最便宜的 GPT Image 2 API：Batch、直连与 $0.03/次怎么选

先把实时、异步和按次计费分开，才谈得上哪条 GPT Image 2 API 路线最便宜。以 1024x1024 为例，OpenAI 当前 low 输出估算为 $0.006；能等待最长 24 小时的合格任务使用 Batch 后，推算输出约为 $0.003；laozhang.ai 则为两个服务商 token 组标出 $0.03/次。三者对应的质量、交付方式和账单主体不同，不能直接拿最小值宣布胜负。

低质量实时图先测 OpenAI 直连，低质量或中等质量的非紧急批任务先算 Batch，高质量实时图或明确需要 1K、2K、4K 控制时，再把对应的 $0.03/次 组放进同一轮测试。最终按“总账单 ÷ 合格图片数”选择；尺寸、质量、账单或失败处理无法核对时就停止放量。

本文把官方费率与有限容量、Batch 的派生估算、服务商 token 分组、1,000 张合格图片的预算模型和 20 次小样测试放进同一套决策流程。所有价格与限额按 2026 年 7 月 15 日可核实页面整理，采购前仍应重查来源页。

先按质量和交付时效留下两条候选路线

如果任务要求第一方账户、官方账单、官方支持与可追踪的请求记录，从 OpenAI 直连开始。若任务不急、可异步处理，先计算 OpenAI Batch；它的 token 价格是标准处理的 50%，但不是实时接口。若你需要兼容 OpenAI 的接入形式和固定的按次预算，可把 laozhang.ai 的 $0.03/次 当作候选服务商路线，但必须通过自己的容量与账单测试后再放量。

“最便宜”应写成一个完整句子，例如“在 1,000 张通过验收的中等质量方图、允许异步完成、并且不计额外输入成本的假设下，哪条路线预算更低”。缺少交付时效、画质、尺寸、通过率和容量条件时，任何“最低价”都只是营销标签。

先核对容量：OpenAI 的 Tier 1 到 Tier 5 都是有限额度

OpenAI 的 gpt-image-2 模型页给出了明确等级限制，而且免费等级不支持该模型。公开表格中的每分钟图片数 IPM 和每分钟 token 数 TPM 如下：

这张表至少说明两件事。第一，官方路线并不“无限量”；即使 Tier 5 也有公开的有限速率。第二，IPM 只是图片请求维度，TPM 仍可能先成为瓶颈。实际吞吐还会受到提示词长度、参考图输入、输出尺寸、质量档、编辑任务复杂度以及账户当前状态影响。

做容量规划时，不要直接用 IPM × 60 × 24 当成可交付日量。更稳妥的估算是：

可交付合格图片数 = 尝试次数 × 成功返回率 × 内容验收率

例如，理论上每分钟可提交 20 次，不代表每分钟就能得到 20 张可发布图片。请求可能被限流或超时，返回也可能因文字错误、构图偏差、安全边界或品牌规范而不通过。采购时真正有用的数字，是在你的提示词和素材上得到的合格产出，而不是接口峰值。

如果某个服务商只展示“每次多少钱”，却不公开数字化并发、限流、失败计费和退款规则，不应自行补出“无限量”结论。把这些未知项列入测试表，才是把搜索口号改造成可执行采购条件。

官方价格怎么读：token 费率不等于固定的单图价

OpenAI 官方价格页按每 100 万 token 列出 gpt-image-2 的项目。标准处理的图片输入为 $8，缓存图片输入为 $2，图片输出为 $30；文本输入为 $5，缓存文本输入为 $1.25。这些是 token 单价，不是“每调用一次”的固定报价。

官方成本计算说明还给出了典型输出估算。对 1024×1024 方图，低、中、高质量的输出成本约为 $0.006、$0.053、$0.211；矩形示例约为 $0.005、$0.041、$0.165。这些数值在额外输入成本之前，不能当作每个真实请求的最终账单。

参考图编辑尤其需要注意输入成本。带一张或多张源图的编辑请求，会产生图片输入；长提示词也会产生文本输入。缓存命中与否同样会改变账单。所以，比较官方路线和固定按次路线时，应从账单或用量日志里取真实总成本，而不是只复制输出估算。

官方模型页列出的快照是 gpt-image-2-2026-04-21，请求模型 ID 则是 gpt-image-2。快照可以帮助团队记录本次判断对应的模型版本，但不代表未来价格、限额或能力永远不变。将核对日期和来源链接一起保存，比在表格里写“永久价格”更诚实。

Batch 的半价意味着什么，也不意味着什么

OpenAI Batch 对应项目按标准 token 价格的 50% 计费：图片输入 $4/百万 token、缓存图片输入 $1/百万 token、图片输出 $15/百万 token；文本输入 $2.50/百万 token、缓存文本输入 $0.625/百万 token。它有独立且更高的速率池，支持图片生成和编辑，但采用异步任务，最长处理窗口可到 24 小时。

把官方方图输出估算机械地减半，可以得到便于预算的派生数字：低质量约 $0.003、中等质量约 $0.0265、高质量约 $0.1055，仍然是在额外输入成本之前。这三项是根据 50% 折扣进行的算术推导，不是 OpenAI 另行发布的一张“Batch 单图价表”。

这会产生一个重要的临界点：

• 中等质量方图的 Batch 输出派生估算 $0.0265，在不计输入成本时低于服务商 $0.03/次。
• 标准处理中等质量方图的官方输出估算 $0.053，在不计输入成本时高于 $0.03/次。
• 低质量官方直连输出估算 $0.006，本身也低于 $0.03/次。
• 高质量 Batch 派生输出估算 $0.1055，明显高于 $0.03/次，但两条路线的尺寸、质量、通过率和计费口径仍须匹配后才可比较。

因此，“每次 3 美分一定最便宜”和“官方一定更贵”都不成立。工作负载如果允许异步且输入较少，Batch 可能在中等质量预算里更低；工作负载若强调即时返回，Batch 即使便宜也可能不符合交付合同。已完成的 Batch 请求可计费，批次也可能到期，不能把提交数当成最终合格数。

真正该优化的是每张合格图片成本

一个可跨路线复用的指标是：

每张合格图片成本 = 该路线实际总账单 ÷ 最终通过验收的图片数

“合格”必须在测试前定义。电商团队可以要求主体完整、文字无明显错误、背景符合模板、尺寸正确且无需重做；广告团队可能再加品牌色、合规元素和构图安全区。只有验收标准固定，两个路线的通过率才有可比性。

先看 1,000 张合格方图的理论基线，暂时假设每次都通过，并忽略额外输入成本：

只要通过率改变，排序就可能改变。假设服务商路线的内容通过率为 90%，要得到 1,000 张合格图，至少需要 ceil(1000 ÷ 0.9) = 1112 次尝试。若每次尝试都按公示的 $0.03 计费，预算为 $33.36。这里的“每次都计费”只是预算情景，不是对服务商失败计费规则的事实声明；真实规则必须通过账单与支持渠道核对。

再看一个 20 次样本。服务商路线若 20 次全部按 $0.03 收费，总计 $0.60，其中 17 张通过，则每张合格图约 $0.0353。另一路线即使名义单价略高，如果 20 张中有 19 张通过、返工更少，最后也可能更便宜。把失败、重试、人工修图和等待时间一起放入记录，才不会被“单次最低价”误导。

laozhang.ai 的 $0.03/次 要连同 token 分组一起读

laozhang.ai 文档把 gpt-image-2 能力按创建 token 时选择的分组区分。默认 gpt-image-2 组和 gpt-image-2-vip 组都列出 $0.03/次 的服务商价格；Sora2Official 采用官方 token 计费；GPTImage2 Enterprise 采用官方 token 价格再加 20%。这些名称描述的是服务商路由与账单合同，不是 OpenAI 官方的模型名称或官方报价。

最容易踩坑的是把分组名写进请求体。即使 token 创建在 gpt-image-2-vip 分组，请求里的模型也仍应写 gpt-image-2。路由由 token 分组决定，而不是把 "model": "gpt-image-2-vip" 发给接口。

文档还没有建立这些结论：失败调用是否收费、什么情况下退款、具体并发数字、持续可用率、区域可用性或“没有任何速度限制”。所以本文只把 $0.03/次 当作当前可见的服务商价格线索，不把它扩写为稳定性或容量保证。生产采购应要求实际账单、请求 ID、时间戳与错误分类来补足证据。

请求怎么写：模型名固定，能力由 token 组决定

服务商公开的兼容基础地址是 https://api.laozhang.ai/v1，图片生成与编辑分别使 用 /v1/images/generations 和 /v1/images/edits。下面是生成请求的最小结构：

bash
curl https://api.laozhang.ai/v1/images/generations \
  -H "Authorization: Bearer $LAOZHANG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "一张留有标题安全区的极简产品主图",
    "size": "1024x1024",
    "quality": "medium"
  }'

只有 token 明确创建在文档所述的 gpt-image-2-vip 或其他支持对应控制的分组时，才应依赖 size 和 quality。对裸默认组，文档没有证明这些控制一定可用；安全做法是先省略未确认参数，或在小样中检查参数是否被接受并真实影响输出。HTTP 200 只证明请求返回成功，不能证明某个参数生效。

把测试 token 与生产 token 分开，并在内部配置里记录 provider、base_url、token_group、request_model 和 verified_controls。不要把密钥写进代码库、截图或工单。若同一请求在不同分组得到不同能力，应以 token 组合同和本轮响应为准，而不是猜测模型名发生了变化。

直接使用 OpenAI 时，也应保持类似的配置隔离：官方基础地址、组织/项目、账户 Tier、模型快照、Batch 与同步模式分别记录。这样以后价格或路由变化时，可以替换配置而不用重写业务逻辑。

上线前做 20 次容量小测，而不是一次“能跑通”测试

一次成功调用只能验证最小连通性，不能回答成本、容量和通过率。建议为每条候选路线准备同一组 20 个请求：固定尺寸与质量，覆盖短提示词、长提示词、带文字场景、复杂构图、编辑输入和你最常用的真实模板。若两条路线不能提供完全相同的控制，就把差异写入结果，不要强行声称同条件。

每次至少记录这些字段：

测试不要一次性并发 20 个请求。先以低并发建立基线，再逐级增加，例如 1、2、5 个并发；每一级都观察 429、5xx、延迟和账单。公开页面没有给出服务商数字化并发上限，因此并发阶梯只是你的测试设计，不是对平台能力的承诺。

样本只有 20 次，不能证明长期可用率，也不能证明高峰期表现。它的价值是尽早排除明显不合格路线，并让团队拥有可复算的起始数据。测试通过后仍应灰度放量、保留预算告警和故障切换，不要把一次小样写成永久 SLA。

在测试前写好停止规则，避免为了“跑满”继续烧钱

停止规则必须在发送第一条请求前确定，否则团队很容易在连续失败时不断重试。下面是一组可调整的示例阈值，不是平台承诺：

• 连续 3 次出现 429 或 5xx，暂停当前并发级别，保存请求 ID 与时间戳，不自动无限重试。
• 文档未声明的 size 或 quality 被忽略，或输出尺寸与请求不一致，立即停止把该分组当作可控尺寸路线。
• token 组与响应能力不符，先核对 token 创建记录；不得靠修改请求模型为 gpt-image-2-vip 来“修复”。
• 实际账单无法与请求数或 token 用量对齐，停止扩大预算，先要求账单解释。
• p95 延迟超过业务窗口、内容通过率低于团队门槛、每张合格图成本超过预算，均应停止放量。
• 编辑任务若丢失输入主体、文字或品牌元素达到预设次数，应单独判定该工作负载不合格，不能用生成任务的成功掩盖。

需要升级支持时，准备一个最小证据包：脱敏后的请求体、token 分组、请求模型、请求 ID、UTC 时间、期望控制、实际结果、HTTP 状态、账单记录与可复现步骤。不要发送 API key、完整客户素材或无关个人数据。证据越精确，越容易判断是配置错误、参数未支持、限流还是上游响应问题。

四类工作负载如何选路线

1. 实时产品功能

如果用户在页面上等待图片，24 小时异步窗口通常不适合，所以先比较 OpenAI 同步直连和经过实测的服务商路线。重点不是最低名义价格，而是 p95 延迟、错误恢复、内容通过率、支持归属与故障时的降级路径。若第一方支持和审计重要，官方直连通常更清晰。

2. 夜间批量生产

如果素材可在次日交付，OpenAI Batch 值得优先建模。中等质量方图约 $0.0265 的输出派生估算低于 $0.03，但必须加入输入 token、到期风险、已完成请求计费以及人工验收。只有当 24 小时窗口符合业务时，这个低价才有意义。

3. 固定单次预算的兼容网关

如果现有代码已使用 OpenAI 风格图片端点，并希望把预算先固定到每次调用，可小规模验证 laozhang.ai。创建 token 时选对分组，请求模型仍写 gpt-image-2。若需要明确 4K 或 quality 控制，应验证 gpt-image-2-vip，不能把裸默认组自动当成同等能力。

4. 合规、审计和企业采购

需要官方合同链、组织级账单、第一方支持或内部审计时，价格只是条件之一。OpenAI 直连提供更明确的第一方所有权边界；服务商路线则要额外审查数据处理、支持、账单和可用区域。Sora2Official 或企业分组的名称也不能替代你自己的采购审查。

把价格比较做成可维护的内部仪表板

不要把本文数字硬编码成“永久事实”。在配置或表格里至少保留 checked_at、来源 URL、路线、模式、尺寸、质量、输入类型、名义费率、实际账单、尝试次数、技术成功数、合格数和返工时间。价格、限额、可用性与服务范围都可能变化，超过团队设定的刷新周期就应重新核对。

建议分开看四个指标：

1. 技术成功率：得到有效响应的请求数除以尝试数。
2. 内容通过率：通过验收的图片数除以有效响应数。
3. 每张合格图成本：实际账单除以通过验收数。
4. 有效交付时延：从提交到可用且通过验收的时间，而不只是接口响应时间。

这四个指标能解释为什么最低单次价格未必带来最低总成本。一个路线可能返回很快，但构图返工多；另一路线异步较慢，却在夜间批量里通过率更高。采购决策应按工作负载拆分，完全可以让实时请求走一条路线、非紧急批量走另一条路线。

预算告警也应以合格产出为单位。例如，20 次测试后每张合格图成本高于预算 15%，先暂停并检查输入图、质量档、重试和验收标准；不要只把调用额度加大。若价格页面变化，重新跑小样而不是仅更新表格。

一份可以直接执行的选择顺序

第一步，锁定实际交付条件：同步还是异步、尺寸、质量、每月合格图片数、验收标准、审计要求和最大可接受延迟。第二步，打开 OpenAI 模型页、官方价格页、成本计算说明 和 Batch 指南，记录本轮日期与账户 Tier。

第三步，如果要评估固定按次网关，再打开 laozhang.ai 的 GPT Image 2 文档，核对 token 分组、基础地址、端点和当前价格。先用 20 次容量小测验证，不要从 $0.03/次 推导并发、退款或可用率保证。

第四步，用同一验收标准计算每张合格图成本。若提示词仍不稳定，可以先在 YingTu 在线图片工具 验证创意方向，再把固定后的提示词带入 API 小样；网页测试不能替代 API 的容量和账单验证。

第五步，根据工作负载分别选路：第一方审计走官方直连，非紧急批量优先核算 Batch，固定按次兼容接入验证服务商路线。继续阅读 GPT Image 2 API 接入指南、GPT Image 2 4K 图片生成边界 和 GPT Image 2 与 Nano Banana Pro 对比，可以把价格判断接到具体实现、分辨率和模型选择上。

常见问题

GPT Image 2 API 有真正无限量的官方套餐吗？

没有在本轮核实的官方页面中找到真正无限量套餐。OpenAI 模型页明确列出 Tier 1 到 Tier 5 的有限 IPM 与 TPM，免费等级不支持 gpt-image-2。第三方的按次价格也不能自动解释为无限并发或无限吞吐。

GPT Image 2 API 最便宜的是哪条路线？

没有脱离工作负载的唯一答案。低质量官方输出估算可能低于 $0.03；允许异步时，中等质量 Batch 的派生输出估算约 $0.0265，也可能低于服务商按次价；高质量、输入图、通过率和延迟会改变排序。请比较每张合格图片成本。

$0.03/次 是 OpenAI 官方价格吗？

不是。这是 laozhang.ai 文档列出的服务商价格，适用于其默认 gpt-image-2 和 gpt-image-2-vip token 分组。OpenAI 官方采用图片与文本 token 计费，二者的合同和证据边界必须分开标注。

gpt-image-2-vip 应该写进请求的 model 字段吗？

不应该。gpt-image-2-vip 是创建 token 时选择的服务商分组，请求体里的模型仍写 gpt-image-2。VIP 文档用于说明该分组的常见 1K、2K、4K 和质量控制边界。

为什么 HTTP 200 还不能证明尺寸参数生效？

HTTP 200 只表示服务器成功处理并返回响应。若路线忽略未支持参数，仍可能返回图片。测试应核对实际像素、质量差异、响应信息和 token 分组；裸默认组没有公开证明 size、quality 控制，因此不能只看状态码。

OpenAI Batch 一定比同步接口好吗？

不一定。Batch 的 token 价格是标准处理的 50%，但它是最长可到 24 小时的异步模式。实时产品不一定能接受等待；批次也可能到期，已完成请求可计费。它最适合可排队、可异步验收的工作负载。

20 次测试能证明服务长期稳定吗？

不能。20 次只是最低限度的排错与预算样本，可以发现参数、账单、限流和通过率的明显问题。长期表现需要灰度放量、持续监控、不同时间段样本和故障切换；不要把小样结果写成可用率承诺。

失败请求是否收费、是否退款？

本轮核实的服务商公开页面没有建立完整的失败计费与退款保证。测试时必须把请求数、响应、错误、请求 ID 和实际账单对齐，无法解释时暂停放量并向服务商确认，而不是自行假设“失败不扣费”。

预算表里最容易漏掉什么？

最容易漏掉图片与文本输入成本、失败和重试、内容不通过、人工返工、异步等待以及不同尺寸和质量的差异。用“实际总账单 ÷ 合格图片数”作为主指标，并把核对日期和来源一起保存，能显著减少错误比较。