ค่าใช้จ่าย GPT Image 2.5 API: วิธีประเมินซ้ำได้สำหรับภาพที่ใช้งานได้ 100 หรือ 1,000 ภาพ
ประมาณค่าใช้จ่ายเวิร์กโหลด GPT Image 2.5 โดยใช้อัตราค่าโทเคน เกณฑ์การยอมรับ กรณีทดสอบ และการลองใหม่ที่มีการเรียกเก็บเงินอย่างชัดเจน
สรุป · TL;DR
ใช้ชุดทดสอบคงที่ ยอดใช้งานที่ถูกเรียกเก็บจริง และเกณฑ์การยอมรับที่ชัดเจน เพื่อประมาณค่าใช้จ่าย GPT Image 2.5 ต่อภาพที่ใช้งานได้ อัตราอ้างอิงที่เผยแพร่ช่วยประกอบการคำนวณตัวอย่างได้ แต่ราคาในแค็ตตาล็อก OneMux ไม่เป็นที่ทราบในภาพรวมข้อมูลที่ให้มา
ประเด็นสำคัญ
- วางงบตามจำนวนภาพที่ผ่านเกณฑ์ ไม่ใช่แค่จำนวนคำขอ API ที่สำเร็จ โดยรวมการแก้ไขและความพยายามที่ล้มเหลวซึ่งมีการเรียกเก็บเงินด้วย
- แหล่งข้อมูลที่ให้มาระบุอัตราค่าโทเคนเท่ากันสำหรับ Flare และ Sunburst แต่อัตราที่เท่ากันไม่ได้ยืนยันว่าต้นทุนเวิร์กโหลดจะเท่ากัน
- ภาพรวมราคา OneMux ระบุว่าราคา input และ output ไม่เป็นที่ทราบ โดยอัตราส่วน 0.1 ที่เผยแพร่เพียงอย่างเดียวไม่สามารถใช้ระบุราคาเป็นดอลลาร์ได้
- กำหนดขีดจำกัดจำนวนคำขอและค่าใช้จ่ายก่อนเริ่มการประเมินขนาดเล็ก จากนั้นแทนที่สมมติฐานในตัวอย่างด้วยปริมาณการใช้งานและอัตราผ่านเกณฑ์ที่วัดได้
ในหน้านี้ (9)
คำตอบ: วางงบตามภาพที่ผ่านเกณฑ์ ไม่ใช่จำนวนคำขอ
สำหรับ GPT Image 2.5 ให้ประมาณต้นทุนเวิร์กโหลดโดยนำยอดที่เรียกเก็บสำหรับชุดความพยายามที่เป็นตัวแทนของงาน หารด้วยจำนวนภาพที่ตรงตามเกณฑ์การยอมรับ รวมการแก้ไขและความพยายามที่ล้มเหลวซึ่งมีการเรียกเก็บเงินด้วย เพราะสถานะ HTTP ว่าสำเร็จเพียงอย่างเดียวไม่ได้ยืนยันว่าภาพนั้นใช้งานได้
ในสถานการณ์ตัวอย่างด้านล่าง คำขอหนึ่งครั้งมีค่าใช้จ่าย $0.141 และผลลัพธ์ 80% ผ่านเกณฑ์ จึงคิดเป็นประมาณ $0.17625 per accepted image หรือ $17.625 for 100 และ $176.25 for 1,000 ก่อนรวมบริการที่เรียกเก็บแยก ตัวเลขเหล่านี้เป็นสมมติฐานสำหรับการคำนวณ ไม่ใช่ใบเสนอราคาหรืออัตราความสำเร็จที่วัดได้
OneMux เผยแพร่คู่มือนี้และให้สิทธิ์เข้าถึงโมเดลผ่าน API ที่เข้ากันได้กับ OpenAI วิธีคำนวณนี้ใช้กับผู้ให้บริการรายอื่นได้เช่นกัน โดยให้ใช้ราคาและบันทึกการเรียกเก็บเงินที่ใช้กับบัญชีของคุณจริง
ราคา GPT Image 2.5: แยกอัตราอ้างอิงออกจากยอดเรียกเก็บจริง
บทความด้านราคาของ Ofox รายงานว่า OpenAI ระบุอัตราต่อไปนี้สำหรับทั้ง GPT Image 2.5 Flare และ Sunburst เมื่อตรวจสอบเมื่อวันที่ 9 กันยายน 2026 อัตราเหล่านี้เป็น ดอลลาร์ต่อล้านโทเคน ไม่ใช่ราคาคงที่ต่อภาพ แหล่งข้อมูลนี้เป็นรายงานจากแหล่งทุติยภูมิ โปรดตรวจสอบอัตราปัจจุบันและความพร้อมใช้งานของโมเดลกับผู้ให้บริการที่เลือกก่อนกำหนดงบประมาณ
| หมวดการเรียกเก็บเงิน | อัตราทางการที่รายงานสำหรับ Flare และ Sunburst | หน่วย |
|---|---|---|
| ข้อความ input ที่ไม่ใช้แคช | $5.00 | ต่อล้านโทเคน |
| ข้อความ input ที่ใช้แคช | $1.25 | ต่อล้านโทเคน |
| ภาพ input ที่ไม่ใช้แคช | $8.00 | ต่อล้านโทเคน |
| ภาพ input ที่ใช้แคช | $2.00 | ต่อล้านโทเคน |
| ภาพ output | $30.00 | ต่อล้านโทเคน |
ภาพรวมแค็ตตาล็อก OneMux ที่บันทึกเมื่อ 21 พฤศจิกายน 2026 ไม่ได้ระบุราคา input หรือ output ของ GPT Image 2.5 เป็นดอลลาร์ แม้จะเผยแพร่อัตราส่วน 0.1 แต่หากไม่ทราบราคาและหน่วยที่เป็นฐาน อัตราส่วนนี้ก็ไม่เพียงพอสำหรับคำนวณยอดเรียกเก็บหรือเงินที่ประหยัดได้
| โมเดล | input ทางการ | output ทางการ | input ของ OneMux | output ของ OneMux | อัตราส่วนราคาที่เผยแพร่ |
|---|---|---|---|---|---|
| GPT Image 2.5 | ไม่ทราบในภาพรวมแค็ตตาล็อก | ไม่ทราบในภาพรวมแค็ตตาล็อก | ไม่ทราบ | ไม่ทราบ | 0.1 |
ไม่ทราบไม่ได้หมายถึงศูนย์ อัตราที่แหล่งข้อมูลรายงานข้างต้นกับภาพรวมแค็ตตาล็อกเป็นหลักฐานคนละชุดที่บันทึกต่างวันกัน และทั้งสองอย่างไม่ได้ยืนยันยอดเรียกเก็บปัจจุบันของบัญชี OneMux ของคุณ ตรวจสอบ ราคา OneMux ปัจจุบัน ระดับราคาของโมเดลที่เกี่ยวข้อง เงื่อนไขแคช และข้อกำหนดของบัญชี โดยใช้หน่วยเรียกเก็บเงินเดียวกันเมื่อเปรียบเทียบผู้ให้บริการ
คำนวณต้นทุนต่อคำขอ แล้วขยายเป็นต้นทุนเวิร์กโหลด
ตัวอย่างนี้สมมติว่าคำขอหนึ่งครั้งใช้ข้อความ input ที่ไม่ใช้แคช 1,000 โทเคน ภาพ input ที่ไม่ใช้แคช 2,000 โทเคน และภาพ output 4,000 โทเคน โดยไม่มีการใช้งานแคชหรือค่าใช้จ่ายอื่น จำนวนโทเคนเป็นเพียงตัวอย่าง ไม่ใช่ค่าที่วัดได้สำหรับขนาด คุณภาพ หรือรุ่นย่อยของโมเดลใดโดยเฉพาะ
| องค์ประกอบ | การคำนวณตามอัตราอ้างอิงที่รายงาน | ค่าใช้จ่าย |
|---|---|---|
| ข้อความ input | 1,000 × $5 / 1,000,000 | $0.005 |
| ภาพ input | 2,000 × $8 / 1,000,000 | $0.016 |
| ภาพ output | 4,000 × $30 / 1,000,000 | $0.120 |
| รวม | ผลรวมของทั้งสามองค์ประกอบ | $0.141 |
หากมี input ที่ใช้แคช ให้คิดราคาแยกจากส่วนที่ไม่ใช้แคช ตรวจสอบนิยามฟิลด์ของผู้ให้บริการ เพราะจำนวน input ทั้งหมดอาจรวมโทเคนที่ใช้แคชไว้แล้ว อย่านับโทเคนเหล่านั้นซ้ำ อย่าสมมติว่าการส่งภาพอ้างอิงซ้ำจะได้รับส่วนลดแคช และอย่าถือว่าหมวดการใช้งานที่ไม่มีข้อมูลมีค่าเป็นศูนย์
ต่อไปสมมติว่าแต่ละความพยายามมีค่าใช้จ่ายเฉลี่ย $0.141 และ 80% ผ่านการตรวจ:
| เป้าหมายภาพที่ผ่านเกณฑ์ | จำนวนความพยายามโดยประมาณที่อัตราผ่าน 80% | ค่าใช้จ่ายโมเดลภาพโดยประมาณ |
|---|---|---|
| 100 | 100 / 0.80 = 125 | 125 × $0.141 = $17.625 |
| 1,000 | 1,000 / 0.80 = 1,250 | 1,250 × $0.141 = $176.25 |
สำหรับเป้าหมายที่หารแล้วไม่ลงตัว ให้ปัดจำนวนความพยายามโดยประมาณขึ้นเป็นจำนวนคำขอเต็ม อัตราผ่าน 80% เป็นเพียงค่าคาดหมาย ไม่ใช่การรับประกันว่าจะได้ผลลัพธ์ตามจำนวน รวมค่าเรียกใช้ language model, streaming previews, ภาษี หรือค่าใช้จ่ายอื่นที่เรียกเก็บแยก หากมี แหล่งข้อมูลระบุว่าเครื่องคำนวณ output ของ GPT Image 2.5 ประมาณการใช้งานและค่าใช้จ่ายของ output แต่ไม่รวมข้อความ input ภาพ input และภาพระหว่างทางจาก streaming จึงไม่ใช่การประมาณค่าใช้จ่ายครบทั้งคำขอ
ประเมินแบบจำกัดขอบเขตและทำซ้ำได้
ก่อนทดสอบ ให้ยืนยันสิทธิ์เข้าถึงรุ่นย่อยของโมเดลที่ต้องการ พารามิเตอร์ภาพที่รองรับ ราคาปัจจุบันของบัญชี การรายงานการใช้งาน และบริการที่เรียกเก็บแยก การเข้าถึง OneMux ที่เข้ากันได้กับ OpenAI ไม่ได้ยืนยันในตัวเองว่ารองรับทุก image endpoint หรือทุกพารามิเตอร์ โปรดตรวจสอบ endpoint และพารามิเตอร์ที่ระบุในเอกสารสำหรับบัญชีของคุณ คู่มือนี้ไม่ได้อ้างว่าได้ทดสอบการเชื่อมต่อ OneMux แล้ว
ใช้ชุดทดสอบขนาดเล็กที่คงที่และใกล้เคียงกับงานที่คุณต้องการจ่ายเงินทำ ตัวอย่างเช่น กำหนดสามกรณีต่อไปนี้ก่อนส่งคำขอ:
| กรณี | input คงที่ | ตัวอย่างเกณฑ์ผ่าน |
|---|---|---|
| ภาพสินค้า | คำอธิบายสินค้า การจัดกรอบ ขนาด และคุณภาพเดียวกัน | มีสินค้าและพื้นหลังตามที่กำหนด ไม่มีชิ้นส่วนสินค้าเกินมาอย่างเห็นได้ชัด |
| การจัดวางข้อความ | วลีภาษาอังกฤษสั้น ๆ ที่กำหนดให้และคำสั่งจัดวางเดียวกัน | อักขระทุกตัวตรงกับวลีที่กำหนดและอ่านออกได้ |
| การแก้ไขภาพอ้างอิง | ไฟล์อ้างอิงและคำสั่งแก้ไขเดียวกัน | มีการเปลี่ยนแปลงตามที่ขอ โดยสีและพื้นผิวของวัตถุเบื้องหน้าที่กำหนดยังคงเดิม |
สิ่งเหล่านี้เป็นการออกแบบการประเมิน ไม่ใช่ผลลัพธ์ GPT Image 2.5 ที่วัดได้ บันทึก prompt ที่ใช้จริง ไฟล์อ้างอิง ขนาด คุณภาพ และเกณฑ์ผ่านไว้ล่วงหน้า หากเปรียบเทียบ Flare กับ Sunburst ให้ใช้กรณีทดสอบเดียวกันภายใต้เงื่อนไขเดียวกัน และรายงานแต่ละรุ่นย่อยแยกกัน แหล่งข้อมูลรายงานว่าอัตราค่าโทเคนเท่ากัน ไม่ได้ระบุว่าคุณภาพ ปริมาณการใช้งาน หรือต้นทุนรวมเท่ากัน
กำหนดขีดจำกัดก่อนส่งคำขอแรก
สำหรับการทดสอบนำร่องเบื้องต้นในตัวอย่าง ให้กำหนด คำขอรวมไม่เกิน 30 ครั้ง โดยนับการแก้ไขรวมด้วย และ แก้ไขไม่เกินหนึ่งครั้งต่อความพยายามในแต่ละกรณี ตั้งเพดานค่าใช้จ่ายของบัญชีหรือเกณฑ์หยุดการทำงานที่บังคับใช้ได้ และหยุดเมื่อถึงขีดจำกัดอย่างใดอย่างหนึ่ง หากแพลตฟอร์มไม่สามารถบังคับเพดานแบบตายตัวได้ ให้ติดตามยอดคงเหลือและหยุดด้วยตนเอง พร้อมเผื่อวงเงินสำหรับค่าใช้จ่ายที่ยังอยู่ระหว่างประมวลผล อย่าสมมติว่าคำขอที่ล้มเหลวจะถูกเรียกเก็บเงินเสมอหรือฟรีเสมอ
บันทึกข้อมูลทุกความพยายาม ได้แก่ ผู้ให้บริการ model ID ที่แน่นอน เวลา UTC ตัวระบุคำขอ input และการตั้งค่า ข้อมูลการใช้งานที่ส่งกลับ อัตราที่ใช้ ยอดเรียกเก็บจริงหากมี และผลผ่านหรือไม่ผ่าน ระบุข้อมูลการใช้งานหรือยอดเรียกเก็บที่ไม่มีให้เป็นไม่ทราบ หากการเรียกเก็บเงินรวมหลายคำขอเข้าด้วยกัน ให้กระทบยอดทั้งกลุ่มแทนการสมมติแบ่งยอดรายคำขอ ลบข้อมูลรับรองและตัวระบุบัญชีก่อนแชร์บันทึก
เปลี่ยนผลสังเกตให้เป็นข้อมูลสำหรับตัดสินใจ
คำนวณยอดเรียกเก็บจริงทั้งหมดของการทดสอบนำร่องหารด้วยจำนวนภาพที่ผ่านเกณฑ์ หากผู้ให้บริการยังไม่สรุปยอดเรียกเก็บ ให้ระบุว่าผลลัพธ์เป็นค่าประมาณและกระทบยอดภายหลัง รายงานจำนวนความพยายามและจำนวนภาพที่ผ่านเกณฑ์ควบคู่กับตัวเลขนี้ การทดสอบนำร่องขนาดเล็กอาจเผยให้เห็นรูปแบบความล้มเหลว แต่ไม่สามารถรับประกันอัตราผ่านของงาน 1,000 ภาพได้อย่างน่าเชื่อถือ หากไม่มีภาพใดผ่าน จะไม่สามารถระบุต้นทุนต่อภาพที่ผ่านเกณฑ์ได้ ให้ปรับงานหรือเกณฑ์การยอมรับแทนการหารด้วยศูนย์
ทบทวนความล้มเหลวแยกตามกรณี ผลลัพธ์แรกที่ราคาถูกอาจมีต้นทุนสูงเมื่อรวมการแก้ไขซ้ำ ในทางกลับกัน ความพยายามที่มีต้นทุนสูงกว่าอาจคุ้มค่าหากผ่านเกณฑ์บ่อยกว่า ขยายการทดสอบหลังจากตรวจสอบแล้วเท่านั้นว่าต้นทุนและรูปแบบความล้มเหลวที่พบสอดคล้องกับงบประมาณ
สรุป
ใช้อัตราค่าโทเคนที่รายงานเพื่อทำความเข้าใจวิธีคำนวณ ไม่ใช่ใช้แทนราคาเสนอสำหรับบัญชีของคุณ ชุดทดสอบคงที่ ขีดจำกัดการหยุดที่ชัดเจน และยอดเรียกเก็บจริงต่อภาพที่ผ่านเกณฑ์ ช่วยให้วางงบประมาณได้อย่างมีเหตุผลรองรับมากกว่าราคาต่อภาพแบบทั่วไป
แหล่งข้อมูล
- Ofox: ราคา GPT Image 2.5 API และการประมาณเวิร์กโหลด — แหล่งข้อมูลสำหรับอัตราอ้างอิงเดือนกันยายน 2026 ที่รายงาน ข้อจำกัดของเครื่องคำนวณ output และตัวอย่างค่าใช้จ่าย
- หน้าโมเดล OneMux GPT Image 2.5 และ ราคา OneMux — ใช้ตรวจสอบข้อมูลแค็ตตาล็อกที่เผยแพร่ในปัจจุบันและเงื่อนไขที่เกี่ยวข้อง
ภาพรวมราคาที่เผยแพร่
บันทึกเมื่อ 2026-11-21T15:00:06.439Z จากแค็ตตาล็อกที่ OneMux เผยแพร่ ราคาคงหน่วยเรียกเก็บเงินของเว็บไซต์ไว้ ข้อมูลนี้ไม่ใช่การเปรียบเทียบประสิทธิภาพแบบเรียลไทม์ การเรียกเก็บเงินแบบแบ่งระดับ แบบแคช หรือแบบอิงเวลาอาจแตกต่างกัน ค่าที่ไม่ทราบไม่ใช่ศูนย์
| โมเดล | input ทางการ | output ทางการ | input ของ OneMux | output ของ OneMux | อัตราส่วนราคาที่เผยแพร่ |
|---|---|---|---|---|---|
| GPT Image 2.5 | ไม่ทราบ | ไม่ทราบ | ไม่ทราบ | ไม่ทราบ | 0.1 |
ราคา OneMux ปัจจุบัน เปรียบเทียบต้นทุนเวิร์กโหลดเฉพาะเมื่อ input/output และหน่วยเรียกเก็บเงินตรงกันเท่านั้น ดูเงื่อนไขระดับราคาได้ที่หน้าโมเดลแต่ละรายการ
คำถามที่พบบ่อย
GPT Image 2.5 มีค่าใช้จ่ายต่อภาพเท่าไร?
ไม่มีราคาเดียวที่กำหนดไว้สำหรับทุกคำขอ ค่าใช้จ่ายขึ้นอยู่กับอัตราที่ใช้ ข้อความและภาพ input ภาพ output การใช้แคช และบริการที่เรียกเก็บแยก ให้นำยอดเรียกเก็บจริงของเวิร์กโหลดหารด้วยจำนวนภาพที่ผ่านเกณฑ์เพื่อประมาณต้นทุนต่อภาพที่ใช้งานได้
GPT Image 2.5 Flare และ Sunburst มีค่าใช้จ่ายเท่ากันหรือไม่?
แหล่งข้อมูล Ofox ที่ให้มารายงานว่าอัตราค่าโทเคนทางการของทั้งสองรุ่นย่อยเท่ากัน ณ วันที่ 9 กันยายน 2026 แต่ไม่ได้ยืนยันว่าปริมาณโทเคนที่ใช้ อัตราผ่านเกณฑ์ หรือต้นทุนเวิร์กโหลดรวมจะเท่ากัน
อัตราส่วนราคาที่ OneMux เผยแพร่ใช้ระบุราคา GPT Image 2.5 เป็นดอลลาร์ได้หรือไม่?
ไม่ได้ ภาพรวมแค็ตตาล็อกวันที่ 21 พฤศจิกายน 2026 ระบุอัตราส่วนที่เผยแพร่เป็น 0.1 แต่ไม่ได้ระบุราคา input และ output เป็นดอลลาร์ โปรดตรวจสอบราคาปัจจุบันที่ใช้กับบัญชีและหน่วยเรียกเก็บเงิน
บทความที่เกี่ยวข้อง
Guides
ค่าใช้จ่าย GPT Image 2.6 Sunburst API: งบประเมินผลที่ทำซ้ำได้
ประเมินค่าใช้จ่ายในการสร้างภาพด้วย Sunburst โดยระบุสมมติฐานเรื่องโทเค็น เกณฑ์การยอมรับ วงเงิน และแผนทดสอบที่ทำซ้ำได้
Guides
ค่าใช้จ่าย API ของ GPT 6.2 Sol: วางงบประเมินผลให้ทำซ้ำได้
ประมาณค่าใช้จ่ายในการประเมิน GPT 6.2 Sol ด้วยสมมติฐานจำนวนโทเค็นที่ชัดเจน ราคาแต่ละระดับ context ตัวอย่าง cache และขีดจำกัดการทดสอบที่ทำซ้ำได้
Guides
ค่าใช้จ่าย GPT Image 2.5 Flare API: ประมาณการสำหรับงานจริงพร้อมกฎการลองใหม่
ประมาณค่าใช้จ่ายของงาน GPT Image 2.5 Flare จากสมมติฐานจำนวนโทเคนที่ระบุชัดเจน พร้อมเผื่องบสำหรับการลองใหม่และจัดการความล้มเหลวที่ไม่ทราบผลอย่างปลอดภัย
Guides
ประเมินค่าใช้จ่าย GPT Image 2 API สำหรับคัดแยกงานบริการลูกค้าโดยมีมนุษย์อนุมัติ
ประเมินค่าใช้จ่าย GPT Image 2 API สำหรับตัวอย่างเวิร์กโฟลว์บริการลูกค้า พร้อมสมมติฐานจำนวนโทเค็น สถานการณ์การลองใหม่ และขอบเขตการตรวจสอบโดยมนุษย์