OpenAI 通过 OrcaRouter 实现的、用于图像和文本任务的高性价比多模态模型。
gpt-image-1-mini是OpenAI推出的多模态模型，可同时处理文本和图像输入以生成文本输出。它被定位为更大规模视觉-语言模型的轻量级、更具成本效益的替代方案。该模型接受图像作为输入的一部分，配合文本提示，支持图像理解、描述生成和视觉推理等应用场景。通过OrcaRouter兼容OpenAI的API提供访问，且零加价，使其成为生产部署中成本可预测的选择。
gpt-image-1-mini 可执行多种视觉语言任务：为图像生成描述性标题、回答关于视觉内容的问题（如物体、颜色、存在的文字）、从文档或截图中提取信息，以及提供结合图像的上下文相关回复。它并非设计用于图像生成或编辑。该模型在清晰、光线充足且包含相关主体的图像上效果最佳。对于高度抽象的艺术作品、遮挡物体或极低分辨率的输入，性能可能会下降。
输入成本基于token计算。当你包含一张图片时，OpenAI的API会将其token化，生成的token数量与图片像素尺寸成正比。分辨率更高的图片消耗更多token，从而增加每次请求的成本。例如，1024x1024的图片比256x256的图片成本更高。为控制费用，你可以在发送前对图片进行缩放或压缩。输入每个token的成本为$2.00 per 1M tokens，因此一个包含约1000个图片token和简短文本提示的请求，其输入成本约为$0.002，输出成本也大致相当。
如果您的应用完全不需要图像理解能力，像GPT-4o mini这样的纯文本模型将更具成本效益，价格为每100万输入令牌0.15美元。对于非常简单的图像任务（例如检测单个物体），专用的视觉分类器可能更便宜。当您需要通用视觉推理但不需要大型模型最高精度时，gpt-image-1-mini是一个不错的折中选择。请评估您的延迟和准确性要求：如果任务能够容忍偶尔的错误，更便宜的替代方案可能就足够了。
要充分利用 gpt-image-1-mini，请提供清晰且描述明确的提示词以及图像。例如，与其使用“描述这张图像”，不如使用“这张图像中有哪些物体，它们在做什么？”将图像调整到任务所需的最小分辨率，以降低令牌成本。对于批量处理，可考虑缓存常用提示词。始终使用代表性数据测试，以了解模型在特定领域的准确性，因为该模型可能未针对医疗影像或卫星分析等专业行业进行微调。
可用数据中未提供gpt-image-1-mini的具体基准分数。不过，作为OpenAI模型，它受益于相同的基于广泛互联网数据的基础训练。预计该模型在常见视觉语言任务中表现良好，例如VQA v2数据集上的视觉问答和MS COCO数据集上的图像描述。该模型的效率和低成本使其在生产应用中具有竞争力，尤其在速度和预算优先于最先进准确率的场景中。
通过OrcaRouter的延迟取决于底层提供商的架构以及输入的大小（图像分辨率、提示词长度）。对于标准图像加短文本请求，典型响应时间在几百毫秒到几秒之间。OrcaRouter除网络往返外不会增加明显的额外开销。对于批处理或高吞吐场景，建议异步发送请求或在支持时使用流式传输。不提供具体的延迟保证；请使用您的典型工作负载进行测试。
gpt-image-1-mini 存在若干局限性。它无法生成图像，仅能输出文本。在处理复杂空间关系或图像中的精细细节时可能产生误解。对于包含过多噪声、极端变形或模糊场景的图像，其表现不佳。当用户提出引导性问题时，模型也可能对图像信息产生幻觉。此外，其知识截止日期及训练数据细节未公开，因此可能无法识别近期事件或小众物体。在关键应用中，请务必验证输出结果。
与更大模型（如支持视觉的 GPT-4 Turbo）相比，gpt-image-1-mini 在复杂视觉推理任务（例如统计密集场景中的物体数量、识别小号文字）上的准确率可能较低。但其价格显著更实惠：每百万 token 费用为 $2/$8，而 GPT-4 Turbo 为 $10/$30。对于许多日常任务而言，这种权衡可能是可以接受的。若你需要高精度，可先用 gpt-image-1-mini 进行原型设计，再通过更大模型做基准测试，以判断准确率的提升是否足以证明成本增加的合理性。
定价透明：每100万输入令牌2.00美元，每100万输出令牌8.00美元，按精确的供应商费率计费，零加价。这意味着每次请求的总成本等于令牌数量乘以这些费率。无隐藏费用，无API调用附加费，无最低消费。OrcaRouter仅原样传递OpenAI的定价。您只需为使用的令牌付费。该模型是通过OrcaRouter可用的最经济实惠的视觉语言选项之一。
为降低成本，请以最小的有效分辨率发送图像。例如，256x256的图像可能足以完成简单的目标检测，而1024x1024的图像则可能过度。使用简短高效的提示词。对相同输入缓存响应，避免冗余API调用。如果应用允许，批量处理相似请求以复用上下文。由于输入令牌包含图像令牌，控制图像尺寸是最有效的杠杆。同时考虑是否能用纯文本模型替代视觉模型处理工作流程中的部分环节。
OrcaRouter 当前没有为 gpt-image-1-mini 的响应内置缓存层。每个请求都会发送至 OpenAI 的推理端点并按 token 计费。如果自行实现结果缓存（例如以图片哈希和提示词为键），则可以避免重复费用。由于模型是无状态的，因此不会收取按会话计费的费用。对于高流量的生产环境，你也可以直接与 OpenAI 协商批量折扣，但 OrcaRouter 的定价默认不包含此类折扣。
不。OrcaRouter对提供商费率不加任何加价。唯一收费是按照OpenAI计费的每token成本。没有月订阅费、没有数据传输费、也没有每请求最低消费。您只需为消耗的token付费。如果账户余额不足，请求将被拒绝，直到您充值。请始终通过OrcaRouter仪表盘监控使用情况，以避免意外费用。
使用位于 `https://api.orcarouter.ai/v1` 的 OpenAI 兼容端点，模型 ID 为 `"openai/gpt-image-1-mini"`。在 Python 中，例如： ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_KEY") response = client.chat.completions.create( model="openai/gpt-image-1-mini", messages=[ {"role": "user", "content": [ {"type": "text", "text": "What is in this image?"}, {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}} ]} ], max_tokens=300 ) ``` 响应遵循标准聊天补全格式，输出文本。
该模型支持典型的聊天完成参数：`messages`（包含文本和图像内容）、`max_tokens`、`temperature`、`top_p`、`frequency_penalty`、`presence_penalty` 和 `stop`。图像内容必须作为类型为 "image_url"（URL 或 base64）的内容对象数组提供。该模型不支持流式响应吗？（请查阅 OpenAI 文档。）为获得最佳性能，请将 `temperature` 设置在 0 到 1 之间。值越高可能产生更具创造性但准确度较低的描述。`max_tokens` 控制输出长度；请根据任务设置适当的值，以避免产生意外过长的响应和更高的成本。
如果当前您直接调用OpenAI的API使用gpt-image-1-mini（或其他视觉模型），迁移到OrcaRouter仅需两个更改： 1. 将base_url设置为"https://api.orcarouter.ai/v1" 2. 使用模型ID "openai/gpt-image-1-mini" 您现有的认证逻辑可以基本保持不变；只需将API密钥替换为您的OrcaRouter密钥。相同的消息格式和参数适用。无需更改聊天补全逻辑。使用小批量测试以确保一致性。
常见错误包括身份验证失败（检查您的API密钥）、速率限制（实现指数退避）以及无效图像格式（确保base64编码正确或URL可访问）。如果收到400错误，请验证模型ID是否为"openai/gpt-image-1-mini"且消息结构正确。对于500错误，稍作延迟后重试。OrcaRouter的支持团队可协助解决持续性问题。请监控响应头中的速率限制信息。
GPT-4o mini 主要是纯文本模型（尽管在某些配置下可以接受图像），价格要低得多：每100万输入token $0.15，每100万输出token $0.60。如果你的任务不需要图像，GPT-4o mini 要便宜得多。对于图像理解，gpt-image-1-mini 是专门模型，且在处理视觉任务时可能更可靠，但成本更高。当你需要一致的多模态性能，又不想支付GPT-4 Turbo 的高昂费用时，请选择 gpt-image-1-mini。
DALL-E模型用于根据文本提示生成图像。gpt-image-1-mini则能够从图像和文本中生成文本，它无法创建图像。如果您需要图像合成，DALL-E是正确的选择。DALL-E的定价基于每张生成的图像，而非按token计费。gpt-image-1-mini是补充性工具：它可以分析您已有的图像。对于需要同时具备理解与生成能力的应用，您可以使用gpt-image-1-mini进行分析，用DALL-E进行输出创建，但两者服务于不同的目的。
像LLaVA或基于CLIP的系统这样的开源模型，可能提供更低的单次请求成本（如果自托管），但需要基础设施搭建和维护。gpt-image-1-mini通过OrcaRouter提供托管API，无需前期硬件成本。开源模型可以针对特定领域进行微调，而gpt-image-1-mini是固定的通用模型。对于低流量或快速原型开发，API方式更简便；对于高流量或专业化任务，尽管有工程开销，开源模型可能更经济。
如果你的工作负载完全是基于文本的，像 GPT-4o mini 或 Claude Haiku 这样的替代方案更便宜。对于图像生成，使用 DALL-E 或 Stable Diffusion。如果你需要高级多模态推理（例如复杂图表），可以考虑 GPT-4 Turbo with vision，尽管成本更高。对于流式应用，请检查所选模型是否支持流式传输——gpt-image-1-mini 可能不支持。OrcaRouter 提供多种模型；你可以根据任务复杂度和预算限制，在每次请求时切换使用不同的模型。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1backgroundmoderationnoutput_compressionoutput_formatpartial_imagesqualitysize| 输入 / 1M tokens | $2.00 |
|---|---|
| 输出 / 1M tokens | $8.00 |
| 缓存读取 / 1M | $0.200 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
本周开发者的讨论
@misc{orcarouter_gpt_image_1_mini,
title = {openai/gpt-image-1-mini API},
author = {openai},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/openai/gpt-image-1-mini}
}openai. (n.d.). openai/gpt-image-1-mini API. OrcaRouter. https://www.orcarouter.ai/models/openai/gpt-image-1-mini