GPT Image 2

API di editing immagini e inpainting GPT Image 2 su E2X

GPT Image 2 edit-image è il gpt-image-2-2026-04-21 di OpenAI puntato sulle immagini che possiede già: ritocco, compositing, inpainting con mask, outpainting e riscrittura della tipografia impressa in un layout. Lo facciamo girare come openai/gpt-image-2/edit-image e fatturiamo $0.0525 per immagine di output con resolution=1K, il nostro default. La request equivalente di fascia alta su fal.ai sta a $0.211.

Nessuna immagine sorgente da cui partire? Allora Le serve GPT Image 2 text-to-image — stesso modello, stesso listino, solo prompt.

Quanto costa qui una modifica

Il nostro pricing è moltiplicativo, e uno dei due moltiplicatori è una trappola. quality si applica ×7 a ogni valore — low, medium e high fatturano identico, quindi un tier più basso Le costa qualità dell'immagine e non Le fa risparmiare nulla. È una stranezza nel modo in cui la nostra configurazione mappa il parametro, e non la nascondiamo in una nota a piè di pagina. Invii high.

resolution è il moltiplicatore che muove i soldi: ×1 a 1K, ×2 a 2K, ×3 a 4K. La cifra di $0.0075 che circola come "prezzo di GPT Image 2" è la nostra tariffa base pre-moltiplicatore, raggiungibile solo da una request che non invia alcun valore di quality — e quality è obbligatorio su questo endpoint, quindi qui non può raggiungerla nemmeno per sbaglio. Tariffe al 26 agosto 2026:

Legga le colonne l'una contro l'altra. Il prezzo di fal si muove appena fra 1K e 2K mentre il nostro raddoppia, quindi un divario che a 1K sembra enorme si dimezza più o meno entro il 2K. Resta comunque a nostro favore a ogni tier che abbiamo verificato. Faccia budget sul tier che manderà davvero in produzione.

OpenAI non può proprio comparire in quella tabella. Misura questo modello a token ($5.00/1M di input testuale, $8.00/1M di input immagine, $30.00/1M di output immagine; Batch a metà tariffa), quindi un "prezzo per modifica" esiste solo una volta che si assumono una dimensione di immagine e una lunghezza di prompt. Noi tariffiamo per request.

I prezzi e le condizioni dei prodotti possono cambiare nel tempo. Verifichi i prezzi aggiornati di ciascun provider prima di prendere una decisione d'acquisto. Il prezzo Google Batch o Flex non è direttamente equivalente a una request API on-demand standard, perché le condizioni di pianificazione, disponibilità ed elaborazione sono diverse; è quindi escluso da questo confronto. Si tratta di un confronto circoscritto a uno scenario d'uso specifico, non dell'affermazione che E2X sia l'opzione più economica al mondo in ogni configurazione.

Il motivo strutturale per cui le modifiche costano di più

OpenAI ha rimosso il parametro input_fidelity in questa generazione. Ogni immagine sorgente che allega viene ora elaborata ad alta fedeltà, senza alcuna impostazione più economica su cui ripiegare — più token di input per allegato, ogni volta. Il mercato lo mostra: su fal.ai l'endpoint di editing gira a circa il doppio della tariffa text-to-image sul tier basso. Non dia per scontato che una pipeline di editing e una di generazione da zero costino uguale sotto il cofano.

A cosa serve bene questo endpoint

Riscrivere il testo dentro artwork esistente. È la ragione più forte per portare un'immagine qui invece che su un modello Google. Gli dia un'infografica in inglese già finita, chieda la versione tedesca — la tipografia torna leggibile e il layout resta al suo posto. Lo stesso vale per etichette di prodotto, testi di packaging, menu board, screenshot di UI.

Composite da molte sorgenti. Fino a 16 reference image per request, e fino a 10 output restituiti — varianti fra cui scegliere senza un andata e ritorno per ciascuna.

Inpainting con mask. Alleghi una mask con canale alpha e la regione bianca segna ciò che il modello può cambiare. La mask è opzionale; senza, è il Suo prompt a delimitare la modifica. Le parole di OpenAI vale la pena citarle invece di parafrasarle: il "modello usa la mask come guida, ma potrebbe non seguirne la forma esatta con assoluta precisione." Un suggerimento forte, non un tracciato di ritaglio. L'outpainting funziona allo stesso modo.

Trasparenza. background: "transparent" restituisce un canale alpha — PNG o WebP, mai JPEG.

Le regole dimensionali valgono anche per gli input: lato più lungo fino a 3840px, entrambi i lati multipli di 16, aspect ratio non più largo di 3:1, pixel totali da 655.360 a 8.294.400.

Request API: sorgenti, prompt, mask opzionale

Qui sono obbligatori tre campi: prompt, image_urls e quality.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/gpt-image-2/edit-image",
    "input": {
      "prompt": "Sostituisci il titolo sulla confezione con \"CAFÉ NOIR — GRAND CRU\" nello stesso carattere e nello stesso peso. Lascia intatti illustrazione, codice a barre e sfondo.",
      "image_urls": ["https://example.com/coffee-box.png"],
      "aspect_ratio": "4:5",
      "resolution": "2K",
      "quality": "high"
    }
  }'

Riceve indietro un job ID. Faccia polling, oppure registri un webhookUrl e lasci che La chiamiamo noi.

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submitted = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "openai/gpt-image-2/edit-image",
    input: {
      prompt: "Componi l'orologio dell'immagine 1 sulla superficie di marmo dell'immagine 2. Rispetta la direzione della luce dell'immagine 2. Mantieni leggibile l'incisione sul quadrante.",
      image_urls: [
        "https://example.com/watch-cutout.png",
        "https://example.com/marble-scene.jpg",
      ],
      aspect_ratio: "1:1",
      resolution: "1K",
      quality: "high",
    },
  }),
}).then((r) => r.json());

const { jobId } = submitted.data;

for (;;) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());
  if (job.data.status === "completed") {
    job.data.outputs.forEach((o) => console.log(o.url));
    break;
  }
  if (job.data.status === "failed") {
    throw new Error(job.data.error?.message || "Edit failed");
  }
  await new Promise((r) => setTimeout(r, 3000));
}

I job passano da pending → processing → completed, oppure si fermano su failed o cancelled. I valori di resolution sono in maiuscolo — 1K, 2K, 4K — e il nostro default di aspect ratio è 1:1. Il modello pianifica e si autoverifica prima di rendere, quindi pubblichiamo un ETA di 60 secondi invece di una promessa da fascia flash. Schema e prezzo vivono nella specifica leggibile dalle macchine.

Come scegliere fra i nostri modelli di editing immagini

Cinque editor, una sola decisione, e si riduce a quanto contano le lettere.

Risposta secca: se la Sua modifica non tocca la tipografia, probabilmente non dovrebbe essere qui. Nano Banana 2 gestisce il ritocco ordinario — rimuovere un oggetto, sostituire uno sfondo, scaldare la color grade — per meno e più in fretta. Sta modificando un ritratto, o tenendo una stessa persona riconoscibile fra più reference? Nano Banana Pro è lo strumento migliore anche a un prezzo più alto.

Venga qui per quello che la famiglia Google non fa altrettanto bene: riscrivere il testo dentro un design esistente, inpainting delimitato da mask, output trasparente. Il resto sta nella categoria image-to-image e nel nostro catalogo modelli.

Note di lavoro dall'endpoint

Descriva il delta, non la destinazione. Un prompt che ridescrive l'intera scena compete con la sorgente, e ottiene una rigenerazione alla deriva invece di una modifica. Nomini ciò che cambia, poi ciò che deve sopravvivere: "mantieni identici il taglio, l'ombra e la posizione dell'etichetta" si guadagna il proprio spazio.

Quando entrano più immagini, le etichetti per indice: l'immagine 1 è il soggetto, l'immagine 2 l'ambiente, l'immagine 3 solo reference di grading. Nient'altro comunica al modello quale allegato doveva essere una palette.

Per le modifiche di testo, incolli fra virgolette la stringa sostitutiva esatta e dica che fine fa quella vecchia. La parafrasi invita alla reinterpretazione, e una reinterpretazione su un'etichetta di prodotto è una ristampa. Dentro una mask, lasci qualche pixel di margine attorno a tutto ciò che è prezioso — il confine è un suggerimento, non un ritaglio.

Prima di mandare in produzione un asset modificato

Su ogni output atterrano due livelli di watermark, a ogni tier di qualità, e questa parte non la ammorbidiamo. I metadati di provenienza C2PA identificano il file come generato da ChatGPT Images — X, Meta, LinkedIn e TikTok li analizzano e applicano automaticamente l'etichettatura "Made with AI". Sotto sta un watermark impercettibile a livello di pixel nei dati dell'immagine, che non sparisce quando spariscono i metadati.

Nessuno dei due livelli ha un interruttore di spegnimento, né per noi né per qualsiasi altro rivenditore. Su questo modello non possiamo promettere output in white-label. Sta modificando asset di un cliente sotto un contratto che vieta materiale etichettato come IA? Faccia quella conversazione adesso.

Una nota sui costi, dato che qui l'istinto sbaglia: le bozze economiche non vengono da quality. Venti iterazioni a low fatturano esattamente quanto venti a high. Per un ciclo di revisione economico, faccia le bozze a 1K e tenga il 2K o il 4K per la versione che va in produzione.

Domande frequenti

Quanto costa una singola modifica GPT Image 2 su E2X?

$0.0525 per immagine di output con i nostri default quality=high e resolution=1K. Il 2K arriva a $0.105 e il 4K a $0.1575, dato che la risoluzione moltiplica per due e per tre. Il tier di qualità non cambia nessuno di questi numeri. Dati dalla nostra verifica del 26 agosto 2026.

Quante reference image può contenere una singola request di editing?

Fino a 16, secondo la superficie documentata da OpenAI, e una request può restituire fino a 10 output. Più allegati significano più token di input, quindi un composite da 16 reference non è lo stesso carico di lavoro di un ritocco su una singola immagine.

Una modifica a qualità low costa meno di una a high?

No. Il nostro moltiplicatore è ×7 qualunque valore invii, quindi low, medium e high fatturano tutti $0.0525 a 1K. Qui il campo è obbligatorio, e nessuna sua impostazione abbassa il Suo costo. Usi resolution per controllare la spesa.

Perché le modifiche costano di più delle generazioni semplici?

Perché input_fidelity è stato rimosso: ogni immagine allegata viene elaborata ad alta fedeltà senza opzioni più economiche, quindi una modifica brucia più token di input di una request con il solo prompt. Si vede su tutto il mercato — l'endpoint di editing di fal.ai gira a circa il doppio della sua tariffa text-to-image sul tier basso.

Posso cambiare le parole dentro un'immagine che ho già?

Sì, ed è la ragione principale per scegliere questo modello invece di un'alternativa Google. Citi la stringa sostitutiva esatta e dica cosa deve succedere all'originale. Funzionano anche le sostituzioni multilingue, CJK incluso, senza ridisegnare il layout attorno.

Le immagini modificate escono con un watermark?

Sì. Ogni output porta metadati C2PA che le piattaforme leggono per applicare le etichette "Made with AI", più un watermark impercettibile a livello di pixel nei dati dell'immagine. Entrambi si applicano a ogni tier di qualità e nessuno dei due può essere disattivato da alcun provider.

Quando dovrei usare invece l'editing di Nano Banana Pro?

Quando la modifica ruota attorno a una persona — realismo dei ritratti e coerenza dei personaggi fra reference sono il terreno in cui il tier Pro di Google è più forte. Per il lavoro di routine su sfondi e colore, Nano Banana 2 a $0.04 basta; lì il nostro vantaggio sul testo non Le compra nulla.