GPT Image 2.6

请求体是平铺的 JSON，创作字段与输出字段都在顶层，没有 content 数组包装。

GPT Image 2.6 在 2.5 的基础上多了三样能力，都靠请求字段控制，不需要换路径：

• complexity —— 出图前的规划算力，与 quality 各自独立。
• output_format: gif + frame_count / frame_duration_ms —— 动图输出。
• output_format: svg + svg —— 矢量输出，由单独的写作模型产出 SVG 源码。

响应是同步的：请求会阻塞到图片生成完成，结果直接在 data[].b64_json 里返回，没有 task_id，也不需要轮询。图片是 Base64，客户端自行解码落盘。

The body is flat JSON: creative fields and output fields sit at the top level, with no content array wrapper.

GPT Image 2.6 adds three capabilities over 2.5, all driven by request fields on the same path:

• complexity — compute spent planning the image, independent of quality.
• output_format: gif plus frame_count / frame_duration_ms — animated output.
• output_format: svg plus svg — vector output authored by a separate model.

The response is synchronous: the request blocks until the image is ready and returns it inline in data[].b64_json. There is no task_id and nothing to poll; decode the Base64 and write the file.

传入 image 后自动进入编辑模式，不需要额外参数切换。mask_url 单独传无效。GIF 与 SVG 都需要显式写 output_format，只传帧参数不会触发动图。

Passing image enters edit mode automatically; no extra parameter is needed. mask_url alone has no effect. GIF and SVG both require an explicit output_format; frame fields on their own do not produce animation.

GIF 是 2.6 新增的输出格式，走同一条 POST /v1/images/generations，只多两个字段：

总时长就是 frame_count × frame_duration_ms。9 帧 × 200ms = 1.8 秒一个循环。

写提示词的要点

• 写清主体 + 动作 + 循环：谁在动、怎么动、结尾回到哪里。只写静态画面会得到近似重复的帧。
• 镜头最好写明固定还是不固定；镜头运动叠在物体运动上时帧数不够容易抖。
• GIF 只有 256 色，渐变与照片级光照会明显分层，适合图形、插画、图标类动效，不适合写实人像。

尺寸与预算

• size 在 GIF 模式下只接受 auto 或精确像素（宽高都能被 16 整除），不接受 16:9 这类比例写法。
• 帧数、尺寸与 n 三者相乘要落在模型的总像素预算内，超了会直接报错，处理办法是调小其中一项。
• mask_url、output_compression、流式与局部预览在 GIF 模式下都不可用。

GIF is a new output format in 2.6, on the same POST /v1/images/generations path, adding exactly two fields:

Total length is frame_count × frame_duration_ms: 9 frames × 200 ms gives a 1.8-second loop.

Prompting

• Describe subject + motion + loop: who moves, how, and where it ends up. A static description yields near-duplicate frames.
• Say whether the camera is locked; camera motion stacked on object motion jitters at low frame counts.
• GIF is 256 colors, so gradients and photographic lighting band badly. It suits graphics, illustration and icon motion, not realistic portraits.

Size and budget

• In GIF mode size accepts only auto or exact pixels (both edges divisible by 16); ratio strings such as 16:9 are rejected.
• Frames × dimensions × n must fit the model's total pixel budget; exceeding it errors out, so lower one of the three.
• mask_url, output_compression, streaming and partial previews are unavailable in GIF mode.

output_format: svg 返回的不是栅格图，而是 UTF-8 的 SVG XML 源码，放在 data[0].b64_json 里，Base64 解码后直接存成 .svg 即可，可以直接进设计工具或前端代码库。

流程分两步：先用顶层 model 与 quality 生成一张参考图，再由 svg 指定的模型把这张图写成矢量。所以顶层 model 决定底图长什么样（构图、配色、细节），svg.model 决定矢量化写得好不好。

svg 对象

约束

• n 只能是 1，一次只出一份 SVG。
• 不支持流式与局部预览（stream / partial_images），也不支持 output_compression。
• 输出是静态矢量：没有脚本、没有外链资源、不会内嵌位图。需要交互或动画请自行在 SVG 上加。
• 生成的 SVG 不能作为编辑接口的栅格输入再用，要改就在同一路径重新生成。
• 计费用量与栅格图分开统计，响应里另有 svg_usage 字段记录写作模型的 token 消耗。

写提示词的要点

• 描述形状、层级与配色，而不是光影质感；「扁平插画、双色、几何构成」比「电影级打光」有效。
• 图标与 logo 类需求写明「单色、可缩放、留白均匀」，避免生成大量细碎路径导致文件体积失控。
• 文字尽量少：SVG 里的文字通常被转成路径，事后无法直接改字，需要改字请重新生成并写明字体风格。

output_format: svg returns no raster image but UTF-8 SVG XML source in data[0].b64_json. Decode the Base64, save it as .svg, and it goes straight into a design tool or a front-end codebase.

It runs in two stages: the top-level model and quality first produce a reference image, then the model named in svg authors that image as vectors. So the top-level model decides how the underlying image looks (composition, palette, detail) and svg.model decides how well it is vectorized.

The svg object

Constraints

• n must be 1; one SVG per call.
• No streaming or partial previews (stream / partial_images), and no output_compression.
• Output is static vector: no scripts, no external resources, no embedded rasters. Add interaction or animation yourself.
• The produced SVG cannot be fed back to the edit endpoint as a raster input; regenerate on the same path to revise it.
• Billing usage is tracked separately from raster output; the response carries an svg_usage block for the author model's tokens.

Prompting

• Describe shapes, hierarchy and palette rather than lighting texture; "flat illustration, two colors, geometric" works better than "cinematic lighting".
• For icons and logos, ask for "single color, scalable, even margins" so the output doesn't balloon into thousands of tiny paths.
• Keep text minimal: text in SVG is usually converted to paths, so it can't be edited afterwards — regenerate with the type style spelled out instead.

精确像素：宽高都必须能被 16 整除，单边不超过 3840，长短边比例不超过 3:1，总像素在 655360 到 8294400 之间。

比例 + resolution：比例形式与档位组合出像素，例如 1:1 在 1k / 2k / 4k 下分别是 1024×1024、2048×2048、2880×2880。

超过 2560×1440 的输出稳定性会下降，属于实验范围。GIF 的尺寸还要受帧数挤占的总像素预算约束，通常比静态图更小。

Exact pixels: both edges divisible by 16, neither over 3840, long-to-short ratio at most 3:1, total pixels between 655,360 and 8,294,400.

Ratio + resolution: the ratio and tier combine into pixels; 1:1 gives 1024×1024, 2048×2048 and 2880×2880 at 1k, 2k and 4k.

Output above 2560×1440 is less stable and considered experimental. GIF dimensions also compete with frames in the total pixel budget, so they usually run smaller than stills.

同步返回，与 OpenAI Images API 一致。返回体里只有 b64_json 与 generation_id，没有图片 URL，客户端解码 Base64 后自行落盘。

字段说明

• created (integer) — 生成完成时间，Unix 秒。
• data (array) — 每项对应一张输出图。
• data[].b64_json (string) — Base64 图片数据。PNG / JPEG / WebP / GIF 解码后即原文件；SVG 解码后是 XML 文本。
• data[].generation_id (string) — 本次生成的唯一标识，可用于日志关联与排障。
• data[].revised_prompt (string / 可选) — 模型改写后的提示词，GPT Image 系列通常不返回。
• size (string) — 实际输出尺寸，如 1536x1024。
• output_format (string) — 实际输出格式，与请求一致。
• quality (string) — 实际使用的画质档位。
• background (string / 可选) — transparent 或 opaque。
• usage (object) — 计费用量，含 input_tokens、output_tokens、total_tokens，以及图片 / 文本分项。
• svg_usage (object / 可选) — 仅 SVG 输出时返回，记录写作模型的 token 消耗。

Returned synchronously, in the OpenAI Images API shape. The body carries only b64_json and generation_id; there is no image URL, so decode the Base64 and write the file yourself.

Fields

• created (integer) — completion time, Unix seconds.
• data (array) — one entry per output image.
• data[].b64_json (string) — Base64 image data. Decodes to a PNG / JPEG / WebP / GIF file, or to XML text for SVG.
• data[].generation_id (string) — a unique id for this generation, useful for log correlation and debugging.
• data[].revised_prompt (string / optional) — the model's rewritten prompt; GPT Image models usually omit it.
• size (string) — the actual output dimensions, e.g. 1536x1024.
• output_format (string) — the format actually produced, matching the request.
• quality (string) — the quality tier actually used.
• background (string / optional) — transparent or opaque.
• usage (object) — billing usage with input_tokens, output_tokens, total_tokens and image/text breakdowns.
• svg_usage (object / optional) — returned only for SVG output, tracking the author model's tokens.

内容审核拦截时返回 400，error.type 为 image_generation_user_error、error.code 为 moderation_blocked，error.moderation_details 里带 moderation_stage（input / output / unknown）与被命中的粗粒度类别。这类错误重试无效，需要改提示词或改输入图。

更多状态码与重试建议见错误码与限流，常见报错的排查步骤见常见问题。

A moderation block returns 400 with error.type image_generation_user_error, error.code moderation_blocked, and error.moderation_details carrying moderation_stage (input / output / unknown) plus the coarse categories hit. Retrying won't help; change the prompt or the input image.

For more status codes and retry guidance see Error codes and rate limits; for troubleshooting see the FAQ.

xhigh 与 max 只有 2.5 及以后支持，传给 gpt-image-2 会返回 400，不会降档。gif 与 svg 只有 2.6 支持，complexity 同样只在 2.6 上生效。

xhigh and max exist from 2.5 onward; passing them to gpt-image-2 returns 400 rather than downgrading. gif and svg exist only on 2.6, and complexity only takes effect there.