Harga+7% bonus
Hubungi penjualan

API GPT Image 2.6 Flare: Pembuatan, Pengeditan, dan Penetapan Harga

Pelajari cara membuat dan mengedit gambar dengan GPT Image 2.6 Flare di GPTProto, termasuk permintaan asinkron, contoh Python dan curl, parameter, serta harga.

API GPT Image 2.6 Flare: Pembuatan, Pengeditan, dan Penetapan Harga

GPT Image 2.6 Flare adalah model pembuatan dan pengeditan gambar dari OpenAI yang dirancang untuk iterasi cepat. Di GPTProto, Anda dapat menggunakannya untuk menyusun tata letak iklan, membuat visual produk, dan merevisi gambar melalui kunci API GPTProto dan saldo bersama. Integrasi ini memiliki dua rute khusus tugas: satu untuk membuat gambar dari teks dan satu lagi untuk mengedit gambar referensi. Kirimkan permintaan, simpan ID prediksi, dan ambil hasil akhir melalui URL hasil. Panduan ini menjelaskan alur kerja tersebut menggunakan skema permintaan yang dipublikasikan GPTProto, alih-alih berasumsi bahwa rute gambarnya menggunakan format permintaan dan respons asli OpenAI.

Use this pattern

Make the first API call.

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://gptproto.com/v1",
    api_key=os.environ["GPTPROTO_API_KEY"],
)

completion = client.chat.completions.create(
    model="gpt-6.2-sol",
    messages=[
        {
            "role": "user",
            "content": "Who are you?"
        }
    ]
)
print(completion.choices[0].message.content)

Try this API without coding.

Choose a model, test a real prompt and inspect the response before integrating the SDK.

Poin-Poin Penting

  • Buat dengan POST /api/v3/openai/gpt-image-2.6-flare/text-to-image; edit dengan rute /image-edit terpisah di https://gptproto.com.

  • Lakukan autentikasi dengan Authorization: Bearer YOUR_GPTPROTO_API_KEY. Permintaan pengiriman JSON juga menggunakan Content-Type: application/json.

  • Text-to-image memerlukan prompt. Pengeditan gambar memerlukan images dan prompt; model sudah diidentifikasi dalam rute tersebut.

  • Alur kerja default bersifat asinkron. Lakukan polling pada data.urls.get hingga data.status menjadi completed atau failed, lalu baca data.outputs.

  • GPTProto mencantumkan opsi pengiriman url dan b64_json. Jangan bingungkan format pengiriman dengan format file gambar atau berasumsi bahwa setiap fitur upstream tersedia.

  • Bandingkan pengaturan menggunakan total biaya gambar yang disetujui, termasuk input referensi dan pembuatan ulang—bukan harga tetap per tingkat kualitas yang tidak didukung.

Table of contents

Tujuan Penggunaan Flare

Flare diposisikan untuk draf cepat, pratinjau yang sering dilakukan, dan revisi interaktif. Penggunaan praktisnya mencakup eksplorasi latar belakang foto produk, pengujian komposisi kampanye, dan pembuatan beberapa arahan visual sebelum memilih satu untuk diselesaikan. GPT Image 2.6 Sunburst adalah alternatif yang berorientasi pada detail dan konsistensi dalam keluarga yang sama. Ini bukan sekadar “mode ilustrasi”, dan Flare tidak terbatas pada fotorealisme. Bandingkan keduanya berdasarkan detail yang menentukan persetujuan: fidelitas label, tata letak, pelestarian subjek yang disetujui, dan jumlah revisi yang diperlukan. Gunakan katalog model untuk memeriksa ketersediaan saat ini. Akun bersama tidak membuat input, rute tugas, atau pengaturan output setiap model menjadi identik.

Siapkan Kunci API Anda

Buat kunci di dasbor Kunci API GPT Proto, lalu buat kunci tersebut tersedia untuk aplikasi sisi server Anda:

export GPTPROTO_API_KEY="your_api_key_here"

Jauhkan kunci dari kode browser dan kontrol versi. Muat kunci dari variabel lingkungan atau penyimpanan rahasia penyebaran Anda. Jika Anda menggunakan file .env lokal, kecualikan file tersebut dari commit. Untuk panduan ini, asal API adalah https://gptproto.com. Jalur pembuatan dan pengeditan di bawah ini sudah berisi /api/v3; jangan tambahkan /v1 di depan atau menggantinya dengan URL dasar chat-completions. Permintaan daftar model yang berhasil bukanlah bukti bahwa rute gambar dapat menyelesaikan pekerjaan. Verifikasi alur kirim-dan-hasil yang lengkap dengan permintaan kecil sebelum menambahkan pemrosesan batch.

Hasilkan Gambar

Rute text-to-image Flare menerbitkan titik akhir ini:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image

Mulailah dengan satu gambar dan pengaturan eksplisit agar permintaan mudah diperiksa:

curl --request POST \
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "A square studio product photo of a matte navy insulated bottle on a pale gray plinth. Soft side lighting, warm off-white background, room for copy on the left. No text.",
    "n": 1,
    "quality": "medium",
    "size": "1024x1024",
    "enable_sync_mode": false,
    "response_format": "url"
  }'

Model dipilih berdasarkan URL. Rute yang diterbitkan ini tidak memerlukan kolom model terpisah, dan size bersifat opsional, bukan kolom ketiga yang wajib diisi.

Bidang Permintaan

Bidang Persyaratan Nilai atau perilaku yang dipublikasikan
prompt Wajib Instruksi teks untuk gambar
n Opsional 1–10 gambar; mulai dengan 1 untuk pengujian terkontrol
quality Opsional auto, low, medium, high, xhigh, max; default auto
size Opsional auto, 1024x1024, 1536x1024, 1024x1536, 2048x2048, 2048x1152, 3840x2160, 2160x3840; default auto
enable_sync_mode Opsional Boolean; default false
response_format Opsional url atau b64_json; default url
Ini adalah bidang yang tercantum dalam skema teks-ke-gambar GPT Proto saat ini. Jangan tambahkan quality: "hd", negative_prompt, format, atau output_format hanya karena model atau API lain menerimanya. Skema yang dipublikasikan tidak menentukan panjang maksimum prompt, jadi batas dari endpoint lain tidak boleh dianggap sebagai kontrak rute ini.

Mengambil Hasil

Pengiriman dan pengambilan hasil menggunakan amplop yang berisi code, message, dan data. Keberhasilan HTTP saja tidak berarti pembuatan telah selesai. Periksa code tingkat bisnis serta status prediksi.

Bidang Cara menggunakannya
data.id Simpan ID prediksi ini untuk pemecahan masalah dan pengambilan selanjutnya
data.urls.get Gunakan URL hasil yang dikembalikan alih-alih menebak alamat polling
data.status created, running, completed, atau failed
data.outputs String output; diisi saat prediksi selesai
data.error Informasi kegagalan saat statusnya failed
Lakukan polling setiap 1–3 detik saat pekerjaan berstatus created atau running, sebagaimana dijelaskan dalam referensi rute GPT Proto. Alamat hasil yang umum mengikuti pola ini:
GET https://gptproto.com/api/v3/predictions/{result_id}/result

Gunakan autentikasi Bearer yang sama saat melakukan polling. Untuk response_format: "url", output yang telah selesai adalah URL file. Untuk b64_json, array output yang didokumentasikan dapat berisi string Base64. Tidak satu pun kasus yang menggunakan asumsi OpenAI asli data[0].b64_json untuk rute GPT Proto ini. Simpan aset yang perlu Anda pertahankan, jaga jenis media aslinya, dan jangan mengandalkan masa pakai URL yang dihosting yang tidak terdokumentasi.

Python: Kirim dan Polling

Instal requests di lingkungan aplikasi Anda. Contoh berikut melakukan pengiriman satu kali, melakukan polling pada URL hasil yang dikembalikan, dan mencetak URL output yang telah selesai. Batas waktu lima menit adalah batas waktu aplikasi yang digunakan dalam contoh ini, bukan jaminan layanan.

import os
import time
from urllib.parse import urlparse
import requests
ORIGIN = "https://gptproto.com"
API_KEY = os.environ["GPTPROTO_API_KEY"]
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
def read_envelope(response):
    response.raise_for_status()
    body = response.json()
    if body.get("code") != 200:
        raise RuntimeError(f"Permintaan GPT Proto gagal: {body.get('message')}")
    data = body.get("data")
    if not isinstance(data, dict):
        raise RuntimeError("Data prediksi tidak ditemukan")
    return data
def submit_and_poll(scene, payload, timeout_seconds=300):
    if scene not in {"text-to-image", "image-edit"}:
        raise ValueError("Adegan tidak didukung")
    endpoint = f"{ORIGIN}/api/v3/openai/gpt-image-2.6-flare/{scene}"
    response = requests.post(
        endpoint,
        headers={**HEADERS, "Content-Type": "application/json"},
        json=payload,
        timeout=(10, 120),
    )
    prediction = read_envelope(response)
    prediction_id = prediction.get("id")
    deadline = time.monotonic() + timeout_seconds
    while True:
        status = prediction.get("status")
        if status == "completed":
            outputs = prediction.get("outputs")
            if not isinstance(outputs, list) or not outputs:
                raise RuntimeError("Prediksi yang selesai tidak memiliki output")
            return outputs
        if status == "failed":
            raise RuntimeError(
                f"Prediksi {prediction_id} gagal: {prediction.get('error')}"
            )
        if status not in {"created", "running"}:
            raise RuntimeError(f"Status prediksi tidak terduga: {status}")
        if time.monotonic() >= deadline:
            raise TimeoutError(f"Periksa prediksi {prediction_id} sebelum mengirim ulang")
        result_url = prediction.get("urls", {}).get("get")
        parsed = urlparse(result_url or "")
        if (
            parsed.scheme != "https"
            or parsed.netloc != "gptproto.com"
            or not parsed.path.startswith("/api/v3/predictions/")
        ):
            raise RuntimeError("URL hasil tidak terduga; periksa dokumentasi rute")
        time.sleep(2)
        prediction = read_envelope(
            requests.get(result_url, headers=HEADERS, timeout=(10, 60))
        )
if __name__ == "__main__":
    outputs = submit_and_poll(
        "text-to-image",
        {
            "prompt": "A square product photo of a navy bottle on a pale plinth, soft side lighting, no text",
            "n": 1,
            "quality": "medium",
            "size": "1024x1024",
            "enable_sync_mode": False,
            "response_format": "url",
        },
    )
    for output_url in outputs:
        print(output_url)

Simpan skrip sebagai flare_example.py jika Anda ingin menggunakan kembali pembantunya dalam contoh pengeditan di bawah. Skrip ini sengaja berhenti saat terjadi kesalahan permintaan alih-alih mengirim ulang pembuatan yang berpotensi dikenakan biaya secara otomatis. Tambahkan penanganan percobaan ulang produksi di sekitar operasi yang sesuai setelah memeriksa apakah prediksi asli ada.

Node.js: Mengirimkan Generasi

Dengan runtime Node.js saat ini yang mendukung fetch dan AbortSignal.timeout, Anda dapat mengirimkan JSON yang sama tanpa wrapper gambar khusus SDK. Simpan contoh ini sebagai file .mjs:

const apiKey = process.env.GPTPROTO_API_KEY;
if (!apiKey) throw new Error("Setel GPTPROTO_API_KEY terlebih dahulu");
const response = await fetch(
  "https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${apiKey}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({
      prompt: "A square product photo of a navy bottle, soft side lighting, no text",
      n: 1,
      quality: "medium",
      size: "1024x1024",
      enable_sync_mode: false,
      response_format: "url",
    }),
    signal: AbortSignal.timeout(120000),
  },
);
if (!response.ok) throw new Error(`HTTP ${response.status}`);
const body = await response.json();
if (body.code !== 200 || !body.data) {
  throw new Error(body.message || "Pengiriman prediksi gagal");
}
console.log(JSON.stringify(body.data, null, 2));

Ini mencetak prediksi, bukan file gambar yang sudah jadi. Gunakan nilai urls.get miliknya untuk polling terautentikasi dan baca outputs hanya setelah status menjadi completed, mengikuti alur kerja di atas.

Edit Gambar Referensi

Rute Flare image-edit terpisah dari pembuatan:

POST https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/image-edit

Rute ini menerima JSON dengan kolom wajib images dan prompt. GPT Proto mendeskripsikan images sebagai array string dan mengizinkan hingga 16 gambar referensi. Rute ini mencantumkan kualitas, ukuran, sinkronisasi, dan pengaturan pengiriman yang sama dengan rute pembuatan. Siapkan gambar referensi melalui alur unggah yang didukung dan periksa permintaan yang dihasilkan. Gunakan string referensi tersebut di dalam images; jangan menggantinya dengan jalur file lokal, pengodean Base64 arbitrer, atau kolom multipart bernama image tanpa memeriksa representasi input yang diharapkan. Sebagai contoh, simpan string referensi dari alur tersebut sebagai array JSON di GPTPROTO_REFERENCE_IMAGES, lalu gunakan kembali helper Python:

import json
import os
from flare_example import submit_and_poll
references = json.loads(os.environ["GPTPROTO_REFERENCE_IMAGES"])
if (
    not isinstance(references, list)
    or not 1 <= len(references) <= 16
    or not all(isinstance(item, str) and item for item in references)
):
    raise ValueError("Berikan 1–16 string referensi yang valid dari alur unggah")
outputs = submit_and_poll(
    "image-edit",
    {
        "images": references,
        "prompt": "Replace only the tabletop with light oak. Preserve the bottle shape, printed label, camera angle, reflections, and shadow direction.",
        "n": 1,
        "quality": "medium",
        "size": "1024x1024",
        "enable_sync_mode": False,
        "response_format": "url",
    },
)
print(outputs)

Mask dan Markup Tidak Dapat Saling Menggantikan

Skema edit GPT Proto saat ini tidak mencantumkan kolom mask atau markup. Jangan mengirimkan mask hitam-putih atau lapisan anotasi transparan dengan asumsi bahwa itu akan diinterpretasikan sebagai batas pengeditan. OpenAI mendokumentasikan pengeditan berbasis markup dalam panduan pembuatan gambar mereka, namun dukungan upstream bukanlah bukti bahwa rute JSON GPT Proto mengekspos kontrol yang sama. Untuk rute ini, mulailah dengan input referensi yang didukung dan instruksi edit yang tepat. Bandingkan output dengan aslinya, termasuk area yang seharusnya tetap tidak berubah.

Pilih Kualitas, Ukuran, dan Pengiriman Secara Terpisah

Gunakan low untuk draf berbiaya rendah jika memenuhi ringkasan, kemudian bandingkan pengaturan medium dan yang lebih tinggi untuk aset akhir. Ini adalah rekomendasi alur kerja, bukan jaminan terukur bahwa pengaturan yang lebih tinggi selalu menghasilkan gambar terbaik atau latensi tertentu.

Pemilih ukuran yang dipublikasikan mencakup opsi persegi, lanskap, dan potret. Panduan dimensinya memerlukan sisi yang dapat dibagi dengan 16, sisi maksimum 3.840 piksel, rasio aspek tidak lebih lebar atau lebih tinggi dari 3:1, dan jumlah piksel total antara 655.360 dan 8.294.400. Mulailah dengan preset yang tercantum daripada berasumsi bahwa lebar dan tinggi kustom apa pun akan diterima.

response_format mengontrol pengiriman: url atau b64_json. Ini tidak memilih PNG, JPEG, WebP, GIF, atau SVG. Skema permintaan GPT Proto saat ini tidak mencantumkan output_format, frame_count, frame_duration_ms, complexity, atau negative_prompt.

OpenAI mendokumentasikan kemampuan tambahan, termasuk output SVG dan GIF animasi. Anggap hal tersebut sebagai kemampuan upstream sampai rute GPT Proto yang Anda gunakan mengeksposnya secara eksplisit. Jangan menambahkan kolom yang tidak terdokumentasi ke dalam permintaan atau mendeskripsikan format ini sebagai output yang dikonfirmasi dari rute ini.

Harga dan Biaya per Gambar yang Disetujui

Tarif diperiksa pada 8 November 2026, waktu Pasifik. Referensi model GPT Proto saat ini mencantumkan tarif token gambar ini; harga dapat berubah sewaktu-waktu.

Komponen penagihan Tarif GPT Proto per 1 juta token
Input gambar $7.60
Output gambar $28.50
Input gambar yang di-cache $1.90

Input teks ditagih secara terpisah. Periksa tarif langsung dan presisi yang ditampilkan sebelum memperkirakan biaya pekerjaan secara keseluruhan. Halaman model saat ini mengiklankan tarif 5% di bawah harga daftar; itu adalah pernyataan harga khusus model, bukan diskon yang dijamin di semua model atau penghematan tetap pada setiap gambar yang dihasilkan. Sebagai ilustrasi, 1.000 token output gambar yang dapat ditagih dengan harga $28,50 per juta berbiaya $0,0285. Ini adalah contoh aritmatika yang mencakup output saja—bukan perkiraan berapa banyak token yang akan digunakan oleh gambar tertentu. Input teks, pemrosesan gambar referensi, dan pembuatan ulang menambah total biaya.

Referensi rute saat ini tidak mendokumentasikan bidang usage dalam amplop prediksinya. Gunakan informasi penagihan yang tersedia untuk akun Anda; jangan membangun pelaporan biaya berdasarkan bidang respons yang belum dikonfirmasi. Kualitas yang lebih tinggi, output yang lebih besar, dan referensi tambahan dapat mengubah konsumsi, tetapi tidak ada pengganda tetap atau harga gambar per tingkat yang ditetapkan di sini.

Lacak total pengeluaran yang dibagi dengan aset yang disetujui untuk membandingkan alur kerja. Draf yang lebih murah yang memerlukan beberapa revisi bisa memakan biaya lebih mahal daripada hasil pertama yang berkualitas lebih tinggi. Mulailah dengan n: 1, gunakan dimensi yang diperlukan oleh penempatan, dan tingkatkan volume hanya setelah memeriksa kualitas output dan penagihan. Lihat harga GPT Proto untuk ketentuan pembayaran tingkat akun saat ini.

Tulis Prompt yang Dapat Anda Evaluasi

Deskripsikan aset, subjek, komposisi, pencahayaan, gaya, dan batasan dalam bahasa yang lugas. Untuk pengeditan, pisahkan perubahan yang diminta dari detail yang harus tetap tidak berubah. Jangan berasumsi bahwa urutan kata yang tetap memiliki keunggulan pembobotan token yang terdokumentasi.

Kampanye produk: “Buat iklan studio persegi untuk botol berinsulasi biru tua matte. Tempatkan di sepertiga kanan pada alas abu-abu pucat. Biarkan bagian kiri kosong untuk salinan. Gunakan pencahayaan samping yang lembut dan latar belakang putih pudar yang hangat. Biarkan gambar bebas dari teks.”

Revisi terfokus: “Ubah hanya bagian atas meja menjadi kayu ek muda. Pertahankan sudut kamera, bentuk botol, label cetak, pantulan, dan arah bayangan agar tidak berubah. Sesuaikan dengan pencahayaan yang ada.”

Teks tepat: “Buat poster acara potret dengan judul ‘NIGHT MARKET’ persis seperti yang tertulis. Gunakan satu judul besar di bagian atas, satu foto produk di tengah, dan ruang kosong di bagian bawah untuk tanggal yang akan ditambahkan nanti.”

Tinjau tulisan pada ukuran penuh dan periksa hasil potong akhir. Output yang meyakinkan secara visual mungkin masih berisi label yang salah atau area salinan yang tidak dapat digunakan. Panduan prompt GPT Image 2.5 menyediakan latihan pembuatan prompt terkait; contoh-contohnya bukan tolok ukur untuk Flare 2.6.

Tangani Error Tanpa Membuat Pekerjaan Duplikat

Periksa respons HTTP dan amplop prediksi. Penerimaan permintaan, penyelesaian pembuatan, dan pengambilan aset adalah langkah-langkah yang terpisah.

Status atau kondisi Tindakan yang disarankan
HTTP 400 Periksa kolom yang wajib diisi, nilai yang didukung, dan pesan apa pun yang terkait dengan moderasi
HTTP 401 Periksa kunci Bearer dan akses akun; jangan ulangi kredensial yang tidak berubah
HTTP 403 Referensi rute mencantumkan kredit yang tidak mencukupi sebagai kemungkinan penyebab; periksa saldo dan pesan yang dikembalikan
HTTP 413 Kurangi badan permintaan atau gunakan alur kerja unggah referensi yang didukung
HTTP 429 Tunggu sejenak sebelum mencoba kembali; patuhi Retry-After jika respons menyediakannya
HTTP 500, 502, atau 504 Tentukan apakah pengiriman membuat prediksi sebelum mengirimkan pembuatan kedua
data.status: "failed" Periksa data.error; perbaiki penyebabnya alih-alih melakukan polling tanpa henti

Gunakan kebijakan percobaan ulang terbatas dengan jitter untuk operasi yang dapat dicoba ulang. Penundaan, jumlah percobaan, dan tenggat waktu aplikasi adalah pilihan konfigurasi Anda—bukan default GPT Proto yang dijamin. Jangan berasumsi bahwa setiap respons berisi kumpulan header batas kecepatan tertentu.

Catat ID prediksi, status respons, waktu, dan detail error yang telah disanitasi. Jangan mencatat kunci API, gambar referensi lengkap, atau setiap payload permintaan penuh. Setelah waktu tunggu jaringan habis, pulihkan prediksi yang diketahui jika memungkinkan sebelum mengirimkan kembali; pembuatan duplikat dapat dikenakan biaya tambahan.

Memindahkan Alur Kerja yang Ada ke Flare 2.6

Peningkatan lebih dari sekadar mengganti string model. GPT Proto memilih model dan tugas ini melalui jalur rute. Tetap sediakan integrasi yang ada saat Anda menguji pembuatan baru atau mengedit rute dengan prompt dan referensi yang representatif.

Gunakan pengaturan ukuran, kualitas, jumlah gambar, dan pengiriman yang eksplisit. Bandingkan akurasi teks, pelestarian detail produk, waktu hingga hasil yang disetujui, dan total pengeluaran di seluruh revisi. Periksa kembali penguraian respons dan perilaku polling sebelum memindahkan lalu lintas produksi yang berulang.

Jika Anda bermigrasi dari klien gambar asli OpenAI, sesuaikan payload dan penanganan hasil ke amplop data.status dan data.outputs milik GPT Proto. Jangan berasumsi bahwa client.images.generate() atau client.images.edit() dapat memanggil rute GPT Proto asli ini tanpa perubahan.

Pertanyaan yang Sering Diajukan

URL mana yang harus saya gunakan untuk GPT Image 2.6 Flare di GPTProto?

Gunakan https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image untuk pembuatan dan rute /image-edit untuk pengeditan gambar referensi. Lakukan autentikasi dengan kunci Bearer GPTProto.

Apakah setiap permintaan langsung mengembalikan data gambar Base64?

Tidak. Default yang dipublikasikan adalah pemrosesan asinkron dengan pengiriman URL. Pengiriman mungkin mengembalikan prediksi yang outputnya masih kosong. Lakukan polling pada URL hasil yang dikembalikan, lalu baca data.outputs setelah selesai. b64_json adalah pilihan pengiriman terpisah yang didukung.

Bisakah saya meminta GIF, SVG, atau pengeditan berbasis mask melalui rute ini?

Skema saat ini tidak mengekspos kontrol format GIF/SVG atau kolom mask. Dukungan OpenAI upstream tidak menetapkan ketersediaannya melalui rute GPTProto ini. Gunakan parameter yang dipublikasikan untuk rute yang dipilih.

Berapa biaya satu gambar?

Tidak ada harga universal untuk gambar kualitas rendah, sedang, atau tinggi. Konsumsi token, input referensi, dan upaya berulang memengaruhi total pengeluaran. Gunakan tarif saat ini dan penagihan akun aktual untuk beban kerja yang ingin Anda jalankan.

Haruskah saya memilih Flare atau Sunburst?

Mulailah dengan Flare untuk iterasi cepat dan revisi interaktif. Evaluasi Sunburst jika komposisi mendetail atau konsistensi di seluruh pengeditan menentukan apakah suatu aset dapat digunakan. Pilih dengan menggunakan output representatif alih-alih berasumsi salah satunya adalah model fotografi dan yang lainnya adalah model ilustrasi.

Related Articles

Blog Lainnya
API Speech-to-Text Terbaik untuk Pengembang: Perbandingan 11 Layanan

API Speech-to-Text Terbaik untuk Pengembang: Perbandingan 11 Layanan

API speech-to-text terbaik bergantung pada apakah audio masuk secara langsung (live) atau sebagai file yang sudah selesai, bahasa dan aksen apa yang dikandungnya, serta apakah label pembicara atau stempel waktu kata diperlukan. Deepgram dan AssemblyAI mendokumentasikan produk streaming, sementara model whisper-1 yang sudah tidak digunakan lagi memproses audio rekaman. OpenAI menjadwalkan penghentian whisper-1 pada 26 Februari 2027; integrasi baru harus mengevaluasi pengganti yang direkomendasikan daripada memulai dengan endpoint lama ini.

Michael Johnson | 2026-11-11

Apa Itu Claude Fable 5.2? Coding, Game, dan Contoh Kreatif

Apa Itu Claude Fable 5.2? Coding, Game, dan Contoh Kreatif

Kami mencoba Claude Fable 5.2 pada dua proyek visual: situs web museum seni dan studi cat air interaktif. Situs web tersebut terasa lancar dan terlihat bersih, dengan palet yang tertata dan filter pameran yang berfungsi. Demo cat air tersebut praktis digunakan, kontrolnya berfungsi dalam pengujian kami, dan renderingnya terasa alami. Hasil langsung tersebut adalah bagian paling menarik dari ulasan ini, di samping tolok ukur coding dan proyek komunitas di bawah ini. Claude Fable 5.2 adalah model Anthropic untuk penalaran yang sulit, pengembangan perangkat lunak, dan pekerjaan agen tingkat lanjut, yang dirilis pada 9 November 2026. Daya tarik kreatifnya berasal dari penerapan kemampuan tersebut pada hal-hal yang dapat Anda lihat dan ajak berinteraksi: situs web, game, karya seni prosedural, dan animasi. Rekomendasi saya adalah mencobanya pada proyek dengan beberapa persyaratan yang saling terhubung: desain, perilaku, konten, dan revisi. Penulisan ulang sederhana tidak memberi Anda banyak alasan untuk membayar tingkat ini. Proyek yang berulang kali terhenti dengan model yang lebih murah adalah pengujian yang lebih baik. Anda bisa mendapatkan akses API Claude Fable 5.2 melalui GPTProto , dengan tarif token standar yang tercantum 10% di bawah harga resmi.

Schuyler Stacy | 2026-11-11

Apa itu Seedream 5.5? Pengeditan 100 Putaran, RGBA Asli, dan Status API

Apa itu Seedream 5.5? Pengeditan 100 Putaran, RGBA Asli, dan Status API

Sebagian besar pembaruan model gambar mudah diringkas: output yang lebih baik, kepatuhan prompt yang lebih baik, atau pembuatan yang lebih cepat. Seedream 5.5 lebih menarik karena ByteDance menargetkan apa yang terjadi setelah gambar pertama. Model ini dirancang untuk menjaga stabilitas gambar melalui pengeditan berulang, menghasilkan aset transparan yang dapat digunakan kembali, dan merender teks padat dengan lebih sedikit kesalahan. Ada satu kendala. Hasil yang paling berani—termasuk demo pengeditan 100 putaran dan sebagian besar perbandingan model—berasal dari pengujian ByteDance sendiri. Seedream 5.5 juga belum ditambahkan ke GPTProto, dan dokumentasi API internasional publiknya masih belum lengkap. Berikut adalah versi singkatnya. Status Seedream 5.5 Informasi terkini Rilis resmi 9 November 2026 Tipe model Pembuatan dan pengeditan gambar Peningkatan utama Pengeditan multi-putaran, aset RGBA asli, realisme, dan rendering teks Akses konsumen Diluncurkan melalui produk-produk ByteDance Akses GPTProto Belum tersedia ID API internasional publik Belum didokumentasikan pada saat penulisan Seedream 5.5 Pro Diumumkan, tanpa tanggal rilis Buat dengan Seedream 5.0 Pro

Schuyler Stacy | 2026-11-10

Apa Itu ChatGPT Images 2.6? GIF, Pembuatan Lebih Cepat, dan Flare vs Sunburst

Apa Itu ChatGPT Images 2.6? GIF, Pembuatan Lebih Cepat, dan Flare vs Sunburst

ChatGPT Images 2.6 adalah pembaruan OpenAI pada 4 November 2026 untuk pembuatan dan pengeditan gambar. Pembaruan ini menghadirkan GIF yang berulang ke ChatGPT dan memperkenalkan dua model API. Flare dibuat untuk draf dan revisi cepat. Sunburst adalah model yang akan saya coba terlebih dahulu saat label produk harus tetap terlihat setelah perubahan latar belakang. Saya mencoba pembaruan ini pada sketsa kucing dengan bintang oranye di dadanya. Saya meminta satu gerakan melambai dari cakarnya yang terangkat. Wajah, kumis, dan bintang memberi saya detail tetap untuk diperiksa saat cakar bergerak. Buat Draf Lebih Cepat dengan Flare

Schuyler Stacy | 2026-11-05