OPENAI · КАТАЛОГ МОДЕЛЕЙ
GPT-5.4 Image 2 API
GPT-5.4 Image 2 — каталоговый маршрут Tokenmost с мультимодальным входом и смешанным результатом. Страница помогает безопасно проверить его на задаче создания иллюстрированной инструкции из исходного файла.
- Контекст
- 272 000токенов
- Результат
- Изображения, Текстформат ответа
- Генерация изображения
- По объёму результатаза картинку / по параметрам
ПОНЯТНЫЙ РАСЧЁТ
Стоимость генерации изображения
У этой модели цена зависит от графических токенов или площади результата. Ставка и дополнительные расходы указаны в блоке стоимости.
Выходное изображение выбранного варианта. Входные данные и другие оплачиваемые операции считаются отдельно. Каждая повторная генерация добавляет расход.
ПОДКЛЮЧЕНИЕ
От модели к первому запросу
Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.
Модель создаёт изображения. Формат запроса, доступные размеры и качество зависят от подключения; перед использованием проверьте поддержку модели и настроенный тариф. Каталог не подтверждает включение генерации в вашем кабинете.
Открыть инструкцию по подключению →ПОДРОБНЫЙ ОБЗОР
Возможности модели
В актуальном официальном каталоге OpenAI есть GPT-Image-2.5 Sunburst, GPT-Image-2.5 Flare и GPT-Image-2, однако отдельный model ID `gpt-5.4-image-2` не опубликован. GPT-5.4 указан как текстовая профессиональная модель, поэтому нельзя автоматически склеивать его свойства с возможностями GPT Image 2. Tokenmost показывает `openai/gpt-5.4-image-2`, контекст 272 000, text/image/file input и image/text output. До появления точной документации route требуется preflight: список endpoints, формат file input, выбор output modality, image editing, tools, quality, размеры, max output, usage и цена токенов. Любая несовместимость фиксируется на странице, а не маскируется обещанием универсального API. Тестовый сценарий использует обезличенную двухстраничную инструкцию и одно принадлежащее команде изображение. Ожидаются краткий текстовый план и отдельная иллюстрация; это позволяет увидеть, действительно ли один запрос возвращает обе модальности.
Определите проверяемый контракт
Запишите минимальный payload, endpoint, ожидаемые MIME-типы и обязательные поля ответа. Не начинайте с большого документа. Сначала проверьте text-only, затем image reference и только после этого file input, чтобы точно определить источник ошибки или неподдерживаемой функции.
Подготовьте безопасный тестовый файл
Удалите персональные данные, ключи и внутренние адреса. Используйте документ с известными фактами и понятной структурой. Контрольная иллюстрация должна иметь права и checksum; так результат можно сравнить после изменения backend без утечки производственного материала.
Разделите текстовый и графический результат
В схеме приложения предусмотрите независимые поля для объяснения и изображения. Если route возвращает только одну модальность, интерфейс должен обработать это явно. Текст проверяется по источнику, а картинка — по композиции, маркировке и отсутствию выдуманных деталей.
Не переносите возможности по названию
Сходство с GPT-5.4 или GPT Image 2 не доказывает reasoning, tools, image editing или контекст. Используйте только параметры, подтверждённые ответом и документацией Tokenmost. При изменении route повторите контрактный набор и датируйте результаты.
Посчитайте цену подтверждённого workflow
Учитывайте text, image и file input, выходные токены или image tokens, повторы и проверку. Если usage не разделяет модальности, сначала получите объяснение тарифа. Сравнивайте стоимость одной принятой иллюстрированной инструкции по текущему блоку Tokenmost.
Вопросы и ответы
Есть ли такой ID в официальном каталоге OpenAI?
На дату проверки отдельный `gpt-5.4-image-2` там не найден.
Можно считать его GPT Image 2?
Нет, точный backend и контракт должен подтвердить Tokenmost.
Route действительно возвращает текст и изображение?
Так показывает каталог, но смешанный output нужно проверить реальным preflight.
Зачем начинать с маленького файла?
Он позволяет безопасно отделить поддержку file input от лимитов и ошибок данных.
Как рассчитывается стоимость?
По фактическому usage каждой подтверждённой модальности и числу принятых результатов.