Bảng giá+7% thưởng
Liên hệ kinh doanh

GPT Image 2.6 Flare API: Tạo, Chỉnh sửa và Định giá

Tìm hiểu cách tạo và chỉnh sửa hình ảnh với GPT Image 2.6 Flare trên GPTProto, bao gồm các yêu cầu không đồng bộ, ví dụ về Python và curl, các tham số và định giá.

GPT Image 2.6 Flare API: Tạo, Chỉnh sửa và Định giá

GPT Image 2.6 Flare là mô hình tạo và chỉnh sửa hình ảnh của OpenAI được thiết kế để lặp lại nhanh chóng. Trên GPTProto, bạn có thể sử dụng nó để phác thảo bố cục quảng cáo, tạo hình ảnh sản phẩm và sửa đổi hình ảnh thông qua khóa API GPTProto và số dư dùng chung. Tích hợp này có hai lộ trình dành riêng cho tác vụ: một để tạo hình ảnh từ văn bản và một để chỉnh sửa hình ảnh tham chiếu. Gửi yêu cầu, giữ lại ID dự đoán và truy xuất kết quả hoàn thiện thông qua URL kết quả. Hướng dẫn này giải thích quy trình làm việc đó bằng cách sử dụng các lược đồ yêu cầu đã xuất bản của GPTProto, thay vì giả định rằng các lộ trình hình ảnh của nó sử dụng định dạng yêu cầu và phản hồi gốc của 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.

Các điểm chính

  • Tạo với POST /api/v3/openai/gpt-image-2.6-flare/text-to-image; chỉnh sửa với lộ trình /image-edit riêng biệt trên https://gptproto.com.

  • Xác thực bằng Authorization: Bearer YOUR_GPTPROTO_API_KEY. Các yêu cầu gửi JSON cũng sử dụng Content-Type: application/json.

  • Chuyển đổi văn bản thành hình ảnh yêu cầu prompt. Chỉnh sửa hình ảnh yêu cầu images và prompt; mô hình đã được xác định trong lộ trình.

  • Quy trình mặc định là không đồng bộ. Hãy thăm dò data.urls.get cho đến khi data.status trở thành completed hoặc failed, sau đó đọc data.outputs.

  • GPTProto liệt kê các tùy chọn phân phối url và b64_json. Đừng nhầm lẫn định dạng phân phối với định dạng tệp hình ảnh hoặc giả định rằng mọi tính năng thượng nguồn đều được hiển thị.

  • So sánh các cài đặt bằng tổng chi phí của các hình ảnh đã phê duyệt, bao gồm đầu vào tham chiếu và các lần tạo lặp lại—không phải mức giá cố định không được hỗ trợ cho mỗi cấp chất lượng.

Table of contents

Mục đích thiết kế của Flare

Flare được định vị cho các bản nháp nhanh, xem trước thường xuyên và chỉnh sửa tương tác. Các ứng dụng thực tế bao gồm khám phá phông nền ảnh sản phẩm, thử nghiệm bố cục chiến dịch và tạo ra nhiều hướng hình ảnh trước khi chọn một hướng để hoàn thiện. GPT Image 2.6 Sunburst là giải pháp thay thế tập trung vào chi tiết và tính nhất quán trong cùng dòng sản phẩm. Đây không đơn thuần là một “chế độ minh họa” và Flare cũng không bị giới hạn ở phong cách tả thực. Hãy so sánh chúng dựa trên các chi tiết quyết định sự phê duyệt: độ trung thực của nhãn, bố cục, việc bảo toàn chủ thể đã được phê duyệt và số lượng bản sửa đổi cần thiết. Sử dụng danh mục mô hình để kiểm tra tình trạng sẵn có hiện tại. Một tài khoản dùng chung không có nghĩa là đầu vào, lộ trình tác vụ hoặc cài đặt đầu ra của mọi mô hình đều giống hệt nhau.

Thiết lập khóa API của bạn

Tạo khóa trong bảng điều khiển khóa API GPT Proto, sau đó cung cấp khóa đó cho ứng dụng phía máy chủ của bạn:

export GPTPROTO_API_KEY="your_api_key_here"

Giữ khóa bên ngoài mã trình duyệt và hệ thống kiểm soát phiên bản. Tải khóa từ biến môi trường hoặc kho lưu trữ bí mật trong quá trình triển khai của bạn. Nếu bạn sử dụng tệp .env cục bộ, hãy loại trừ tệp đó khỏi các lần commit. Đối với hướng dẫn này, nguồn gốc API là https://gptproto.com. Các đường dẫn tạo và chỉnh sửa bên dưới đã chứa /api/v3; không thêm /v1 vào phía trước hoặc thay thế bằng URL cơ sở chat-completions. Một yêu cầu danh sách mô hình thành công không phải là bằng chứng cho thấy lộ trình hình ảnh có thể hoàn thành công việc. Hãy xác minh quy trình gửi-và-kết quả hoàn chỉnh bằng một yêu cầu nhỏ trước khi thêm xử lý hàng loạt.

Tạo hình ảnh

Lộ trình chuyển văn bản thành hình ảnh của Flare công bố điểm cuối này:

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

Bắt đầu với một hình ảnh và các cài đặt rõ ràng để yêu cầu dễ dàng kiểm tra:

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"
  }'

Mô hình được chọn theo URL. Lộ trình đã công bố này không yêu cầu trường model riêng biệt và size là tùy chọn thay vì là trường thứ ba bắt buộc.

Các trường yêu cầu

Trường Yêu cầu Các giá trị hoặc hành vi đã công bố
prompt Bắt buộc Hướng dẫn bằng văn bản cho hình ảnh
n Tùy chọn 1–10 hình ảnh; bắt đầu với 1 để kiểm tra có kiểm soát
quality Tùy chọn auto, low, medium, high, xhigh, max; mặc định auto
size Tùy chọn auto, 1024x1024, 1536x1024, 1024x1536, 2048x2048, 2048x1152, 3840x2160, 2160x3840; mặc định auto
enable_sync_mode Tùy chọn Boolean; mặc định false
response_format Tùy chọn url hoặc b64_json; mặc định url
Đây là các trường được liệt kê trong lược đồ chuyển đổi văn bản thành hình ảnh hiện tại của GPT Proto. Không thêm quality: "hd", negative_prompt, format, hoặc output_format chỉ vì một mô hình hoặc API khác chấp nhận chúng. Lược đồ đã công bố không chỉ định độ dài tối đa của prompt, vì vậy giới hạn từ một endpoint khác không nên được coi là hợp đồng của lộ trình này.

Truy xuất kết quả

Việc gửi và truy xuất kết quả sử dụng một phong bì chứa code, message, và data. Chỉ riêng phản hồi HTTP thành công không có nghĩa là quá trình tạo đã hoàn tất. Hãy kiểm tra code cấp doanh nghiệp cũng như trạng thái dự đoán.

Trường Cách sử dụng
data.id Giữ lại ID dự đoán này để khắc phục sự cố và truy xuất sau này
data.urls.get Sử dụng URL kết quả được trả về thay vì đoán địa chỉ thăm dò
data.status created, running, completed, hoặc failed
data.outputs Chuỗi đầu ra; được điền khi quá trình dự đoán hoàn tất
data.error Thông tin lỗi khi trạng thái là failed
Thăm dò mỗi 1–3 giây trong khi công việc đang ở trạng thái created hoặc running, như được mô tả trong tài liệu tham khảo lộ trình của GPT Proto. Một địa chỉ kết quả điển hình tuân theo mẫu này:
GET https://gptproto.com/api/v3/predictions/{result_id}/result

Sử dụng cùng xác thực Bearer khi thăm dò. Đối với response_format: "url", các đầu ra hoàn tất là các URL tệp. Đối với b64_json, mảng đầu ra được ghi lại có thể chứa các chuỗi Base64. Không trường hợp nào sử dụng giả định OpenAI gốc data[0].b64_json cho lộ trình GPT Proto này. Lưu các tài sản bạn cần giữ lại, bảo toàn loại phương tiện thực tế của chúng và không dựa vào thời gian tồn tại của URL được lưu trữ không có tài liệu.

Python: Gửi và thăm dò (Poll)

Cài đặt requests trong môi trường ứng dụng của bạn. Ví dụ sau đây thực hiện gửi yêu cầu một lần, thăm dò URL kết quả trả về và in ra các URL đầu ra đã hoàn tất. Thời hạn năm phút là thời gian chờ (timeout) của ứng dụng được sử dụng trong ví dụ này, không phải là cam kết dịch vụ.

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"GPT Proto request failed: {body.get('message')}")
    data = body.get("data")
    if not isinstance(data, dict):
        raise RuntimeError("Missing prediction data")
    return data
def submit_and_poll(scene, payload, timeout_seconds=300):
    if scene not in {"text-to-image", "image-edit"}:
        raise ValueError("Unsupported scene")
    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("Completed prediction has no outputs")
            return outputs
        if status == "failed":
            raise RuntimeError(
                f"Prediction {prediction_id} failed: {prediction.get('error')}"
            )
        if status not in {"created", "running"}:
            raise RuntimeError(f"Unexpected prediction status: {status}")
        if time.monotonic() >= deadline:
            raise TimeoutError(f"Check prediction {prediction_id} before resubmitting")
        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("Unexpected result URL; check the route documentation")
        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)

Lưu tập lệnh dưới tên flare_example.py nếu bạn muốn sử dụng lại trình trợ giúp của nó trong ví dụ chỉnh sửa bên dưới. Tập lệnh này cố tình dừng lại khi có lỗi yêu cầu thay vì tự động gửi lại một yêu cầu tạo có thể bị tính phí. Hãy thêm cơ chế xử lý thử lại (retry) trong môi trường sản xuất xung quanh thao tác phù hợp sau khi kiểm tra xem dự đoán ban đầu có tồn tại hay không.

Node.js: Gửi yêu cầu tạo ảnh

Với môi trường chạy Node.js hiện tại hỗ trợ fetch và AbortSignal.timeout, bạn có thể gửi cùng một JSON mà không cần trình bao bọc (wrapper) hình ảnh dành riêng cho SDK. Hãy lưu ví dụ này dưới dạng tệp .mjs :

const apiKey = process.env.GPTPROTO_API_KEY;
if (!apiKey) throw new Error("Hãy thiết lập GPTPROTO_API_KEY trước");
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 || "Gửi dự đoán thất bại");
}
console.log(JSON.stringify(body.data, null, 2));

Lệnh này in ra kết quả dự đoán, không phải tệp hình ảnh hoàn chỉnh. Hãy sử dụng giá trị urls.get của nó để thực hiện thăm dò (polling) đã xác thực và chỉ đọc outputs sau khi trạng thái chuyển thành completed, theo quy trình công việc ở trên.

Chỉnh sửa hình ảnh tham chiếu

Tuyến đường Flare image-edit tách biệt với việc tạo ảnh:

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

Nó chấp nhận JSON với các trường bắt buộc là images và prompt. GPT Proto mô tả images dưới dạng một mảng các chuỗi và cho phép tối đa 16 hình ảnh tham chiếu. Nó liệt kê cùng các cài đặt về chất lượng, kích thước, đồng bộ hóa và phân phối như tuyến đường tạo ảnh. Hãy chuẩn bị hình ảnh tham chiếu thông qua luồng tải lên được hỗ trợ và kiểm tra yêu cầu đã tạo. Sử dụng các chuỗi tham chiếu đó trong images; đừng thay thế bằng đường dẫn tệp cục bộ, mã hóa Base64 tùy ý hoặc trường multipart có tên image mà không kiểm tra định dạng đầu vào dự kiến. Ví dụ: lưu trữ các chuỗi tham chiếu từ luồng đó dưới dạng một mảng JSON trong GPTPROTO_REFERENCE_IMAGES, sau đó sử dụng lại trình trợ giúp 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("Cung cấp 1–16 chuỗi tham chiếu hợp lệ từ luồng tải lên")
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)

Mặt nạ (Masks) và Đánh dấu (Markup) không thể thay thế cho nhau

Lược đồ chỉnh sửa GPT Proto hiện tại không liệt kê các trường mask hoặc markup. Đừng gửi mặt nạ đen trắng hoặc lớp chú thích trong suốt và cho rằng nó sẽ được hiểu là ranh giới chỉnh sửa. OpenAI có tài liệu về chỉnh sửa có hướng dẫn bằng đánh dấu trong hướng dẫn tạo hình ảnh của họ, nhưng việc hỗ trợ ở cấp độ thượng nguồn không phải là bằng chứng cho thấy lộ trình JSON của GPT Proto cung cấp các quyền kiểm soát tương tự. Đối với lộ trình này, hãy bắt đầu với các đầu vào tham chiếu được hỗ trợ và hướng dẫn chỉnh sửa chính xác. Hãy so sánh kết quả đầu ra với bản gốc, bao gồm cả những khu vực dự kiến sẽ không thay đổi.

Chọn Chất lượng, Kích thước và Hình thức phân phối riêng biệt

Sử dụng low cho các bản nháp giá rẻ nếu nó đáp ứng yêu cầu, sau đó so sánh các cài đặt medium và cao hơn cho các tài sản cuối cùng. Đây là khuyến nghị về quy trình làm việc, không phải là sự đảm bảo chắc chắn rằng cài đặt cao hơn sẽ luôn tạo ra hình ảnh tốt nhất hoặc độ trễ cụ thể.

Bộ chọn kích thước được công bố bao gồm các tùy chọn hình vuông, ngang và dọc. Hướng dẫn về kích thước của nó yêu cầu các cạnh phải chia hết cho 16, cạnh tối đa là 3.840 pixel, tỷ lệ khung hình không rộng hoặc cao hơn 3:1 và tổng số pixel nằm trong khoảng từ 655.360 đến 8.294.400. Hãy bắt đầu với các cài đặt trước được liệt kê thay vì giả định rằng bất kỳ chiều rộng và chiều cao tùy chỉnh nào cũng sẽ được chấp nhận.

response_format kiểm soát hình thức phân phối: url hoặc b64_json. Nó không chọn PNG, JPEG, WebP, GIF hoặc SVG. Lược đồ yêu cầu GPT Proto hiện tại không liệt kê output_format, frame_count, frame_duration_ms, complexity, hoặc negative_prompt.

OpenAI có tài liệu về các khả năng bổ sung, bao gồm đầu ra SVG và GIF động. Hãy coi đó là các khả năng thượng nguồn cho đến khi lộ trình GPT Proto mà bạn sử dụng công khai chúng một cách rõ ràng. Đừng thêm các trường không có tài liệu vào yêu cầu hoặc mô tả các định dạng này là đầu ra đã được xác nhận của lộ trình này.

Định giá và Chi phí cho mỗi Hình ảnh được Phê duyệt

Tỷ giá được kiểm tra vào ngày 8 tháng 11 năm 2026, theo giờ Thái Bình Dương. Tài liệu tham khảo mô hình hiện tại của GPT Proto liệt kê các tỷ giá theo token hình ảnh này; giá có thể thay đổi.

Thành phần thanh toán Tỷ giá GPT Proto trên 1 triệu token
Đầu vào hình ảnh $7.60
Đầu ra hình ảnh $28.50
Đầu vào hình ảnh được lưu bộ nhớ đệm $1.90

Đầu vào văn bản được tính phí riêng. Hãy kiểm tra tỷ giá trực tiếp và độ chính xác hiển thị của nó trước khi ước tính toàn bộ công việc. Trang mô hình hiện đang quảng cáo các mức giá thấp hơn 5% so với giá niêm yết; đó là tuyên bố về giá dành riêng cho mô hình, không phải là mức giảm giá được đảm bảo trên tất cả các mô hình hoặc mức tiết kiệm cố định trên mọi hình ảnh được tạo. Để minh họa, 1.000 token đầu ra hình ảnh có thể tính phí với giá $28.50 mỗi triệu sẽ có giá $0.0285. Đây là ví dụ tính toán chỉ bao gồm đầu ra—không phải dự báo về số lượng token mà một hình ảnh cụ thể sẽ sử dụng. Đầu vào văn bản, xử lý hình ảnh tham chiếu và tạo lại nhiều lần sẽ cộng thêm vào tổng chi phí.

Tài liệu tham khảo lộ trình hiện tại không ghi lại trường usage trong phong bì dự đoán của nó. Hãy sử dụng thông tin thanh toán có sẵn cho tài khoản của bạn; đừng xây dựng báo cáo chi phí dựa trên một trường phản hồi chưa được xác nhận. Chất lượng cao hơn, đầu ra lớn hơn và các tài liệu tham khảo bổ sung có thể làm thay đổi mức tiêu thụ, nhưng không có hệ số nhân cố định hoặc giá hình ảnh theo từng cấp nào được thiết lập ở đây.

Theo dõi tổng chi tiêu chia cho các tài sản được phê duyệt để so sánh các quy trình làm việc. Một bản nháp rẻ hơn nhưng cần nhiều lần chỉnh sửa có thể tốn kém hơn so với kết quả chất lượng cao ngay từ đầu. Hãy bắt đầu với n: 1, sử dụng các kích thước theo yêu cầu của vị trí đặt, và chỉ tăng số lượng sau khi kiểm tra cả chất lượng đầu ra và thanh toán. Xem định giá GPT Proto để biết các điều khoản thanh toán cấp tài khoản hiện tại.

Viết các Lời nhắc (Prompt) mà Bạn có thể Đánh giá

Mô tả tài sản, chủ thể, bố cục, ánh sáng, phong cách và các ràng buộc bằng ngôn ngữ đơn giản. Đối với chỉnh sửa, hãy tách biệt thay đổi được yêu cầu khỏi các chi tiết phải giữ nguyên. Đừng cho rằng thứ tự từ cố định có lợi thế về trọng số token đã được ghi lại.

Chiến dịch sản phẩm: “Tạo một quảng cáo studio hình vuông cho một chai cách nhiệt màu xanh navy mờ. Đặt nó ở một phần ba bên phải trên một bệ màu xám nhạt. Giữ nửa bên trái trống để chèn nội dung. Sử dụng ánh sáng bên dịu nhẹ và nền trắng ấm. Để hình ảnh không chứa văn bản.”

Chỉnh sửa tập trung: “Chỉ thay đổi mặt bàn thành gỗ sồi sáng màu. Giữ nguyên góc máy ảnh, hình dạng chai, nhãn in, phản chiếu và hướng bóng. Phù hợp với ánh sáng hiện có.”

Văn bản chính xác: “Tạo một áp phích sự kiện khổ dọc với tiêu đề ‘NIGHT MARKET’ chính xác như đã viết. Sử dụng một tiêu đề lớn ở trên cùng, một ảnh sản phẩm ở giữa và khoảng trống rõ ràng ở phía dưới để thêm ngày sau đó.”

Xem lại chữ viết ở kích thước đầy đủ và kiểm tra phần cắt cuối cùng. Một đầu ra thuyết phục về mặt hình ảnh vẫn có thể chứa nhãn không chính xác hoặc vùng nội dung không thể sử dụng. Hướng dẫn viết prompt GPT Image 2.5 cung cấp các bài tập viết prompt liên quan; các ví dụ của nó không phải là tiêu chuẩn cho Flare 2.6.

Xử lý lỗi mà không tạo ra các công việc trùng lặp

Kiểm tra cả phản hồi HTTP và phong bì dự đoán (prediction envelope). Việc chấp nhận yêu cầu, hoàn tất tạo ảnh và truy xuất tài nguyên là các bước riêng biệt.

Trạng thái hoặc điều kiện Hành động khuyến nghị
HTTP 400 Kiểm tra các trường bắt buộc, các giá trị được hỗ trợ và bất kỳ thông báo nào liên quan đến kiểm duyệt
HTTP 401 Kiểm tra khóa Bearer và quyền truy cập tài khoản; không lặp lại các thông tin xác thực không thay đổi
HTTP 403 Tài liệu tham khảo về tuyến đường liệt kê việc thiếu tín dụng là một nguyên nhân có thể xảy ra; hãy kiểm tra số dư và thông báo được trả về
HTTP 413 Giảm kích thước nội dung yêu cầu hoặc sử dụng quy trình tải lên tham chiếu được hỗ trợ
HTTP 429 Chờ một khoảng thời gian trước khi thử lại; tuân thủ Retry-After nếu phản hồi cung cấp thông tin đó
HTTP 500, 502, hoặc 504 Xác định xem yêu cầu đã tạo ra dự đoán trước khi gửi yêu cầu tạo ảnh thứ hai hay chưa
data.status: "failed" Kiểm tra data.error; khắc phục nguyên nhân thay vì liên tục thăm dò trạng thái

Sử dụng chính sách thử lại có giới hạn với jitter cho các thao tác có thể thử lại. Độ trễ, số lần thử và thời hạn ứng dụng là các lựa chọn cấu hình của bạn—không phải là mặc định được đảm bảo bởi GPT Proto. Đừng giả định rằng mọi phản hồi đều chứa một tập hợp các tiêu đề giới hạn tốc độ cụ thể.

Ghi nhật ký ID dự đoán, trạng thái phản hồi, thời gian và chi tiết lỗi đã được làm sạch. Không ghi nhật ký khóa API, hình ảnh tham chiếu đầy đủ hoặc toàn bộ nội dung yêu cầu. Sau khi hết thời gian chờ mạng, hãy khôi phục dự đoán đã biết nếu có thể trước khi gửi lại; việc tạo ảnh trùng lặp có thể phát sinh thêm chi phí.

Chuyển quy trình làm việc hiện có sang Flare 2.6

Nâng cấp không chỉ đơn thuần là thay thế một chuỗi mô hình. GPT Proto chọn mô hình và tác vụ này thông qua đường dẫn tuyến đường. Hãy giữ cho tích hợp hiện tại khả dụng trong khi bạn kiểm tra thế hệ mới hoặc chỉnh sửa tuyến đường với các câu lệnh (prompt) và tài liệu tham khảo đại diện.

Sử dụng các cài đặt rõ ràng về kích thước, chất lượng, số lượng ảnh và phân phối. So sánh độ chính xác của văn bản, việc bảo toàn chi tiết sản phẩm, thời gian để có kết quả được phê duyệt và tổng chi tiêu qua các phiên bản. Kiểm tra lại việc phân tích phản hồi và hành vi thăm dò trước khi chuyển lưu lượng sản xuất định kỳ.

Nếu bạn đang di chuyển từ ứng dụng khách hình ảnh gốc của OpenAI, hãy điều chỉnh nội dung và cách xử lý kết quả theo phong bì data.status và data.outputs của GPT Proto. Đừng giả định rằng client.images.generate() hoặc client.images.edit() có thể gọi các tuyến đường GPT Proto gốc này mà không cần thay đổi.

Một khóa cho Tác nhân, Lập trình & Ứng dụng

Cung cấp năng lượng cho các tác nhân AI, công cụ lập trình và ứng dụng của bạn với quyền truy cập giá cả phải chăng vào các mô hình hàng đầu thông qua một khóa API duy nhất.

Duyệt các mô hình API
Một khóa cho Tác nhân, Lập trình & Ứng dụng
Related models
All models
OpenAI
5% OFF
OpenAI
5% OFF
OpenAI
20% OFF
OpenAI
20% OFF

Các câu hỏi thường gặp

Tôi nên sử dụng URL nào cho GPT Image 2.6 Flare trên GPTProto?

Sử dụng https://gptproto.com/api/v3/openai/gpt-image-2.6-flare/text-to-image để tạo ảnh và tuyến đường /image-edit để chỉnh sửa ảnh tham chiếu. Xác thực bằng khóa Bearer của GPTProto.

Mọi yêu cầu có trả về dữ liệu hình ảnh Base64 ngay lập tức không?

Không. Mặc định được công bố là xử lý không đồng bộ với việc gửi qua URL. Việc gửi yêu cầu có thể trả về một dự đoán mà các đầu ra vẫn còn trống. Hãy thăm dò URL kết quả được trả về, sau đó đọc data.outputs sau khi hoàn tất. b64_json là một lựa chọn phân phối riêng biệt được hỗ trợ.

Tôi có thể yêu cầu chỉnh sửa dựa trên GIF, SVG hoặc mặt nạ thông qua các tuyến đường này không?

Các lược đồ hiện tại không hiển thị các điều khiển định dạng GIF/SVG hoặc các trường mặt nạ (mask). Hỗ trợ từ OpenAI không thiết lập tính khả dụng của chúng thông qua các tuyến đường GPTProto này. Hãy sử dụng các tham số đã được công bố cho tuyến đường đã chọn.

Một hình ảnh có giá bao nhiêu?

Không có mức giá chung cho hình ảnh chất lượng thấp, trung bình hoặc cao. Mức tiêu thụ token, đầu vào tham chiếu và số lần thử lại ảnh hưởng đến tổng chi phí. Hãy sử dụng mức giá hiện tại và thanh toán tài khoản thực tế cho khối lượng công việc bạn dự định chạy.

Tôi nên chọn Flare hay Sunburst?

Hãy bắt đầu với Flare để lặp lại nhanh chóng và sửa đổi tương tác. Đánh giá Sunburst khi bố cục chi tiết hoặc tính nhất quán giữa các lần chỉnh sửa quyết định xem một tài sản có thể sử dụng được hay không. Hãy chọn dựa trên các đầu ra đại diện thay vì giả định một cái là mô hình nhiếp ảnh và cái kia là mô hình minh họa.

Related Articles

Thêm blog
Các API chuyển đổi giọng nói thành văn bản tốt nhất cho nhà phát triển: So sánh 11 dịch vụ

Các API chuyển đổi giọng nói thành văn bản tốt nhất cho nhà phát triển: So sánh 11 dịch vụ

API chuyển đổi giọng nói thành văn bản tốt nhất phụ thuộc vào việc âm thanh được truyền trực tiếp hay dưới dạng tệp đã hoàn chỉnh, ngôn ngữ và giọng điệu nào được sử dụng, cũng như liệu có yêu cầu nhãn người nói hoặc dấu thời gian cho từng từ hay không. Deepgram và AssemblyAI cung cấp các sản phẩm truyền phát trực tuyến, trong khi mô hình whisper-1 đã lỗi thời chỉ xử lý âm thanh đã ghi. OpenAI đã lên lịch ngừng hoạt động whisper-1 vào ngày 26 tháng 2 năm 2027; các tích hợp mới nên đánh giá các giải pháp thay thế được đề xuất thay vì bắt đầu với điểm cuối cũ này.

Michael Johnson | 2026-11-11

Claude Fable 5.2 là gì? Lập trình, Trò chơi và các Ví dụ Sáng tạo

Claude Fable 5.2 là gì? Lập trình, Trò chơi và các Ví dụ Sáng tạo

Chúng tôi đã thử nghiệm Claude Fable 5.2 trên hai dự án trực quan: một trang web bảo tàng nghệ thuật và một nghiên cứu màu nước tương tác. Trang web mang lại cảm giác mượt mà và giao diện sạch sẽ, với bảng màu tinh tế và các bộ lọc triển lãm hoạt động tốt. Bản demo màu nước rất thiết thực để sử dụng, các nút điều khiển hoạt động hiệu quả trong thử nghiệm của chúng tôi và khả năng kết xuất hình ảnh mang lại cảm giác tự nhiên. Những kết quả thực tế đó là phần thú vị nhất của bài đánh giá này, bên cạnh các tiêu chuẩn lập trình và các dự án cộng đồng dưới đây. Claude Fable 5.2 là mô hình của Anthropic dành cho các tác vụ suy luận khó, phát triển phần mềm và công việc đại lý mở rộng, được phát hành vào ngày 9 tháng 11 năm 2026. Sức hấp dẫn sáng tạo của nó đến từ việc áp dụng các khả năng đó vào những thứ bạn có thể nhìn thấy và tương tác: trang web, trò chơi, tác phẩm nghệ thuật thủ tục và hoạt ảnh. Lời khuyên của tôi là hãy thử nghiệm nó trên một dự án có nhiều yêu cầu kết nối với nhau: thiết kế, hành vi, nội dung và chỉnh sửa. Một bản viết lại đơn giản sẽ không mang lại nhiều lý do để bạn phải trả phí cho cấp độ này. Một dự án liên tục bị đình trệ với mô hình rẻ hơn sẽ là bài kiểm tra tốt hơn. Bạn có thể nhận quyền truy cập API Claude Fable 5.2 thông qua GPTProto , với mức giá token tiêu chuẩn được niêm yết thấp hơn 10% so với giá chính thức.

Schuyler Stacy | 2026-11-11

Seedream 5.5 là gì? Chỉnh sửa 100 vòng, RGBA gốc và Trạng thái API

Seedream 5.5 là gì? Chỉnh sửa 100 vòng, RGBA gốc và Trạng thái API

Hầu hết các bản cập nhật mô hình hình ảnh đều dễ tóm tắt: đầu ra tốt hơn, tuân thủ câu lệnh tốt hơn hoặc tạo nhanh hơn. Seedream 5.5 thú vị hơn vì ByteDance đang nhắm đến những gì xảy ra sau bức ảnh đầu tiên. Mô hình được thiết kế để giữ cho hình ảnh ổn định qua các lần chỉnh sửa lặp đi lặp lại, tạo ra các tài sản trong suốt có thể tái sử dụng và hiển thị văn bản dày đặc với ít lỗi hơn. Có một điểm cần lưu ý. Những kết quả táo bạo nhất—bao gồm bản demo chỉnh sửa 100 vòng và hầu hết các so sánh mô hình—đến từ các thử nghiệm của chính ByteDance. Seedream 5.5 cũng chưa được thêm vào GPTProto và tài liệu API quốc tế công khai của nó vẫn chưa hoàn thiện. Dưới đây là phiên bản tóm tắt. Trạng thái Seedream 5.5 Thông tin hiện tại Phát hành chính thức Ngày 9 tháng 11 năm 2026 Loại mô hình Tạo và chỉnh sửa hình ảnh Nâng cấp chính Chỉnh sửa đa lượt, tài sản RGBA gốc, tính chân thực và hiển thị văn bản Quyền truy cập của người tiêu dùng Đang triển khai thông qua các sản phẩm của ByteDance Quyền truy cập GPTProto Chưa khả dụng ID API quốc tế công khai Chưa được ghi lại tại thời điểm viết bài Seedream 5.5 Pro Đã công bố, chưa có ngày phát hành Tạo với Seedream 5.0 Pro

Schuyler Stacy | 2026-11-10

ChatGPT Images 2.6 là gì? GIF, tạo ảnh nhanh hơn và Flare so với Sunburst

ChatGPT Images 2.6 là gì? GIF, tạo ảnh nhanh hơn và Flare so với Sunburst

ChatGPT Images 2.6 là bản cập nhật ngày 4 tháng 11 năm 2026 của OpenAI dành cho việc tạo và chỉnh sửa hình ảnh. Bản cập nhật này mang đến các tệp GIF lặp lại cho ChatGPT và giới thiệu hai mô hình API. Flare được xây dựng cho các bản nháp và chỉnh sửa nhanh. Sunburst là mô hình tôi sẽ thử đầu tiên khi nhãn sản phẩm cần giữ nguyên khi thay đổi nền. Tôi đã thử nghiệm bản cập nhật trên một bản phác thảo con mèo có ngôi sao màu cam trên ngực. Tôi yêu cầu nó vẫy một cái bằng bàn chân giơ lên. Khuôn mặt, râu và ngôi sao là những chi tiết cố định để tôi kiểm tra khi bàn chân di chuyển. Phác thảo nhanh hơn với Flare

Schuyler Stacy | 2026-11-05