GPT Image 2

E2X 上的 GPT Image 2 图像编辑与 inpainting API

GPT Image 2 edit-image 就是 OpenAI 的 gpt-image-2-2026-04-21，只不过对准的是您已经拥有的图像：修图、合成、带 mask 的 inpainting、outpainting，以及重写烤进版式里的字。我们把它运行为 openai/gpt-image-2/edit-image，在我们的默认值 resolution=1K 下每张输出图像计费 $0.0525。fal.ai 上等价的高档 request 是 $0.211。

手上没有源图像？那您要的是 GPT Image 2 text-to-image —— 同一个模型，同一份价目表，只需 prompt。

在这里做一次编辑要花多少钱

我们的定价是乘法式的，而两个乘数里有一个是陷阱。quality 在每一个取值上都是 ×7 —— low、medium 和 high 计费完全相同，所以选更低的档位只会让您损失画质而一分钱都省不下。这是我们的配置在映射这个参数时留下的怪癖，我们不会把它藏进脚注。请发 high。

resolution 才是那个动钱的乘数：1K 是 ×1，2K 是 ×2，4K 是 ×3。作为「GPT Image 2 定价」在外流传的 $0.0075，是我们未经倍率放大的基准费率，只有完全不发 quality 值的 request 才够得着——而 quality 在这个 endpoint 上是必填的，所以在这里您连误打误撞都碰不到它。截至 2026 年 8 月 26 日 的费率：

请把这几列对照着读。fal 的价格从 1K 到 2K 几乎不动，而我们的翻了一倍，所以一个在 1K 时看着巨大的差距，到 2K 就大约被砍掉一半。在我们核查过的每一档上，仍然对我们有利。请按您真正会拿去交付的那一档来做预算。

OpenAI 根本进不了那张表。它对这个模型按 token 计量（文本输入 $5.00/1M，图像输入 $8.00/1M，图像输出 $30.00/1M；Batch 为半价），所以「每次编辑的价格」只有在您先假定一个图像尺寸和一个 prompt 长度之后才存在。我们按 request 收费。

价格与产品条款可能随时间变化；在做出采购决定前，请核对各家提供商的当前价格。Google 的 Batch 或 Flex 价格在调度、可用容量和处理条件上均有所不同，因此与标准的按需 API request 并不直接等价，已从本对比中排除。这是一次限定范围的对比，并非声称 E2X 在任何配置下都是全球最便宜的选择。

编辑的运行成本更高，背后的结构性原因

OpenAI 在这一代里移除了 input_fidelity 参数。您附上的每一张源图像现在都按高保真处理，没有更便宜的档位可以退守——每个附件每一次都要消耗更多输入 token。市场上就能看出来：在 fal.ai 上，低档位的编辑 endpoint 大约是 text-to-image 费率的两倍。不要想当然地以为编辑流水线和从零生成的流水线在底层花的钱一样多。

这个 endpoint 擅长什么

重写已有作品内部的文字。 这是把一张图像带到这里、而不是带到某个 Google 模型的最强理由。把一张做好的英文信息图交给它，要一版德语的——文字回来时清晰可读，版式纹丝不动。产品标签、包装文案、菜单牌、UI 截图，同理。

多来源合成。 每次 request 最多 16 张参考图，最多返回 10 张输出——一堆可供挑选的变体，不必每次都往返一趟。

带 mask 的 inpainting。 附上一张带 alpha 通道的 mask，其中的白色区域标出模型可以改动的地方。mask 是可选的；没有它时，由您的 prompt 来界定编辑范围。OpenAI 自己的措辞值得直接引用而不是转述：该「模型将 mask 用作引导，但可能不会完全精确地遵循它的确切形状」。这是一个强烈的提示，不是一条剪切路径。Outpainting 的机制也一样。

透明背景。 background: "transparent" 会返回一个 alpha 通道 —— PNG 或 WebP，绝不会是 JPEG。

尺寸规则同样作用于输入：最长边最大 3840px、两条边都要是 16 的倍数、aspect ratio 不得宽于 3:1、总像素数在 655,360 到 8,294,400 之间。

API request：源图、prompt、可选的 mask

这里有三个必填字段：prompt、image_urls 和 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": "把包装上的标题换成 \"CAFÉ NOIR — GRAND CRU\"，使用相同的字体和字重。插画、条形码和背景保持不动。",
      "image_urls": ["https://example.com/coffee-box.png"],
      "aspect_ratio": "4:5",
      "resolution": "2K",
      "quality": "high"
    }
  }'

您会拿回一个 job ID。可以对它做 polling，也可以注册一个 webhookUrl 让我们来呼叫您。

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: "把图 1 里的手表合成到图 2 的大理石台面上。匹配图 2 的光线方向。保持表盘刻字清晰可读。",
      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));
}

job 的流转是 pending → processing → completed，或者停在 failed 或 cancelled。resolution 的取值是大写的 —— 1K、2K、4K —— 而我们的 aspect ratio 默认值是 1:1。这个模型在渲染前会规划并自检，所以我们公布的是 60 秒的 ETA，而不是一个 flash 档的承诺。schema 和价格见机器可读规格。

在我们的图像编辑模型之间做选择

五个编辑器，一个决定，而它归结为：字母重不重要。

直说吧：如果您的编辑不碰文字，那您多半不该来这里。Nano Banana 2 能以更低的价格、更快的速度处理寻常的修图——去掉一个物体、换个背景、把色调调暖。要编辑一张人像，或者要让同一个人在多张参考图之间保持可辨认？即便价格更高，Nano Banana Pro 也是更趁手的工具。

来这里，是为了 Google 那一家做得不够好的事：重写既有设计内部的文案、由 mask 界定范围的 inpainting、透明输出。其余的都在 image-to-image 分类和我们的模型目录里。

来自这个 endpoint 的实战笔记

描述差量，而不是终点。一条把整个场景重新描述一遍的 prompt 会与源图争夺主导权，于是您得到的是一次漂移的重新生成，而不是一次编辑。先点名什么要变，再点名什么必须留存：「保持裁切、阴影和标签位置完全一致」这句话对得起它占的篇幅。

当多张图像一起进来时，请按序号给它们贴标签：图 1 是主体，图 2 是环境，图 3 仅作调色参考。除此之外没有任何东西能告诉模型：哪个附件本来是一块色板。

做文字编辑时，请把确切的替换字符串加引号粘上去，并说明旧的那串怎么处理。转述等于邀请它重新演绎，而在产品标签上的一次重新演绎，代价是一次重印。在 mask 内部，请在任何珍贵的东西周围留出几像素余量——那条边界是引导，不是剪切。

交付一份编辑素材之前

每一张输出、每一个质量档位，都会落上两层 watermark，这一部分我们不打算说得委婉。C2PA 来源元数据会把该文件标明为由 ChatGPT Images 生成 —— X、Meta、LinkedIn 和 TikTok 会解析它，并自动加上「Made with AI」标签。其下还藏着一个嵌在图像数据里的、像素级的不可感知 watermark，元数据被抹掉时它并不会跟着消失。

这两层都没有关闭开关，对我们如此，对任何其他转售方也如此。我们无法承诺这个模型的白标输出。 正在依据一份禁止 AI 标签素材的合同编辑客户资产？请现在就去谈这件事。

还有一条成本提示，因为在这里直觉是错的：便宜的草稿轮次并不来自 quality。二十次 low 迭代的账单，与二十次 high 分毫不差。想要一个便宜的评审循环，请在 1K 打草稿，把 2K 或 4K 留给要交付的那一版。

常见问题

在 E2X 上一次 GPT Image 2 编辑多少钱？

在我们 quality=high 与 resolution=1K 的默认值下，每张输出图像 $0.0525。2K 是 $0.105，4K 是 $0.1575，因为分辨率分别乘以二和三。质量档位不会改变这些数字中的任何一个。数据来自我们 2026 年 8 月 26 日的核查。

单次编辑 request 能接受多少张参考图？

按 OpenAI 公开的接口，最多 16 张，而一次 request 最多可返回 10 张输出。附件越多意味着输入 token 越多，所以一次 16 张参考图的合成，与单图修图并不是同一量级的工作负载。

low 质量的编辑比 high 便宜吗？

不。无论您发哪个取值，我们的倍率都是 ×7，所以 low、medium 和 high 在 1K 下一律计费 $0.0525。这个字段在这里是必填的，而且怎么设都不会降低您的成本。请用 resolution 来控制花费。

为什么编辑比单纯的生成运行成本更高？

因为 input_fidelity 被移除了：每一张附带的图像都按高保真处理，没有更便宜的选项，所以一次编辑烧掉的输入 token 比只有 prompt 的 request 更多。这在整个市场上都看得见——fal.ai 的编辑 endpoint 在低档位上大约是其 text-to-image 费率的两倍。

我能改掉手上已有图像里的文字吗？

能，而且这正是选择这个模型而不是 Google 替代品的主要理由。请把确切的替换字符串加引号写出来，并说明原来那串该怎么处理。多语言替换同样可行，包括 CJK，无需重画围绕它们的版式。

编辑后的图像出来时带 watermark 吗？

带。每一张输出都带有平台用来打上「Made with AI」标签的 C2PA 元数据，外加一个嵌在图像数据里的不可感知像素 watermark。两者在每一个质量档位上都生效，而且没有任何提供商能禁用它们。

我什么时候该改用 Nano Banana Pro 做编辑？

当编辑以人为中心时——人像写实感和跨参考图的角色一致性，正是 Google 的 Pro 档更强的地方。对于日常的背景和色彩工作，$0.04 的 Nano Banana 2 就够了；我们在文字上的优势在那里买不到任何东西。