OpenAI的高性价比的多模態模型，通過OrcaRouter用於圖像和文本任務。
gpt-image-1-mini 是 OpenAI 推出的多模態模型，能夠同時處理文字與圖片輸入以生成文字輸出。它定位為較大型視覺語言模型的輕量級、更具成本效益的替代方案。該模型接受圖像作為輸入的一部分，並搭配文字提示，可應用於圖像理解、圖說生成及視覺推理等場景。使用者可透過 OrcaRouter 的 OpenAI 相容 API 存取，且無需任何加成費用，這使其成為生產部署中可預測成本的選項。
gpt-image-1-mini 能夠執行多種視覺語言任務：為圖片生成描述性標題、回答關於視覺內容（例如物體、顏色、出現的文字）的問題、從文件或螢幕截圖中提取資訊，以及提供結合圖片的上下文感知回應。它並非設計用於圖像生成或操作。該模型在處理清晰、光線良好且包含相關主題的圖片時表現最佳。對於高度抽象的藝術品、被遮擋的物體或極低解析度的輸入，其性能可能會下降。
輸入成本是以 token 為基礎的。當你包含圖片時，OpenAI 的 API 會根據圖片的像素尺寸將其轉換為對應數量的 token。解析度越高的圖片消耗的 token 越多，從而增加每次請求的成本。例如，一張 1024x1024 的圖片成本高於 256x256 的圖片。為了管理費用，你可以在傳送圖片前對其進行調整大小或壓縮。輸入的每個 token 成本為每 1M token 2.00 美元，因此一個使用約 1,000 個圖片 token 並附帶簡短文字提示的請求，其輸入成本約為 0.002 美元，輸出成本也大致相同。
如果您的應用程式完全不需要影像理解功能，那麼像GPT-4o mini這樣純文字模型將會更具成本效益，每100萬個輸入Token僅需0.15美元。對於非常簡單的影像任務（例如偵測單一物體），專用的視覺分類器可能更便宜。當您需要通用視覺推理但不需要較大模型的最高準確度時，gpt-image-1-mini是一個不錯的中間選擇。請評估您的延遲和準確度需求：如果任務能容忍偶爾的錯誤，更便宜的替代方案可能就足夠了。
為充分發揮 gpt-image-1-mini 的效能，請提供清晰、描述詳盡的提示詞並附上圖片。例如，與其使用「描述這張圖片」，改用「這張圖片中有哪些物體，牠們在做什麼？」。將圖片調整為任務所需的最低解析度，以降低令牌成本。對於批次處理，可考慮快取常用的提示詞。務必使用代表性資料進行測試，以了解模型在您特定領域的準確度，因為它可能未針對醫學影像或衛星分析等專業領域進行微調。
在現有資料中，並未提供 gpt-image-1-mini 的具體基準評測分數。然而，作為 OpenAI 的模型，它同樣受益於針對廣泛網路資料的基礎訓練。預計該模型在常見的視覺語言任務上表現良好，例如在 VQA v2 等數據集上進行視覺問答，以及在 MS COCO 上進行圖像描述。該模型的效率與低成本使其在優先考慮速度與預算而非尖端準確性的生產應用中具有競爭力。
通過 OrcaRouter 的延遲取決於底層提供商的基礎設施以及輸入的大小（圖像解析度、提示詞長度）。標準圖像加短文本請求的典型回應時間在幾百毫秒到幾秒之間。OrcaRouter 除了網絡往返之外，不會增加顯著的開銷。對於批量或高吞吐量場景，請考慮非同步發送請求，或在支援的情況下使用串流。不提供具體的延遲保證；請使用您的典型工作負載進行測試。
gpt-image-1-mini 存在若干限制。它無法生成圖像，僅能產生文字。對於圖像中複雜的空間關係或精細細節，它可能產生誤判。它難以處理含有過多雜訊、極端扭曲或模糊場景的圖像。當引導性問題提問時，模型可能對圖像資訊產生幻覺。此外，其知識截止日期與訓練資料細節未公開，因此可能無法辨識極近期事件或冷門物件。對於關鍵應用，務必驗證輸出結果。
相比於像 GPT-4 Turbo with vision 這類較大的模型，gpt-image-1-mini 在複雜的視覺推理任務（例如在密集場景中計算物件、閱讀小字體文字）上可能較不準確。然而，它的價格點低得多：每百萬個 token 為 $2/$8，而 GPT-4 Turbo 則是 $10/$30。對許多日常任務來說，這樣的取捨或許可以接受。如果你需要高精確度，可以先使用 gpt-image-1-mini 進行原型設計，然後再用較大的模型進行基準測試，看看精確度的提升是否值得增加的成本。
定價透明：每100萬輸入token收費2.00美元，每100萬輸出token收費8.00美元，按供應商實際費率計費，無任何加價。這意味著每次請求的總成本等於token數量乘以這些費率。沒有隱藏費用，沒有API調用附加費，也沒有最低消費。OrcaRouter直接沿用OpenAI定價。您只需為使用的token付費。此型號是OrcaRouter提供的最經濟實惠的視覺語言選項之一。
為了最小化成本，請以最小有效解析度傳送圖片。例如，256x256 的圖片可能足以應付簡單的物體偵測，而 1024x1024 的圖片則可能過度。使用簡短且高效的提示。對相同輸入的快取回應，以避免重複的 API 呼叫。如果您的應用程式允許，批次處理相似的請求以重複使用上下文。由於輸入 token 包含圖片 token，控制圖片大小是最具影響力的槓桿。同時考慮純文字模型是否可以取代工作流程中的視覺部分。
OrcaRouter 目前並未宣稱內建針對 gpt-image-1-mini 回應的快取層。每次請求都會發送到 OpenAI 的推論端點，並按 token 計費。如果您實作自己的結果快取（例如以圖片雜湊值和提示為鍵），則可以避免重複費用。由於模型是無狀態的，因此沒有每次會話的費用。對於高流量的生產環境，您也可以直接與 OpenAI 協商大量折扣，但 OrcaRouter 的定價預設不包含此類折扣。
否。OrcaRouter 對供應商費率不加收任何利潤。唯一的費用是 OpenAI 按 token 收取的成本。沒有月費、沒有數據傳輸費、也沒有每筆請求的最低消費限制。您只需為消耗的 token 付費。若帳戶餘額不足，請求將被拒絕，直到您充值為止。請務必透過 OrcaRouter 儀表板監控使用量，以避免產生意外費用。
使用 OpenAI 相容端點 https://api.orcarouter.ai/v1 搭配模型 ID "openai/gpt-image-1-mini"。以 Python 為例： ```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": "這張圖片裡有什麼？"}, {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}} ]} ], max_tokens=300 ) ``` 回應遵循標準的聊天完成格式，以文字輸出。
此模型支援典型的聊天完成參數：`messages`（包含文字與圖片內容）、`max_tokens`、`temperature`、`top_p`、`frequency_penalty`、`presence_penalty` 與 `stop`。圖片內容需以內容物件陣列提供，其型別為 `"image_url"`（URL 或 base64）。模型不支援串流回應？（請查閱 OpenAI 文件。）為求最佳表現，請將 `temperature` 設定在 0 到 1 之間。較高的數值可能產生更具創意但較不精確的描述。`max_tokens` 控制輸出長度；請根據任務設定適當的值，以避免回應過長及更高的成本。
如果您目前直接調用 OpenAI 的 API 來使用 gpt-image-1-mini（或其他視覺模型），遷移至 OrcaRouter 僅需兩項修改： 1. 將 base_url 設定為 "https://api.orcarouter.ai/v1" 2. 使用模型 ID "openai/gpt-image-1-mini" 您現有的驗證邏輯大致可保持不變；只需將 API 金鑰替換為您的 OrcaRouter 金鑰即可。相同的訊息格式與參數同樣適用。無需對對話補全邏輯進行任何變更。建議先用小批次測試以確保一致性。
常見錯誤包括驗證失敗（檢查你的API金鑰）、速率限制（實作指數退避）和無效的圖片格式（確保base64正確編碼或URL可存取）。如果你收到400錯誤，請確認模型ID確實為"openai/gpt-image-1-mini"且訊息結構正確。對於500錯誤，請在短暫延遲後重試。OrcaRouter的支援團隊可以協助處理持續存在的問題。監控回應標頭以取得速率限制資訊。
GPT-4o mini 主要是一個純文字模型（儘管在某些配置中可以接受圖像），價格低得多：每百萬輸入代幣 $0.15，每百萬輸出代幣 $0.60。如果您的任務不需要圖像，GPT-4o mini 便宜得多。對於圖像理解，gpt-image-1-mini 是專門的，對視覺任務可能更可靠，但成本較高。當您需要一致的多模態效能而不需花費 GPT-4 Turbo 的費用時，請選擇 gpt-image-1-mini。
DALL-E模型用於根據文字提示生成圖像。gpt-image-1-mini則從圖像和文字生成文字——它無法創建圖像。如果您需要圖像合成，DALL-E是正確的選擇。DALL-E的定價是按生成的每張圖像計費，而非按token計費。gpt-image-1-mini是互補的：它可以分析您已有的圖像。對於需要同時理解和生成的應用，您可以使用gpt-image-1-mini進行分析，並使用DALL-E進行輸出創建，但它們服務於不同的目的。
開源模型如LLaVA或基於CLIP的系統可能提供較低的每次請求成本（若自行託管），但需要基礎設施建置與維護。gpt-image-1-mini透過OrcaRouter提供受管理的API，無需前期硬體成本。開源模型可針對特定領域進行微調，而gpt-image-1-mini則為固定的通用模型。對於低用量或快速原型開發，API方式較為簡便；對於高用量或特殊任務，開源模型雖有工程開銷，但可能更具經濟效益。
如果您的任務完全是基於文字的，替代方案如 GPT-4o mini 或 Claude Haiku 會更便宜。若需生成圖片，請使用 DALL-E 或 Stable Diffusion。如果您需要進階的多模態推理（例如複雜圖表），請考慮 GPT-4 Turbo with vision，儘管成本較高。對於串流應用，請檢查您選擇的模型是否支援串流——gpt-image-1-mini 可能不支援。OrcaRouter 提供多種模型；您可以根據任務複雜度和預算限制，在每次請求之間切換使用。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1backgroundmoderationnoutput_compressionoutput_formatpartial_imagesqualitysize| 輸入 / 1M tokens | $2.00 |
|---|---|
| 輸出 / 1M tokens | $8.00 |
| 快取讀取 / 1M | $0.200 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@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