一张商品图放进首页横幅，商品占满了画面，标题没地方放。换成竖版海报，直接裁切又把提手切掉了。

拿箱包宣传图举例，同一个商品至少有两种不同的版式需求：横幅把商品放在一侧，给标题和按钮留位置；竖版需要重新安排商品高度，顶部也要留出文案区。只改图片尺寸，构图未必跟着变。

一张图还能手动调整，换成 20 个商品、每个商品 3 种版式，就要开始算账了：60 张图要花多少钱？生成一直转圈，能不能重新提交？好不容易拿到结果，商品主体却严重变形，这次费用怎么处理？

下面沿着这批电商图的需求，先算价格，再写提示词、上传参考图、接入 Python，最后处理超时和质量异常。示例使用一个支持网页生图和 API 接入的生图服务，该服务公布了超时补偿、严重质量异常赔付规则。
配图来自已有电商物料，下面先看版式，再把需求写成 API 参数。代码和图片的验证范围放在文末。

1. 先选模型，再算这批图要花多少钱

这次使用 gpt-image-2.5-flare。把型号写完整，后面查任务和核对费用时才能知道用的是哪一个版本。

OpenAI 官方的 GPT Image 2.5 Flare 和 Sunburst 按 token 计费，当前 Standard 报价如下。token 是接口统计用量的单位，图片输出也会折算成 token，不是“一张图算一个”。

OpenAI 官方计费项	Flare / Sunburst 单价（美元 / 百万 token）
文字输入	$5.00
图片输入	$8.00
缓存文字输入	$1.25
缓存图片输入	$2.00
图片输出	$30.00

来源：OpenAI 官方价格页，2026 年 9 月 15 日核对。只有符合缓存条件的输入才按缓存价格计费。

生图服务的 GPT Image 2.5 页面按张展示价格：

生图服务型号	API 标识	支持分辨率	单张价格 / 积分	60 张预算	100 张预算
标准版	gpt-image-2.5	1K / 2K / 4K	¥0.06 / 6	¥3.60	¥6.00
Flare	gpt-image-2.5-flare	1K / 2K / 4K	¥0.12 / 12	¥7.20	¥12.00
Sunburst	gpt-image-2.5-sunburst	1K / 2K / 4K	¥0.18 / 18	¥10.80	¥18.00
来源：生图服务 GPT Image 2.5 模型页，同日核对。表内预算按生成张数乘单价计算，未计重复生成，也未减掉可能获得的赔付；提交前再核对所选参数的扣费提示。

注意这里的“标准版”是生图服务的型号名称，不能仅凭这个名字，把它当作 OpenAI 某个官方型号来算折扣。正文明确使用 Flare，避免型号含糊。
以开头的 60 张电商图为例，按生图服务 Flare 的页面价格，生成预算是 7.20 元。官方接口则要看实际 token 用量：假设一张图的输出恰好为 1,000 token，输出部分就是 1000 ÷ 1000000 × 30 = 0.03 美元，再加输入费用。这里的 1,000 是计算演示，不是这张商品图的实测用量。
两边一个按实际用量计算，一个按张展示报价，不能直接用起步价得出统一折扣。 官方相同 token 单价也不代表不同模型、质量和尺寸的单张成本相同。实际选型要固定输入、型号、尺寸和质量，再对照返回用量、扣费与可用图片数量。

批量准备商品图时，可以先用少量图片确认构图，再估算整批费用。反复生成三次才能选中一张，生成预算也得按三次计算。

2. 先确定图片放在哪里

已有箱包横幅物料，1920×1080。这里只观察商品位置、文案区域和光线，不将图中的材质宣传语用于其他商品。

这张图的商品在右侧，左侧有连续的空白区域。准备类似横幅时，可以先把需求写成四项：

要确定的内容	本文横幅示例
商品来源	使用自己的商品参考图，核对外观细节
商品位置	右侧约一半画面，主体完整，不贴边
背景和光线	浅米色石材背景，左上方柔和侧光
文案位置	左侧留白，标题、价格和按钮后期添加

价格、品牌名、促销日期往往会改。这个示例先生成底图，文字交给设计工具或前端叠加，方便后续替换。

提示词可以这样写：

以参考图中的箱包为商品主体，保留包型、颜色、提手、锁扣和缝线等关键外观。
制作一张横向商品宣传底图，商品完整放在画面右侧，四周留出安全边距。
背景使用浅米色石材与暖色墙面，左上方柔和侧光，包底有自然接触阴影。
左侧留出干净、连续的文案区域，不放其他商品或装饰物。
不生成文字、价格、品牌标识、按钮或水印。

“保留外观”是给模型的要求，返回后仍要和原图比对，尤其是提手数量、五金件、走线和品牌标识。

3. 竖版要改构图，比例也要写进参数

已有护肤品竖版物料，1080×1350，用于观察纵向布局。它与上一张是不同商品，不是同一输入的变体或模型对比。

竖版可以把构图要求改成“商品放在画面下半部，顶部留出标题区，完整保留商品轮廓”。如果只把横图裁成长图，文案区和主体比例很容易一起丢掉。

提示词负责描述摆放，API 参数负责选择接口支持的比例。在本文使用的生图服务接口中，参数叫 aspectRatio；不要把其他工具的 --ar 命令当成它的接口字段。
这里选择 16:9 做横幅示例，3:4 做竖版练习。配图本身是 4:5，不代表当前接口支持这个比例。最终若要适配固定的广告位尺寸，还需要单独排版、留白或裁切，并检查实际文件的像素。

已有运动鞋横幅物料，1200×628。与箱包图相比，背景、灯光和标题风格都变了，商品与文字仍然各有位置。

运动鞋图可以用深色背景强调鞋底和轮廓，但不能直接复用箱包图的材质描述。把商品换掉时，提示词里的主体、材质、背景和摆放也要逐项改；画面中的宣传文字仍需核对后再使用。

4. 把需求整理成一份请求 JSON

开始前：安装 Git 和 Python 3.10+，确认终端中的 python --version 能显示正确版本，再克隆示例仓库。

git clone 示例仓库地址
cd imgapi-image-generation

**复制 JSON 前：先完成上面的克隆命令，并进入 imgapi-image-generation 仓库根目录。**复制 JSON 前：先完成上面的克隆命令，并进入 imgapi-image-generation 仓库根目录。

把下面内容保存为仓库中的 examples/csdn25-banner.json，使用 UTF-8 编码：

{
  "model": "gpt-image-2.5-flare",
  "prompt": "以参考图中的箱包为主体，保留包型、颜色、提手、锁扣和缝线等关键外观。制作横向商品宣传底图，商品完整放在右侧，四周保留安全边距。浅米色石材与暖色墙面，左上方柔和侧光，包底有自然接触阴影。左侧留出干净的文案区域。不生成文字、价格、品牌标识、按钮、水印或其他商品。",
  "aspectRatio": "16:9",
  "quality": "auto",
  "resolution": "1K",
  "urls": [],
  "files": ["./reference.png"]
}

把自己有权使用的商品原图放在仓库根目录，命名为 reference.png。这里需要的是实际 PNG 文件，不能只把 JPG 的扩展名改成 PNG；使用 JPG 时，也可以保留原文件名并修改 files。

两种参考图传法不要混用含义：

• files 填本地路径，客户端会读取文件，以 multipart 方式上传。相对路径按运行命令时的目录解析。
• urls 填服务端可访问的 HTTPS 图片地址。不要往这里塞本地磁盘路径或 Base64 字符串。

简单说，files 是让程序读取你电脑硬盘里的图，再把图片文件上传过去；urls 是给接口一个它能访问的图片链接，由服务端去取图。C:\图片\商品.png 这样的本地路径只能放进 files，放进 urls 后，服务端找不到你电脑上的文件。

multipart/form-data 可以理解成一个同时装着参数和图片文件的包。示例客户端负责打包，你不需要手写它的格式。

本例走生图服务的接口协议，提交路径为 /prod-api/tool/imgapi/draw/Async，不能只替换 OpenAI SDK 的 base_url 就照搬其他教程。

5. 先预览请求，再决定是否提交生成

运行前：确认 Python 已安装、仓库已克隆、终端位于仓库根目录，并已保存 examples/csdn25-banner.json。此步不需要 Key，也不消耗积分。

运行：

python python/run.py --dry-run --request examples/csdn25-banner.json

输出包含：

{
  "mode": "dry-run",
  "network": false,
  "endpoint": "https://imgapi.vip/prod-api/tool/imgapi/draw/Async",
  "contentType": "multipart/form-data"
}

这是实际离线输出中的部分字段。看到 multipart/form-data，说明这份请求选择了本地参考图路径。预览不会读取、上传图片，也不会验证模型最终是否接受这些参数，所以还要自己确认参考图存在、内容正确。

真实提交前：准备有效 Key、可用积分，以及请求里指定的参考图文件。下面最后一条命令会产生实际生成费用。

准备真实调用时，安装依赖，并在本地终端或服务端运行环境中配置 IMGAPI_CARD_KEY。不要把 Key 放进请求 JSON、前端代码或公开仓库。

python -m pip install -r python/requirements.txt
python python/run.py --request examples/csdn25-banner.json

第二条命令会上传参考图并提交一次真实生成，按服务规则消耗积分。本稿只验证了前面的离线预览，没有执行这一步。

6. 等待中断，先查原任务

异步请求就像去餐厅点餐：提交成功后拿到一个号牌，也就是任务 ID。后面凭号牌查进度、取结果，不必一直守着同一个请求等。网络中断后，只要任务 ID 已保存、原任务仍可查询，就继续凭原 ID 查；不要把查询失败当成没下过单，再提交一次。

示例拿到异步任务 ID 后，会写入当前目录的 task-id.txt。成功时输出任务 ID 和图片 URL。

如果中途网络断开，但已经拿到任务 ID，就用原 ID 继续查询：

python python/run.py --query YOUR_TASK_ID

这里的 YOUR_TASK_ID 要替换为那一笔任务的真实 ID。不要把“查询失败”直接当成“生成失败”，马上再执行一次提交命令。

还有两个边界：

1. 如果提交响应丢失、连任务 ID 都没拿到，先核对控制台任务记录，不能靠盲目重试判断是否提交成功。
2. task-id.txt 只保存最近一次写入的 ID。处理多个商品时，要按业务记录保存各自的 ID；这个单任务示例不适合直接并发运行后共用同一个文件。

拿到图片 URL 后及时下载，链接可能有保存期限。下载文件名应与真实格式对应，下载操作本身不会把 JPEG 转成 PNG。

7. 已经扣了积分，等太久怎么办

假设这批图片中有一张，提交成功后等了 4 分钟才出结果。图能用，但等待时间已经超过了预期。生图服务对这种情况公布了具体的积分补偿标准。

用户提供的官网规则截图，表内条件已与 2026 年 9 月 15 日的在线细则核对。

服务端任务耗时或结果	处理方式	假设本次实付 10 积分
不超过 180 秒	不触发超时补偿	无超时补偿
超过 180 秒，且不超过 300 秒	补偿实付积分的 20%	补 2 积分
超过 300 秒	补偿实付积分的 100%	补 10 积分
生成失败、没有返回图片，或首次交付无法打开	退回未完成部分的积分	若整笔未完成，退回 10 积分

这里的时间从服务端接受任务开始，算到服务端第一次拿到最终结果。浏览器转圈、下载缓慢、自己过了一会儿才打开页面，都不能直接当成这笔任务的生成耗时。

因此，240 秒出图和 320 秒出图，对应的补偿不同；正好 300 秒仍属于 20% 这一档。是否触发由系统按服务端记录判断，超时无需另交证明。按当前细则，达到标准的超时补偿在次日上午 10 点发放，明确失败按任务结算状态退回，状态不明确时进入人工核对。

这也解释了为什么上一节要保存任务 ID：页面请求超时后先查询原任务，可以继续追踪原来的生成与结算。补偿规则本身并不能替代应用里的防重复提交逻辑。

8. 图片出了，商品却严重变形，质量赔付怎么走

另一种情况更难处理：任务已经成功，返回链接也能打开，但图里的商品主体严重变形，整张图基本没法用。

生图服务将这类问题单独列为严重质量异常，经人工审核确认后，按异常图片对应实付积分的 150% 补偿。一笔对应 10 积分的异常图片，审核通过后补 15 积分。

官网保障说明的已有截图。质量赔付需核对任务输入、参数与输出，不是所有不满意都自动赔付。

放到电商图场景里，可以这样判断是否需要提交质量工单：

遇到的问题	按公开细则如何处理
明确要求箱包为主体，结果箱包完全缺失	属于细则列出的严重异常类型，可提交审核
商品大面积破损或严重变形，基本无法使用	可提交审核，需对照输入与结果确认
返回的尺寸、比例、数量或模型与订单参数不符	可提交审核，保留订单参数与原始文件
只是觉得光影不够高级、颜色不够喜欢	通常不属于质量赔付
提示词前后矛盾、参考图本身打不开	通常不属于质量赔付
轻微瑕疵，或已说明的复杂文字、高度一致性等能力限制	通常不属于质量赔付

发现严重异常后，通过生图服务赔付保障页的客服渠道提交任务 ID 和简要说明。系统仍在有效期内保存的参数无需重复上传；审核人员会核对提示词、参考图、生成参数和最终结果。对第一次结果有异议，可以申请一次复核。
问题说明可以写得具体一点：

任务 ID：填写本次真实任务 ID
订单要求：参考图中的箱包是主体，要求完整展示商品
实际问题：输出中主体大面积破损，无法用于商品展示
核对材料：本次提示词、参考图、订单参数和返回原图

上面是工单填写示例，不是真实赔付案例。如果只是包扣细节变化，需要结合变化程度、提示词和已说明的模型能力判断，不能提前保证通过。

还有两处容易误解：赔付发的是积分，不是现金；同一任务只按最高标准补偿一次。 比如同一笔 10 积分任务既超过 300 秒，又经审核确认严重质量异常，最高补 15 积分，不是把 10 和 15 加成 25，也不是先退 10 再额外补 15。

保障覆盖能够确认归属、有任务 ID、实际扣过积分的任务，游客积分、赠送积分和充值积分都按本次实际扣除量计算。首次交付无法打开也有保存期限制，超过保存期才回来下载导致的失效，不在这一项里。

这两种保障分别回答了用 API 做图时的两个问题：等待超过标准，按什么补；结果出现严重客观异常，拿什么证据申请处理。具体边界以生图服务现行赔付细则为准，本文未验证实际到账。

9. 图片能打开，还要过一次商品检查

把生成图和商品原图放在一起，先看这几项：

• 外观：包型、提手、扣件、颜色、缝线是否发生了明显变化。
• 版式：预留位置能不能放下真实标题，移动端裁切会不会切到商品。
• 文件：实际比例和像素是否适合投放位置，不能只看请求里写了什么。
• 商品信息：后加的价格、材质、功效等文案是否与实际商品一致。

先拿一个商品做完整：在网页上确认参考图和构图，再把参数放进请求文件；接 API 后保存任务 ID，拿到结果就下载、检查。等这一张符合投放要求，再扩展到剩下的商品。

如果接入示例对你有帮助，欢迎到 GitHub 点个 Star。你在对接 AI 生图 API 时，遇到过哪些超时或并发问题？可以在评论区说说当时怎么处理，贴代码时记得去掉 Key 和私人任务信息。

本文验证范围

本文两份 GPT Image 2.5 Flare 请求已完成 --dry-run 离线预览，确认模型字段、横竖比例和本地文件上传路径对应的请求类型；未执行付费生成，也未测试赔付到账。5 张配图是已有商品素材与规则截图，不能作为本文代码的实测输出。

公开示例一次提交一个任务，拿到 ID 后保存并继续查询，不自动重复提交。它没有实现批量队列、并发调度或服务端扣费幂等，不能保证所有超时场景都不会重复扣费；提交结果不明时仍需核对原任务。

如果接入示例对你有帮助，欢迎到 GitHub 点个 Star。你在对接 AI 生图 API 时，遇到过哪些超时或并发问题？可以在评论区说说当时怎么处理，贴代码时记得去掉 Key 和私人任务信息。

本文验证范围

本文两份 GPT Image 2.5 Flare 请求已完成 --dry-run 离线预览，确认模型字段、横竖比例和本地文件上传路径对应的请求类型；未执行付费生成，也未测试赔付到账。5 张配图是已有商品素材与规则截图，不能作为本文代码的实测输出。

公开示例一次提交一个任务，拿到 ID 后保存并继续查询，不自动重复提交。它没有实现批量队列、并发调度或服务端扣费幂等，不能保证所有超时场景都不会重复扣费；提交结果不明时仍需核对原任务。