GPT Image 2.5 Flare er en model fra OpenAI til billedskabelse. Ifølge producenten er formålet hurtig daglig generering af visuelt materiale i høj kvalitet. Opgaven kan beskrive motiv, stil, detaljeplacering og billedform; resultatet er et billede.
I Ailoot vises dette kort til generering med tekstinput. OpenAI beskriver også udgangsbilleder, referencer og rettelser. Det kræver billedinput og betyder ikke, at tekstmetoden allerede accepterer materialet.
low, medium, high, xhigh, max og automatisk auto understøttes. Kvaliteten påvirker arbejdsomfanget ved resultatdannelsen og indstilles separat fra billedstørrelse og filkomprimering.
Størrelser kan være kvadratiske, vandrette, lodrette, automatisk valgte eller brugerdefinerede. Billedformatet kan tilpasses kompositionen, hvis alle producentgrænser overholdes.
Hver side skal være delelig med 16 pixels og højst 3840 pixels. Forholdet mellem lang og kort side er højst 3:1. Det tilladte areal er fra 655 360 til 8 294 400 pixels. Vilkårene gælder samtidig: et gyldigt billedformat ophæver ikke arealgrænsen.
Opløsninger over 2560x1440 er eksperimentelle. Ved store billeder skal selve kompositionen vurderes: flere pixels garanterer ikke fejlfri placering af alle elementer.
Modellen tilbyder PNG, JPEG og WebP med PNG som standard. JPEG og WebP har komprimeringsstyring. Gennemsigtig baggrund kræver PNG eller WebP. Producenten understøtter også uigennemsigtig baggrund og automatisk valg. Gennemsigtighed gør det muligt at bruge billedet i en senere komposition uden en fastlagt baggrund.
Producentens indstillinger beskriver modelmuligheder; udførelsen afhænger af den valgte metodes parameterunderstøttelse. Hver generering skaber et nyt resultat, så samme beskrivelse garanterer ikke identiske billeder.
Ifølge OpenAI kan behandling af en kompleks opgave tage op til to minutter. Det beskriver producentens generering, ikke en garanti for, hvor lang tid der samlet går, før resultatet modtages i en konkret applikation.
Tekster, præcis objektplacering og samme udseende mellem billeder kræver kontrol. En maske i en særskilt understøttet redigeringsoperation styrer retningen, ikke en hård grænse. Ved billedgenerering ud fra tekst er en præcis kompositionsbeskrivelse og kontrol af filen nyttige: synlige detaljer, læsbarhed og overensstemmelse med motivet.
", "aboutText": "### Daglig generering fra tekstbeskrivelser\n\nGPT Image 2.5 Flare er en model fra OpenAI til billedskabelse. Ifølge producenten er formålet hurtig daglig generering af visuelt materiale i høj kvalitet. Opgaven kan beskrive motiv, stil, detaljeplacering og billedform; resultatet er et billede.\n\nI Ailoot vises dette kort til generering med tekstinput. OpenAI beskriver også udgangsbilleder, referencer og rettelser. Det kræver billedinput og betyder ikke, at tekstmetoden allerede accepterer materialet.\n\n### Kvalitet fra udkast til detaljeret billede\n\n`low`, `medium`, `high`, `xhigh`, `max` og automatisk `auto` understøttes. Kvaliteten påvirker arbejdsomfanget ved resultatdannelsen og indstilles separat fra billedstørrelse og filkomprimering.\n\nStørrelser kan være kvadratiske, vandrette, lodrette, automatisk valgte eller brugerdefinerede. Billedformatet kan tilpasses kompositionen, hvis alle producentgrænser overholdes.\n\n### Egne størrelser\n\nHver side skal være delelig med 16 pixels og højst 3840 pixels. Forholdet mellem lang og kort side er højst 3:1. Det tilladte areal er fra 655 360 til 8 294 400 pixels. Vilkårene gælder samtidig: et gyldigt billedformat ophæver ikke arealgrænsen.\n\nOpløsninger over `2560x1440` er eksperimentelle. Ved store billeder skal selve kompositionen vurderes: flere pixels garanterer ikke fejlfri placering af alle elementer.\n\n### Resultatfil og gennemsigtighed\n\nModellen tilbyder PNG, JPEG og WebP med PNG som standard. JPEG og WebP har komprimeringsstyring. Gennemsigtig baggrund kræver PNG eller WebP. Producenten understøtter også uigennemsigtig baggrund og automatisk valg. Gennemsigtighed gør det muligt at bruge billedet i en senere komposition uden en fastlagt baggrund.\n\nProducentens indstillinger beskriver modelmuligheder; udførelsen afhænger af den valgte metodes parameterunderstøttelse. Hver generering skaber et nyt resultat, så samme beskrivelse garanterer ikke identiske billeder.\n\n### Hvad der skal kontrolleres i billedet\n\nIfølge OpenAI kan behandling af en kompleks opgave tage op til to minutter. Det beskriver producentens generering, ikke en garanti for, hvor lang tid der samlet går, før resultatet modtages i en konkret applikation.\n\nTekster, præcis objektplacering og samme udseende mellem billeder kræver kontrol. En maske i en særskilt understøttet redigeringsoperation styrer retningen, ikke en hård grænse. Ved billedgenerering ud fra tekst er en præcis kompositionsbeskrivelse og kontrol af filen nyttige: synlige detaljer, læsbarhed og overensstemmelse med motivet.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9a571c554dd743d1906927fe04a298edc3a8ea88c6f7452b1cafec8b3431d811", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "gpt-image-2.5-flare-2026-09-08GPT Image 2.5 Flare er beregnet til daglig billedgenerering fra beskrivelser. Tilbyder egne størrelser, flere kvalitetsniveauer og gennemsigtig baggrund.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT Image 2.5 Flare er en model fra OpenAI til billedskabelse. Ifølge producenten er formålet hurtig daglig generering af visuelt materiale i høj kvalitet. Opgaven kan beskrive motiv, stil, detaljeplacering og billedform; resultatet er et billede.
I Ailoot vises dette kort til generering med tekstinput. OpenAI beskriver også udgangsbilleder, referencer og rettelser. Det kræver billedinput og betyder ikke, at tekstmetoden allerede accepterer materialet.
low, medium, high, xhigh, max og automatisk auto understøttes. Kvaliteten påvirker arbejdsomfanget ved resultatdannelsen og indstilles separat fra billedstørrelse og filkomprimering.
Størrelser kan være kvadratiske, vandrette, lodrette, automatisk valgte eller brugerdefinerede. Billedformatet kan tilpasses kompositionen, hvis alle producentgrænser overholdes.
Hver side skal være delelig med 16 pixels og højst 3840 pixels. Forholdet mellem lang og kort side er højst 3:1. Det tilladte areal er fra 655 360 til 8 294 400 pixels. Vilkårene gælder samtidig: et gyldigt billedformat ophæver ikke arealgrænsen.
Opløsninger over 2560x1440 er eksperimentelle. Ved store billeder skal selve kompositionen vurderes: flere pixels garanterer ikke fejlfri placering af alle elementer.
Modellen tilbyder PNG, JPEG og WebP med PNG som standard. JPEG og WebP har komprimeringsstyring. Gennemsigtig baggrund kræver PNG eller WebP. Producenten understøtter også uigennemsigtig baggrund og automatisk valg. Gennemsigtighed gør det muligt at bruge billedet i en senere komposition uden en fastlagt baggrund.
Producentens indstillinger beskriver modelmuligheder; udførelsen afhænger af den valgte metodes parameterunderstøttelse. Hver generering skaber et nyt resultat, så samme beskrivelse garanterer ikke identiske billeder.
Ifølge OpenAI kan behandling af en kompleks opgave tage op til to minutter. Det beskriver producentens generering, ikke en garanti for, hvor lang tid der samlet går, før resultatet modtages i en konkret applikation.
Tekster, præcis objektplacering og samme udseende mellem billeder kræver kontrol. En maske i en særskilt understøttet redigeringsoperation styrer retningen, ikke en hård grænse. Ved billedgenerering ud fra tekst er en præcis kompositionsbeskrivelse og kontrol af filen nyttige: synlige detaljer, læsbarhed og overensstemmelse med motivet.
POST /v1/images/generationstextimage| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gpt-image-2.5-flare-2026-09-08 | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltn | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 | Standard1 |
Feltresponse_format | Typestring | KravValgfrit | Værdier og grænser url, b64_json | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltsize | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltquality | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltbackground | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltoutput_format | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltoutput_compression | Typeinteger | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmoderation | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinput_fidelity | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstyle | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltpartial_images | Typeinteger | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Tekst til billede · Påkrævet: prompt
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontrakttext |
Parameterrequired | Kontraktmodel, prompt |
Parameteroptional_controls | Kontraktnull |
Parametercontent_type | Kontraktapplication/json |
Livscyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
POST /v1/images/generationsAiloot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gpt-image-2.5-flare-2026-09-08", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'gpt-image-2.5-flare-2026-09-08', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "gpt-image-2.5-flare-2026-09-08", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nHent hvert returneret billede, eller gem dets Base64-indhold
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Gem hvert færdigt billede; hent hver returneret URL eller afkod dets Base64-indhold.
Gem hvert dataelement. Afkod hver b64_json, eller hent hver returneret signeret URL. Vælg filtypenavnet ud fra den faktiske MIME-type eller de faktiske bytes.
Hvis resultatet af en billedgenerering eller -redigering skal kontrolleres, skal du gemme det oprindelige operation_id/X-Client-Request-ID og de returnerede resultatoplysninger. Hent eksisterende resultater, som du ejer, via mediebiblioteket med de faktiske task_id- eller asset_id-værdier. Send ikke anmodningen om generering/redigering igen, og opbyg ikke en polling-URL ud fra operation_id.
| Felt | Type |
|---|---|
Feltcreated | Typeinteger |
Feltdata[].url | Typestring |
Feltdata[].b64_json | Typebase64 string |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Svarserver_error | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. |
Ailoot gpt-image-2.5-flare-2026-09-08
Brug metodestierne vist ovenfor.