GPT Image 2 Text to Image

Обзор

GPT Image 2 (также ChatGPT Images 2.0) — флагманская модель генерации изображений от OpenAI, выпущенная 21 апреля 2026 года. Она пришла на смену GPT Image 1.5 (декабрь 2025) и стала принципиально новой разработкой: в отличие от предшественников, модель использует интегрированный режим мышления на базе O-серии. Перед генерацией она планирует композицию, пространственные отношения и типографику. Главное достижение — точность рендеринга текста ~99% символов (против 90–95% у предыдущих версий), включая латинскую, китайско-японско-корейскую (CJK), хинди- и бенгальскую письменность. Нативное разрешение до 2K (2048 px) при гибком выборе форматов от 1:1 до 21:9. Поддерживаются три уровня качества (low / medium / high) и несколько пресетов разрешения — вплоть до 4K в экспериментальном режиме. Эндпоинт Text-to-Image отвечает за создание изображений с нуля по текстовому описанию — в отличие от родственной операции редактирования, предназначенной для изменения готовых изображений. Здесь создаётся фотореалистичный контент: маркетинговые материалы, иллюстрации, инфографика с точным встроенным текстом на множестве языков.

Сильные стороны

Сценари использования (use cases)

Ограничения и недостатки

Примеры промптов

Советы

• Пишите промпт как короткий арт-бриф: цель, главный объект, действие, место, стиль, композиция, свет и ограничения. Для GPT Image 2 часто повторяется рекомендация задавать не длинный поток слов, а несколько ключевых деталей в понятной структуре. Такой формат лучше работает для сложных сцен, постеров, макетов и изображений с несколькими требованиями.
• Для текста внутри изображения задавайте точную фразу в кавычках и отдельно описывайте шрифт, размер, цвет и место. Текст в изображениях стал одной из сильных сторон GPT Image 2, но лучшие результаты всё равно требуют короткой формулировки, точного размещения и явного стиля. Для редких слов и названий брендов полезно прописывать желаемую надпись по буквам.
• Для фотореализма описывайте кадр как реальную съёмку: объектив, ракурс, свет, материалы и естественные несовершенства. В официальных примерах и пользовательских промптах лучше всего повторяется подход «бриф фотографу»: конкретная оптика, освещение, кадрирование, фактура кожи, ткани или поверхности. Если важны мелкие детали и чистая фактура, высокий уровень качества уместнее, чем общие слова про «красивую картинку».
• Не наполняйте промпт набором общих усилителей вроде «шедевр», «ультрадетально» и «идеальный свет». Для GPT Image 2 чаще советуют давать направление, композицию, цвет и фактуру, а не длинный список конкурирующих клише. Перегруженный набор усилителей делает результат более обезличенным и хуже управляет конкретными деталями.
• Не просите сгенерировать длинные полотна текста или расплывчатый макет без точной структуры. Даже при сильном рендеринге текста риск ошибок растёт, если в запросе много строк, не задана иерархия или не указано место элементов. Для меню, постеров и инфографики лучше явно описывать блоки, порядок, краткие подписи и зоны размещения.

FAQ

Цены

Параметры

Поля тела JSON-запроса, которые используются в Playground и доступны для настройки через API. Порядок совпадает с формой на странице.

Запрос

Асинхронный запуск: POST https://api.flixa.io/v1/image/gpt-image-2/text-to-image с заголовком Authorization: Bearer $FLIXA_API_KEY и телом JSON. Ниже — пример с полями из Playground.

curl -X POST "https://api.flixa.io/v1/image/gpt-image-2/text-to-image" \
  -H "Authorization: Bearer $FLIXA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "prompt": "Превратите это фото товара в премиальную студийную рекламу: мягкий кинематографический свет, чистый бежевый фон, лёгкие тени, реалистичные отражения и эстетика люксового бренда.",
  "quality": "medium",
  "resolution": "1k",
  "aspect_ratio": "3:4"
}'

import json
import os
import requests

url = "https://api.flixa.io/v1/image/gpt-image-2/text-to-image"
payload = json.loads({"aspect_ratio": "3:4", "prompt": "\u041f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0435 \u044d\u0442\u043e \u0444\u043e\u0442\u043e \u0442\u043e\u0432\u0430\u0440\u0430 \u0432 \u043f\u0440\u0435\u043c\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0441\u0442\u0443\u0434\u0438\u0439\u043d\u0443\u044e \u0440\u0435\u043a\u043b\u0430\u043c\u0443: \u043c\u044f\u0433\u043a\u0438\u0439 \u043a\u0438\u043d\u0435\u043c\u0430\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0432\u0435\u0442, \u0447\u0438\u0441\u0442\u044b\u0439 \u0431\u0435\u0436\u0435\u0432\u044b\u0439 \u0444\u043e\u043d, \u043b\u0451\u0433\u043a\u0438\u0435 \u0442\u0435\u043d\u0438, \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435 \u043e\u0442\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u0438 \u044d\u0441\u0442\u0435\u0442\u0438\u043a\u0430 \u043b\u044e\u043a\u0441\u043e\u0432\u043e\u0433\u043e \u0431\u0440\u0435\u043d\u0434\u0430.", "quality": "medium", "resolution": "1k"})

response = requests.post(
    url,
    headers={"Authorization": f"Bearer {os.environ['FLIXA_API_KEY']}"},
    json=payload,
    timeout=120,
)
print(response.json())

const response = await fetch(
  "https://api.flixa.io/v1/image/gpt-image-2/text-to-image",
  {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.FLIXA_API_KEY}`,
      "Content-Type": "application/json",
    },
    body: JSON.stringify({"aspect_ratio": "3:4", "prompt": "\u041f\u0440\u0435\u0432\u0440\u0430\u0442\u0438\u0442\u0435 \u044d\u0442\u043e \u0444\u043e\u0442\u043e \u0442\u043e\u0432\u0430\u0440\u0430 \u0432 \u043f\u0440\u0435\u043c\u0438\u0430\u043b\u044c\u043d\u0443\u044e \u0441\u0442\u0443\u0434\u0438\u0439\u043d\u0443\u044e \u0440\u0435\u043a\u043b\u0430\u043c\u0443: \u043c\u044f\u0433\u043a\u0438\u0439 \u043a\u0438\u043d\u0435\u043c\u0430\u0442\u043e\u0433\u0440\u0430\u0444\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u0441\u0432\u0435\u0442, \u0447\u0438\u0441\u0442\u044b\u0439 \u0431\u0435\u0436\u0435\u0432\u044b\u0439 \u0444\u043e\u043d, \u043b\u0451\u0433\u043a\u0438\u0435 \u0442\u0435\u043d\u0438, \u0440\u0435\u0430\u043b\u0438\u0441\u0442\u0438\u0447\u043d\u044b\u0435 \u043e\u0442\u0440\u0430\u0436\u0435\u043d\u0438\u044f \u0438 \u044d\u0441\u0442\u0435\u0442\u0438\u043a\u0430 \u043b\u044e\u043a\u0441\u043e\u0432\u043e\u0433\u043e \u0431\u0440\u0435\u043d\u0434\u0430.", "quality": "medium", "resolution": "1k"}),
  }
);

console.log(await response.json());

Пример ответа

Сразу после POST приходит объект с идентификатором задачи и статусом (queued или processing). Готовый результат — в поле outputs после завершения.

{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "queued",
  "created_at": "2026-05-22T12:00:00Z"
}

После успешного завершения:

{
  "id": "550e8400-e29b-41d4-a716-446655440000",
  "status": "completed",
  "outputs": [
    { "url": "https://storage.example/result.png", "type": "image" }
  ]
}

Поллинг

Пока задача в работе, опрашивайте GET https://api.flixa.io/v1/predictions/{id}/result с тем же API-ключом. Рекомендуемый интервал — 1–2 секунды; остановитесь при completed, failed или cancelled.

• queued / processing — продолжайте опрос.
• completed — заберите URL из outputs.
• failed — смотрите error в теле ответа.

curl "https://api.flixa.io/v1/predictions/{id}/result" \
  -H "Authorization: Bearer $FLIXA_API_KEY"