DALL-E 已退役：如何迁移到 GPT Image 2

退役已成定局

2026 年 5 月 12 日，根据官方 API changelog，OpenAI 把 dall-e-2 和 dall-e-3 从 API 中移除了。这不是一份附带漫长过渡期的弃用通知——模型已经没了，任何仍在调用它们的集成拿到的是报错而不是图像。如果你在运营一款产品、一条内容流水线，或一个建立在 DALL-E 之上的内部工具，迁移从那个早晨起就不再是可选项。

OpenAI 的指引点名了三个迁移目标：gpt-image-2、gpt-image-1，或 gpt-image-1-mini。替代它们的这一代也并不新——gpt-image-2 早在 2026 年 4 月 21 日就上线了 API，所以这条路已经被踩得很熟。本文就是那本操作手册：该选哪个模型、你的代码和账单里实际会变什么，以及那一项让这次被迫迁移变得值得的能力升级。

选定你的迁移目标

这三个官方目标覆盖不同的预算：

• gpt-image-2 —— 当前的旗舰，也是默认之选：家族里最强的指令遵循与文字渲染、全新的编辑行为，以及灵活的宽高比。如果你想要钉死、可复现的行为，用快照 ID gpt-image-2-2026-04-21。
• gpt-image-1 —— 上一代。如果你已经针对它验证过输出、并且想把行为变化降到最小，它说得过去，但你要放弃最新的编辑与宽高比特性。
• gpt-image-1-mini —— 预算之选，用于草稿、缩略图，以及单张成本比峰值保真度更重要的高吞吐任务。

端点会很眼熟：gpt-image-2 通过 v1/images/generations 和 v1/images/edits 提供服务，外加更新的 v1/responses 接口。如果你的 DALL-E 代码已经在向 images 端点 POST 请求，那么迁移大多只是换一个 model ID 加上参数更新——请求结构得以保留。

会变什么：计费、尺寸，以及一条 4K 注意事项

最大的心智转变是计费。DALL-E 按每张图收一笔固定费用；gpt-image-2 是按 token 计费的：图像输入为每百万 token 8 美元（命中缓存时每百万 2 美元），图像输出为每百万 token 30 美元——输出费率比 gpt-image-1.5 每百万便宜 2 美元。在实践中，Hacker News 上的发布讨论帖把它算成每张 1024x1024 图像约 0.006 到 0.211 美元，取决于质量档位，同等条件下比 gpt-image-1.5 更便宜。我们在 https://gpt-img2.com/blog/gpt-image-2-api-pricing-2026 的定价深度解析里保留了完整的成本算法——token 表、100 张和 1,000 张的实算示例、与 DALL-E 3 的对比——所以本文不再重复。

重新设计架构前要知道两个计费杠杆：Batch API 享受 5 折优惠，如果你正在迁移一条批量 DALL-E 流水线，这一点直接相关；而质量档位对成本的影响远大于分辨率——默认用低档，只在某个素材确实需要时才往上调。

尺寸也变了，而且是变好。DALL-E 那份固定尺寸清单没了，取而代之的是从 3:1 宽到 1:3 高的灵活宽高比。一张 3072x1024 的站点横幅如今是一次原生生成，而不再是「先生成再裁剪」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.

关于分辨率的一条警示：4K（4096x4096）输出在 2026 年 5 月进入 beta，但标准档是 2K，OpenAI 目前并不推荐在生产中用 4K。它的定价也相应更高——Simon Willison 报告称 3840x2160 的生成在 13,342 个输出 token 下约为每张 0.40 美元。把 4K 当成一次实验，而不是默认值。

编辑端点才是真正的升级

如果你只略读一节，那就读这一节。编辑是 DALL-E 时代的软肋：你要求改一处，整张图都跟着漂移。gpt-image-2 的编辑端点恰好修好了这一点——高保真输入编辑会严格保留未编辑的区域，于是换一张标签不再重渲染整个产品。

它还加入了多参考合成——传入一张产品照和一张场景照，模型就会用正确的光照和透视把它们融合起来——而蒙版从必需变成了可选，所以你可以用大白话描述一处编辑，让模型自己去找到那个区域。需求信号很难忽视：fal、Replicate 和 WaveSpeed 都在发布后几天内上线了专门的 GPT Image 2 编辑端点。

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 流水线因为编辑端点不可靠而绕开了它，那就重新测一遍。正是这项能力，把一次被迫迁移变成了一次实打实的升级。

一份迁移清单

对大多数集成来说，机械性的工作一个下午就能搞定：

• 把 model 参数换成 gpt-image-2，或为可复现行为钉住快照 gpt-image-2-2026-04-21。
• 用你真正想要的宽高比替换 DALL-E 的固定尺寸，从 3:1 到 1:3 任意取值。
• 在 token 计费下重新估算成本——质量档位是那个大杠杆——并在敲定预算前在 OpenAI 的定价页上确认当前费率。
• 把批量、可容忍延迟的任务走 Batch API，享受 5 折优惠。
• 凡是你当初为 DALL-E 孱弱的编辑能力做过变通的地方，统统重新测一遍；新的编辑端点很可能让那些代码可以删了。

给开发者的一条旁注：gpt-image-2 在发布当天也进入了 Codex，所以你可以在编码会话里生成素材——但社区有一条提醒：Codex 订阅并不包含直接的 API 端点配额。它适合开发期的素材，不能在生产中替代 API。

在动任何集成代码之前，先在浏览器里给你的 prompt 库做次压力测试——gpt-image-2 的输出与 DALL-E 差异足够大，老 prompt 通常也得过一遍。你可以在 gpt-img2.com 上完成这件事，注册即送 20 个积分、无需信用卡、免费起步：在 https://gpt-img2.com 上跑一跑你的老 DALL-E prompt，看看在上线迁移前有哪些需要重写。