token 計費模型、按畫質與解析度劃分的真實單張數字，以及什麼時候裸用 API 比託管方案更划算。

GPT Image 2 按 token 計費，而不是按圖計費

如果你是從 DALL-E 3 過來的，第一個意外就是 GPT Image 2 不再為每張圖收取一筆固定費用。它是一個基於 token 的模型：你要為 prompt 裡的文字 token 付費，為你傳入的任何圖像 token 付費（編輯或傳入參考圖時），還要為模型作為輸出生成的圖像 token 付費。更大的尺寸和更高的畫質設定會產生更多輸出 token，所以單次生成的成本會隨你的要求而變化。

OpenAI 在其 API 定價頁面上公布了 GPT Image 2 的 token 費率。截至撰寫本文時它們是：

圖像輸入：$8.00 / 1M token（快取輸入 $2.00 / 1M）
圖像輸出：$30.00 / 1M token
文字輸入：$5.00 / 1M token（快取輸入 $1.25 / 1M）

文字輸入就是你的 prompt。圖像輸入只在你把像素送入模型時才適用（編輯、參考圖）。圖像輸出就是生成的圖片，對大多數純文生圖來說，它是帳單裡占大頭的那一項。在你據此編制預算之前，務必到 platform.openai.com/docs/pricing 確認當前的數字——OpenAI 會不時調整費率。

一張圖實際要花多少 token

因為輸出是按 token 計費的，你需要知道所選尺寸和畫質對應的 token 數。OpenAI 在其圖像生成指南裡列出了這些數字。下面是每次請求所生成的輸出圖像 token 數：

Quality   Square 1024x1024   Portrait 1024x1536   Landscape 1536x1024
Low       272 tokens         408 tokens           400 tokens
Medium    1056 tokens        1584 tokens          1568 tokens
High      4160 tokens        6240 tokens          6208 tokens

按畫質和尺寸劃分的 GPT Image 2 輸出圖像 token（來源：OpenAI 圖像生成指南）。

一個有用的細節：像素與價格之間並不是嚴格線性的關係。模型會把畫布 token 化，所以在同一畫質下，非正方形的畫幅可能與正方形版本的成本略有不同——在 GPT Image 2 公布的單張表格裡，中畫質和高畫質下直圖和橫圖的費率實際上比正方形還略低一點。重要的是版式，而不只是總像素數。

還有一項要納入預算：串流輸出。如果你用 partial_images 參數在圖片渲染過程中逐步展示它，每張中間圖都會在最終結果之外再加上約 100 個圖像輸出 token。

按畫質劃分的真實單張成本

token 數對建立直覺很有用，但你不需要自己去換算——OpenAI 直接公布了一張近似的單張成本表。（請注意這些數字並不是簡單的「輸出 token 數乘以費率」；OpenAI 的單張數字已經把模型自身的開銷計入在內，所以請把下面這張表當作權威參考，而不是拿來重新計算的東西。）這些是 GPT Image 2 每生成一張圖的近似成本；它們只反映渲染出來的圖像本身，所以你還要在此之上加上文字輸入 token——以及編輯時的任何輸入圖像 token。

GPT Image 2 — approx. cost per generated image
Quality   1024x1024   1024x1536   1536x1024
Low       $0.006      $0.005      $0.005
Medium    $0.053      $0.041      $0.041
High      $0.211      $0.165      $0.165

來源：OpenAI 圖像生成指南，單張輸出定價表。

按它的構建方式來讀這張表：低畫質幾乎免費（遠不到一美分），中畫質大約在四到五美分，高畫質則是昂貴檔位，約為每張 16 到 21 美分。畫質旋鈕，而不是解析度，才是影響帳單的最大槓桿——在 1024x1024 下從低畫質跳到高畫質，成本大約會翻 35 倍。

如果高畫質輸出對你的產量來說太貴，OpenAI 還提供 GPT Image 1 Mini，這是同一家族裡更便宜的模型。逐檔來看它都比 GPT Image 2 便宜——它的高畫質 1024x1024 標價約為 $0.036，而 GPT Image 2 高畫質是 $0.211——代價是損失一些保真度。對於縮圖、草稿和大批量管線，它可以徹底改變成本結構。

GPT Image 2 與 DALL-E 3 的成本比較

DALL-E 3 是大多數人拿來比較的模型，它沿用了舊的固定單張定價。OpenAI 當前的 DALL-E 3 費率是：

標準畫質：1024x1024 為 $0.04，1024x1536 或 1536x1024 為 $0.08
HD 畫質：1024x1024 為 $0.08，1024x1536 或 1536x1024 為 $0.12

把兩者在 1024x1024 下並排放在一起，畫面就很有意思。GPT Image 2 低畫質（約 $0.006）比 DALL-E 3 標準（$0.04）大約便宜七倍。GPT Image 2 中畫質（$0.053）略高於 DALL-E 3 標準，但低於它的 HD 檔。只有 GPT Image 2 高畫質（$0.211）才明顯比任何一個 DALL-E 3 選項更貴。

所以結論並不是簡單的「越新就越貴」。GPT Image 2 給了你一個滑動刻度：做草稿時你可以遠比 DALL-E 3 便宜，做正式作品時與它持平，只有在你明確要求頂級細節時才付溢價。相比之下，DALL-E 3 沒有便宜檔——哪怕一張隨手丟棄的圖也要四美分。對波動型工作負載來說，token 模型通常更划算。

實算範例：100 張和 1000 張圖要花多少錢

具體的產量能讓數字變得直觀。下面這些使用上文 1024x1024 的單張輸出成本，並忽略了少量的文字 prompt 開銷——對典型的短 prompt 而言，每張圖的額外開銷遠不到一美分。

在 GPT Image 2 上生成 100 張低畫質圖：約 $0.60
在 GPT Image 2 上生成 100 張中畫質圖：約 $5.30
在 GPT Image 2 上生成 100 張高畫質圖：約 $21.10
100 張標準 DALL-E 3 圖：約 $4.00
在 GPT Image 2 上生成 1000 張低畫質圖：約 $6
在 GPT Image 2 上生成 1000 張中畫質圖：約 $53
在 GPT Image 2 上生成 1000 張高畫質圖：約 $211
1000 張標準 DALL-E 3 圖：約 $40

規律是這樣：如果你的活兒偏探索性或大批量，低畫質 GPT Image 2 比 DALL-E 3 提供的任何東西都便宜得多——大約只有其單張成本的十分之一。中畫質則略高於 DALL-E 3 標準。如果每張圖都必須是封面級的，高畫質 GPT Image 2 是這裡最貴的路線——大約是一張 DALL-E 3 標準圖的五倍——而這正是你最該去看下一節的情況。

人們容易忘記的成本因素

單張表格是頭條數字，但真實帳單還多出幾行。在你上線之前，把這些也納入預算：

輸入 token 單獨計費。你的 prompt 屬於文字輸入，費率為 $5.00 / 1M token。一段 50 字的 prompt 只是幾分之一美分，但如果你在每次呼叫裡都塞進冗長的風格指南和說明，跨上千次生成累積起來就很可觀。
編輯和參考圖更貴。把像素送入模型會用到圖像輸入 token，費率為 $8.00 / 1M，而且 GPT Image 2 會以高保真度處理輸入圖。所以一次編輯或一次參考引導的生成，不只是輸出成本——它還帶著一筆輸入圖像費用。
畫質選擇壓倒一切。在 1024x1024 下從低畫質提到高畫質，每張圖會從約 $0.006 漲到約 $0.211。沒有任何其他旋鈕能與之相比。預設採用能通過審核的最低畫質，只在素材確實需要時才往上調。
批次處理是一個槓桿。OpenAI 在標準費率之外，還為圖像生成提供了 Batch 檔；如果你的工作是非同步的、能容忍延遲，那就值得到定價頁面查看 Batch 那一列，以獲得更低的有效費率。
存在更便宜的模型。GPT Image 1 Mini 屬於同一家族，逐檔來看都比 GPT Image 2 明顯便宜（它的高畫質 1024x1024 約 $0.036，而非 $0.211）。對於草稿、變體和大批量任務，它可以在幾乎不改動你程式碼路徑的情況下削減開支。

這些單獨來看都不至於傷筋動骨，但合在一起就解釋了為什麼真實帳單通常會比純粹的單張數字略高一點。先用輸出表格估算，然後為 prompt 和編輯開銷留出一點緩衝。

裸用 API 與託管點數方案比較（gpt-img2.com）

上面的 OpenAI 數字只是模型成本。它們假設由你來編寫整合、處理驗證與重試、管理速率限制、儲存輸出，並承擔工程時間。像 gpt-img2.com 這樣的託管 UI 把同一類模型包進一個點數系統裡，於是你用一筆固定的月度額度換掉了按 token 計費的帳單。

gpt-img2.com 按解析度檔位用點數給生成定價：

1K（如 1024x1024）：每張 10 點數
2K：每張 40 點數
4K：每張 160 點數（在 16:9、2:1、21:9 等寬幅比例上提供）

這些點數來自月度方案：

Starter：$9.90/月，3,000 點數
Pro：$19.90/月，7,000 點數
Studio：$49/月，20,000 點數

在 Studio 上，$49 換 20,000 點數算下來約為每點數 $0.00245。因此一張 1K 圖（10 點數）約花 $0.025，一張 2K 圖約 $0.10，一張 4K 圖約 $0.39——而這個價格已經包含了託管介面、儲存，以及無需維護任何 API 程式碼。在 Starter 上有效費率更高（約每張 1K 圖 $0.033，因為你買的是更小的額度），這正是量價關係的常見形態。

一個清爽的理解方式：Studio 上每張 1K 圖約 $0.025，與裸 API 上的 GPT Image 2 中畫質（約每張 $0.041–$0.053）處於同一量級，區別是你完全跳過了自建。託管方案用一組略有不同的單位經濟，換來零工程開銷和可預期的月度上限。

何時用 API，何時用託管 UI

在下列情況下，伸手去拿裸 GPT Image 2 API：

你要把圖像生成嵌進自己的產品或自動化管線裡
你的產量很大或波動劇烈，想借助低/中 token 檔來壓低成本
你需要可程式化控制——批次處理、自訂重試、自有儲存與內容審核
你有工程能力去搭建並維護這套整合

在下列情況下，伸手去拿像 gpt-img2.com 這樣的託管方案：

你想現在就在瀏覽器裡生成圖片，而不用寫程式
比起按 token 浮動的帳單，你更偏好一筆可預期的固定月費
相比裸 API 存取，你更看重內建的儲存、歷史記錄和 UI
你的產量能舒舒服服地裝進某個方案的月度點數額度裡

兩者並不互斥。許多團隊會在託管 UI 裡做原型和一次性素材，等用例驗證完畢、成本帳算得過自建後，再把可重複的大批量工作搬進 API。

FAQ

GPT Image 2 比 DALL-E 3 便宜嗎？這取決於畫質。低畫質下（約 $0.006）GPT Image 2 遠低於 DALL-E 3 標準（$0.04）。中畫質下（約 $0.053）它略高於 DALL-E 3 標準，但低於其 HD 檔（$0.08）。高畫質下（約 $0.211）它是這一組裡最貴的。
用 GPT Image 2 生成最便宜的方式是什麼？在 1024x1024 下用低畫質，約每張 $0.006。如果你想在某個給定畫質檔上獲得更低成本，GPT Image 1 Mini 逐檔都比 GPT Image 2 便宜（它的高畫質 1024x1024 約 $0.036），代價是損失一些保真度。
我也要為 prompt 付費嗎？是的。文字輸入按 $5.00 / 1M token 計費，但對短 prompt 來說，這每張圖遠不到一美分。用參考圖做編輯會額外產生圖像輸入 token，費率為 $8.00 / 1M。
解析度是不是總會抬高價格？並非嚴格如此。在 GPT Image 2 公布的單張表格裡，中畫質和高畫質下直圖和橫圖的費率實際上比正方形還略低一點。無論如何，畫質都是比尺寸大得多的成本槓桿。
這些價格會變嗎？幾乎肯定會。這裡的 token 費率和單張數字來自 OpenAI 文件，截至 2026 年為最新——在投入預算之前，務必到 platform.openai.com/docs/pricing 核對即時數字。

一句話版本

GPT Image 2 按 token 計費，所以成本隨畫質和尺寸而變。低畫質不到一美分，中畫質是幾美分，高畫質則是昂貴檔，在 1024x1024 下接近二十美分。對比 DALL-E 3 固定的 $0.04–$0.12，GPT Image 2 做草稿時便宜得多，中畫質時大致相當（略高於 DALL-E 3 標準、低於 HD），頂級畫質時則更貴。如果你壓根不想寫這套整合，像 gpt-img2.com 這樣的託管方案能把同樣的活兒變成 Studio 上每張 1K 圖約 $0.025，無需維護任何程式碼。要規模和控制就選 API；要速度和可預期性就選託管 UI。