还记得 3 月底在 ChatGPT 上线的 GPT-4o 原生生图模型吗？

这个模型一经发布迅速爆红，仅一周时间就有超过 1.3 亿用户生成了 7 亿张图片。

几小时前，OpenAI 正式推出了该模型的 API 版本：gpt-image-1。

不同于此前 DALL·E 系列的单点能力，这次的 gpt-image-1 是一个原生多模态模型，支持从文字生成图片（generations）、对已有图片进行编辑（edits）、以及基于已有图像生成变体（variations）。

目前，该功能已可通过 Image API 直接调用。

01｜新 API 能干什么？

• 生成图像：根据文本提示词直接生图，支持设置尺寸（1024×1024 / 1536×1024 / 1024×1536）、背景（透明与否）、输出格式（PNG / JPEG / WebP）等。
• 图像编辑：支持上传图像及遮罩（mask），结合提示词描述进行局部修改。
• 图像变体：支持 DALL·E 2 模型下，对已有图像生成风格一致的变体。
• 输出控制：支持控制图像质量（low / medium / high）。

02｜GPT-4o 相比 DALL·E 的主要提升

• 更强的文本理解能力，对复杂提示词的反应更加准确；
• 图文混合更自然，文字渲染明显改进，适合生成带字设计图；
• 多模态连续理解能力（比如连续生成、按上下文做迭代）首次可用于图像任务；
• 整体生成结果更稳、更结构化，适合落地使用场景，如 UI 自动图、商品图等。

03｜gpt-image-1 API 定价

gpt-image-1 计费仍基于 token 计算。

• 文本输入：5 美元 / 百万 tokens
• 图像输入：10 美元 / 百万 tokens
• 图像输出：40 美元 / 百万 tokens

以 1024×1024 尺寸的图片为例，价格区间大致估算如下。

最高质量的图像生成较贵，每张约 0.2 美元。

不过总体来说，这个定价还是比较合理的。如果真的需求量很大，还是建议开通 ChatGPT Plus 吧。

04｜落地场景盘点

别以为这个 API 只是做个图那么简单，它已经在不少头部公司的产品线里实打实地跑起来了。

• Photoroom：直接帮电商卖家把“手机拍的商品图”，一键变身影棚级、生活化、带模特的商品照片。

• Wix：通过自家的 AI 平台 Wixel，让用户用一句话就能生成专业级网页视觉素材，连镜头角度、构图风格都能调。

• HeyGen：增强虚拟头像创建体验，比如让你更自由地“捏脸”、换发型、加配饰，效果比之前自然不少。

• Canva、Figma：在 UI 设计、平面创作领域已经深度集成，用来做快速草图生成、图像补全，甚至是内容本地化。

结语

过去我们常说“AI 会取代什么岗位”，现在更多像是“AI 来协作”。

从设计师到电商运营，从广告文案到内容创作，gpt-image-1 正在成为一个新的创作助手。

我是木易，一个专注AI领域的技术产品经理，国内Top2本科+美国Top10 CS硕士。

相信AI是普通人的“外挂”，致力于分享AI全维度知识。这里有最新的AI科普、工具测评、效率秘籍与行业洞察。

欢迎关注“AI信息Gap”，用AI为你的未来加速。