> ## Documentation Index
> Fetch the complete documentation index at: https://docs.laozhang.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# GPT Image -vip 已恢复稳定：原生 4K 每张 0.03 美元，以及如何辨别放大的假 4K

> gpt-image-2-vip、gpt-image-2.5-flare-vip 与 gpt-image-2.5-sunburst-vip 已恢复稳定，4K 按请求尺寸原生生成，每张 0.03 美元。本页说明怎样切回 -vip，以及用 100% 细节和缩放对比两种方法自己辨别放大出来的假 4K。

GPT Image 的三个 `-vip` 模型已恢复稳定，10 月下旬改用网页版、官转或 Nano Banana 的用户可以切回，只需改回模型名。它们的 4K 按请求尺寸原生生成，不是先出小图再放大或超分，1K 到 4K 同为每张 \$0.03。

市面上不少按次计费的 GPT Image 服务也写着"支持 4K"，返回的图片宽高确实是 3840×2160，细节却只有 1.5K–2K 的水平。接入或采购前，建议用[下文的两种方法](#怎样辨别放大的假-4k)自己核对。

* **发布日期**：2026 年 11 月 2 日
* **最后核对**：2026 年 11 月 2 日
* **当前状态**：有效

## 关键信息

| 项目 | 内容 |
| - | - |
| 模型 | `gpt-image-2-vip`、`gpt-image-2.5-flare-vip`、`gpt-image-2.5-sunburst-vip` |
| 接口 | 生成 `POST /v1/images/generations`，编辑 `POST /v1/images/edits` |
| 令牌 | `default` 或其他图像分组；计费模式选按量优先或按次计费 |
| 价格 | 每张 \$0.03，1K 到 4K、各档 `quality`、生成与编辑同价 |
| 4K 尺寸 | 横版 `3840x2160`，竖版 `2160x3840`，方图 `2880x2880` |
| 4K 生成方式 | 按请求尺寸原生生成，不是放大或超分 |
| 稳定性 | 11 月 1 日 16 时至 11 月 2 日 23 时按小时统计，每小时成功率都在 96% 以上，合计 99.4% |
| 4K 耗时 | 约 40 秒到 3 分钟，客户端超时至少设 300 秒 |

成功率不计参数错误、内容审核拦截等由请求本身导致的失败。价格以[模型与价格总表](https://docs.laozhang.ai/models.md)为准。

## 从网页版、官转或 Nano Banana 切回

令牌和接口不用改，按下表把 `model` 换回来：

| 现在用的模型 | 切回 |
| - | - |
| `gpt-image-2-web` | `gpt-image-2-vip` |
| `gpt-image-2.5-web` | `gpt-image-2.5-flare-vip` 或 `gpt-image-2.5-sunburst-vip` |
| 官转 `gpt-image-2`、`gpt-image-2.5-flare`、`gpt-image-2.5-sunburst` | 同名加 `-vip`，换成 `default` 分组的令牌 |

切回时注意：

* 返回形式：网页版只返回 Base64，`-vip` 可以用 `response_format` 选择：
  * `url`：返回图片链接；
  * `b64_json`：返回 Base64。代码只读 Base64 时请显式传这个值，详见 [GPT Image 2.5 文档](https://docs.laozhang.ai/api-capabilities/gpt-image-2-5.md#response_format-为何报错？)。
* `quality` 和 `size` 的写法见 [VIP 按次计费接入](https://docs.laozhang.ai/api-capabilities/gpt-image-2-5.md#尺寸与质量)；4K 和 `high` 不加价。
* 网页版和官转继续可用。不需要 2K 以上细节、也不需要指定 Flare / Sunburst 的任务，可以留在网页版。

```bash theme={null}
export LAOZHANG_API_KEY="替换为你的老张API密钥"

curl https://api.laozhang.ai/v1/images/generations \
  --max-time 300 \
  -H "Authorization: Bearer $LAOZHANG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2.5-flare-vip",
    "prompt": "雨夜的台北夜市，霓虹招牌上有清晰的小字，小吃摊冒着热气，湿地面倒映灯光",
    "size": "3840x2160",
    "quality": "high",
    "response_format": "url"
  }'
```

## 怎样辨别放大的假 4K

一张 4K 尺寸的图片，可以由模型直接按 4K 生成，也可以先生成 1.5K–2K 的小图，再放大或用 AI 超分补到 3840×2160。后两种图片的宽高完全正确，文件属性里也显示 4K，只看尺寸分辨不出来。下面两种方法建议一起用：

| 方法 | 怎么做 | 放大图的表现 |
| - | - | - |
| 看细节 | 原图 100% 放大，看小字、发丝、织物纹理、远处的树叶和窗格 | 边缘发软、纹理像涂抹或塑料感，小字笔画糊在一起 |
| 缩放对比 | 把原图缩到一半再放大回原尺寸，与原图计算 PSNR | 两张图几乎没有差别，PSNR 在 35 dB 以上 |

生成耗时主要取决于上游排队，`-vip` 的 4K 和 1K 用时相近，不能用快慢来判断是否原生。

### 看细节

用原始文件检查：下载 `url` 指向的图片或解码 `b64_json`，不要用截图，也不要用经过聊天软件转发的图片，它们都被压缩过。提示词里放进小字招牌、人群、毛发、植物这类细节丰富的内容，在看图软件里按 100% 查看。放大出来的图片在 100% 下边缘发软；AI 超分的图片看起来锐利，但纹理会重复、文字笔画会变形。

### 缩放对比

图片本身有多少细节，可以用"缩小一半再放大回来"来测：原生 4K 的细密纹理在缩小时会丢失，放大回来后与原图差别明显；本来就是放大的图片，缩小时几乎不丢东西，放大回来和原图很接近。把下面的脚本保存为 `check_4k.py`，需要 Pillow 和 NumPy（`pip install pillow numpy`）：

```python theme={null}
import sys

import numpy as np
from PIL import Image

path = sys.argv[1]
original = Image.open(path).convert("RGB")
width, height = original.size
half = original.resize((width // 2, height // 2), Image.LANCZOS)
restored = half.resize((width, height), Image.LANCZOS)

a = np.asarray(original, dtype=np.float64)
b = np.asarray(restored, dtype=np.float64)
mse = np.mean((a - b) ** 2)
psnr = 10 * np.log10(255**2 / mse) if mse else float("inf")
print(f"{width}x{height}  PSNR = {psnr:.1f} dB")
```

```bash theme={null}
python3 check_4k.py image.png
```

参考判断（细节丰富的画面，35 dB 左右是分界）：

* **35 dB 以下**：原图有完整的 4K 细节。老张API `-vip` 的 4K 图通常在 26–34 dB。
* **35 dB 以上**：缩小一半损失很少，原图的细节不超过约 2K，基本是放大图。从 2K 放大到 4K 的图片一般在 36–39 dB，从 1.5K 放大的在 42 dB 以上。

这个方法有两个限制：纯色背景、大面积留白的简单画面本身细节少，PSNR 也会偏高，测试时请用细节丰富的提示词；AI 超分会补出新的纹理，可能骗过这项测试，所以还要配合 100% 查看细节。

## 影响范围

* **调用 `-vip` 的用户**：不用改动。10 月下旬给失败请求加的重试可以保留。
* **10 月下旬改用网页版、官转或 Nano Banana 的用户**：可以按上表切回 `-vip`，也可以继续使用现在的模型。
* **不受影响**：网页版 `gpt-image-2-web`、`gpt-image-2.5-web`，官转分组的 GPT Image 模型，以及 Nano Banana 系列。

## 常见问题

### -vip 现在稳定吗？

稳定。11 月 1 日 16 时至 11 月 2 日 23 时，三个 `-vip` 模型按小时统计的成功率都在 96% 以上，合计 99.4%。多条上游线路自动切换，不限并发、不限速。偶发失败时，先在[调用日志](https://api2.laozhang.ai/log)确认上一次请求的状态，再带退避重试。

### -vip 的 4K 是不是放大的？

不是。三个 `-vip` 模型都按请求的 `size` 直接生成 4K，不是先出小图再放大或超分。可以用[缩放对比](#缩放对比)自己验证：`-vip` 的 4K 图通常在 26–34 dB，放大图在 35 dB 以上。

### 4K 要加钱吗？

不加。1K 到 4K、`low` 到最高档 `quality`、生成还是编辑，都是每张 \$0.03。

### 4K 要等多久？

约 40 秒到 3 分钟，和 1K 相近，主要取决于当时的上游排队。客户端超时至少设 300 秒；超时不会取消服务端的生成，重试前先查[调用日志](https://api2.laozhang.ai/log)，避免重复生成。

### 之前改成网页版的，要不要切回？

需要 2K 以上细节、要指定 Flare 或 Sunburst、或者要 `url` 返回形式时，切回 `-vip`。网页版同为每张 \$0.03，原生输出最高约 2K，只用 1K 图片的任务可以继续用网页版。

## 相关文档

* [GPT Image 2.5 接入指南](https://docs.laozhang.ai/api-capabilities/gpt-image-2-5.md)：`-vip`、网页版和官转三条线路的参数、计费和示例
* [GPT Image 2 文档](https://docs.laozhang.ai/api-capabilities/gpt-image-2.md)：`gpt-image-2-vip` 的尺寸、质量和各分组计费
* [10 月 23 日公告：GPT Image -vip 模型近期不稳定](https://docs.laozhang.ai/announcements/gpt-image-vip-unstable-2026-10.md)
* [模型与价格总表](https://docs.laozhang.ai/models.md)、[调用日志](https://api2.laozhang.ai/log)


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.