OpenAI GPT Image 2.6

GPT Image 2.6 支持文字生成图片、参考图编辑、涂鸦引导编辑，以及 GIF 和 SVG 输出。本文按 OpenAI 官方 Image API 说明整理，参数核对于 2026-11-06；通过 modelsell.app 调用时使用 modelsell.app 的接口地址和 API Key。

模型与接口

所有请求使用 Authorization: Bearer $MODELSELL_API_KEY。显式传入完整模型 ID；2.5 的接入说明见 GPT Image 2.5。

快速生成图片

curl --fail-with-body -sS https://api.modelsell.com/v1/images/generations \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "为一款陶瓷咖啡杯拍摄简洁的产品照片，浅灰背景，柔和侧光",
    "size": "1024x1024",
    "quality": "medium",
    "complexity": "low",
    "output_format": "png",
    "n": 1
  }' > result.json

结果中的 data[].b64_json 是文件内容的 Base64 编码，不是 URL。使用下面的代码保存第一张图片；请求 GIF 或 SVG 时，把文件后缀分别改成 .gif 或 .svg。

import base64
import json
from pathlib import Path

result = json.loads(Path("result.json").read_text())
Path("result.png").write_bytes(base64.b64decode(result["data"][0]["b64_json"]))

请求参数

下表适用于 Images API 的生成和编辑请求，标注为 SVG 专用的字段仅用于生成接口。

GPT Image 直接返回 Base64 文件内容，不传 response_format。style 是旧版图像模型字段；input_fidelity 的官方适用型号为更早的 GPT Image 模型，不作为 2.6 的可调参数使用。

复杂度与质量

改变背景、替换一个物品等简单任务可从 complexity: "low" 开始；复杂文字、布局和物体关系可使用更高复杂度。提高复杂度可能增加耗时，也可能带来更多画面变化。quality 单独控制渲染质量，改变复杂度没有单独的附加费用。

静态图片可从三个常用尺寸或 auto 开始。自定义宽高均为 16 的倍数，宽高比在 1:3 到 3:1 之间，并符合所选模型的边长和像素限制。GIF 使用自己的逐帧尺寸与请求总像素约束，不应直接套用静态图片的最低像素要求。

图片编辑

底图支持 PNG、JPEG/JPG、WebP，每张小于 50 MB，最多 16 张。底图和透明 PNG 遮罩、涂鸦层是不同参数；底图不要求全部转换为 PNG。SVG 不是受支持的编辑底图。

JSON 图片引用对象使用 {"image_url":"https://..."}、{"image_url":"data:image/webp;base64,..."} 或 {"file_id":"file-..."}；每个对象只提供 image_url 和 file_id 中的一个。images 包含 1–16 个对象，mask、markup 各为一个对象。image_url 最多 20,971,520 个字符，这是 URL 字符串长度限制，不是二进制文件大小。

multipart 上传底图

curl --fail-with-body -sS https://api.modelsell.com/v1/images/edits \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -F 'model=gpt-image-2.6-flare' \
  -F '[email protected];type=image/webp' \
  -F 'prompt=把杯子的颜色改成深蓝色，保留杯子的形状、光照和背景' \
  -F 'complexity=low' \
  -F 'quality=medium' \
  -F 'output_format=png' > result.json

上传多图时重复使用 -F 'image[]=@文件名;type=图片MIME'。让 curl 自动生成 multipart 的 boundary，不手动指定整个请求的 Content-Type。

JSON 图片引用

{
  "model": "gpt-image-2.6-sunburst",
  "prompt": "保持产品外观不变，把背景改成浅蓝色摄影棚",
  "images": [
    { "image_url": "https://example.com/product.jpg" }
  ],
  "quality": "high",
  "complexity": "medium",
  "output_format": "png"
}

将该 JSON 发送到 /v1/images/edits，不要把 images 写成 URL 字符串数组，也不要把图片引用放进文字生成接口。

涂鸦与遮罩

markup 必须是含透明像素的 PNG，尺寸与第一张底图经方向校正后的尺寸一致。第一张底图和涂鸦层各不超过 16,777,216 像素，涂鸦层文件不超过 50 MB；不要与 prompt_rewriter 同时使用。提示词应说明标记的含义，以及完成后是否移除标记。

curl --fail-with-body -sS https://api.modelsell.com/v1/images/edits \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -F 'model=gpt-image-2.6-flare' \
  -F '[email protected];type=image/webp' \
  -F '[email protected];type=image/png' \
  -F 'prompt=将红圈内的椅子改成深绿色，保持其余区域不变，移除最终图片中的红圈' \
  -F 'quality=medium' > result.json

使用 mask 时准备同尺寸的 PNG 底图和带 Alpha 通道的 PNG 遮罩。Alpha 为 0 的位置表示需要编辑的区域；遮罩是编辑引导，不保证修改严格限制在像素边界内。mask 和 markup 不同时发送；GIF 不使用 mask。

GIF 动画

生成和编辑接口都支持 output_format: "gif"。提示词中说明动作、镜头是否移动、起始姿态以及循环方式。

curl --fail-with-body -sS https://api.modelsell.com/v1/images/generations \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-sunburst",
    "prompt": "一只纸折小鸟轻轻扇动翅膀，固定镜头，回到起始姿态并平滑循环",
    "output_format": "gif",
    "size": "auto",
    "quality": "medium",
    "complexity": "medium",
    "frame_count": 9,
    "frame_duration_ms": 200,
    "n": 1
  }' > result.json

• 以上参数对应约 1.8 秒的一轮动画；n 是动画数量，frame_count 是每段动画的帧数。
• 用静态参考图引导动画时，请求 /v1/images/edits 并提供底图，同时添加相同的 GIF 参数。
• size 是完成后每帧的尺寸。自定义宽高为正数且均为 16 的倍数；帧数、尺寸和动画数量还须共同满足模型限制及总像素预算，超限时减小其中一项或使用 auto。
• GIF 不支持 stream、部分图片预览、mask、自定义 output_compression 或 prompt_rewriter。frame_count 和 frame_duration_ms 仅随 GIF 输出发送。
• 官方 API 参考将 GIF 标为需要相应模型预览功能访问权限的能力。

Base64 解码后的字节就是完整 GIF 文件，不是多张静态 PNG 的数组。

SVG 矢量图

SVG 通过 /v1/images/generations 生成，适合需要编辑路径、形状和颜色的图标、标志和插画。编辑接口不输出 SVG。SVG 输出本身需要受支持的模型和相应项目访问权限；这与是否启用作者模型选择是两个条件。

curl --fail-with-body -sS https://api.modelsell.com/v1/images/generations \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "用简单几何形状设计一个咖啡杯矢量图标，三种纯色，无文字",
    "output_format": "svg",
    "quality": "medium",
    "complexity": "low",
    "n": 1
  }' > result.json

SVG 要求 n: 1，不使用流式输出、部分图片预览、output_compression 或 prompt_rewriter。图片模型先生成参考图，再由 SVG 作者模型输出矢量文档；quality 和 complexity 控制参考图。

仅在已启用 SVG 作者模型选择时，添加下面的 svg 对象；把占位值替换为可用的作者模型 ID，否则省略整个对象：

{
  "svg": {
    "model": "YOUR_SVG_AUTHOR_MODEL_ID",
    "reasoning": { "effort": "medium" }
  }
}

作者模型支持的推理档位决定 svg.reasoning.effort 的有效值。返回的 b64_json 解码为 UTF-8 XML，保存为 .svg；内容是静态矢量，不包含脚本、外部资源或嵌入的栅格图片。

透明背景与压缩

透明位图素材使用 background: "transparent"，同时设置 output_format: "png" 或 "webp"。提示词写明独立主体和完全透明背景；保存时保留 Alpha 通道，JPEG 不支持透明背景。SVG 输出也可使用 background: "transparent"。

output_compression 仅用于 JPEG/WebP，范围包含 0 和 100。PNG、GIF、SVG 请求中省略这个字段。

SSE 流式响应

静态图片生成或编辑请求可使用 stream: true 和 partial_images: 0–3。

curl --fail-with-body -N https://api.modelsell.com/v1/images/generations \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.6-flare",
    "prompt": "绘制一幅柔和水彩风格的海边灯塔插画",
    "output_format": "png",
    "stream": true,
    "partial_images": 2
  }'

SSE 的 data: 中是事件 JSON，图片在事件的 b64_json 中。预览事件含 partial_image_index；完成事件提供最终图片及 usage。不要按普通 JSON 响应的 data[0] 路径读取 SSE。生成可能提前完成，因此不能等待固定数量的预览事件才处理完成事件。

返回字段与用量

SVG 会同时产生参考图模型与 SVG 作者模型的用量。每张实际生成的流式预览额外使用 100 个图片输出 token；请求的预览数不保证全部返回。应用应保存实际返回的 usage，不要按请求数量预估为固定最终账单。

官方参考

• GPT Image 2.6 Sunburst · GPT Image 2.6 Flare
• 图像生成指南 · 图像提示词指南
• 生成接口参数 · 编辑接口参数
• 生成流式事件 · 编辑流式事件