E2X 上的 OpenAI GPT Image 2.5 API 指南:最高 4K 的 xhigh 与 max 画质仅需 $0.0525 起
OpenAI 的 GPT Image 2.5 现已正式上线 E2X API,提供两个路由端点:用于根据文本提示词生成画面的 openai/gpt-image-2.5-sunburst/text-to-image,以及用于修改或合成源图片的 openai/gpt-image-2.5-sunburst/edit-image。在享受我们长期的 75% 折扣(即 2.5 折)后,1K 请求计费 $0.0525,2K 请求计费 $0.105,4K 请求计费 $0.1575。
这一价格在 Schema 的所有 quality(画质)设置下均保持不变。在 E2X 上,全新的 xhigh 和 max 画质档位与 low、medium、high 共享完全相同的 ×7 倍率。你可以直接以 xhigh 或 max 运行每一个任务,账单不会增加一分钱。

本指南涵盖完整的集成流程:基础费率与倍率如何决定最终账单、两个路由的完整输入参数 Schema、用于轮询和 Webhook 的生产级 curl 与 TypeScript 代码,以及生成本页示例图片所使用的真实提示词。
$0.0525 的价格是如何计算的
了解 E2X 的计费公式可以避免两个常见误区:一是在还在调试提示词措辞的阶段就为 4K 分辨率买单;二是为了省钱而调低 quality,殊不知降低 quality 根本不会改变价格。
openai/gpt-image-2.5-sunburst/text-to-image 和 openai/gpt-image-2.5-sunburst/edit-image 共享相同的目录基础单价 $0.03(在 API 响应中表示为 30,000 微美分)。E2X 对该基础单价提供长期 75% 折扣,将起始单价降至 $0.0075(7,500 微美分)。在此基础上,计费引擎会乘以两个参数系数:
quality系数:low、medium、high(Schema 默认值)、xhigh和max均采用 ×7 倍率。将$0.0075乘以7即得到$0.0525。resolution系数:1K(Schema 默认值)应用 ×1,2K应用 ×2,4K应用 ×3。
由于动态定价表中的所有五个 quality 值都映射到同一个 ×7 系数,resolution 是唯一会影响单张图片成本的参数。在已完成的任务中,你永远不会看到未乘倍率的 $0.0075 扣费,因为只要省略 quality,系统就会默认使用 high(×7)。而且由于 xhigh 和 max 同样共享该 ×7 系数,降级到 low 或 medium 节省的费用为零。请根据提示词的视觉细节密度,直接将 quality 设为 high、xhigh 或 max,无需使用 low。
| 分辨率 | 倍率公式 | E2X 目录价 ($0.03 × 7) | E2X 折后价 (75% off) | API 微美分 (micro-cents) | fal.ai 按需价 (high 档) | E2X 节省比例 |
|---|---|---|---|---|---|---|
1K(默认) | $0.0075 × 7 × 1 | $0.21 | $0.0525 | 52500 | $0.211 | 75% |
2K | $0.0075 × 7 × 2 | $0.42 | $0.1050 | 105000 | $0.222 | 53% |
4K | $0.0075 × 7 × 3 | $0.63 | $0.1575 | 157500 | $0.401 | 61% |
费率对比于 2026 年 11 月 4 日核对自 fal.ai 按需定价。服务商费率与条款可能随时变动;请访问我们的定价页面查看实时数据。
对于进行高频迭代设计的团队而言,这一倍率曲线让预算规划变得非常直观。当你在 "xhigh" 或 "max" 画质下微调布光、机位角度和嵌入文本时,将 resolution 固定为 "1K"。生成 8 张 1K 草图的总费用仅为 $0.42。一旦构图敲定,再花 $0.1575 运行一次 "4K" 母版渲染。整个 9 张图片的流程总计仅需 $0.5775,而如果每张草图都按 4K 运行则需要 $1.4175。
请注意上表中的第五列。E2X API 返回的每一个金额字段都是以微美分(micro-cents)为单位的整数,其中 1,000,000 微美分等于 $1.00 美元。1K 生成返回 52500,2K 生成返回 105000,4K 生成返回 157500。建议将这些整数直接存入你的账本数据库表中,仅在向前端仪表盘格式化展示时再除以 1,000,000。
两个端点的完整参数 Schema
GPT Image 2.5 的两个路由均遵循 POST https://api.e2x.ai/v1/jobs/submit 的标准 E2X 任务信封结构。你需要在 JSON 请求体的顶层传入模型标识符,并将所有模型专属控制参数放在 input 对象内。 在 E2X 上,GPT Image 2.5 提供两个变体版本:GPT Image 2.5 Sunburst(openai/gpt-image-2.5-sunburst,支持 1K/2K/4K 分辨率以及 low、medium、high、xhigh、max 画质档位)和 GPT Image 2.5 Flare(openai/gpt-image-2.5-flare,通过 /models/openai/gpt-image-2.5-flare/text-to-image 与 /models/openai/gpt-image-2.5-flare/edit-image 支持 1K/2K/4K 分辨率以及 low、medium、high 画质档位)。
| 参数 | 适用端点 | 类型 | 是否必填 | 默认值 | 允许值 / 限制 |
|---|---|---|---|---|---|
prompt | 两个端点均支持 | string | 是 | 无 | text-to-image 最高 32,000 字符;edit-image 最高 50,000 字符。 |
image_urls | 仅限 edit-image | string[] | 是(编辑时) | 无 | 用于参考条件控制、合成或编辑的公网可访问 HTTPS URL 数组。 |
aspect_ratio | 两个端点均支持 | string | 否 | "1:1" | "auto"、"1:1"、"4:3"、"3:4"、"3:2"、"2:3"、"5:4"、"4:5"、"16:9"、"9:16"、"2:1"、"1:2"、"21:9"、"9:21"、"3:1"、"1:3"(共 16 种)。 |
resolution | 两个端点均支持 | string | 否 | "1K" | "1K"、"2K"、"4K"(必须为大写)。 |
quality | 两个端点均支持 | string | 否 | "high" | "low"、"medium"、"high"、"xhigh"、"max"。 |
在编写参数校验层之前,有三个 Schema 细节值得特别注意:
- OpenAI 模型要求
resolution字符串必须为大写。请传入"1K"、"2K"或"4K"。如果你的代码库同时调用了我们文生图目录中的 Google 模型(其分辨率参数为小写的"1k"、"2k"、"4k"),请按模型标识(slug)分别规范化大小写,而不要共用同一个字符串常量。 aspect_ratio默认为"1:1",同时支持"auto"。当你省略aspect_ratio时,GPT Image 2.5 会渲染正方形画幅。当你显式传入"auto"时,模型会根据提示词中描述的主体自动选择一种支持的宽高比(在edit-image上则会保留主参考图的画幅比例)。- GPT Image 2.5 不包含
background参数。无论是openai/gpt-image-2.5-sunburst/text-to-image还是openai/gpt-image-2.5-sunburst/edit-image,都没有提供background字段("transparent"、"opaque"、"auto")。如果你的工作流需要通过单次调用直接生成带 Alpha 通道的透明 PNG 抠图,请以同样的$0.0525价格将请求路由至openai/gpt-image-2/text-to-image或openai/gpt-image-2/edit-image。我们在 GPT Image 2.5 与 GPT Image 2 对比指南中详细拆解了这一路由策略。
使用 curl 生成你的第一张图片
由于 GPT Image 2.5 任务平均耗时约 60 秒,E2X API 采用异步机制。你的 POST 请求会校验 Payload、将任务加入队列,并立即返回一个 jobId。
以下是一个完整的 curl 请求示例,以 "1K" 分辨率和 "xhigh" 画质($0.0525)调用 openai/gpt-image-2.5-sunburst/text-to-image:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/text-to-image",
"input": {
"prompt": "Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends.",
"aspect_ratio": "3:2",
"resolution": "1K",
"quality": "xhigh"
}
}'

生成上图所使用的提示词:
"Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends."
为什么这段提示词在 "xhigh" 画质下表现出色:机械键盘是检验图像生成模型的经典压力测试,因为一旦出现键帽间距不均、配列歪斜或字符涂抹,整张照片就会立刻穿帮。通过指定俯拍机位、明确外壳材质(anodized aluminum)、隔离单一色彩点缀(single signal orange Esc key),并请求 "xhigh" 画质,模型获得了充足的采样预算来保持轴体网格笔直以及键帽字符清晰锐利。
当提交调用成功时,API 会返回 200 OK 以及包含任务标识符的 JSON 信封:
{
"success": true,
"data": {
"jobId": "job_01J9X7K3M8P2Q4R6S8T0V2W4Y6",
"status": "pending"
}
}
要在终端中检查任务状态,请携带相同的 Authorization 请求头调用 GET https://api.e2x.ai/v1/jobs/{jobId}:
curl -s https://api.e2x.ai/v1/jobs/job_01J9X7K3M8P2Q4R6S8T0V2W4Y6 \
-H "Authorization: Bearer $E2X_API_KEY"
当 data.status 从 pending 变为 processing 并最终变为 completed 时,生成的图片 URL 位于 data.outputs[0].url。
max 画质下的字体排版与海报布局
在 GPT Image 2.5 上从 high 升级到 xhigh 或 max 的核心理由之一,是结构化平面布局中的文本渲染。海报、书籍封面、包装展开图和 UI 卡片都要求严格的基线对齐与干净的字形笔画。
以下是以 "2K" 分辨率和 "max" 画质($0.105)生成一张 2:3 瑞士风格展览海报时使用的提示词与参数配置:
'Minimalist museum poster on textured cotton paper. Centered Swiss grid typography reading "ZURICH DESIGN WERKSCHAU 2026" in bold black grotesque type above a cobalt blue geometric arch.'

遵循以下三条实用原则,可以让 GPT Image 2.5 的画内文字渲染稳定可靠:
- 将需要原样展示的精确字符串放在引号内。引号内的所有内容都会被视为需要在画布上逐字渲染的文本,而周围的词汇则负责描述字体风格(
bold black grotesque type)、纸张材质(textured cotton paper)和排版位置(Centered Swiss grid typography)。 - 只要文字是视觉焦点,就使用
xhigh或max。由于 E2X 对max按与high相同的 ×7 倍率计费,请求"quality": "max"可以在不增加任何成本的前提下获得最紧凑的字距(kerning)和最干净的笔画边缘。 - 一开始就选定最终宽高比。海报适合使用
"2:3"或"3:4"。如果先用"1:1"生成再后期裁剪,会切掉网格布局赖以成立的留白边距。
生产环境 TypeScript 集成:轮询与持久化存储
在 Node.js 或 TypeScript 后端中,你的集成逻辑需要干净利落地完成三件事:提交任务、以合理的频率轮询(约 3 秒一次,与我们 Worker 的轮询间隔相匹配),以及将生成完毕的文件从 E2X 的临时交付 URL 复制到你自己的 S3、R2 或 GCS 存储桶中。
切勿跳过下载转存步骤。data.outputs[0].url 返回的 URL 是短期有效的临时交付链接。如果直接将该字符串存入业务数据库,一旦临时对象过期,前端就会出现图片失效。
import { writeFile, mkdir } from "node:fs/promises";
import path from "node:path";
const E2X_BASE_URL = "https://api.e2x.ai/v1";
const API_KEY = process.env.E2X_API_KEY;
if (!API_KEY) {
throw new Error("Missing E2X_API_KEY environment variable");
}
type GptImageResolution = "1K" | "2K" | "4K";
type GptImageQuality = "low" | "medium" | "high" | "xhigh" | "max";
interface SubmitTextToImageInput {
prompt: string;
aspect_ratio?: string;
resolution?: GptImageResolution;
quality?: GptImageQuality;
webhookUrl?: string;
}
const headers = {
Authorization: `Bearer ${API_KEY}`,
"Content-Type": "application/json",
};
export async function submitGptImage25(
options: SubmitTextToImageInput
): Promise<string> {
const { webhookUrl, ...input } = options;
const response = await fetch(`${E2X_BASE_URL}/jobs/submit`, {
method: "POST",
headers,
body: JSON.stringify({
model: "openai/gpt-image-2.5-sunburst/text-to-image",
input: {
prompt: input.prompt,
aspect_ratio: input.aspect_ratio ?? "2:3",
resolution: input.resolution ?? "2K",
quality: input.quality ?? "max",
},
...(webhookUrl ? { webhookUrl } : {}),
}),
});
if (!response.ok) {
throw new Error(`Submit failed (${response.status}): ${await response.text()}`);
}
const payload = (await response.json()) as { data: { jobId: string } };
return payload.data.jobId;
}
export async function pollUntilComplete(
jobId: string,
timeoutMs = 300_000
): Promise<string> {
const deadline = Date.now() + timeoutMs;
let delayMs = 3000;
while (Date.now() < deadline) {
await new Promise((resolve) => setTimeout(resolve, delayMs));
const response = await fetch(`${E2X_BASE_URL}/jobs/${jobId}`, { headers });
if (!response.ok) {
throw new Error(`Status check failed with HTTP ${response.status}`);
}
const { data } = (await response.json()) as {
data: {
status: string;
outputs?: Array<{ url: string }>;
error?: { message?: string };
};
};
if (data.status === "completed" && data.outputs?.[0]?.url) {
return data.outputs[0].url;
}
if (data.status === "failed" || data.status === "cancelled") {
throw new Error(data.error?.message ?? `Job ended in ${data.status}`);
}
delayMs = Math.min(Math.round(delayMs * 1.25), 8000);
}
throw new Error(`Timed out waiting for job ${jobId}`);
}
async function saveImage(url: string, destination: string): Promise<void> {
const res = await fetch(url);
if (!res.ok) throw new Error(`Download failed: HTTP ${res.status}`);
await mkdir(path.dirname(destination), { recursive: true });
await writeFile(destination, Buffer.from(await res.arrayBuffer()));
}
如果你倾向于使用现成的客户端库而非自己编写原生 fetch 封装,请访问 E2X SDK 页面获取官方软件包与配置示例。
在批量工作负载中切换至 Webhook
GPT Image 2.5 的两个端点均支持单账户最高 100 个活跃并发任务上限,以及每分钟 100 次、每小时 5,000 次、每天 50,000 次的速率上限。当你并行运行接近 100 个任务时,在内存中维持 100 个轮询循环会占用大量 Worker 进程,并导致部署架构变得脆弱。
在 /v1/jobs/submit 请求体的根层级传入 webhookUrl 即可省去轮询循环。一旦任务状态达到 completed、failed 或 cancelled,E2X 会立即向你的服务器发送一条 HTTP POST 通知:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/text-to-image",
"input": {
"prompt": "Overhead editorial photograph of an anodized aluminum mechanical keyboard on a dark walnut desk. Keycaps in matte charcoal with a single signal orange Esc key. Soft north-window daylight from the top left, crisp key legends.",
"aspect_ratio": "3:2",
"resolution": "1K",
"quality": "xhigh"
},
"webhookUrl": "https://api.yourcompany.com/webhooks/e2x-image"
}'
在你的 Webhook 处理程序中,记录传入的 jobId,使用你的 API Key 调用 GET /v1/jobs/{jobId} 核实任务状态,从 data.outputs[0].url 将图片下载到你的持久化对象存储中,最后将数据库记录标记为已完成。
使用 openai/gpt-image-2.5-sunburst/edit-image 进行图像编辑与合成
当你手头已有产品照片、包装平面图或建筑渲染图,需要对特定区域进行修改或将多张参考图合成为一体时,只需将模型标识切换为 openai/gpt-image-2.5-sunburst/edit-image。
其定价与文生图完全一致(1K 为 $0.0525,2K 为 $0.105,4K 为 $0.1575),同时有两条 Schema 规则发生变化:
image_urls变为必填项。请传入一个包含一个或多个公网可访问 HTTPS URL 的数组,指向你的源图片。prompt长度上限扩展至 50,000 字符。相比text-to-image的 32,000 字符,这一扩展空间让自动化商品目录流水线能够直接传入完整的 OCR 识别文本、严格的品牌色彩约束以及逐张参考图的摆放规则,而不会触发长度超限错误。
以下是一个在 image_urls 中传入两张源图片,并以 "1K" 分辨率和 "max" 画质($0.0525)进行合成的 curl 请求:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/edit-image",
"input": {
"prompt": "Place the brushed titanium chronograph watch from image 1 onto the wet dark slate surface from image 2. Preserve the exact dial markings, hands, and bezel knurling from image 1, and match the cool cyan rim reflections from image 2.",
"image_urls": [
"https://your-cdn.example.com/catalog/chronograph-cutout.png",
"https://your-cdn.example.com/backdrops/wet-slate-studio.jpg"
],
"aspect_ratio": "1:1",
"resolution": "1K",
"quality": "max"
}
}'
在为 edit-image 编写提示词时,请明确指出哪些内容需要修改、哪些内容必须保持锁定,并按 image_urls 中从 1 开始的索引位置(image 1、image 2)来指代各个输入图片。我们在 GPT Image 2.5 多图编辑指南中详细介绍了多图索引、包装标签替换以及 50K 字符提示词模板。
GPT Image 2.5 在 E2X 模型目录中的定位
你可以在 E2X 模型目录中浏览我们托管的所有图像模型,或按文生图分类和图生图分类进行筛选。由于 E2X 上的所有模型均共享同一个 /v1/jobs/submit 接口规范,在 OpenAI 和 Google 模型之间切换只需修改 model 字符串并匹配 resolution 的大小写即可。
- 选择 GPT Image 2.5(
1K$0.0525,4K$0.1575):当你需要 OpenAI 出色的提示词遵循度与字体排版渲染,并希望结合xhigh或max画质档位以及aspect_ratio: "auto"时。 - 选择 GPT Image 2(
1K$0.0525,4K$0.1575):当你的流水线需要通过background: "transparent"原生生成带 Alpha 通道的透明 PNG 抠图时。 - 选择 Google Nano Banana 2.1(
1K$0.03,2K$0.04,4K$0.09):当你需要 E2X 上最低的 4K 生成价格,或需要8:1和1:8等超宽/超高全景比例时。 - 选择 Google Nano Banana Pro(
1K/2K$0.075,4K$0.15):当你需要按角色分离的多参考图人物一致性保持时。
常见问题解答 (FAQ)
为什么在 E2X 上 xhigh 和 max 的价格与 low 和 high 完全相同?
在 E2X 针对 openai/gpt-image-2.5-sunburst/text-to-image 和 openai/gpt-image-2.5-sunburst/edit-image 的定价 Schema 中,所有五个 quality 值(low、medium、high、xhigh、max)均映射至相同的 ×7 倍率(基于折后 $0.0075 的基础单价计算)。因此,无论选择哪个画质档位,价格统一为 $0.0525(1K)、$0.105(2K)和 $0.1575(4K)。
text-to-image 和 edit-image 端点有什么区别?
openai/gpt-image-2.5-sunburst/text-to-image 仅凭文本 prompt(32,000 字符上限)生成全新图像;而 openai/gpt-image-2.5-sunburst/edit-image 则要求同时提供 prompt(50,000 字符上限)和 image_urls(源图片 URL 数组),用于对现有视觉素材进行编辑、风格转换或合成。两个端点共享完全相同的定价与速率限制。