De Image Generation API in 2026
Op deze pagina
Bijgewerkt op 2 november 2026 — Imagemodellen.
gpt-image-1, het model waarvoor deze cursus oorspronkelijk is geschreven, is op 23 oktober 2026 stopgezet. Daarnaast wordengpt-image-1.5,gpt-image-1-minienchatgpt-image-latestop 1 december 2026 buiten gebruik gesteld. De voorbeelden maken nu gebruik vangpt-image-2.5-sunburst, dat de hoogste precisie biedt voor bewerkingen;gpt-image-2.5-flareis sneller voor standaardgeneratie. Beide modellen ondersteunen ook de kwaliteitsinstellingenxhighenmax. GPT Image-modellen retourneren afbeeldingen altijd in base64: de parameterresponse_formatvan oudere DALL·E-modellen wordt niet ondersteund en is uit de code verwijderd. Bron: Image generation (OpenAI).
De Image Generation API in 2026
AI-generatie van afbeeldingen is aanzienlijk geëvolueerd. In 2026 is GPT Image het referentiemodel van OpenAI voor het maken en bewerken van afbeeldingen via de API; het vervangt de inmiddels verouderde modellen DALL·E 2 en DALL·E 3. Als u bestaande code voor deze eerdere generaties heeft, beschouw deze dan als startpunt voor een herschrijving in plaats van als een te behouden fundament: parameters, retourformaten en vooral strategieën voor prompt engineering zijn allemaal veranderd.
Deze les introduceert het huidige ecosysteem, de mogelijkheden van GPT Image en hoe u in deze cursus met de API zult werken.
Wat GPT Image verandert
De eerste grote verschuiving betreft tekst. Eerdere generaties produceerden benaderende, decoratieve maar onleesbare letters; GPT Image rendert getrouwe typografie, waardoor posters, promotionele banners en interface-mockups eindelijk haalbaar zijn waarbij de boodschap even belangrijk is als de afbeelding zelf. De tweede verschuiving betreft contextueel begrip: het model interpreteert complexe instructies met nuance, zodat een prompt van meerdere zinnen die een scène, de belichting en de kadrering beschrijft, een coherent resultaat oplevert in plaats van een collage van trefwoorden.
Vervolgens is er native bewerking. U begint niet langer systematisch met een lege pagina: het model kan een bestaande afbeelding wijzigen door een binnenste gebied te vervangen (inpainting) of de afbeelding voorbij de randen uit te breiden (outpainting). Praktisch gezien vereist het veranderen van de lucht in een landschapsfoto niet langer dat alles opnieuw wordt gegenereerd, waarbij het onderwerp verloren gaat. Hier komt nog eens bij dat de stilistische consistentie behouden blijft over opeenvolgende generaties heen – waardevol bij het produceren van een reeks illustraties voor hetzelfde artikel – en dat er meerdere resolutieopties zijn, van vierkant tot portret- en landschapsformaten.
De twee belangrijkste eindpunten
De API biedt twee methoden, die u in de volgende lessen tot in detail zult verkennen. De eerste maakt een afbeelding op basis van een tekstbeschrijving.
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))
De tweede methode neemt een door u aangeleverde afbeelding en regenereert alleen het deel dat door een masker is aangewezen.
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"
)
Installatie en configuratie
Installeer eerst de officiële SDK.
pip install openai
Plaats vervolgens uw API-sleutel in een .env-bestand; hardcode deze nooit in uw script. Een gedeeld script of een script dat naar een repository wordt gepusht, zou uw sleutel blootleggen.
OPENAI_API_KEY=sk-your-api-key
De client haalt deze vervolgens automatisch op bij het opstarten, zonder dat u deze als argument hoeft mee te geven.
import os
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI() # gebruikt automatisch OPENAI_API_KEY
Model en prijzen
De huidige modellen zijn gpt-image-2.5-sunburst, het meest nauwkeurig voor bewerkingen, en gpt-image-2.5-flare, sneller voor standaardgeneratie; gpt-image-1, het model waarvoor deze cursus oorspronkelijk is geschreven, is op 23 oktober 2026 stopgezet. Hieronder vindt u de kenmerken waarmee u voortdurend te maken krijgt.
| Parameter | Waarde |
|---|---|
| Model | gpt-image-2.5-sunburst of gpt-image-2.5-flare |
| Resoluties | 1024×1024, 1024×1536, 1536×1024 aanbevolen; aangepaste afmetingen mogelijk (veelvouden van 16, tot 3840 pixels per zijde) |
| Kwaliteiten | low, medium, high, xhigh, max, auto (standaard) |
| Uitvoerformaten | Base64-gecodeerde afbeelding, PNG (standaard), JPEG of WebP |
| Prijzen | Per token, varieert per kwaliteit en grootte |
Houd rekening met één punt dat DALL·E-veteranen verrast: GPT Image-modellen retourneren nooit een URL, maar altijd een base64-gecodeerde afbeelding. Decodeer deze en sla het bestand direct na generatie op; uw applicatie slaat dit bestand op en serveert het, niet de API-respons.
Wat u zult leren
De cursus verloopt in vier fasen. U begint met de fundamenten van GPT Image via de API – generatie en bewerking – voordat u overgaat op concrete use-cases in e-commerce, marketing en design. Geavanceerde technieken leren u vervolgens complexe visuele prompts te bouwen en generatie te integreren in multi-tool pipelines. Het laatste deel behandelt implementatie in productie, inclusief kostenoptimalisatie en contentmoderatie. Elke les bevat functionele Python-code die u direct kunt uitvoeren.
Controleer voordat u verdergaat of uw omgeving gereed is. Voer dit minimale script uit: als er een afbeeldingsbestand verschijnt, is uw sleutel geldig, is de SDK correct geïnstalleerd en kunt u doorgaan naar de volgende les.
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")