GPT Image 2 Saver 模型指南
GPT Image Hub 上 GPT Image 2 Saver 的实用指南：同样的 gpt-image-2 模型，任何质量和分辨率都按每张图 5 积分的统一价格计费，并附实测耗时、输出尺寸，以及何时应改用标准版 GPT Image 2。
GPT Image 2 Saver 通过按张计费的低成本提供方线路运行 OpenAI 的 gpt-image-2，因此无论你选择 low、medium 还是 high 质量，以及 1K、2K 还是 4K，GPT Image Hub 都统一收取 5 积分（约 $0.005）。在 Hub 的测试中，每张图耗时 23 到 43 秒，画面文字渲染准确，也能处理多图参考编辑。适合大批量草稿、社交内容和低成本试验提示词；需要最多 16 张参考图时，请选择标准版 GPT Image 2。
视觉示例
视觉示例
一张 2K 室内场景，medium 质量，仅需 5 积分。
黄昏时分的室内
一张 2K 室内场景，medium 质量，仅需 5 积分。
黄昏时分的北欧客厅，亚麻沙发，无花果树。两张参考图，一个场景
两张独立的产品照片合成为一张平铺图。
将两张参考图中的产品组合成一张棚拍平铺图。任何设置都是同一价格
low、medium 或 high 质量，1K、2K 或 4K，统统 5 积分。
以 high 质量和 4K 渲染已确认的草稿。最佳用例
- 最看重单张成本的大批量草稿和提示词探索。
- 批量生成的社交帖子、缩略图和广告变体。
- 想尝试 high 质量和 4K 输出，又不想为每张图多付费。
- 想用免费积分试用 GPT Image 2 的新用户。
需要注意
- 需要超过 14 张参考图的请求；标准版 GPT Image 2 最多支持 16 张。
- 透明背景：gpt-image-2 不支持透明背景；需要抠图素材请使用 GPT Image 2.5 Flare 或 Sunburst。
优势
所有质量（low、medium、high）和所有分辨率（1K、2K、4K）都按每张图 5 积分的统一价格计费。
与标准版 GPT Image 2 使用同一个 gpt-image-2 模型，同样具备准确的画面文字渲染和参考图编辑能力。
支持全部 16 种画幅比例，从 1:1 到 21:9 和 1:3，并且在 1K、2K 和 4K 下都可使用 high 质量。
每次请求最多 14 张参考图；使用 4 张或更少时结果最稳定。
使用案例
批量社交内容
以同样低廉的单张价格生成大量帖子、快拍和缩略图变体。
提示词探索
在确定最终渲染前，先用 high 质量尝试多个方向。
产品合成图
把几张产品参考照片组合成一个干净的场景或平铺图。
工作流程
先选定最终设置
每种质量和分辨率都是 5 积分，所以从一开始就选择 high 质量和你需要的尺寸。
生成多个变体
每次请求最多生成 4 张图，保留构图最好的一张。
用参考图精修
附上选中的图片，再加最多 3 张参考图，只描述需要修改的部分。
提示词写法
- 提示词的写法与标准版 GPT Image 2 完全相同；Saver 使用的是同一个模型。
- 由于每种设置价格相同，直接从 high 质量和你实际需要的分辨率开始。
- 画面上的文字请放在引号中，并说明它应出现的位置。
- 进行参考图编辑时，附上 4 张或更少的图片，并说明哪些细节必须保持不变。
可直接复制的提示词
夜市美食节竖版海报：发光的纸灯笼、热气腾腾的面摊，顶部是醒目的标题文字 "NIGHT BITES"，下方是小字 "Fri–Sun · 6 PM"，色彩鲜艳、富有电影感。
黄金时刻温馨的北欧风客厅，亚麻沙发、橡木地板、盆栽无花果树，温暖的光线透过高大的窗户洒入，室内设计杂志风格照片。
将两张参考图中的产品组合成一张整洁的棚拍平铺图，浅米色背景，柔和顶光，忠实保留每件产品的形状和颜色。
本站生成的示例图
官方来源
常见问题解答
GPT Image 2 Saver 和 GPT Image 2 是同一个模型吗？
是的。两者运行的都是 OpenAI 的 gpt-image-2。Saver 使用按张计费的低成本提供方线路，因此 GPT Image Hub 可以对所有质量和分辨率统一收取 5 积分。
GPT Image 2 Saver 的价格是多少？
每张图 5 积分，按 Plus 套餐费率约合 $0.005，无论选择 low、medium 还是 high 质量，以及 1K、2K 还是 4K。新账户可获得 10 个免费积分，足够生成两张图。
什么时候应该改用标准版 GPT Image 2？
当请求需要超过 14 张参考图，或者你希望结果严格按请求的像素尺寸返回时，请使用标准版 GPT Image 2。需要透明背景时，请使用 GPT Image 2.5 Flare 或 Sunburst。
使用这个模型
从提示词模板开始，或先对比模型
如果已经确定模型，可以直接使用生成器；如果提示词需要在速度、细节和参考图输入之间做不同取舍，可以先对比所有支持的模型。