GPT Image 2.5 Sunburst er OpenAI’s præcisionsorienterede model til billedgenerering og redigering. Den accepterer tekst- og billedinput og producerer billedoutput. Brug den, når en kreativ opgave afhænger af omhyggelig ændring af eksisterende materiale, arbejde med visuelle referencer eller forbedring af en komposition gennem flere trin. Oplægget kan skabe en ny scene, omforme et eksisterende billede eller styre en redigering af et valgt område. Sunburst og Flare er separate udgaver: Sunburst lægger vægt på præcis redigering, mens Flare er rettet mod hurtig generering til daglig brug.
Til et nyt billede skal du beskrive motivet, omgivelserne, kompositionen, lyset og stilen og derefter angive den ønskede form og anvendelse. Til et produktkoncept kan du bede om en glaslampe på en stenoverflade med blødt sidelys, en tydelig silhuet og fri plads til en overskrift. Til en redigering skal du navngive ændringen og de elementer, der skal forblive genkendelige: erstat baggrunden, justér lyset eller ændr et materiale, mens den valgte komposition bevares. Producentens direkte genererings- og redigeringsforløb tillader en prompt på op til 32.000 tegn og ét til ti resultater.
Referenceredigering kan bruge op til seksten inputbilleder. Giv hvert billede en rolle, så instruktionen skelner mellem motivet, der skal bevares, omgivelserne, der skal bruges, og stilen, der skal anvendes. Modellen kan også arbejde med en maske, der angiver et område, som skal ændres. Kilden og masken skal have samme format og dimensioner, og masken skal indeholde en alfakanal; vejledningen angiver et størrelseskrav på under 50 MB. Med flere kildebilleder gælder masken for det første. Den guider den ønskede ændring frem for at garantere en skarp grænse, så medtag instruktioner om bevarelse i oplægget, og efterse det omgivende område i resultatet.
Kvalitetsindstillingerne er low, medium, high, xhigh, max og auto, med auto som standard. Low kan understøtte et hurtigt visuelt udkast, mens højere indstillinger er nyttige at sammenligne, når fine detaljer betyder noget. Kvalitet er adskilt fra outputdimensioner og filkomprimering. Standardstørrelser omfatter 1024 × 1024, 1536 × 1024 og 1024 × 1536 pixels, og automatiske eller brugerdefinerede dimensioner er også tilgængelige. Vælg formen efter det endelige layout, før du beslutter, hvor mange detaljer billedet behøver.
Brugerdefinerede dimensioner skal være multipla af seksten pixels, ingen kant må overstige 3840 pixels, billedformatet skal ligge mellem 1:3 og 3:1, og det samlede areal skal ligge mellem 655.360 og 8.294.400 pixels. Disse betingelser gælder samtidig. Et liggende billede på 3840 × 2160 passer til den øvre arealgrænse, mens en lang kant alene ikke gør et vilkårligt dimensionspar gyldigt. Opløsninger over 2560 × 1440 beskrives som eksperimentelle. Hold vigtige objekter, tekst og nyttig fri plads inden for den ønskede beskæring frem for at stole på, at flere pixels løser kompositionen.
PNG er standardformatet; JPEG og WebP understøttes også. Komprimering fra 0 til 100 kan vælges for JPEG og WebP. Gennemsigtige, uigennemsigtige og automatiske baggrunde dækker forskellige layoutbehov. Til gennemsigtighed skal du vælge PNG eller WebP, så resultatet kan bevare en alfakanal. Et gennemsigtigt aktiv kan derefter placeres i en anden komposition, mens et uigennemsigtigt billede leverer sin egen baggrund. Gem den faktiske færdige fil sammen med oplægget og de valgte outputindstillinger.
OpenAI dokumenterer direkte generering og redigering samt et samtalebaseret billedgenereringsværktøj, der kan gemme tidligere resultater og anvende opfølgende instruktioner. I dette samtaleforløb kan handlingen være automatisk, tvungen generering eller tvungen redigering, når et billede indgår i konteksten. Brug det valgte billede som udgangspunkt for næste ændring frem for ubemærket at skifte til en anden variation. Det dokumenterede streamingforløb kan levere op til tre delvise billeder før det endelige resultat; en delvis forhåndsvisning viser fremskridt, men er ikke det færdige aktiv. Producentens grænseflade understøtter også batchbehandling.
Kontrollér det redigerede motiv, teksten, objekternes placering og grænsen for en maskeret ændring i den tilsigtede visningsstørrelse. GPT Image kan stadig have svært ved præcis tekstplacering, strukturerede layouts eller ensartethed på tværs af tilbagevendende motiver og brandelementer. En afgrænset næste instruktion skal angive det synlige problem og de elementer, der skal bevares. Sunburst er nyttig til et præcist kreativt forløb styret af referencer, hvor det endelige aktiv kan vurderes mod et konkret visuelt oplæg med højere kvalitet, dimensioner og gennemsigtighed valgt til dette aktiv.
", "aboutText": "GPT Image 2.5 Sunburst er OpenAI’s præcisionsorienterede model til billedgenerering og redigering. Den accepterer tekst- og billedinput og producerer billedoutput. Brug den, når en kreativ opgave afhænger af omhyggelig ændring af eksisterende materiale, arbejde med visuelle referencer eller forbedring af en komposition gennem flere trin. Oplægget kan skabe en ny scene, omforme et eksisterende billede eller styre en redigering af et valgt område. Sunburst og Flare er separate udgaver: Sunburst lægger vægt på præcis redigering, mens Flare er rettet mod hurtig generering til daglig brug.\n\nTil et nyt billede skal du beskrive motivet, omgivelserne, kompositionen, lyset og stilen og derefter angive den ønskede form og anvendelse. Til et produktkoncept kan du bede om en glaslampe på en stenoverflade med blødt sidelys, en tydelig silhuet og fri plads til en overskrift. Til en redigering skal du navngive ændringen og de elementer, der skal forblive genkendelige: erstat baggrunden, justér lyset eller ændr et materiale, mens den valgte komposition bevares. Producentens direkte genererings- og redigeringsforløb tillader en prompt på op til 32.000 tegn og ét til ti resultater.\n\nReferenceredigering kan bruge op til seksten inputbilleder. Giv hvert billede en rolle, så instruktionen skelner mellem motivet, der skal bevares, omgivelserne, der skal bruges, og stilen, der skal anvendes. Modellen kan også arbejde med en maske, der angiver et område, som skal ændres. Kilden og masken skal have samme format og dimensioner, og masken skal indeholde en alfakanal; vejledningen angiver et størrelseskrav på under 50 MB. Med flere kildebilleder gælder masken for det første. Den guider den ønskede ændring frem for at garantere en skarp grænse, så medtag instruktioner om bevarelse i oplægget, og efterse det omgivende område i resultatet.\n\nKvalitetsindstillingerne er low, medium, high, xhigh, max og auto, med auto som standard. Low kan understøtte et hurtigt visuelt udkast, mens højere indstillinger er nyttige at sammenligne, når fine detaljer betyder noget. Kvalitet er adskilt fra outputdimensioner og filkomprimering. Standardstørrelser omfatter 1024 × 1024, 1536 × 1024 og 1024 × 1536 pixels, og automatiske eller brugerdefinerede dimensioner er også tilgængelige. Vælg formen efter det endelige layout, før du beslutter, hvor mange detaljer billedet behøver.\n\nBrugerdefinerede dimensioner skal være multipla af seksten pixels, ingen kant må overstige 3840 pixels, billedformatet skal ligge mellem 1:3 og 3:1, og det samlede areal skal ligge mellem 655.360 og 8.294.400 pixels. Disse betingelser gælder samtidig. Et liggende billede på 3840 × 2160 passer til den øvre arealgrænse, mens en lang kant alene ikke gør et vilkårligt dimensionspar gyldigt. Opløsninger over 2560 × 1440 beskrives som eksperimentelle. Hold vigtige objekter, tekst og nyttig fri plads inden for den ønskede beskæring frem for at stole på, at flere pixels løser kompositionen.\n\nPNG er standardformatet; JPEG og WebP understøttes også. Komprimering fra 0 til 100 kan vælges for JPEG og WebP. Gennemsigtige, uigennemsigtige og automatiske baggrunde dækker forskellige layoutbehov. Til gennemsigtighed skal du vælge PNG eller WebP, så resultatet kan bevare en alfakanal. Et gennemsigtigt aktiv kan derefter placeres i en anden komposition, mens et uigennemsigtigt billede leverer sin egen baggrund. Gem den faktiske færdige fil sammen med oplægget og de valgte outputindstillinger.\n\nOpenAI dokumenterer direkte generering og redigering samt et samtalebaseret billedgenereringsværktøj, der kan gemme tidligere resultater og anvende opfølgende instruktioner. I dette samtaleforløb kan handlingen være automatisk, tvungen generering eller tvungen redigering, når et billede indgår i konteksten. Brug det valgte billede som udgangspunkt for næste ændring frem for ubemærket at skifte til en anden variation. Det dokumenterede streamingforløb kan levere op til tre delvise billeder før det endelige resultat; en delvis forhåndsvisning viser fremskridt, men er ikke det færdige aktiv. Producentens grænseflade understøtter også batchbehandling.\n\nKontrollér det redigerede motiv, teksten, objekternes placering og grænsen for en maskeret ændring i den tilsigtede visningsstørrelse. GPT Image kan stadig have svært ved præcis tekstplacering, strukturerede layouts eller ensartethed på tværs af tilbagevendende motiver og brandelementer. En afgrænset næste instruktion skal angive det synlige problem og de elementer, der skal bevares. Sunburst er nyttig til et præcist kreativt forløb styret af referencer, hvor det endelige aktiv kan vurderes mod et konkret visuelt oplæg med højere kvalitet, dimensioner og gennemsigtighed valgt til dette aktiv.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f07d878e48aa84d6f3fd7ceeddb60c85aa95d1464edfb52e4f59d91d3871efa3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "openai/gpt-image-2.5-sunburstGPT Image 2.5 Sunburst genererer og redigerer billeder ud fra tekst og visuelle referencer med vægt på præcis redigering. Den understøtter masker, trinvis forbedring, brugerdefinerede billedstørrelser, gennemsigtige baggrunde og kvalitetsniveauer fra low til max.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
GPT Image 2.5 Sunburst er OpenAI’s præcisionsorienterede model til billedgenerering og redigering. Den accepterer tekst- og billedinput og producerer billedoutput. Brug den, når en kreativ opgave afhænger af omhyggelig ændring af eksisterende materiale, arbejde med visuelle referencer eller forbedring af en komposition gennem flere trin. Oplægget kan skabe en ny scene, omforme et eksisterende billede eller styre en redigering af et valgt område. Sunburst og Flare er separate udgaver: Sunburst lægger vægt på præcis redigering, mens Flare er rettet mod hurtig generering til daglig brug.
Til et nyt billede skal du beskrive motivet, omgivelserne, kompositionen, lyset og stilen og derefter angive den ønskede form og anvendelse. Til et produktkoncept kan du bede om en glaslampe på en stenoverflade med blødt sidelys, en tydelig silhuet og fri plads til en overskrift. Til en redigering skal du navngive ændringen og de elementer, der skal forblive genkendelige: erstat baggrunden, justér lyset eller ændr et materiale, mens den valgte komposition bevares. Producentens direkte genererings- og redigeringsforløb tillader en prompt på op til 32.000 tegn og ét til ti resultater.
Referenceredigering kan bruge op til seksten inputbilleder. Giv hvert billede en rolle, så instruktionen skelner mellem motivet, der skal bevares, omgivelserne, der skal bruges, og stilen, der skal anvendes. Modellen kan også arbejde med en maske, der angiver et område, som skal ændres. Kilden og masken skal have samme format og dimensioner, og masken skal indeholde en alfakanal; vejledningen angiver et størrelseskrav på under 50 MB. Med flere kildebilleder gælder masken for det første. Den guider den ønskede ændring frem for at garantere en skarp grænse, så medtag instruktioner om bevarelse i oplægget, og efterse det omgivende område i resultatet.
Kvalitetsindstillingerne er low, medium, high, xhigh, max og auto, med auto som standard. Low kan understøtte et hurtigt visuelt udkast, mens højere indstillinger er nyttige at sammenligne, når fine detaljer betyder noget. Kvalitet er adskilt fra outputdimensioner og filkomprimering. Standardstørrelser omfatter 1024 × 1024, 1536 × 1024 og 1024 × 1536 pixels, og automatiske eller brugerdefinerede dimensioner er også tilgængelige. Vælg formen efter det endelige layout, før du beslutter, hvor mange detaljer billedet behøver.
Brugerdefinerede dimensioner skal være multipla af seksten pixels, ingen kant må overstige 3840 pixels, billedformatet skal ligge mellem 1:3 og 3:1, og det samlede areal skal ligge mellem 655.360 og 8.294.400 pixels. Disse betingelser gælder samtidig. Et liggende billede på 3840 × 2160 passer til den øvre arealgrænse, mens en lang kant alene ikke gør et vilkårligt dimensionspar gyldigt. Opløsninger over 2560 × 1440 beskrives som eksperimentelle. Hold vigtige objekter, tekst og nyttig fri plads inden for den ønskede beskæring frem for at stole på, at flere pixels løser kompositionen.
PNG er standardformatet; JPEG og WebP understøttes også. Komprimering fra 0 til 100 kan vælges for JPEG og WebP. Gennemsigtige, uigennemsigtige og automatiske baggrunde dækker forskellige layoutbehov. Til gennemsigtighed skal du vælge PNG eller WebP, så resultatet kan bevare en alfakanal. Et gennemsigtigt aktiv kan derefter placeres i en anden komposition, mens et uigennemsigtigt billede leverer sin egen baggrund. Gem den faktiske færdige fil sammen med oplægget og de valgte outputindstillinger.
OpenAI dokumenterer direkte generering og redigering samt et samtalebaseret billedgenereringsværktøj, der kan gemme tidligere resultater og anvende opfølgende instruktioner. I dette samtaleforløb kan handlingen være automatisk, tvungen generering eller tvungen redigering, når et billede indgår i konteksten. Brug det valgte billede som udgangspunkt for næste ændring frem for ubemærket at skifte til en anden variation. Det dokumenterede streamingforløb kan levere op til tre delvise billeder før det endelige resultat; en delvis forhåndsvisning viser fremskridt, men er ikke det færdige aktiv. Producentens grænseflade understøtter også batchbehandling.
Kontrollér det redigerede motiv, teksten, objekternes placering og grænsen for en maskeret ændring i den tilsigtede visningsstørrelse. GPT Image kan stadig have svært ved præcis tekstplacering, strukturerede layouts eller ensartethed på tværs af tilbagevendende motiver og brandelementer. En afgrænset næste instruktion skal angive det synlige problem og de elementer, der skal bevares. Sunburst er nyttig til et præcist kreativt forløb styret af referencer, hvor det endelige aktiv kan vurderes mod et konkret visuelt oplæg med højere kvalitet, dimensioner og gennemsigtighed valgt til dette aktiv.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser openai/gpt-image-2.5-sunburst | Standard— |
Feltprompt | Typestring | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— |
Feltaspect_ratio | Typestring | KravValgfrit | Værdier og grænser 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9, auto | Standard— |
Feltquality | Typestring | KravValgfrit | Værdier og grænser auto, low, medium, high, xhigh, max | Standard— |
Feltbackground | Typestring | KravValgfrit | Værdier og grænser auto, transparent, opaque | Standard— |
Feltn | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 10 | Standard— |
Feltinput_references | Typearray | KravValgfrit | Værdier og grænser Minimumsantal elementer: 0 Maksimalt antal elementer: 16 | Standard— |
Feltoutput_compression | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 0 Maksimum: 100 | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, prompt |
Parametermaterial_types | Kontrakttext, image |
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}
De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Forventet mængde | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Beløb Input · Inputtokens · Estimat kun til sammenligning — / 1K tokens Output · Outputtokens · Estimat kun til sammenligning — / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning — / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning — / 1K tokens |
| KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning $0.24576 estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'openai/gpt-image-2.5-sunburst', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\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\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}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGem hvert færdigt billede; hent hver returneret URL eller afkod dets Base64-indhold.
Gem hele svaret og alle headere, alle faktisk returnerede output, de oprindeligt returnerede identifikatorer og alle felter med forbrugsdata. Gendan den oprindelige operation uden at sende oprettelsesanmodningen igen.
Gem det returnerede X-Client-Request-ID til afstemning. Brug kun faktisk returnerede task_id/asset_id-værdier eller dit eget mediebibliotek til læseanmodninger; opbyg aldrig en opgave-URL ud fra operations-ID’et, og send aldrig oprettelsesanmodningen igen.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot Ultra openai/gpt-image-2.5-sunburst
/v1/images