GPT Image 2（2026）：OpenAI 官方状态与接入思路

1. 截至 2026 年 4 月 22 日，OpenAI 已经为 gpt-image-2 提供了官方公开模型页。
2. 在 EvoLink 上，gpt-image-2 已经可以直接接入，gpt-image-2-beta 也作为补充测试线路保留。
3. 对开发者来说，真正重要的是：哪些信息属于 OpenAI 官方确认、provider 当前怎么暴露模型，以及系统该怎么设计，后续迁移才不会卡住。

所以这篇文章不会先讲营销口径，而是先把 OpenAI 官方状态讲清楚，再讨论在 EvoLink 上最稳的接入思路。

这篇指南写给真正在做图像业务的团队：商品图生成、图片编辑流水线、创意自动化、原型图输出、多步骤 AI 交互。我们会讲清楚三件事：

• OpenAI 官方确认了什么？
• 关于 GPT Image 2 的讨论里，哪些还只是不明确、未写清或 provider 特定实现？
• 如果你现在就要做图像生成工作流，最稳的接入与迁移思路是什么？

要点速览

• 截至 2026 年 4 月 22 日，OpenAI 已公开 gpt-image-2 的官方模型页。
• OpenAI 官方模型页已经给开发者一个明确锚点：gpt-image-2 是官方公开模型名。
• 单次生成或编辑任务，OpenAI 推荐使用 Image API。
• 多轮对话式图像编辑体验，OpenAI 推荐使用 Responses API。
• EvoLink 当前同时提供 gpt-image-2 和 gpt-image-2-beta，其中前者更适合作为默认接入线路。
• 想“为 GPT Image 2 做准备”？最稳的做法是：把厂商模型名和渠道路由名分开管理，并在架构上做好模型路由抽象。

现在大家在搜 "GPT Image 2" 时，真正关心的是什么

现在问题已经不再是“这个名字是不是还只是市场叫法”，而是同一个关键词背后混合了几种完全不同的需求。

实际上，"GPT Image 2" 至少对应四类搜索意图：

1. "OpenAI 在 GPT Image 1.5 之后出新模型了吗？"
2. "ChatGPT 的图像功能是不是又升级了？"
3. "我的 API 集成要不要换成新模型 ID？"
4. "现在怎么搭架构，以后迁移才省事？"

OpenAI 官方确认了什么

1. gpt-image-2 现在已经有官方公开模型页

这很重要，因为它给开发者划了一条新的清晰边界：什么是 OpenAI 官方已确认的，什么仍然只是渠道实现细节或外部表述。

2. OpenAI 提供两条主要的图像 API 集成路径

当前文档把图像相关的 API 分成两种风格：

• Image API：适合单次生成或编辑一张图片。
• Responses API：适合对话式、多步骤、可反复修改的图像体验。

这个选择直接影响系统设计。很多团队纠结模型名称，却忽略了更根本的架构问题：你到底是在做一个一次性出图工具，还是一个可迭代的编辑工作流。

3. 后台模式（Background Mode）已有文档

4. 编辑和高保真图像输入已经是公开功能

当前文档已经支持了很多人以为要等"下一代模型"才有的能力：

• 图像生成与图像编辑
• Responses API 中的多轮编辑
• 输入图像的高保真保留
• 编辑流程中的蒙版（mask）支持

换句话说，"下一代图像工作流"的大部分能力，在当前技术栈里已经可以用了。

Thinking Mode：生成前先推理

GPT Image 2 有一个不太被讨论、但在架构上很有意义的变化：它集成了推理能力。

• 拆解复杂 prompt——把布局、物体摆放、文字渲染等子任务分开处理
• 数对象、验空间约束——先确认数量和位置关系，再决定构图
• 消除歧义——当 prompt 中有冲突要求时，模型会先规划怎么处理，而不是随机折中

这个能力在老模型经常翻车的场景上最明显：多个文字区块的信息图、10 个以上物体需要精确摆放的场景，或者需要事实准确性的图（比如地图、标注图）。

如果你的 prompt 很简单（"沙发上的一只猫"），thinking mode 的差别不大。如果你的 prompt 结构化且精确（"一个产品对比表，5 行 3 列，指定表头，底部有品牌 footer"），提升会很显著。

• Thinking mode 是 ChatGPT 产品体验的一部分。通过原始 API 调用和通过 ChatGPT 界面调用时，推理行为的暴露程度可能不同。
• OpenAI 没有在 Image API 中单独提供"thinking mode 开关"，推理行为内置在模型本身。
• 不要假设每个 provider 路由都暴露了相同级别的推理能力。用你自己的 prompt 实测。

分辨率与文字渲染能力

GPT Image 2 在两个方面带来了生产级别的输出质量提升。

实际使用中，最常见的尺寸包括：

这是大多数团队会立刻感受到的能力提升。GPT Image 2 可以处理：

• 拉丁文字——即使是小字号也能近乎完美
• CJK 文字（中文、日文、韩文）——原生渲染，不再乱码
• 高密度排版——包装设计稿、信息图、带可读文字的 UI 截图
• 弯曲和透视文字——瓶身、路牌、有角度的表面上的文字

之前的模型经常拼错字、粘连字母，或者小字完全不可读。GPT Image 2 在这方面进步很大。

OpenAI 还没有完全写清楚的内容

这是现在最容易被写混的地方。

• 所有第三方平台都会用完全一样的请求模型名来暴露它
• 一个叫 gpt-image-2-beta 的路由名，就等于 OpenAI 官方命名语义上的 gpt-image-2
• 从 gpt-image-1.5 到 gpt-image-2 的官方迁移指南
• GPT Image 2 的官方延迟基准测试
• "文字渲染提升 40%"或"成功率 95%"之类的官方性能对比

任何把这些差异直接抹平的写法，都会削弱文章可信度。

对大多数团队来说，更现实的做法是：先用 OpenAI 官方文档确认厂商层事实，再把 EvoLink beta 文档当作当前路由接入层的实现说明来读。

EvoLink 接入：以 GPT Image 2 为主，Beta 作为补充

目前可用内容包括：

• GPT Image 2 产品页——查看模型能力和使用场景
• Playground 在线试用——零代码测试提示词和工作流
• 完整的 API 文档——当前 GPT Image 2 路线的接入说明
• 支持文生图、图生图、图像编辑
• 异步任务处理——适配长时间生成任务

接入方式和你熟悉的 OpenAI 兼容格式一致：

• 默认请求模型名：gpt-image-2
• 生成端点：/v1/images/generations
• 通过任务状态流获取异步结果
• 可选 image_urls 参数，支持参考图编辑或图生图
• 可选 callback_url 参数，用于 HTTPS 任务完成回调
• 支持的宽高比：1:1、3:2、2:3、auto
• 返回的图片链接默认保留 24 小时
• 补充测试线路：gpt-image-2-beta

怎么在 EvoLink 上调用 GPT Image 2

curl --request POST \
  --url https://api.evolink.ai/v1/images/generations \
  --header "Authorization: Bearer $EVOLINK_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "gpt-image-2",
    "prompt": "一张高级感的陶瓷咖啡杯产品图，放在大理石台面上，柔和的窗光，干净的电商构图",
    "size": "1:1"
  }'

import requests

response = requests.post(
    "https://api.evolink.ai/v1/images/generations",
    headers={
        "Authorization": f"Bearer {EVOLINK_API_KEY}",
        "Content-Type": "application/json",
    },
    json={
        "model": "gpt-image-2",
        "prompt": "一张高级感的陶瓷咖啡杯产品图，放在大理石台面上，柔和的窗光，干净的电商构图",
        "size": "1:1",
    },
)

task = response.json()
task_id = task["data"]["task_id"]
# 轮询 task_id 直到完成，然后保存返回的图片 URL

const response = await fetch("https://api.evolink.ai/v1/images/generations", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${EVOLINK_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "gpt-image-2",
    prompt:
      "一张高级感的陶瓷咖啡杯产品图，放在大理石台面上，柔和的窗光，干净的电商构图",
    size: "1:1",
  }),
});

const task = await response.json();
const taskId = task.data?.task_id;
// 轮询 taskId 直到完成，然后保存返回的图片 URL

开发流程很简单：

1. 在 GPT Image 2 Playground 里测试提示词
2. 切换到 API 调用，指定 model: "gpt-image-2"
3. 轮询异步任务结果
4. 在 24 小时有效期内保存图片链接

怎么搭一个不怕迁移的架构

gpt-image-1.5 仍然是重要的对比基线

• 文生图
• 图像编辑
• 通过 Responses API 实现对话式图像工作流
• 比上一代更好的文字渲染
• 更高保真度的输入图像保留

从第一天就把模型路由抽象出来

这是真正的"为 GPT Image 2 做准备"策略——不要在代码里到处硬编码模型名，把路由决策集中到服务层。

type ImageJobType =
  | "hero_image"
  | "text_heavy_mockup"
  | "product_edit"
  | "creative_iteration";

function selectImageModel(jobType: ImageJobType): string {
  switch (jobType) {
    case "text_heavy_mockup":
      return "gpt-image-1.5"; // 需要对齐旧文档时的保守选择
    case "hero_image":
    case "product_edit":
    case "creative_iteration":
    default:
      return "gpt-image-2";  // 默认走最新模型
  }
}

等你需要切换模型，或者要对齐不同 provider 的路由名时，改的只是路由表，不是全仓库搜索替换。

异步架构是必须的

不管用哪个模型，图像生成的延迟波动都够大了。OpenAI 文档明确提到复杂提示词可能需要最多 2 分钟，后台模式是官方推荐的处理方式。

一个生产级的架构应该是：

1. 提交图像请求
2. 立即返回任务 ID
3. 后台轮询
4. 完成后存储结果
5. 最终素材就绪后更新 UI

用 Responses API 实现的最小轮询示例：

import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.OPENAI_API_KEY });

export async function submitImageJob(prompt: string) {
  const response = await client.responses.create({
    model: "gpt-4o",
    input: prompt,
    tools: [{ type: "image_generation" }],
    background: true,
  });

  return response.id;
}

export async function waitForImage(responseId: string) {
  let resp = await client.responses.retrieve(responseId);

  while (resp.status === "queued" || resp.status === "in_progress") {
    await new Promise((resolve) => setTimeout(resolve, 2000));
    resp = await client.responses.retrieve(responseId);
  }

  return resp;
}

这个模式不管将来模型叫什么名字，都能用。

GPT Image 2 的编辑能力到了什么水平

如果你的场景是单次图像生成或编辑，优先走 Image API；如果是多轮对话式图像工作流，再考虑 Responses API。

OpenAI 当前文档已经覆盖了以下编辑能力：

• 图像编辑 和 多轮编辑
• 高保真输入 和 蒙版编辑工作流

所以如果你想做背景替换、小物体编辑、迭代式视觉精修、品牌元素保留（logo、人脸等），现在就可以开始——不需要等。

定价：去哪里看

完整定价对比和质量分级详情，请查看：

• GPT Image 2 vs GPT Image 1.5 — 各质量等级的逐项对比
• GPT Image 2 产品页 — EvoLink 线路定价和成本计算器

做预算时，把三个定价视角分开管理：

1. OpenAI 官方基线 — 可公开核查的价格
2. Provider 线路价格 — 通过 EvoLink 或其他 provider 实际支付的价格
3. 内部预算视角 — 团队用于预测的综合成本，包含重试成本、失败率和质量分布

内容审核：如何处理 moderation_blocked 错误

1. 输入过滤——安全模型在生成开始前检查你的 prompt 和输入图片
2. 输出过滤——生成的图片在返回给你之前会被再次检查

• Prompt 描述了逼真的暴力、露骨内容，或把公众人物放在误导性场景中
• 参考图本身包含违反政策的内容
• 模糊描述被安全模型保守地解读

async function generateWithModerationHandling(prompt: string) {
  const result = await generateImage(prompt);

  if (result.error?.type === "moderation_blocked") {
    // 记录待审，不要用同样的 prompt 自动重试
    logModerationBlock(prompt, result.error);
    return { status: "blocked", reason: result.error.message };
  }

  return { status: "ok", data: result.data };
}

• 不要自动重试被审核拦截的请求。同一个 prompt 会再次被拦。
• 如果你接受用户提交的 prompt，先用 OpenAI 免费的 omni-moderation-latest 端点预过滤，再发给 gpt-image-2。这样可以在付费生成之前拦住大多数违规。
• GPT Image 模型支持 moderation 参数，值为 "auto"（标准过滤）或 "low"（更宽松）。默认是 "auto"。
• 如果审核拦截出乎意料，可以改写 prompt，更明确地描述你想要的视觉内容，同时避免容易触发安全过滤的用语。

Batch API：批量生成降本 50%

• 隔夜批量跑图，不需要立刻拿到结果
• 从模板批量生成上百张商品图
• 大规模 A/B 测试多个 prompt 变体
• 任何 24 小时内交付可接受的工作流

• 面向用户的实时生成（playground、在线编辑）
• 秒级或分钟级出图的需求
• 交互式 prompt 迭代

务实的成本策略

方案一：一次生成，迭代编辑

• 用 gpt-image-1.5 生成基础图
• 用编辑和多轮工作流做精修
• 只需要改一个区域时，避免整张重新生成

方案二：按任务类型路由

• 标准商品图 -> gpt-image-2
• 商品编辑 -> gpt-image-2
• 文字密集型设计稿（需对齐旧文档）-> gpt-image-1.5
• 未来试验模型 -> 单独隔离的测试桶

重点不是猜下一个模型叫什么，而是让未来换模型的成本尽可能低。

典型业务场景怎么落地

如果想把这篇文章真正用起来，最有帮助的不是继续追模型名，而是把常见业务场景和推荐线路对上。

如果你是做业务系统，而不是单次试玩，真正应该优先做对的是：

• 任务异步化
• 路由抽象
• 图片结果保存
• 正式线路和测试线路分开

现在该怎么行动

到这一步，大多数团队其实已经不缺“更多消息”，而是缺一个明确动作顺序。

如果你今天就要推进项目，比较实用的路径是：

• 现在就试用 GPT Image 2，评估它适不适合你的业务场景
• 现在就接入 到开发或测试环境
• 等后续官方文档和 provider 路由进一步稳定后，只需要调整路由配置，平滑切换

当前 GPT Image 技术栈已经有足够的能力来搭建：

• 图像生成流水线
• 编辑工作流
• 迭代精修循环
• 异步任务调度
• 成本感知路由

后续还值得关注什么

• 更新后的图像生成文档，列出新的 GPT Image 系列成员
• 新模型的官方定价表
• 变更日志或发布说明
• 从当前 GPT Image 模型的官方迁移指南

上线前检查清单

如果你准备把 GPT Image 2 真正接进业务，而不只是看一遍文档，建议上线前至少确认这几件事：

• 代码里有没有把模型名写死在多个地方，而不是统一走路由配置
• 生产默认线路是不是 gpt-image-2，而不是把 beta 路线误当主线
• 是否已经给 gpt-image-2-beta 单独留了开关，避免测试线路误进生产
• 是否已经处理异步任务状态，而不是假设请求一定会立刻返回最终图片
• 是否已经在 24 小时有效期内保存图片结果，而不是依赖临时链接
• 是否已经区分“OpenAI 官方模型信息”和“EvoLink 当前 provider 路由实现”
• 是否已经准备好回调或轮询机制，适配长时间生成任务

常见问题

既然 GPT Image 2 已公开，现在还需要异步架构吗？

需要。OpenAI 文档已经说明复杂提示词可能需要最多 2 分钟，后台模式是推荐的处理方式。

现在就能做迭代式图像编辑吗？

可以。OpenAI 当前文档覆盖了图像编辑、多轮编辑、蒙版和高保真图像输入。

后续如果模型名或 provider 路由再变化，需要重写应用吗？

如果你现在就把模型路由抽象出来，就不需要。未来的模型切换应该是路由表的修改，而不是全应用重构。

在 EvoLink 上怎么理解 gpt-image-2 和 gpt-image-2-beta？

现在要接的话，最实用的默认选择是什么？

GPT Image 2 有 thinking mode 吗？

有。GPT Image 2 可以在生成前对复杂 prompt 做推理——拆解子任务、验证空间约束、消除歧义。这是模型架构内置的能力，不是一个单独的开关。在结构化 prompt（信息图、多物体场景、文字密集构图）上效果最明显。

GPT Image 2 支持多大的分辨率？

OpenAI 官方文档说明 GPT Image 2 支持"数千种有效分辨率"，并列出了 1024x1024 和 1536x1024 等常见示例。实际可用的分辨率集合因 provider 而异，在生产环境确定分辨率之前，请先查阅你所用 provider 的文档。

遇到内容审核错误怎么办？

GPT Image 2 可以用 Batch API 吗？

可以。OpenAI 的 Batch API 提供 50% 成本优惠，24 小时内异步交付。具体可用性请和你的 provider 确认，因为不同平台的批量处理选项可能不同。

在哪里可以快速对比整个 GPT Image 系列？

开始使用

相关文章

• ChatGPT Image 2 已经公开了吗？先看这里
• GPT Image 1.5 API 生产环境指南
• GPT Image 1.5 完整指南：功能、对比与接入方式

参考来源

• OpenAI 模型总览：https://platform.openai.com/docs/models
• OpenAI GPT Image 2 模型页面：https://developers.openai.com/api/docs/models/gpt-image-2
• OpenAI 图像生成指南：https://developers.openai.com/api/docs/guides/image-generation
• OpenAI Images and vision 指南：https://developers.openai.com/api/docs/guides/images-vision
• OpenAI GPT Image prompting 指南：https://developers.openai.com/cookbook/examples/multimodal/image-gen-models-prompting-guide
• OpenAI ChatGPT Images 2.0 公告：https://openai.com/index/introducing-chatgpt-images-2-0/
• OpenAI ChatGPT Images 2.0 system card：https://deploymentsafety.openai.com/chatgpt-images-2-0/
• OpenAI GPT Image 1.5 模型页面：https://platform.openai.com/docs/models/gpt-image-1.5
• OpenAI API 定价：https://platform.openai.com/docs/pricing
• OpenAI Batch API 指南：https://platform.openai.com/docs/guides/batch
• OpenAI 后台模式指南：https://developers.openai.com/api/docs/guides/background