GPT Image 2.6 Flare API：生成、編輯與定價

Flare 的設計用途

Flare 專為快速草稿、頻繁預覽與互動式修訂而設計。實際應用包括探索產品攝影背景、測試廣告活動構圖，以及在決定最終成品前生成多種視覺方向。 GPT Image 2.6 Sunburst 是同系列中專注於細節與一致性的替代方案。它不僅僅是「插圖模式」，而 Flare 也並非僅限於照片寫實風格。請根據決定核准的細節進行比較：標籤保真度、版面配置、已核准主體的保留程度，以及所需的修改次數。 請使用 模型目錄 來檢查目前的可用性。共享帳戶並不會使每個模型的輸入、任務路徑或輸出設定完全相同。

設定您的 API 金鑰

在 GPT Proto API 金鑰儀表板 中建立金鑰，然後將其提供給您的伺服器端應用程式：

export GPTPROTO_API_KEY="your_api_key_here"

請勿將金鑰放入瀏覽器程式碼或版本控制中。請從環境變數或部署的祕密儲存庫中載入它。如果您使用本機 .env 檔案，請務必將該檔案排除在提交之外。 在本指南中，API 來源為 https://gptproto.com。下方的生成與編輯路徑已包含 /api/v3；請勿在前方加上 /v1 或替換為聊天完成（chat-completions）的基礎 URL。 成功的模型列表請求並不代表影像路徑可以完成工作。在加入批次處理之前，請先用小型請求驗證完整的提交與結果流程。

生成影像

Flare 文字轉影像路徑 發布了此端點：

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

從一張影像與明確的設定開始，以便於檢查請求：

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"
  }'

模型是透過 URL 選擇的。此發布的路徑不需要額外的 model 欄位，且 size 是選填而非強制性的第三欄位。

請求欄位

檢索結果

提交與結果檢索使用包含 code, message, 以及 data 的封裝格式。僅 HTTP 成功並不代表生成已完成。請檢查業務層級的 code 以及預測狀態。

GET https://gptproto.com/api/v3/predictions/{result_id}/result

輪詢時請使用相同的 Bearer 驗證。對於 response_format: "url"，完成的輸出為檔案 URL。對於 b64_json，記錄的輸出陣列可能包含 Base64 字串。此 GPT Proto 路由不使用原生的 OpenAI 假設 data[0].b64_json。 請儲存您需要保留的資產，維護其原始媒體類型，且不要依賴未記錄的託管 URL 有效期。

Python：提交與輪詢

在您的應用程式環境中安裝 requests。以下範例會執行一次提交，輪詢回傳的結果 URL，並列印出已完成的輸出 URL。範例中使用的五分鐘期限為應用程式逾時設定，並非服務保證。

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)

將此指令碼儲存為 flare_example.py，以便在下方的編輯範例中重複使用其輔助函式。它在遇到請求錯誤時會刻意停止，而不是自動重新提交可能產生費用的生成任務。請在檢查原始預測是否存在後，於適當的操作周圍加入生產環境的重試處理機制。

Node.js：提交生成任務

使用支援 fetch 和 AbortSignal.timeout 的現代 Node.js 執行環境，您可以直接提交相同的 JSON，而無需使用 SDK 特定的圖片封裝器。將此範例儲存為 .mjs 檔案：

const apiKey = process.env.GPTPROTO_API_KEY;
if (!apiKey) throw new Error("請先設定 GPTPROTO_API_KEY");
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 || "預測提交失敗");
}
console.log(JSON.stringify(body.data, null, 2));

這會列印出預測結果，而非完成的圖片檔案。請使用其 urls.get 值進行驗證輪詢，並僅在狀態變為 completed 後讀取 outputs，請遵循上述工作流程。

編輯參考圖片

Flare 圖片編輯路由 與生成路由是分開的：

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

它接受包含必要 images 和 prompt 欄位的 JSON。GPT Proto 將 images 描述為字串陣列，最多允許 16 張參考圖片。它列出了與生成路由相同的品質、尺寸、同步和傳遞設定。 請透過支援的上傳流程準備參考圖片，並檢查產生的請求。在 images 中使用這些參考字串；在未檢查預期輸入格式的情況下，請勿替換為本機檔案路徑、任意 Base64 編碼或名為 image 的多部分欄位。 例如，將該流程中的參考字串儲存為 GPTPROTO_REFERENCE_IMAGES 中的 JSON 陣列，然後重複使用 Python 輔助程式：

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("請提供 1–16 個來自上傳流程的有效參考字串")
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)

遮罩與標記不可互換

目前的 GPT Proto 編輯架構並未列出 mask 或 markup 欄位。請勿傳送黑白遮罩或透明註解圖層，並假設系統會將其解讀為編輯邊界。 OpenAI 在其 影像生成指南 中記錄了標記引導式編輯，但上游支援並不代表 GPT Proto 的 JSON 路徑也提供相同的控制項。針對此路徑，請從支援的參考輸入和精確的編輯指令開始。將輸出結果與原始影像進行比較，包括那些預期應保持不變的區域。

分別選擇品質、尺寸與傳遞方式

對於符合簡報需求的低成本草稿，請使用 low，然後再比較 medium 及更高設定以取得最終資產。這是一項工作流程建議，而非保證更高設定一定能產生最佳影像或特定延遲表現。

已發佈的尺寸選擇器包含正方形、橫向與直向選項。其尺寸指引要求邊長需可被 16 整除、最大邊長為 3,840 像素、長寬比不超過 3:1，且總像素數介於 655,360 與 8,294,400 之間。請從列出的預設值開始，不要假設任何自訂的寬度與高度都會被接受。

response_format 控制傳遞方式：url 或 b64_json。它無法選擇 PNG、JPEG、WebP、GIF 或 SVG。目前的 GPT Proto 請求架構並未列出 output_format、frame_count、frame_duration_ms、complexity 或 negative_prompt。

OpenAI 記錄了其他功能，包括 SVG 和動畫 GIF 輸出。在您使用的 GPT Proto 路徑明確公開這些功能之前，請將其視為上游功能。請勿將未記錄的欄位新增至請求中，也不要將這些格式描述為此路徑的確認輸出。

核准圖片的定價與成本

費率檢查時間為太平洋時間 2026 年 11 月 8 日。GPT Proto 目前的模型參考資料列出了這些圖片代幣費率；價格可能會有所變動。

文字輸入需另外計費。在估算完整作業成本前，請先確認即時費率及其顯示的精確度。模型頁面目前宣傳的費率比定價低 5%；這是針對特定模型的價格說明，並非所有模型的保證折扣，也不代表每張生成的圖片都能固定節省成本。 舉例說明，1,000 個可計費圖片輸出代幣以每百萬 $28.50 計算，成本為 $0.0285。這僅是針對輸出的算術範例，並非預測特定圖片將消耗多少代幣。文字輸入、參考圖片處理以及重複生成都會增加總成本。

目前的路由參考資料並未在預測封包中記錄 usage 欄位。請使用您帳戶中可用的計費資訊；請勿根據未經確認的回應欄位來建立成本報告。更高品質、更大的輸出以及額外的參考資料可能會改變消耗量，但此處並未建立固定的乘數或分級圖片價格。

追蹤總支出並除以核准的資產數量，以比較工作流程。需要多次修改的廉價草稿，其成本可能高於高品質的首次結果。請從 n: 1 開始，使用版面配置所需的尺寸，並在確認輸出品質與計費後再增加數量。請參閱 GPT Proto 定價 以了解目前的帳戶級付款條款。

撰寫可評估的提示詞

以淺顯易懂的語言描述資產、主體、構圖、光影、風格與限制。若要進行編輯，請將要求的變更與必須保持不變的細節分開。請勿假設固定的詞序具有已記錄的代幣加權優勢。

產品廣告活動： 「為霧面海軍藍保溫瓶製作一張方形攝影棚廣告。將其放置在淺灰色底座的右三分之一處。左半部保持空白以供放置文案。使用柔和的側光和溫暖的灰白色背景。圖片中不要包含任何文字。」

重點修改： 「僅將桌面更改為淺橡木色。保持相機角度、瓶身形狀、印刷標籤、反射和陰影方向不變。配合現有的光影效果。」

精確文字： 「製作一張直式活動海報，標題為『NIGHT MARKET』，文字必須完全一致。頂部使用一個大標題，中間放置一張產品照片，底部留出清晰空間以便稍後加入日期。」

請以全尺寸檢視文字並檢查最終裁切。視覺上令人信服的輸出結果仍可能包含錯誤的標籤或無法使用的文案區域。GPT Image 2.5 提示詞指南 提供了相關的提示詞練習；其範例並非 Flare 2.6 的基準。

在不建立重複作業的情況下處理錯誤

請同時檢查 HTTP 回應與預測封裝。請求接受、生成完成與資產擷取是分開的步驟。

針對可重試的操作，請使用帶有抖動（jitter）的限制重試策略。延遲時間、嘗試次數與應用程式截止期限由您自行配置，並非 GPT Proto 的預設保證。請勿假設每個回應都包含特定的速率限制標頭。

請記錄預測 ID、回應狀態、時間與經過清理的錯誤詳細資訊。請勿記錄 API 金鑰、完整的參考影像或每個完整的請求主體。網路逾時後，請盡可能在重新提交前恢復已知的預測；重複生成可能會產生額外費用。

將現有工作流程遷移至 Flare 2.6

升級不僅僅是替換模型字串。GPT Proto 透過路由路徑選擇此模型與任務。在您使用代表性提示詞與參考資料測試新生成或編輯路由時，請保持現有整合處於可用狀態。

請使用明確的尺寸、品質、影像數量與交付設定。比較各版本之間的文字準確度、產品細節保留度、獲得核准結果的時間以及總支出。在轉移重複性的生產流量之前，請重新檢查回應解析與輪詢行為。

如果您是從 OpenAI 原生影像用戶端遷移，請調整酬載與結果處理方式，以符合 GPT Proto 的 data.status 與 data.outputs 封裝。請勿假設 client.images.generate() 或 client.images.edit() 可以直接呼叫這些原生 GPT Proto 路由而不進行修改。