Το API Δημιουργίας Εικόνων το 2026
Σε αυτήν τη σελίδα
Ενημερώθηκε στις 2 Νοεμβρίου 2026 — Μοντέλα εικόνων. Το
gpt-image-1, το μοντέλο για το οποίο γράφτηκε αρχικά αυτό το μάθημα, διακόπηκε στις 23 Οκτωβρίου 2026. Επιπλέον, ταgpt-image-1.5,gpt-image-1-miniκαιchatgpt-image-latestθα αποσυρθούν την 1η Δεκεμβρίου 2026. Τα παραδείγματα χρησιμοποιούν πλέον τοgpt-image-2.5-sunburst, το οποίο προσφέρει την υψηλότερη ακρίβεια για επεξεργασία· τοgpt-image-2.5-flareείναι ταχύτερο για τυπική δημιουργία. Και τα δύο μοντέλα υποστηρίζουν επίσης τις ρυθμίσεις ποιότηταςxhighκαιmax. Τα μοντέλα GPT Image επιστρέφουν πάντα εικόνες σε base64: η παράμετροςresponse_formatαπό τα παλαιότερα μοντέλα DALL·E δεν υποστηρίζεται και έχει αφαιρεθεί από τον κώδικα. Πηγή: Image generation (OpenAI).
Το API Δημιουργίας Εικόνων το 2026
Η δημιουργία εικόνων με Τεχνητή Νοημοσύνη έχει εξελιχθεί σημαντικά. Το 2026, το GPT Image είναι το μοντέλο αναφοράς της OpenAI για τη δημιουργία και επεξεργασία εικόνων μέσω του API· αντικαθιστά τα πλέον ξεπερασμένα μοντέλα DALL·E 2 και DALL·E 3. Εάν διαθέτετε υπάρχοντα κώδικα για αυτές τις προηγούμενες γενιές, αντιμετωπίστε τον ως σημείο εκκίνησης για ξαναγράψιμο και όχι ως θεμέλιο προς διατήρηση: οι παράμετροι, οι μορφές επιστροφής και, κυρίως, οι στρατηγικές μηχανικής εντολών (prompt engineering) έχουν αλλάξει όλες.
Αυτό το μάθημα παρουσιάζει το τρέχον οικοσύστημα, τις δυνατότητες του GPT Image και τον τρόπο με τον οποίο θα αλληλεπιδράσετε με το API καθ’ όλη τη διάρκεια αυτού του μαθήματος.
Τι Αλλάζει το GPT Image
Η πρώτη μεγάλη αλλαγή αφορά το κείμενο. Οι προηγούμενες γενιές παρήγαγαν κατά προσέγγιση, διακοσμητικά αλλά δυσανάγνωστα γράμματα· το GPT Image αποδίδει πιστή τυπογραφία, καθιστώντας τελικά viable τις αφίσες, τα διαφημιστικά banners και τα mockups διεπαφών όπου το μήνυμα έχει την ίδια σημασία με την εικόνα. Η δεύτερη αλλαγή αφορά την κατανόηση του πλαισίου: το μοντέλο ερμηνεύει σύνθετες οδηγίες με λεπτότητα, οπότε μια εντολή πολλών προτάσεων που περιγράφει μια σκηνή, τον φωτισμό και την πλαισίωσή της αποδίδει ένα συνεκτικό αποτέλεσμα και όχι ένα κολάζ λέξεων-κλειδιών.
Ακολουθεί η εγγενής επεξεργασία. Δεν ξεκινάτε πλέον συστηματικά από μια λευκή σελίδα: το μοντέλο μπορεί να τροποποιήσει μια υπάρχουσα εικόνα αντικαθιστώντας μια εσωτερική περιοχή (inpainting) ή επεκτείνοντας την εικόνα πέρα από τα όριά της (outpainting). Πρακτικά, η αλλαγή του ουρανού σε μια φωτογραφία τοπίου δεν απαιτεί πλέον την εκ νέου δημιουργία των πάντων και την απώλεια του θέματος στη διαδικασία. Σε αυτό προστίθεται η στυλιστική συνοχή που διατηρείται across successive generations—πολύτιμη κατά την παραγωγή μιας σειράς εικονογραφήσεων για το ίδιο άρθρο—καθώς και πολλαπλές επιλογές ανάλυσης, από τετράγωνες έως πορτρέτο και τοπίο.
Τα Δύο Κύρια Endpoints
Το API εκθέτει δύο μεθόδους, τις οποίες θα εξερευνήσετε σε βάθος στα επόμενα μαθήματα. Η πρώτη δημιουργεί μια εικόνα από μια περιγραφή κειμένου.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A Breton lighthouse at sunset, watercolor style",
n=1,
size="1024x1024"
)
with open("lighthouse.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
Η δεύτερη λαμβάνει μια εικόνα που παρέχετε εσείς και αναδημιουργεί μόνο το τμήμα που ορίζεται από μια μάσκα.
response = client.images.edit(
model="gpt-image-2.5-sunburst",
image=open("original_photo.png", "rb"),
mask=open("mask.png", "rb"),
prompt="Replace the sky with a starry sky"
)
Εγκατάσταση και Διαμόρφωση
Εγκαταστήστε πρώτα το επίσημο SDK.
pip install openai
Στη συνέχεια, τοποθετήστε το κλειδί API σας σε ένα αρχείο .env, ποτέ σκληροκωδικοποιημένο στο σενάριό σας: ένα κοινόχρηστο σενάριο ή ένα που ωθείται σε ένα αποθετήριο θα εξέθετε το κλειδί σας.
OPENAI_API_KEY=sk-your-api-key
Ο πελάτης (client) το ανακτά στη συνέχεια αυτόματα κατά την εκκίνηση, χωρίς να χρειάζεται να το περάσετε ως όρισμα.
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI() # automatically uses OPENAI_API_KEY
Μοντέλο και Τιμολόγηση
Τα τρέχοντα μοντέλα είναι το gpt-image-2.5-sunburst, το πιο ακριβές για επεξεργασία, και το gpt-image-2.5-flare, το ταχύτερο για τυπική δημιουργία· το gpt-image-1, το μοντέλο για το οποίο γράφτηκε αρχικά αυτό το μάθημα, διακόπηκε στις 23 Οκτωβρίου 2026. Ακολουθούν τα χαρακτηριστικά με τα οποία θα χειρίζεστε συνεχώς.
| Παράμετρος | Τιμή |
|---|---|
| Μοντέλο | gpt-image-2.5-sunburst ή gpt-image-2.5-flare |
| Αναλύσεις | 1024×1024, 1024×1536, 1536×1024 συνιστώνται· δυνατές προσαρμοσμένες διαστάσεις (πολλαπλάσια του 16, έως 3840 pixels ανά πλευρά) |
| Ποιότητες | low, medium, high, xhigh, max, auto (προεπιλογή) |
| Μορφές Εξόδου | Εικόνα κωδικοποιημένη σε Base64, PNG (προεπιλογή), JPEG ή WebP |
| Τιμολόγηση | Ανά token, ποικίλλει ανάλογα με την ποιότητα και το μέγεθος |
Κρατήστε στο μυαλό σας ένα σημείο που εκπλήσσει τους βετεράνους του DALL·E: τα μοντέλα GPT Image δεν επιστρέφουν ποτέ ένα URL, πάντα μια εικόνα κωδικοποιημένη σε base64. Αποκωδικοποιήστε την και αποθηκεύστε το αρχείο αμέσως μετά τη δημιουργία· η εφαρμογή σας αποθηκεύει και εξυπηρετεί αυτό το αρχείο, όχι την απόκριση του API.
Τι Θα Μάθετε
Το μάθημα εξελίσσεται σε τέσσερα στάδια. Ξεκινάτε με τα βασικά του GPT Image μέσω του API—δημιουργία και επεξεργασία—πριν προχωρήσετε σε συγκεκριμένες περιπτώσεις χρήσης στο ηλεκτρονικό εμπόριο, το μάρκετινγκ και τον σχεδιασμό. Οι προηγμένες τεχνικές θα σας διδάξουν στη συνέχεια να δημιουργείτε σύνθετες οπτικές εντολές και να ενσωματώνετε τη δημιουργία σε pipelines πολλαπλών εργαλείων. Το τελικό μέρος καλύπτει την ανάπτυξη σε περιβάλλον παραγωγής, συμπεριλαμβανομένης της βελτιστοποίησης κόστους και του συντονισμού περιεχομένου. Κάθε μάθημα περιέχει λειτουργικό κώδικα Python που μπορείτε να εκτελέσετε απευθείας.
Πριν προχωρήσετε περισσότερο, επαληθεύστε ότι το περιβάλλον σας είναι έτοιμο. Εκτελέστε αυτό το ελάχιστο σενάριο: εάν εμφανιστεί ένα αρχείο εικόνας, το κλειδί σας είναι έγκυρο, το SDK είναι σωστά εγκατεστημένο και μπορείτε να προχωρήσετε στο επόμενο μάθημα.
import base64
from openai import OpenAI
client = OpenAI()
response = client.images.generate(
model="gpt-image-2.5-sunburst",
prompt="A ginger cat sitting on a pile of books, realistic photo",
n=1,
size="1024x1024",
quality="medium"
)
with open("cat.png", "wb") as f:
f.write(base64.b64decode(response.data[0].b64_json))
print("Image generated: cat.png")