GPT Image mit 1K, 2K, 4K, Quality und Mask verwenden: BetterToken-Testleitfaden

• Warum liefern Aufrufe mit demselben Modell und denselben Parametern zu unterschiedlichen Zeitpunkten verschiedene Ergebnisse?
• Warum kommt bei einer Anfrage für 4K oder eine bestimmte Größe manchmal nur ein verkleinertes 1K-Bild zurück?
• Greifen lokales Bearbeiten mit Mask oder quality=high tatsächlich? Nach welchem Maßstab wird schließlich abgerechnet?

Hinweis: Dieser Beitrag konzentriert sich auf gpt-image-2, gpt-image-2.5-flare und gpt-image-2.5-sunburst. Die Modelle der Nano-Banana-Serie haben andere Parameter und ein anderes Abrechnungssystem. Wir behandeln sie separat, damit es nicht zu Verwechslungen kommt.

​

1. Warum können dasselbe Modell und dieselben Parameter unterschiedliche Ergebnisse liefern?

​

2. Wie haben wir getestet: Was gilt als „unterstützt“?

1. Pixel der Originaldatei dekodieren: Wir verlassen uns nicht auf Angaben der API. Für jedes gelieferte Bild dekodieren wir die Originaldatei, lesen Breite und Höhe aus und gleichen anschließend die Abrechnungsstufe in der Antwort mit der tatsächlichen Kontobelastung ab.
2. Zielgröße überprüfen: Wir vergleichen die tatsächliche Breite und Höhe mit den jeweils ausdrücklich angeforderten Maßen. Ein größeres zurückgegebenes Maß gilt als bestanden; ist eine der beiden Seiten mehr als 5% kleiner als das Zielmaß, gilt das Ergebnis als nicht bestanden (Hinweis: Dieser Maßstab dient der strengen Bewertung von Testergebnissen. Er bedeutet nicht, dass die API gültige Bilder mit abweichenden Maßen automatisch verwirft.) Wenn keine Größe angegeben oder auto übergeben wird, gibt es kein festes Ziel für die Bildfläche.
3. Parameterannahme und tatsächliches Ergebnis getrennt bewerten: Eine Antwort ohne Fehler bedeutet nur, dass „der Parameter angenommen wurde“. Ob Mask eine strikte Bereichsisolation erreicht und ob quality=high sichtbar bessere Ergebnisse liefert, muss am endgültigen Bild beurteilt werden.

​

3. Was haben die Tests gezeigt: Welche Parameter werden am häufigsten missverstanden?

• Toleranz bei Standardparametern: Die Bilderzeugung funktioniert, wenn quality und size weggelassen, als null übergeben oder ausdrücklich auf "auto" gesetzt werden.
• So fordern Sie 4K richtig an: „4K“ bezeichnet eine Abrechnungsstufe und bedeutet nicht, dass quadratische Bilder mit 4096x4096 unterstützt werden. Für ein hochauflösendes Bild der 4K-Stufe verwenden Sie das Querformat 3840x2160.
• Ungültige Parameter werden ohne Kosten abgewiesen: Anfragen mit 4096x4096, stream=true, leerem quality="", leerem size="" und n=0 lieferten alle den Fehler HTTP 400 und verursachten keinerlei Kosten.

​

4. Was BetterToken bietet: keine eigene Anpassung jeder Route erforderlich

1. Intelligentes Routing nach Fähigkeiten: Das System gleicht Modell, Zielgröße (z. B. 2K/4K) und das Vorhandensein von Bildbearbeitungs-/Mask-Parametern automatisch mit einem verfügbaren Dienst ab, der die jeweiligen Fähigkeiten besitzt.
2. Einheitliche Schnittstellen und Parameter-Fallbacks: Die standardisierten Endpunkte POST /v1/images/generations (Bilderzeugung) und POST /v1/images/edits (Bearbeitung anhand von Referenzbild/Mask) verarbeiten null, auto und fehlende Parameter automatisch und blockieren ungültige Eingaben direkt auf Gateway-Ebene.
3. Transparente Ausgabe tatsächlicher Bildgrößen und Abrechnungsdetails: Zusammen mit den Bilddaten nennt das Feld bettertoken_image_billing im Antworttext die tatsächliche dekodierte Breite und Höhe (width/height), die Abrechnungsstufe (billing_resolution), die Währung und den Abrechnungsbetrag (settled_amount).
4. Klare Abgrenzung zweier zentraler Konzepte:
   • Unterstützung des Mask-Parameters ≠ pixelgenaues Inpainting: Die API unterstützt das Hochladen eines Referenzbildes und einer Mask zur Bearbeitung, doch einige Testergebnisse veränderten auch geschützte Bereiche außerhalb der Maske. In unserem geometrischen Test mit zwei Kreisen war der linke Kreis transparent und sollte die Farbe ändern, während der rechte Kreis undurchsichtig und geschützt sein sollte; im Ergebnis änderten beide Kreise ihre Farbe. Daher unterstützen wir ausdrücklich die Übergabe des Mask-Parameters, garantieren aber nicht jedes Mal eine strikte pixelgenaue Bereichsisolation.
   • Unterstützung des quality-Parameters ≠ Garantie für eine feste Qualitätssteigerung: Die API nimmt Parameter wie "auto" oder "high" an und leitet sie korrekt weiter. Da jede Bilderzeugung zufallsabhängig ist, versprechen wir nicht aufgrund eines einzelnen Beispiels, dass high die Qualität immer um einen bestimmten Prozentsatz steigert.

⚠️ Zwei tatsächliche Einschränkungen, die Sie vor der Integration kennen sollten:

1. Fähigkeitsbasiertes Routing fixiert die Pixel nicht bei jeder Anfrage strikt: Aufgrund unterschiedlicher Ausgaben der zugrunde liegenden Dienste können die tatsächlichen Pixel schwanken, selbst wenn die Anfrage an einen passenden Knoten geroutet wurde. Zu den heutigen Beispielen gehört weiterhin eine Anfrage für 1024x1024, die 1024×936 lieferte, sowie eine Anfrage für 3840x2160, die 3840×2161 lieferte. Wenn die Bildproportionen für Ihren Geschäftsprozess kritisch sind, schneiden Sie das Bild anhand der tatsächlich zurückgegebenen Maße zu oder verarbeiten es nach.
2. Eine 1K-Anfrage wird nicht zwangsläufig zum 1K-Tarif abgerechnet: Das Abrechnungssystem legt die Stufe anhand der Spezifikation des tatsächlich gelieferten gültigen Bildes fest. Heute lieferten die beiden 2.5-Modelle (und gpt-image-2 in einigen Fällen) bei einer Anfrage für 1024x1024 Bilder mit mehr Pixeln, nämlich 1254×1254. Das System ordnete sie der 2K-Stufe zu und berechnete den entsprechenden Preis.

​

5. Unterstützung der drei Modelle: Welches Modell soll ich aufrufen und welchen Wert übergeben?

​

6. Zwei echte Bildbeispiele: Wie sehen die Ergebnisse tatsächlich aus?

​

Beispiel A: E-Commerce-Produktfotografie mit Größen- und Detailvergleich von 1K / 2K / 4K

Erzeuge ein realistisches E-Commerce-Studiofoto: Ein korallroter Keramikbecher (Henkel nach rechts) steht auf einer hellgrauen Steinplatte, links daneben liegt ein gefaltetes beiges Leinentuch. Auf dem Becher steht gut lesbar der weiße Text „BETTER DAY“. Weiches Seitenlicht von links oben; feine Reflexionen der Keramikglasur, Leinenfasern und natürliche Kontaktschatten erhalten. Der ganze Becher ist mittig im Bild, vor einem schlichten neutralen Hintergrund, ohne weitere Gegenstände, Wasserzeichen oder zusätzlichen Text.

Photorealistic ecommerce studio photograph. A coral-red ceramic mug with a handle on the right sits on a pale gray stone tabletop, with a folded beige linen cloth to its left. The mug reads "BETTER DAY" in clear white lettering. Soft directional light from upper left, subtle glaze reflections, visible linen fibers and natural contact shadows. Entire mug in frame, centered composition, simple neutral background. No other objects, no watermark, no additional text.

• Hohe Vollständigkeit des Bildes: Alle drei Bilder zeigen die Reflexionen der korallroten Glasur, den Henkel auf der rechten Seite, die hellgraue Steinplatte, die beigen Leinenfasern und die gut lesbare weiße Aufschrift „BETTER DAY“.
• Abweichungen durch unabhängige Stichproben: Jede Generierung ist eine unabhängige Stichprobe. Deshalb unterscheiden sich die Proportionen des Bechers, die Strichstärke und die Faltung des Tuchs auf natürliche Weise (im 4K-Querformat steht der Text beispielsweise in zwei Zeilen). Die Ausschnitte zeigen die tatsächlichen Details der jeweiligen Bilder und sind kein optischer Schärfetest mit identischer Komposition.
• Abrechnungsgrenze direkt sichtbar: Obwohl die erste Anfrage 1024x1024 lautete, wurde ein hochauflösendes quadratisches Bild mit 1254×1254 geliefert. Daher wurde es wie das zweite Bild mit 2048×2048 in der 2K-Stufe (¥0.11) abgerechnet.

​

Beispiel B: Lokale Produktumfärbung mit Mask – tatsächlicher Effekt und Grenzen

Ändere nur den korallroten Becherkörper innerhalb der transparenten Maske in dunkles Marineblau. Erhalte Keramikstruktur, Beleuchtung und Reflexionen. Die weiße Aufschrift „BETTER DAY“, den roten Henkel, das Leinentuch, die Tischplatte, den Hintergrund und die gesamte Komposition unverändert lassen. Keine Gegenstände hinzufügen oder entfernen.

Change only the coral-red mug body inside the transparent mask to deep navy blue. Preserve ceramic texture, lighting and reflections. Keep the white "BETTER DAY" lettering, red handle, linen cloth, tabletop, background and composition unchanged. Do not add or remove any objects. Do not change anything outside the transparent mask.

• Die zentrale Farbänderung wurde erreicht: Die Außenseite des Becherkörpers wurde erfolgreich dunkel marineblau, die keramischen Glanzlichter blieben erhalten. Der rote Henkel außerhalb der Maske, das Leinentuch links und der Hintergrund blieben im Wesentlichen erhalten; die Aufschrift „BETTER DAY“ innerhalb der Maske blieb lesbar.
• Strenge Mask-Grenze nicht eingehalten (Änderungen außerhalb der Maske): Bei genauer Betrachtung der Kante und Innenwand fällt auf, dass auch die ursprünglich im undurchsichtigen Schutzbereich liegenden korallroten Bereiche dunkelblau wurden. Beim noch extremeren geometrischen Test „beide Kreise verfärbt“ änderte sich ebenfalls die Farbe des nicht maskierten rechten Kreises.
• Empfehlung zur Verwendung: Achten Sie beim Hochladen von Referenzbild und Mask auf identische Bildflächen (transparent für zu ändernde und undurchsichtig für zu erhaltende Bereiche) und nennen Sie im Prompt sowohl „was geändert“ als auch „was erhalten“ werden soll. Bei industriellen oder kommerziellen Bildern mit Markenlogos, kleinem Verpackungstext oder strengen Kantenanforderungen prüfen Sie die Grenzen der geschützten Bereiche nach der Generierung unbedingt vergrößert.

​

7. Preise und tatsächliche Nutzungskosten: Was wird am Ende berechnet?

💡 Wichtig für die Budgetplanung: Kalkulieren Sie nach der „tatsächlich gelieferten Abrechnungsstufe“ und nicht nach dem „Anfrageparameter“! Wie die obigen Tests zeigen, lieferten einige heutige Anfragen an flare, sunburst oder gpt-image-2 mit der Anforderung 1024x1024 (1K) Bilder mit 1254×1254. Das System ordnete diese daher der 2K-Stufe zu (es wurden ¥0.15 oder ¥0.11 statt ¥0.035 für 1K berechnet). Wenn alle 100 Anfragen 1024x1024 an flare 1254×1254 liefern, kosten diese 100 Bilder zu den aktuellen Preisen ¥15.00 (arithmetische Schätzung). Außerdem berücksichtigt die Stufenzuordnung die Zielgröße und eine angemessene Toleranzgrenze (zum Beispiel wird 3840×2159 normalerweise 4K und 1536×1024 1K zugeordnet). Codieren Sie keine eigene Neuberechnung in Ihre Geschäftslogik, die lediglich prüft, ob „die längste Seite größer als 1024 ist“. Maßgeblich für jede Abrechnung ist das Feld bettertoken_image_billing im Antworttext.

​

Warum sollte man nicht nur auf den vermeintlich „niedrigen Preis pro Bild“ schauen?

1. Preise lassen sich nur vergleichen, wenn die tatsächliche Ausgabe die Zielgröße erreicht: Eine Anfrage, die mit „4K-Unterstützung zum sehr niedrigen Preis“ beworben wird, aber tatsächlich nur ein verkleinertes 1024-Bild liefert, eignet sich nicht für eine Produktionsumgebung, die hochauflösende Bilder benötigt. Sie ist kein gültiger 4K-Preisvergleich.
2. Kosten für Fehlschläge und Nacharbeit einberechnen: Die Tests mit ungültigen Parametern waren in dieser Runde kostenlos. Wird ein erfolgreich geliefertes Bild als unbefriedigend bewertet, gilt eine erneute Generierung als neue Anfrage und sollte separat budgetiert werden. 4 Produkt- und Mask-Beispielbilder in diesem Beitrag (3 Bilderzeugungen + 1 Bearbeitung) wurden jeweils mit einer Anfrage geliefert. Beim Mask-Beispiel traten die oben beschriebenen Farbänderungen außerhalb der Maske auf. Die Einzelpreise betrugen ¥0.11, ¥0.11, ¥0.13 und ¥0.11; die tatsächlichen Gesamtkosten für alle 4 Bilder beliefen sich auf nur ¥0.46 – exakt wie auf der Abrechnung und beim Kontostand abgezogen. Erzwingen instabile Routen oder inkompatible Parameter wiederholte Generierungen, steigen die tatsächlichen Gesamtkosten für ein brauchbares Asset trotz eines niedrigen Einzelpreises.
3. Versteckte Kosten für technische Anpassungen senken: Die einheitlichen Parameterkonventionen, das intelligente Routing nach Fähigkeiten und die Echtzeitfelder für echte Pixel und Abrechnung von BetterToken verringern den Entwicklungsaufwand für die Anpassung einzelner Dienste und die eigene Erfassung von Größen- und Kostendaten.

​

8. Direkt kopierbare Aufrufbeispiele

​

Beispiel 1: JSON-Anfrage zum Erzeugen eines hochauflösenden Produktbildes (POST /v1/images/generations)

curl https://bettertoken.ai/v1/images/generations -o response.json \
  -H "Authorization: Bearer $BETTERTOKEN_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @- <<'JSON'
{
  "model": "gpt-image-2",
  "prompt": "Photorealistic ecommerce studio photograph. A coral-red ceramic mug with a handle on the right sits on a pale gray stone tabletop, with a folded beige linen cloth to its left. The mug reads \"BETTER DAY\" in clear white lettering. Soft directional light from upper left, subtle glaze reflections, visible linen fibers and natural contact shadows. Entire mug in frame, centered composition, simple neutral background. No other objects, no watermark, no additional text.",
  "size": "2048x2048",
  "quality": "high",
  "n": 1,
  "response_format": "b64_json",
  "output_format": "png"
}
JSON

• Größenvorgabe: Für ein 4K-Querformat ändern Sie "size" zu "3840x2160" (verwenden Sie nicht "4096x4096"). Zulässige Größen müssen derzeit alle folgenden Bedingungen erfüllen: Breite und Höhe sind beide durch 16 teilbar, die längste Seite beträgt höchstens 3840, das Verhältnis von langer zu kurzer Seite ist höchstens 3:1 und die Gesamtpixelzahl liegt zwischen 655,360 und 8,294,400.
• Dateiformat erkennen: Auch wenn in der Anfrage "output_format": "png" angegeben ist, können einige zugrunde liegende Knoten Binärdaten im JPEG-Format zurückgeben. Ermitteln Sie beim Speichern oder Verarbeiten das tatsächliche Bildformat anhand des Datei-Headers (Magic Bytes), anstatt die Dateiendung fest vorzugeben.

​

Beispiel 2: Lokale Bearbeitung per Multipart mit Referenzbild und Mask (POST /v1/images/edits)

curl https://bettertoken.ai/v1/images/edits -o response.json \
  -H "Authorization: Bearer $BETTERTOKEN_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@product-1k-0.png;type=image/png" \
  -F "mask=@mask-mug.png;type=image/png" \
  -F 'prompt=Change only the coral-red mug body inside the transparent mask to deep navy blue. Preserve ceramic texture, lighting and reflections. Keep the white "BETTER DAY" lettering, red handle, linen cloth, tabletop, background and composition unchanged. Do not add or remove any objects. Do not change anything outside the transparent mask.' \
  -F "size=2048x2048" \
  -F "quality=high" \
  -F "n=1" \
  -F "response_format=b64_json"

​

Beispiel 3: Tatsächlich gelieferte Pixel und Abrechnungsdaten auslesen (Antwortstruktur und Parsing-Code)

{
  "created": 1792398084,
  "data": [
    {
      "b64_json": "iVBORw0KGgoAAAANSUhEUgAA..."
    }
  ],
  "bettertoken_image_billing": {
    "currency": "CNY",
    "settled_amount": "0.11",
    "outputs": [
      {
        "index": 0,
        "width": 2048,
        "height": 2048,
        "billing_resolution": "2K",
        "currency": "CNY",
        "amount": "0.11"
      }
    ]
  }
}

import base64
import io
import json
from pathlib import Path
from PIL import Image  # 需要 Pillow

# 将 API 的 JSON 响应保存为 response.json 后执行。
resp_json = json.loads(Path("response.json").read_text())
if "error" in resp_json:
    raise RuntimeError(resp_json["error"])

billing = resp_json["bettertoken_image_billing"]
outputs = {item["index"]: item for item in billing["outputs"]}
for index, item in enumerate(resp_json["data"]):
    img_bytes = base64.b64decode(item["b64_json"], validate=True)
    with Image.open(io.BytesIO(img_bytes)) as image:
        image.load()
        width, height = image.size
        ext = {"PNG": "png", "JPEG": "jpg", "WEBP": "webp"}.get(image.format)
        if ext is None:
            raise ValueError(f"未处理的图片格式：{image.format}")
    Path(f"output_{index}.{ext}").write_bytes(img_bytes)
    info = outputs[index]
    print(f"图片 {index}：原图 {width}×{height}；计费档位 {info['billing_resolution']}")
    print(f"单张费用：{info['amount']} {info['currency']}")
    if (width, height) != (info["width"], info["height"]):
        print("图片像素与响应尺寸不一致，请保留结果并联系支持。")
print(f"本次结算：{billing['settled_amount']} {billing['currency']}")

• Offizielle OpenAI-Dokumentation: Image Prompting Guide
• OpenAI Cookbook: Beispiele für Bildgenerierung und -bearbeitung mit hoher Eingabetreue