DALL-E 已退役：如何遷移到 GPT Image 2

退役已成定局

2026 年 5 月 12 日，根據官方 API changelog，OpenAI 把 dall-e-2 和 dall-e-3 從 API 中移除了。這不是一份附帶漫長過渡期的棄用通知——模型已經沒了，任何仍在呼叫它們的整合拿到的是報錯而不是影像。如果你在營運一款產品、一條內容流水線，或一個建立在 DALL-E 之上的內部工具，遷移從那個早晨起就不再是可選項。

OpenAI 的指引點名了三個遷移目標：gpt-image-2、gpt-image-1，或 gpt-image-1-mini。替代它們的這一代也並不新——gpt-image-2 早在 2026 年 4 月 21 日就上線了 API，所以這條路已經被踩得很熟。本文就是那本操作手冊：該選哪個模型、你的程式碼和帳單裡實際會變什麼，以及那一項讓這次被迫遷移變得值得的能力升級。

選定你的遷移目標

這三個官方目標涵蓋不同的預算：

• gpt-image-2 —— 當前的旗艦，也是預設之選：家族裡最強的指令遵循與文字渲染、全新的編輯行為，以及靈活的長寬比。如果你想要釘死、可重現的行為，用快照 ID gpt-image-2-2026-04-21。
• gpt-image-1 —— 上一代。如果你已經針對它驗證過輸出、並且想把行為變化降到最小，它說得過去，但你要放棄最新的編輯與長寬比特性。
• gpt-image-1-mini —— 預算之選，用於草稿、縮圖，以及單張成本比峰值保真度更重要的高吞吐任務。

端點會很眼熟：gpt-image-2 透過 v1/images/generations 和 v1/images/edits 提供服務，外加更新的 v1/responses 介面。如果你的 DALL-E 程式碼已經在向 images 端點 POST 請求，那麼遷移大多只是換一個 model ID 加上參數更新——請求結構得以保留。

會變什麼：計費、尺寸，以及一條 4K 注意事項

最大的心智轉變是計費。DALL-E 按每張圖收一筆固定費用；gpt-image-2 是按 token 計費的：影像輸入為每百萬 token 8 美元（命中快取時每百萬 2 美元），影像輸出為每百萬 token 30 美元——輸出費率比 gpt-image-1.5 每百萬便宜 2 美元。在實踐中，Hacker News 上的發布討論串把它算成每張 1024x1024 影像約 0.006 到 0.211 美元，取決於品質檔位，同等條件下比 gpt-image-1.5 更便宜。我們在 https://gpt-img2.com/blog/gpt-image-2-api-pricing-2026 的定價深度解析裡保留了完整的成本算法——token 表、100 張和 1,000 張的實算範例、與 DALL-E 3 的對比——所以本文不再重複。

重新設計架構前要知道兩個計費槓桿：Batch API 享有 5 折優惠，如果你正在遷移一條批量 DALL-E 流水線，這一點直接相關；而品質檔位對成本的影響遠大於解析度——預設用低檔，只在某個素材確實需要時才往上調。

尺寸也變了，而且是變好。DALL-E 那份固定尺寸清單沒了，取而代之的是從 3:1 寬到 1:3 高的靈活長寬比。一張 3072x1024 的站點橫幅如今是一次原生生成，而不再是「先生成再裁切」的取巧做法：

Wide website hero banner, 3:1 aspect ratio (3072x1024): minimal workspace scene — matte-black desk, warm desk lamp, open laptop showing a grid of generated images. Soft morning side light, muted teal-and-amber grade, generous negative space on the right for a headline. Headline text reading MIGRATE IN AN AFTERNOON in clean grotesque type, right-aligned. Avoid: clutter, watermark, garbled text.

關於解析度的一條警示：4K（4096x4096）輸出在 2026 年 5 月進入 beta，但標準檔是 2K，OpenAI 目前並不推薦在生產中用 4K。它的定價也相應更高——Simon Willison 報告稱 3840x2160 的生成在 13,342 個輸出 token 下約為每張 0.40 美元。把 4K 當成一次實驗，而不是預設值。

編輯端點才是真正的升級

如果你只略讀一節，那就讀這一節。編輯是 DALL-E 時代的軟肋：你要求改一處，整張圖都跟著漂移。gpt-image-2 的編輯端點恰好修好了這一點——高保真輸入編輯會嚴格保留未編輯的區域，於是換一張標籤不再重渲染整個產品。

它還加入了多參考合成——傳入一張產品照和一張場景照，模型就會用正確的光照和透視把它們融合起來——而遮罩從必需變成了可選，所以你可以用大白話描述一處編輯，讓模型自己去找到那個區域。需求訊號很難忽視：fal、Replicate 和 WaveSpeed 都在發布後幾天內上線了專門的 GPT Image 2 編輯端點。

Edit instruction. Keep everything in the base image exactly as it is — composition, lighting, background, pose. Only change: replace the plain white mug on the desk with the ceramic mug from the second reference image, matched to the scene's warm side lighting and the desk's perspective. Do not alter any other object, shadow, or texture.

如果你的 DALL-E 流水線因為編輯端點不可靠而繞開了它，那就重新測一遍。正是這項能力，把一次被迫遷移變成了一次實打實的升級。

一份遷移清單

對大多數整合來說，機械性的工作一個下午就能搞定：

• 把 model 參數換成 gpt-image-2，或為可重現行為釘住快照 gpt-image-2-2026-04-21。
• 用你真正想要的長寬比替換 DALL-E 的固定尺寸，從 3:1 到 1:3 任意取值。
• 在 token 計費下重新估算成本——品質檔位是那個大槓桿——並在敲定預算前在 OpenAI 的定價頁上確認當前費率。
• 把批量、可容忍延遲的任務走 Batch API，享有 5 折優惠。
• 凡是你當初為 DALL-E 孱弱的編輯能力做過變通的地方，統統重新測一遍；新的編輯端點很可能讓那些程式碼可以刪了。

給開發者的一條旁註：gpt-image-2 在發布當天也進入了 Codex，所以你可以在編碼會話裡生成素材——但社群有一條提醒：Codex 訂閱並不包含直接的 API 端點配額。它適合開發期的素材，不能在生產中替代 API。

在動任何整合程式碼之前，先在瀏覽器裡給你的 prompt 庫做次壓力測試——gpt-image-2 的輸出與 DALL-E 差異足夠大，老 prompt 通常也得過一遍。你可以在 gpt-img2.com 上完成這件事，註冊即送 20 個積分、無需信用卡、免費起步：在 https://gpt-img2.com 上跑一跑你的老 DALL-E prompt，看看在上線遷移前有哪些需要重寫。