{ "aboutHtml": "

GPT Image 2.5 Sunburst ist OpenAIs präzisionsorientiertes Modell für Bilderzeugung und -bearbeitung. Es akzeptiert Text- und Bildeingaben und erzeugt Bildausgaben. Verwenden Sie es, wenn eine kreative Aufgabe von der sorgfältigen Änderung vorhandenen Materials, der Arbeit mit visuellen Referenzen oder der Verfeinerung einer Komposition über mehrere Schritte abhängt. Das Briefing kann eine neue Szene erstellen, ein vorhandenes Bild transformieren oder eine Bearbeitung eines ausgewählten Bereichs anleiten. Sunburst und Flare sind separate Ausgaben: Sunburst betont Bearbeitungspräzision, während Flare für schnelle alltägliche Generierung positioniert ist.

Beschreiben Sie für ein neues Bild Motiv, Umgebung, Komposition, Beleuchtung und Stil und geben Sie anschließend die vorgesehene Form und Verwendung an. Fordern Sie für ein Produktkonzept eine Glaslampe auf einer Steinfläche mit weichem Seitenlicht, deutlich sichtbarer Silhouette und Freiraum für eine Überschrift an. Benennen Sie für eine Bearbeitung die Änderung und die Elemente, die wiedererkennbar bleiben sollen: Hintergrund ersetzen, Licht anpassen oder ein Material verändern und dabei die ausgewählte Komposition bewahren. Die direkten Generierungs- und Bearbeitungsworkflows des Herstellers erlauben einen Prompt mit bis zu 32.000 Zeichen und ein bis zehn Ergebnisse.

Referenzgestützte Bearbeitung kann bis zu sechzehn Eingabebilder verwenden. Geben Sie jedem Bild eine Rolle, damit die Anweisung zwischen dem zu bewahrenden Motiv, einer zu verwendenden Umgebung und einem anzuwendenden Stil unterscheidet. Das Modell kann auch mit einer Maske arbeiten, die einen zu ändernden Bereich angibt. Vorlage und Maske benötigen dasselbe Format und dieselben Abmessungen; die Maske muss einen Alphakanal enthalten. Der Leitfaden nennt eine Größenanforderung unter 50 MB. Bei mehreren Ausgangsbildern gilt die Maske für das erste. Sie leitet die gewünschte Änderung an, ohne eine harte Grenze zu garantieren. Nehmen Sie deshalb Erhaltungsvorgaben in das Briefing auf und prüfen Sie den umgebenden Bereich im Ergebnis.

Qualitätseinstellungen sind low, medium, high, xhigh, max und auto, mit auto als Standard. Low kann einen schnellen visuellen Entwurf unterstützen. Höhere Einstellungen sind zum Vergleich nützlich, wenn feine Details wichtig sind. Qualität ist von Ausgabeabmessungen und Dateikompression getrennt. Standardgrößen umfassen 1024 × 1024, 1536 × 1024 und 1024 × 1536 Pixel. Automatische oder benutzerdefinierte Abmessungen stehen ebenfalls zur Verfügung. Wählen Sie die Form passend zum finalen Layout, bevor Sie entscheiden, wie viele Details das Bild benötigt.

Benutzerdefinierte Abmessungen müssen Vielfache von sechzehn Pixeln sein, keine Kante darf 3840 Pixel überschreiten, das Seitenverhältnis muss zwischen 1:3 und 3:1 bleiben, und die Gesamtfläche muss zwischen 655.360 und 8.294.400 Pixeln liegen. Diese Bedingungen gelten gemeinsam. Ein Querformat von 3840 × 2160 passt in die obere Flächengrenze. Eine lange Kante allein macht dagegen kein beliebiges Abmessungspaar gültig. Auflösungen über 2560 × 1440 werden als experimentell beschrieben. Halten Sie wichtige Objekte, Text und nutzbaren Freiraum im vorgesehenen Zuschnitt, statt darauf zu vertrauen, dass mehr Pixel die Komposition lösen.

PNG ist das Standardausgabeformat; JPEG und WebP werden ebenfalls unterstützt. Für JPEG und WebP kann eine Kompression von 0 bis 100 gewählt werden. Transparente, deckende und automatische Hintergründe erfüllen unterschiedliche Layoutanforderungen. Wählen Sie für Transparenz PNG oder WebP, damit das Ergebnis einen Alphakanal behalten kann. Ein transparentes Motiv lässt sich anschließend in eine andere Komposition einsetzen, während ein deckendes Bild einen eigenen Hintergrund mitbringt. Bewahren Sie die tatsächlich fertiggestellte Datei zusammen mit Briefing und gewählten Ausgabeeinstellungen auf.

OpenAI dokumentiert direkte Generierung und Bearbeitung sowie ein dialogbasiertes Bilderzeugungswerkzeug, das frühere Ergebnisse beibehalten und Folgeanweisungen anwenden kann. In diesem dialogbasierten Workflow kann die Aktion automatisch, erzwungene Generierung oder erzwungene Bearbeitung sein, wenn ein Bild im Kontext liegt. Verwenden Sie das gewählte Bild als Ausgangspunkt der nächsten Änderung, statt stillschweigend zu einer anderen Variante zu wechseln. Der dokumentierte Streaming-Workflow kann vor dem finalen Ergebnis bis zu drei Teilbilder liefern. Eine Teilvorschau zeigt den Fortschritt, ist aber nicht das fertige Bild. Die Herstellerschnittstelle unterstützt auch Batchverarbeitung.

Prüfen Sie das bearbeitete Motiv, Schrift, Objektplatzierung und die Grenze einer maskierten Änderung in der vorgesehenen Anzeigegröße. GPT Image kann weiterhin Schwierigkeiten mit präziser Textpositionierung, strukturierten Layouts oder der Konsistenz wiederkehrender Motive und Markenelemente haben. Eine gezielte nächste Anweisung sollte das sichtbare Problem und die zu bewahrenden Elemente benennen. Sunburst eignet sich für einen präzisen, referenzgeleiteten kreativen Workflow, dessen finales Artefakt gegen ein konkretes visuelles Briefing beurteilt werden kann. Höhere Qualität, Abmessungen und Transparenz werden passend zu diesem Artefakt gewählt.

", "aboutText": "GPT Image 2.5 Sunburst ist OpenAIs präzisionsorientiertes Modell für Bilderzeugung und -bearbeitung. Es akzeptiert Text- und Bildeingaben und erzeugt Bildausgaben. Verwenden Sie es, wenn eine kreative Aufgabe von der sorgfältigen Änderung vorhandenen Materials, der Arbeit mit visuellen Referenzen oder der Verfeinerung einer Komposition über mehrere Schritte abhängt. Das Briefing kann eine neue Szene erstellen, ein vorhandenes Bild transformieren oder eine Bearbeitung eines ausgewählten Bereichs anleiten. Sunburst und Flare sind separate Ausgaben: Sunburst betont Bearbeitungspräzision, während Flare für schnelle alltägliche Generierung positioniert ist.\n\nBeschreiben Sie für ein neues Bild Motiv, Umgebung, Komposition, Beleuchtung und Stil und geben Sie anschließend die vorgesehene Form und Verwendung an. Fordern Sie für ein Produktkonzept eine Glaslampe auf einer Steinfläche mit weichem Seitenlicht, deutlich sichtbarer Silhouette und Freiraum für eine Überschrift an. Benennen Sie für eine Bearbeitung die Änderung und die Elemente, die wiedererkennbar bleiben sollen: Hintergrund ersetzen, Licht anpassen oder ein Material verändern und dabei die ausgewählte Komposition bewahren. Die direkten Generierungs- und Bearbeitungsworkflows des Herstellers erlauben einen Prompt mit bis zu 32.000 Zeichen und ein bis zehn Ergebnisse.\n\nReferenzgestützte Bearbeitung kann bis zu sechzehn Eingabebilder verwenden. Geben Sie jedem Bild eine Rolle, damit die Anweisung zwischen dem zu bewahrenden Motiv, einer zu verwendenden Umgebung und einem anzuwendenden Stil unterscheidet. Das Modell kann auch mit einer Maske arbeiten, die einen zu ändernden Bereich angibt. Vorlage und Maske benötigen dasselbe Format und dieselben Abmessungen; die Maske muss einen Alphakanal enthalten. Der Leitfaden nennt eine Größenanforderung unter 50 MB. Bei mehreren Ausgangsbildern gilt die Maske für das erste. Sie leitet die gewünschte Änderung an, ohne eine harte Grenze zu garantieren. Nehmen Sie deshalb Erhaltungsvorgaben in das Briefing auf und prüfen Sie den umgebenden Bereich im Ergebnis.\n\nQualitätseinstellungen sind low, medium, high, xhigh, max und auto, mit auto als Standard. Low kann einen schnellen visuellen Entwurf unterstützen. Höhere Einstellungen sind zum Vergleich nützlich, wenn feine Details wichtig sind. Qualität ist von Ausgabeabmessungen und Dateikompression getrennt. Standardgrößen umfassen 1024 × 1024, 1536 × 1024 und 1024 × 1536 Pixel. Automatische oder benutzerdefinierte Abmessungen stehen ebenfalls zur Verfügung. Wählen Sie die Form passend zum finalen Layout, bevor Sie entscheiden, wie viele Details das Bild benötigt.\n\nBenutzerdefinierte Abmessungen müssen Vielfache von sechzehn Pixeln sein, keine Kante darf 3840 Pixel überschreiten, das Seitenverhältnis muss zwischen 1:3 und 3:1 bleiben, und die Gesamtfläche muss zwischen 655.360 und 8.294.400 Pixeln liegen. Diese Bedingungen gelten gemeinsam. Ein Querformat von 3840 × 2160 passt in die obere Flächengrenze. Eine lange Kante allein macht dagegen kein beliebiges Abmessungspaar gültig. Auflösungen über 2560 × 1440 werden als experimentell beschrieben. Halten Sie wichtige Objekte, Text und nutzbaren Freiraum im vorgesehenen Zuschnitt, statt darauf zu vertrauen, dass mehr Pixel die Komposition lösen.\n\nPNG ist das Standardausgabeformat; JPEG und WebP werden ebenfalls unterstützt. Für JPEG und WebP kann eine Kompression von 0 bis 100 gewählt werden. Transparente, deckende und automatische Hintergründe erfüllen unterschiedliche Layoutanforderungen. Wählen Sie für Transparenz PNG oder WebP, damit das Ergebnis einen Alphakanal behalten kann. Ein transparentes Motiv lässt sich anschließend in eine andere Komposition einsetzen, während ein deckendes Bild einen eigenen Hintergrund mitbringt. Bewahren Sie die tatsächlich fertiggestellte Datei zusammen mit Briefing und gewählten Ausgabeeinstellungen auf.\n\nOpenAI dokumentiert direkte Generierung und Bearbeitung sowie ein dialogbasiertes Bilderzeugungswerkzeug, das frühere Ergebnisse beibehalten und Folgeanweisungen anwenden kann. In diesem dialogbasierten Workflow kann die Aktion automatisch, erzwungene Generierung oder erzwungene Bearbeitung sein, wenn ein Bild im Kontext liegt. Verwenden Sie das gewählte Bild als Ausgangspunkt der nächsten Änderung, statt stillschweigend zu einer anderen Variante zu wechseln. Der dokumentierte Streaming-Workflow kann vor dem finalen Ergebnis bis zu drei Teilbilder liefern. Eine Teilvorschau zeigt den Fortschritt, ist aber nicht das fertige Bild. Die Herstellerschnittstelle unterstützt auch Batchverarbeitung.\n\nPrüfen Sie das bearbeitete Motiv, Schrift, Objektplatzierung und die Grenze einer maskierten Änderung in der vorgesehenen Anzeigegröße. GPT Image kann weiterhin Schwierigkeiten mit präziser Textpositionierung, strukturierten Layouts oder der Konsistenz wiederkehrender Motive und Markenelemente haben. Eine gezielte nächste Anweisung sollte das sichtbare Problem und die zu bewahrenden Elemente benennen. Sunburst eignet sich für einen präzisen, referenzgeleiteten kreativen Workflow, dessen finales Artefakt gegen ein konkretes visuelles Briefing beurteilt werden kann. Höhere Qualität, Abmessungen und Transparenz werden passend zu diesem Artefakt gewählt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "08ce35c173579311379d1552c7ce647471e25ec4fe48903c493fa3876fb9bd01", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "
O

OpenAI: GPT Image 2.5 Sunburst

OpenAI /openai/gpt-image-2.5-sunburst

Start

GPT Image 2.5 Sunburst erzeugt und bearbeitet Bilder aus Text und visuellen Referenzen mit Schwerpunkt auf präziser Bearbeitung. Es unterstützt Masken, iterative Verfeinerung, benutzerdefinierte Bildgrößen, transparente Hintergründe und Qualitätsstufen von low bis max.

Zulässige Eingaben
Text · Bilder
Ergebnisse
Bilder
Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

GPT Image 2.5 Sunburst ist OpenAIs präzisionsorientiertes Modell für Bilderzeugung und -bearbeitung. Es akzeptiert Text- und Bildeingaben und erzeugt Bildausgaben. Verwenden Sie es, wenn eine kreative Aufgabe von der sorgfältigen Änderung vorhandenen Materials, der Arbeit mit visuellen Referenzen oder der Verfeinerung einer Komposition über mehrere Schritte abhängt. Das Briefing kann eine neue Szene erstellen, ein vorhandenes Bild transformieren oder eine Bearbeitung eines ausgewählten Bereichs anleiten. Sunburst und Flare sind separate Ausgaben: Sunburst betont Bearbeitungspräzision, während Flare für schnelle alltägliche Generierung positioniert ist.

Beschreiben Sie für ein neues Bild Motiv, Umgebung, Komposition, Beleuchtung und Stil und geben Sie anschließend die vorgesehene Form und Verwendung an. Fordern Sie für ein Produktkonzept eine Glaslampe auf einer Steinfläche mit weichem Seitenlicht, deutlich sichtbarer Silhouette und Freiraum für eine Überschrift an. Benennen Sie für eine Bearbeitung die Änderung und die Elemente, die wiedererkennbar bleiben sollen: Hintergrund ersetzen, Licht anpassen oder ein Material verändern und dabei die ausgewählte Komposition bewahren. Die direkten Generierungs- und Bearbeitungsworkflows des Herstellers erlauben einen Prompt mit bis zu 32.000 Zeichen und ein bis zehn Ergebnisse.

Referenzgestützte Bearbeitung kann bis zu sechzehn Eingabebilder verwenden. Geben Sie jedem Bild eine Rolle, damit die Anweisung zwischen dem zu bewahrenden Motiv, einer zu verwendenden Umgebung und einem anzuwendenden Stil unterscheidet. Das Modell kann auch mit einer Maske arbeiten, die einen zu ändernden Bereich angibt. Vorlage und Maske benötigen dasselbe Format und dieselben Abmessungen; die Maske muss einen Alphakanal enthalten. Der Leitfaden nennt eine Größenanforderung unter 50 MB. Bei mehreren Ausgangsbildern gilt die Maske für das erste. Sie leitet die gewünschte Änderung an, ohne eine harte Grenze zu garantieren. Nehmen Sie deshalb Erhaltungsvorgaben in das Briefing auf und prüfen Sie den umgebenden Bereich im Ergebnis.

Qualitätseinstellungen sind low, medium, high, xhigh, max und auto, mit auto als Standard. Low kann einen schnellen visuellen Entwurf unterstützen. Höhere Einstellungen sind zum Vergleich nützlich, wenn feine Details wichtig sind. Qualität ist von Ausgabeabmessungen und Dateikompression getrennt. Standardgrößen umfassen 1024 × 1024, 1536 × 1024 und 1024 × 1536 Pixel. Automatische oder benutzerdefinierte Abmessungen stehen ebenfalls zur Verfügung. Wählen Sie die Form passend zum finalen Layout, bevor Sie entscheiden, wie viele Details das Bild benötigt.

Benutzerdefinierte Abmessungen müssen Vielfache von sechzehn Pixeln sein, keine Kante darf 3840 Pixel überschreiten, das Seitenverhältnis muss zwischen 1:3 und 3:1 bleiben, und die Gesamtfläche muss zwischen 655.360 und 8.294.400 Pixeln liegen. Diese Bedingungen gelten gemeinsam. Ein Querformat von 3840 × 2160 passt in die obere Flächengrenze. Eine lange Kante allein macht dagegen kein beliebiges Abmessungspaar gültig. Auflösungen über 2560 × 1440 werden als experimentell beschrieben. Halten Sie wichtige Objekte, Text und nutzbaren Freiraum im vorgesehenen Zuschnitt, statt darauf zu vertrauen, dass mehr Pixel die Komposition lösen.

PNG ist das Standardausgabeformat; JPEG und WebP werden ebenfalls unterstützt. Für JPEG und WebP kann eine Kompression von 0 bis 100 gewählt werden. Transparente, deckende und automatische Hintergründe erfüllen unterschiedliche Layoutanforderungen. Wählen Sie für Transparenz PNG oder WebP, damit das Ergebnis einen Alphakanal behalten kann. Ein transparentes Motiv lässt sich anschließend in eine andere Komposition einsetzen, während ein deckendes Bild einen eigenen Hintergrund mitbringt. Bewahren Sie die tatsächlich fertiggestellte Datei zusammen mit Briefing und gewählten Ausgabeeinstellungen auf.

OpenAI dokumentiert direkte Generierung und Bearbeitung sowie ein dialogbasiertes Bilderzeugungswerkzeug, das frühere Ergebnisse beibehalten und Folgeanweisungen anwenden kann. In diesem dialogbasierten Workflow kann die Aktion automatisch, erzwungene Generierung oder erzwungene Bearbeitung sein, wenn ein Bild im Kontext liegt. Verwenden Sie das gewählte Bild als Ausgangspunkt der nächsten Änderung, statt stillschweigend zu einer anderen Variante zu wechseln. Der dokumentierte Streaming-Workflow kann vor dem finalen Ergebnis bis zu drei Teilbilder liefern. Eine Teilvorschau zeigt den Fortschritt, ist aber nicht das fertige Bild. Die Herstellerschnittstelle unterstützt auch Batchverarbeitung.

Prüfen Sie das bearbeitete Motiv, Schrift, Objektplatzierung und die Grenze einer maskierten Änderung in der vorgesehenen Anzeigegröße. GPT Image kann weiterhin Schwierigkeiten mit präziser Textpositionierung, strukturierten Layouts oder der Konsistenz wiederkehrender Motive und Markenelemente haben. Eine gezielte nächste Anweisung sollte das sichtbare Problem und die zu bewahrenden Elemente benennen. Sunburst eignet sich für einen präzisen, referenzgeleiteten kreativen Workflow, dessen finales Artefakt gegen ein konkretes visuelles Briefing beurteilt werden kann. Höhere Qualität, Abmessungen und Transparenz werden passend zu diesem Artefakt gewählt.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Bilder POST /v1/images/generations
Eingabetypen
text, image
Ausgabetypen
image
FeldTypAnforderungWerte und LimitsStandard
FeldmodelTypstringAnforderungErforderlichWerte und Limits
openai/gpt-image-2.5-sunburst
Standard—
FeldpromptTypstringAnforderungErforderlichWerte und Limits
Mindestlänge: 1
Standard—
Feldaspect_ratioTypstringAnforderungOptionalWerte und Limits
1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9, auto
Standard—
FeldqualityTypstringAnforderungOptionalWerte und Limits
auto, low, medium, high, xhigh, max
Standard—
FeldbackgroundTypstringAnforderungOptionalWerte und Limits
auto, transparent, opaque
Standard—
FeldnTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Maximum: 10
Standard—
Feldinput_referencesTyparrayAnforderungOptionalWerte und Limits
Mindestanzahl Elemente: 0
Maximale Anzahl Elemente: 16
Standard—
Feldoutput_compressionTypintegerAnforderungOptionalWerte und Limits
Minimum: 0
Maximum: 100
Standard—
FeldproviderTypobjectAnforderungOptionalWerte und LimitsStandard—
Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, prompt
Parametermaterial_typesVertragtext, image

Lebenszyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarife

So wird die endgültige Gebühr berechnet

Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Geschätzte Tarife zum Vergleich

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelPrognostizierte MengeGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifPrognostizierte Menge—Gebühr
Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Token
Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Token
Eingabe · Cache-Lesen · Schätzung nur zum Vergleich — / 1K Token
Eingabe · Cache-Schreiben · Schätzung nur zum Vergleich — / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Token
KonfigurationGeschätzte GenerierungskostenTarifstaffel—Prognostizierte MengeSchätzung für eine GenerierungGebühr
Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.24576 Schätzung vor der Generierung

Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung.

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Bilder

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\n

Ergebnisse abrufen und speichern

Ailoot Ultra · Bilder

Laden Sie jedes zurückgegebene Bild herunter oder speichern Sie seinen Base64-Inhalt

Abrufe anderer Inhalte
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.\n
Alle fertiggestellten Ergebnisse aufbewahren

Speichern Sie jedes fertiggestellte Bild; rufen Sie jede zurückgegebene URL ab oder dekodieren Sie seinen Base64-Inhalt.

Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.

Wenn die ursprüngliche Antwort geprüft werden muss

Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.

Antwortfelder
FeldTyp
FeldcreatedTyp
Felddata[].urlTyp
Felddata[].b64_jsonTyp
FeldusageTyp

Aliasnamen

Modellaliasnamen

Ailoot Ultra openai/gpt-image-2.5-sunburst

Aliasnamen für Methodenpfade

/v1/images

Zugehörige Aufrufer-IDs

openai/gpt-image-2.5-sunburst

", "method_identity": { "effective_request_model_id": "openai/gpt-image-2.5-sunburst", "fmt": "images", "http": "POST", "path": "/v1/images/generations", "request_model_id": "openai/gpt-image-2.5-sunburst", "route_label": "Ultra" }, "method_key": "Ultra|images|/v1/images/generations|openai%2Fgpt-image-2.5-sunburst", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern." }, "outputs": { "all_results": "Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] }, "parameters": [ { "enum": [ "openai/gpt-image-2.5-sunburst" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "prompt", "required": true, "type": "string" }, { "enum": [ "1:1", "3:2", "2:3", "4:3", "3:4", "16:9", "9:16", "21:9", "auto" ], "enum_known": true, "name": "aspect_ratio", "required": false, "type": "string" }, { "enum": [ "auto", "low", "medium", "high", "xhigh", "max" ], "enum_known": true, "name": "quality", "required": false, "type": "string" }, { "enum": [ "auto", "transparent", "opaque" ], "enum_known": true, "name": "background", "required": false, "type": "string" }, { "maximum": 10, "minimum": 1, "name": "n", "required": false, "type": "integer" }, { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maximum_items": 16, "minimum_items": 0, "name": "input_references", "required": false, "type": "array" }, { "maximum": 100, "minimum": 0, "name": "output_compression", "required": false, "type": "integer" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "aspect_ratio": { "enum": [ "1:1", "3:2", "2:3", "4:3", "3:4", "16:9", "9:16", "21:9", "auto" ], "type": "string" }, "background": { "enum": [ "auto", "transparent", "opaque" ], "type": "string" }, "input_references": { "items": { "properties": { "image_url": { "properties": { "url": { "type": "string" } }, "required": [ "url" ], "type": "object" }, "type": { "const": "image_url" } }, "required": [ "type", "image_url" ], "type": "object" }, "maxItems": 16, "minItems": 0, "type": "array" }, "model": { "enum": [ "openai/gpt-image-2.5-sunburst" ], "type": "string" }, "n": { "maximum": 10, "minimum": 1, "type": "integer" }, "output_compression": { "maximum": 100, "minimum": 0, "type": "integer" }, "prompt": { "minLength": 1, "type": "string" }, "provider": { "description": "Exact image provider preferences from the documented image request schema.", "type": "object" }, "quality": { "enum": [ "auto", "low", "medium", "high", "xhigh", "max" ], "type": "string" } }, "required": [ "model", "prompt" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "model": "openai/gpt-image-2.5-sunburst", "prompt": "a red panda astronaut floating in space, studio lighting" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text", "image" ], "required": [ "model", "prompt" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/images/generations" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "image", "fields": [ { "description": null, "name": "created", "type": null }, { "description": null, "name": "data[].url", "type": null }, { "description": null, "name": "data[].b64_json", "type": null }, { "description": null, "name": "usage", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "basis": "Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Geschätzte Generierungskosten", "units": [ { "amount": "0.24576", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.24576", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "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\"