GPT Image 2 Saver 模型指南
GPT Image Hub 上 GPT Image 2 Saver 的實用指南：同樣的 gpt-image-2 模型，任何品質與解析度都以每張圖 5 點數的單一價格計費，並附上實測耗時、輸出尺寸，以及何時應改用標準版 GPT Image 2。
GPT Image 2 Saver 透過按張計費的低成本供應商路線執行 OpenAI 的 gpt-image-2，因此不論你選擇 low、medium 或 high 品質，以及 1K、2K 或 4K，GPT Image Hub 都一律收取 5 點數（約 $0.005）。在 Hub 的實測中，每張圖耗時 23 到 43 秒，畫面文字呈現準確，也能處理多圖參考編輯。適合大量草稿、社群內容，以及低成本試驗提示詞；需要最多 16 張參考圖時，請改選標準版 GPT Image 2。
視覺範例
視覺範例
一張 2K 室內場景，medium 品質，只要 5 點數。
黃昏時分的室內
一張 2K 室內場景，medium 品質，只要 5 點數。
黃昏時分的北歐客廳，亞麻沙發，無花果樹。兩張參考圖，一個場景
兩張獨立的產品照合成為一張平拍圖。
將兩張參考圖中的產品組合成一張棚拍平拍圖。任何設定都是同一價格
low、medium 或 high 品質，1K、2K 或 4K，一律 5 點數。
以 high 品質與 4K 呈現已確認的草稿。最佳用例
- 最在意單張成本的大量草稿與提示詞探索。
- 批次生成的社群貼文、縮圖與廣告變化版本。
- 想嘗試 high 品質與 4K 輸出，又不想每張多付費。
- 想用免費點數試用 GPT Image 2 的新使用者。
需要注意
- 需要超過 14 張參考圖的請求；標準版 GPT Image 2 最多支援 16 張。
- 透明背景：gpt-image-2 不支援透明背景；需要去背素材請使用 GPT Image 2.5 Flare 或 Sunburst。
優勢
所有品質（low、medium、high）與所有解析度（1K、2K、4K）都以每張圖 5 點數的單一價格計費。
與標準版 GPT Image 2 使用同一個 gpt-image-2 模型，同樣具備準確的畫面文字呈現與參考圖編輯能力。
支援全部 16 種長寬比，從 1:1 到 21:9 與 1:3，且在 1K、2K 和 4K 下都能使用 high 品質。
每次請求最多 14 張參考圖；使用 4 張以下時結果最穩定。
使用案例
批次社群內容
以同樣低廉的單張價格生成大量貼文、限時動態與縮圖變化版本。
提示詞探索
在確定最終成品前，先用 high 品質嘗試多種方向。
產品合成圖
將幾張產品參考照合成為一個乾淨的場景或平拍圖。
工作流程
先選定最終設定
每種品質與解析度都是 5 點數，所以從一開始就選擇 high 品質和你需要的尺寸。
生成多個變化版本
每次請求最多生成 4 張圖，保留構圖最好的一張。
以參考圖精修
附上選定的圖片，再加上最多 3 張參考圖，只描述需要修改的部分。
提示詞寫法
- 提示詞的寫法與標準版 GPT Image 2 完全相同；Saver 使用的是同一個模型。
- 由於每種設定價格相同，直接從 high 品質和你實際需要的解析度開始。
- 畫面上的文字請放在引號內，並說明它應出現的位置。
- 進行參考圖編輯時，附上 4 張以下的圖片，並說明哪些細節必須保持不變。
可直接複製的提示詞
夜市美食節直式海報：發光的紙燈籠、熱氣騰騰的麵攤，頂部是醒目的標題文字 "NIGHT BITES"，下方是小字 "Fri–Sun · 6 PM"，色彩鮮豔、充滿電影感。
黃金時刻溫馨的北歐風客廳，亞麻沙發、橡木地板、盆栽無花果樹，溫暖的光線從高大的窗戶灑入，室內設計雜誌風格照片。
將兩張參考圖中的產品組合成一張整齊的棚拍平拍圖，淺米色背景，柔和頂光，忠實保留每件產品的形狀與顏色。
本站生成的範例圖
官方來源
常見問題解答
GPT Image 2 Saver 和 GPT Image 2 是同一個模型嗎？
是的。兩者執行的都是 OpenAI 的 gpt-image-2。Saver 使用按張計費的低成本供應商路線，因此 GPT Image Hub 能對所有品質與解析度一律收取 5 點數。
GPT Image 2 Saver 的價格是多少？
每張圖 5 點數，以 Plus 方案費率計算約 $0.005，不論選擇 low、medium 或 high 品質，以及 1K、2K 或 4K。新帳號可獲得 10 點免費點數，足夠生成兩張圖。
什麼時候應該改用標準版 GPT Image 2？
當請求需要超過 14 張參考圖，或你希望結果完全依請求的像素尺寸回傳時，請使用標準版 GPT Image 2。需要透明背景時，請使用 GPT Image 2.5 Flare 或 Sunburst。
使用這個模型
從提示詞模板開始，或先比較模型
如果已經確定模型，可以直接使用生成器；如果提示詞需要在速度、細節和參考圖輸入之間做不同取捨，可以先比較所有支援的模型。