GPT-Image-2.5 API 计费详解：一次调用的 token 花在哪

先看结论：一次调用的账单是三段相加

一次 API 调用的费用，由三段 token 相加得到：文本输入、图像输入、图像输出。三段各有单价，其中输出那一段的单位价格最高。想把这张账单看清楚，只需要回答三个问题——每段在什么时候产生、数量由什么决定、哪几段你其实可以不用付。

本站的套餐与积分价格不在这里，见定价页；单张成本的估算区间与第三方比价方法，见GPT Image 2.5 价格详解。

三段 token 分别在什么时候产生

下面是三段的构成。费率取自官方公开口径，官方可能调整，实际账单以下单时官方文档公示的价格为准。

三段里只有第三段是必然会花的。完全用文字生成、不传任何参考图时，图像输入那一段为零——这是三段结构里最容易被忽略的一处。

输出侧单价是文本输入的 6 倍，这意味着控制点在输出

把三个单价放在一起看：输出侧的 $30 是文本输入 $5 的 6 倍，也是图像输入 $8 的 3.75 倍。这个比例不是随口定的，它反映的是成本结构——输出侧要真的把像素画出来，投入高于理解输入。

对使用者来说，这条比较的实际含义是：同样一处改动，改文字表述对账单的影响远小于改输出规格。想让支出降下来，先看输出那一段，再看输入那一段，最后才轮到提示词的长度。

图像输入：参考图带进来的那一段

把参考图放进请求时，这些图会作为图像输入被计费。这是三段里最容易估错的一段——它的数量不随你的提示词长度变化，而随你传进去多少张图、每张图自身携带多少图像 token 变化。

官方对图像输入设有缓存价：$2 / 100 万 tokens，是常规价 $8 的四分之一。哪些调用会命中缓存、命中比例有多少，取决于你的调用方式，以官方文档与你账户的实际账单为准。

一个可以立刻用上的判断：同一组参考图在连续多次调用里反复出现时，这一段的结构与你每次都换新图时并不相同。批量任务里把参考图固定下来，比每轮换图更可控。

四种调用形态，账单差在哪

这四种里，「多轮编辑」最容易被低估。读者容易把「只改一处」当成一笔很小的花费，但它每次都是一次独立调用，账单按调用次数累加——改一处是省下了重新描述整张图，不是省下了一次调用。中文字多的海报之所以成本偏高，原因也在这里，见GPT Image 2.5 中文支持与渲染边界。

为什么「按张计费」的直觉会出错

同样是 1024×1024，在同一份官方费率下，单张成本可以相差约 35 倍：低档约 $0.006，最高档约 $0.211（两个数值为按公开费率与典型用量推算的估算值，与GPT Image 2.5 价格详解同口径，用于量级判断，不是官方报价）。如果计费单位是「张」，这两个数字本该接近。

把它们按官方输出单价 $30 / 100 万 tokens 反推（假设该估算值主要来自输出侧），约 200 个与约 7,000 个输出 token 的差距，正好对应上面那 35 倍 —— 反向推导的算式：0.006 ÷ (30 ÷ 1,000,000) ≈ 200；0.211 ÷ (30 ÷ 1,000,000) ≈ 7,000。

所以看账单的正确顺序是：先问这一张用了哪个质量档，再问它值多少钱。分辨率决定画布，质量档才决定 token。想在自己账户里验证这个量级，最直接的办法是用同一条提示词、同一组参考图，分别在低档与最高档各跑一次，比对自己账单上输出那一段的差异——这是唯一能反映你真实用量的数据来源。

在接口层面控制支出的四个做法

• 只传必要的参考图。参考图进入请求就算图像输入，张数越多这一段越大。能用一张说清的，不要传三张。
• 同一组素材连着用。官方对图像输入设有缓存价；把参考图固定成一组，比每轮换新图更可控。命中与否以你的账单为准。
• 输出规格按最终用途定。输出尺寸与质量档直接决定输出 token 数；为了「保险」先用最大规格，是账单上最容易发生的一笔浪费。
• 先看是哪一段在涨。账单变高了，先分清是输入侧还是输出侧：输入侧涨通常是参考图变多，输出侧涨通常是规格变高，两边的对策完全不同。

常见问题