牌保真度的情况下，将已接受资产的周转时间降低 20%”。

该阈值应包含人类时间。设计师每修复一个廉价结果花费六分钟，可能会抵消看似节省的API成本。相反，高吞吐量的草稿流水线可能更看重速度，即使最终质量不变。

## 常见问题解答

### Sunburst和Flare的代币速率不同吗？
未在此文章验证的官方定价中。

### 最高质量总是值得的吗？
不。仅在它解决了一个可测量的质量问题时才使用它。

### 参考图片是免费的吗？
不，图像输入会计入令牌使用量。

### 定价是永久的吗？
任何定价文章都不应假设这一点。在购买或发布计算结果前，请先核实官方页面。

## 结论

预算GPT图像2.5围绕完整接受的资产，而非吸引人的一次性输出。跟踪输入、输出、重试次数、延迟和审查。最佳的模型质量组合是能够反复满足您要求的最低成本配置。