指南OneMux

GPT Image 2.5 API 成本:针对 100 或 1,000 张可用图像的可重复评估

结合明确的 token 费率、验收标准、测试用例和计费重试,估算 GPT Image 2.5 工作负载成本。

AI

摘要 · TL;DR

通过固定测试集、实际计费数据和明确的验收规则,估算 GPT Image 2.5 每张可用图像的成本。已公布的参考费率可用于示例计算,但所提供的 OneMux 目录快照中价格未知。

核心要点

  • 预算应以通过验收的图像为单位,而不只是成功的 API 请求;计入收费的修改和失败尝试。
  • 所提供的来源称 Flare 和 Sunburst 的 token 费率相同,但费率相同并不意味着工作负载成本相同。
  • OneMux 价格快照中的输入和输出价格均为未知;仅凭公布的 0.1 比率无法确定美元价格。
  • 在小规模评估前设置请求次数和支出上限,再用实测用量和验收率替换示例假设。
文章目录 (9)

核心结论:按通过验收的图像做预算,而不是按请求次数

对于 GPT Image 2.5,用一组具有代表性的尝试所产生的账单金额,除以符合验收标准的图像数量,即可估算工作负载成本。计入收费的修改和失败尝试;HTTP 请求成功本身并不能证明图像可用。

在下方示例中,每次请求成本为 $0.141,80% 的输出通过验收。这意味着每张通过验收的图像约 $0.17625,100 张约 $17.625,1,000 张约 $176.25,均未计入单独收费的服务。这些只是用于计算的假设,并非报价或实测成功率。

OneMux 发布了本指南,并通过兼容 OpenAI 的 API 提供模型访问。使用其他提供商时,这种计算方法同样适用;请使用实际适用于您账户的价格和账单记录。

GPT Image 2.5 价格:区分参考费率与实际账单

Ofox 的价格文章称,在 2026 年 9 月 9 日查询时,OpenAI 为 GPT Image 2.5 Flare 和 Sunburst 列出的费率均如下表所示。这些是每百万 token 的美元价格,而非每张图像的固定价格。该来源属于二手报道;确定预算前,请向所选提供商核实当前费率和模型可用性。

计费类别报道的官方费率,Flare 和 Sunburst单位
未缓存的文本输入$5.00每百万 token
已缓存的文本输入$1.25每百万 token
未缓存的图像输入$8.00每百万 token
已缓存的图像输入$2.00每百万 token
图像输出$30.00每百万 token

2026 年 11 月 21 日采集的 OneMux 目录快照未提供 GPT Image 2.5 的输入或输出美元价格。快照公布了 0.1 的比率,但由于基础价格和单位未知,仅凭该比率不足以计算费用或节省金额。

模型官方输入价格官方输出价格OneMux 输入价格OneMux 输出价格公布的价格比率
GPT Image 2.5目录快照中未知目录快照中未知未知未知0.1

未知不等于零。上文来源报道的费率与目录快照是不同日期采集的不同证据;二者都不能确定您当前的 OneMux 账户账单。请查看 OneMux 当前价格、适用的模型档位、缓存条件和账户条款。比较不同提供商时,应使用相同的计费单位。

先计算单次请求,再估算整体工作负载

本例假设一次请求使用 1,000 个未缓存文本输入 token、2,000 个未缓存图像输入 token 和 4,000 个图像输出 token,且没有缓存用量或其他费用。这些 token 数量仅用于示例,并非针对特定尺寸、质量或模型变体的测量值。

项目按报道的参考费率计算成本
文本输入1,000 × $5 / 1,000,000$0.005
图像输入2,000 × $8 / 1,000,000$0.016
图像输出4,000 × $30 / 1,000,000$0.120
合计三项相加$0.141

如果用量包含已缓存的输入,应分别计算已缓存和未缓存部分的价格。检查提供商的字段定义:输入总量可能已包含缓存 token。不要重复计算这些 token,不要假设重新提交参考图像就能获得缓存折扣,也不要将缺失的用量类别视为零。

现在假设每次尝试的平均成本为 $0.141,且 80% 通过审核:

通过验收的图像目标数按 80% 通过率估算的尝试次数估算的图像模型成本
100100 / 0.80 = 125125 × $0.141 = $17.625
1,0001,000 / 0.80 = 1,2501,250 × $0.141 = $176.25

对于无法整除的目标数量,应将估算的尝试次数向上取整为完整请求数。80% 的通过率只是预期,并不保证交付结果。如适用,还需加上单独收费的语言模型调用、流式预览、税费或其他费用。来源称,GPT Image 2.5 输出计算器可估算输出用量和成本,但不包括文本输入、图像输入和流式中间图像,因此不能完整估算一次请求的费用。

开展有边界、可重复的评估

测试前,确认是否能访问所需的确切模型变体、支持哪些图像参数、当前账户价格、用量报告方式以及任何单独收费的服务。OneMux 兼容 OpenAI 的访问方式本身并不代表支持所有图像端点或参数;请核实您账户适用的文档所列端点和参数。本指南不声称已测试 OneMux 集成。

使用一个与计划购买的工作负载相似的小型固定测试集。例如,在调用前定义以下三个用例:

用例固定输入验收规则示例
产品图像相同的产品描述、构图、尺寸和质量包含所需产品和背景;没有明显多余的产品部件
文本排版相同的已提供英文短语和排版指令每个字符都与给定短语一致且清晰可读
参考图像编辑相同的参考文件和编辑指令出现所要求的修改;指定前景的颜色和纹理保持不变

这些是评估设计,并非 GPT Image 2.5 的实测结果。提前记录确切的提示词、参考文件、尺寸、质量和验收规则。如果比较 Flare 和 Sunburst,应在相同条件下运行相同用例,并分别报告各变体的结果。来源报道的是 token 费率相同,而非质量、用量或总成本相同。

在首次调用前设置限制

作为初始示例试点,允许总计最多 30 次请求,包括修改;每次用例尝试最多修改一次。设置可执行的账户支出上限或操作停止阈值,达到任一限制时即停止。如果平台无法强制执行硬性上限,请监控余额并手动停止;同时为仍在处理中的费用预留缓冲。不要假设失败请求一定收费或一定免费。

记录每次尝试的以下信息:提供商、确切模型 ID、UTC 时间、请求标识符、输入和设置、返回的用量、适用费率、实际费用(如可获取)以及通过或未通过。无法获取的用量或费用应标记为未知。如果账单合并了多个请求,应按组核对,而不是凭空拆分单次请求费用。分享记录前,请移除凭据和账户标识符。

将观察结果转化为决策

用整个试点的实际账单成本除以通过验收的图像数量。如果提供商尚未最终结算费用,应将结果标为估算值,并在之后核对。报告该数字时,同时列出尝试次数和通过验收的图像数量:小规模试点可以揭示失败模式,但无法可靠保证 1,000 张图像任务的通过率。如果没有图像通过验收,每张通过验收图像的成本就没有定义;应调整任务或验收标准,而不是除以零。

按用例分析失败情况。首次输出虽然便宜,但计入反复修改后可能成本很高;反之,如果更高成本的尝试通过率更高,也可能值得。确认观察到的成本和失败模式符合预算后,再扩大测试规模。

结论

使用报道的 token 费率来理解计算方法,而不是将其视为账户报价的替代品。相比笼统的每张图像价格,固定测试集、明确的停止限制以及每张通过验收图像的实际费用,能为预算提供更充分的依据。

来源

已公布的价格快照

采集于 2026-11-21T15:00:06.439Z,来源为 OneMux 已公布的目录。价格保留网站的计费单位;这不是实时基准。分档、缓存或基于时间的计费可能有所不同。未知值不等于零。

模型官方输入价格官方输出价格OneMux 输入价格OneMux 输出价格公布的价格比率
GPT Image 2.5未知未知未知未知0.1

OneMux 当前价格。只有在输入、输出和计费单位一致时才比较工作负载成本;档位条件请参阅各模型页面。

常见问题

GPT Image 2.5 每张图像的成本是多少?

并不存在一个适用于所有请求的固定价格。成本取决于适用费率、文本和图像输入、图像输出、缓存以及单独收费的服务。用工作负载的实际费用除以通过验收的图像数量,可以估算每张可用图像的成本。

GPT Image 2.5 Flare 和 Sunburst 的成本相同吗?

所提供的 Ofox 来源称,截至 2026 年 9 月 9 日,这两个变体的官方 token 费率相同。但这并不意味着它们的 token 消耗、验收率或工作负载总成本相同。

OneMux 公布的价格比率能确定 GPT Image 2.5 的美元价格吗?

不能。2026 年 11 月 21 日的目录快照所列公布比率为 0.1,但输入和输出的美元价格均未知。请查询当前适用于您账户的价格和计费单位。

相关文章