Images API

​

Przegląd

​

Obsługiwane endpointy

​

Generowanie obrazu

curl https://your-gateway/v1/images/generations \
  -H "Authorization: Bearer $GOMODEL_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-1",
    "prompt": "A watercolor painting of a lighthouse at dawn",
    "n": 1,
    "size": "1024x1024",
    "quality": "medium"
  }'

import base64
import os

from openai import OpenAI

client = OpenAI(
    base_url="https://your-gateway/v1",
    api_key=os.environ["GOMODEL_KEY"],
)

result = client.images.generate(
    model="gpt-image-1",
    prompt="A watercolor painting of a lighthouse at dawn",
    size="1024x1024",
    quality="medium",
)

with open("lighthouse.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

import { writeFile } from "node:fs/promises";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://your-gateway/v1",
  apiKey: process.env.GOMODEL_KEY,
});

const result = await client.images.generate({
  model: "gpt-image-1",
  prompt: "A watercolor painting of a lighthouse at dawn",
  size: "1024x1024",
  quality: "medium",
});

await writeFile("lighthouse.png", Buffer.from(result.data[0].b64_json, "base64"));

​

Edycja obrazu

curl https://your-gateway/v1/images/edits \
  -H "Authorization: Bearer $GOMODEL_KEY" \
  -F model="gpt-image-1" \
  -F image="@lighthouse.png" \
  -F mask="@mask.png" \
  -F prompt="Add a sailboat on the horizon" \
  -F size="1024x1024"

result = client.images.edit(
    model="gpt-image-1",
    image=open("lighthouse.png", "rb"),
    mask=open("mask.png", "rb"),
    prompt="Add a sailboat on the horizon",
    size="1024x1024",
)

with open("lighthouse-edited.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

import fs from "node:fs";

const result = await client.images.edit({
  model: "gpt-image-1",
  image: fs.createReadStream("lighthouse.png"),
  mask: fs.createReadStream("mask.png"),
  prompt: "Add a sailboat on the horizon",
  size: "1024x1024",
});

await writeFile("lighthouse-edited.png", Buffer.from(result.data[0].b64_json, "base64"));

​

Śledzenie kosztów

• Modele rozliczane za tokeny (gpt-image-1, modele obrazowe Gemini) raportują usage. GoModel zapisuje liczby tokenów i wycenia wygenerowane tokeny stawką output_image_per_mtok modelu (z powrotem do output_per_mtok, jeśli jej brak). To właśnie stawkę za obrazy wyjściowe naliczają tu providerzy: gpt-image-1 w ogóle nie ma ceny za tekst wyjściowy, a Gemini 3 Pro Image nalicza za obrazy wyjściowe $120/Mtok wobec $12/Mtok za tekst. Taka wycena jest dokładna dla każdego rozmiaru i jakości.
• Modele rozliczane za obraz (DALL·E, grok-imagine-image, Imagen) nie raportują tokenów. GoModel zapisuje liczbę zwróconych obrazów (images w surowych danych użycia) i wycenia ją stawką per_image modelu.

providers:
  openai:
    type: openai
    api_key: "${OPENAI_API_KEY}"
    models:
      - id: dall-e-3
        metadata:
          pricing:
            currency: USD
            per_image: 0.04

​

Ograniczenia

• Brak failoveru, guardrails i cache’u odpowiedzi – te etapy są pomijane. Requesty są nadal autoryzowane, sprawdzane pod kątem budżetu, objęte limitem żądań, mierzone i zapisywane w logu audytowym.
• Brak streamingu – stream: true jest odrzucane z kodem 400, bo streamowane generowanie obrazów jest dostarczane jako server-sent events, których te endpointy nie przekazują. Pomiń stream (lub ustaw je na false), żeby otrzymać kompletną odpowiedź JSON.
• Wariacje (/v1/images/variations) nie są udostępniane. Użyj passthrough API (/p/{provider}/v1/images/...), żeby dotrzeć do nich u konkretnego providera.
• Na wejściu kształt requestu OpenAI – natywne API obrazów Google Gemini (Imagen predict, generateContent modeli obrazowych Gemini) są tłumaczone za tymi endpointami; zobacz uwagi o providerze poniżej. Inni providerzy, których natywne API obrazów różni się od OpenAI, nie są tłumaczeni; dla nich użyj passthrough.

​

Google Gemini

• Modele obrazowe Gemini nie obsługują wielu kandydatów na wyjściu, więc n (do 10) jest realizowane jako n równoległych wywołań generateContent, których wyniki są scalane – każde wywołanie jest rozliczane przez Google. Dla Imagen n mapuje się na sampleCount; size mapuje się na najbliższe obsługiwane proporcje (1024x1024 → 1:1, 1536x1024 → 3:2, …), a surowe proporcje, takie jak "16:9", są przekazywane bez zmian. Nieznane pola JSON są przekazywane dosłownie, więc parametry natywne (personGeneration, sampleImageSize, imageConfig, …) działają bez zmian.
• Obrazy są zawsze zwracane jako b64_json. Tekst, który model obrazowy Gemini wygeneruje obok obrazu, jest udostępniany jako revised_prompt.
• Modele obrazowe Gemini raportują usage w tokenach (rozliczane za tokeny); Imagen nie raportuje nic (wyceniaj go przez per_image).
• Edycja działa tylko z modelami obrazowymi Gemini: uploady stają się osadzonymi częściami obrazu przed promptem. mask nie jest obsługiwane – opisz w prompcie obszar do zmiany. Modele Imagen tylko generują.

​

Logowanie audytowe

• Request generowania jest zapisywany jako JSON. Request edycji jest zapisywany jako body obrazu: prompt i parametry oraz jeden element na każdy przesłany obraz źródłowy i maskę (nazwa pliku, typ zawartości, rozmiar).
• Odpowiedź również jest zapisywana jako body obrazu – koperta (created, usage, size, quality, …) oraz jeden element na każdy zwrócony obraz. Hostowane URL-e są zachowywane jako linki.