Panduan Pemilihan API Penyuntingan Gambar AI: Endpoint, Input, dan Unit Biaya

API pengeditan gambar AI terbaik jarang sekali adalah API dengan demo terbaik. API terbaik adalah yang endpoint, bentuk input, dan unit penagihannya sesuai dengan hasil edit yang sebenarnya dilakukan oleh produk Anda. Edit mask, image-to-image berbasis referensi, dan operasi edit khusus model tidak memiliki kontrak yang sama. Kami membaca dokumen edit TokenLab dan halaman model langsung pada 2026-10-03, dan semua informasi di bawah ini berasal dari halaman tersebut. Endpoint gambar tidak memilih model default untuk Anda, jadi selalu kirim model secara eksplisit.

Poin Penting

• Edit berbasis mask dikirim ke POST /v1/images/edits. Edit referensi Nano Banana dikirim ke POST /v1/images/generations dengan operation: "image-to-image".
• Unit penagihan berbeda-beda. gpt-image-2 dan model gambar Gemini dihargai per token, sedangkan flux-kontext-pro dihargai per request sebesar $0,04.
• Bukti yang ada tidak memuat benchmark untuk kualitas inpainting, rendering teks, preservasi gaya, atau fidelitas foto produk. Ujilah hal tersebut pada gambar Anda sendiri.
• Edit panjang atau multi-gambar harus menggunakan async: true jika didukung oleh model. Simpan task ID dan baca biaya akhir dari Usage.
• Periksa harga dan unit di setiap halaman model sebelum Anda berkomitmen, karena API langsung dapat berubah.

Pilihan awal berdasarkan kasus penggunaan

Pilihan ini mengikuti kontrak yang didokumentasikan dan harga yang tercantum. Ini bukan peringkat kualitas, karena bukti yang ada tidak memiliki benchmark kualitas edit. Anggap masing-masing sebagai model pertama untuk dimasukkan ke dalam test set Anda sendiri.

Anda butuh	Pilihan awal	Mengapa	Sumber
Inpainting berbasis mask	gpt-image-2	Ini adalah satu-satunya model yang kontrak mask-nya dijelaskan secara rinci: PNG, dimensi yang sama, area transparan yang diedit.	Referensi Edit Image, 2026-10-03
Banyak gambar sumber dalam satu edit	gpt-image-2	Batas yang didokumentasikan adalah 16 gambar sumber. Model edit Grok Imagine dibatasi hingga 3.	Referensi Edit Image, 2026-10-03
Edit referensi harga tetap termurah	grok-imagine-image	$0,02 per request, harga tetap terendah dalam tabel kami.	API model langsung, 2026-10-03
Pertahankan bentuk produk, ubah latar	nano-banana-pro	Contoh referensi yang didokumentasikan melakukan hal ini, dengan harga $0,067 per gambar.	Referensi Create Image, 2026-10-03
Teks di dalam gambar yang diedit	Tidak ada pilihan	Bukti yang ada tidak memiliki data rendering teks untuk model edit apa pun.	n/a

Kandidat API pengeditan gambar AI terbaik: model, unit, dan harga

Tabel ini mencantumkan setiap model dari kumpulan bukti kami yang terdaftar sebagai model yang mampu melakukan pengeditan atau yang disebut dalam dokumen edit sebagai model edit. Semua harga adalah harga publik TokenLab dalam USD. Harga API langsung diperbarui pada 2026-10-02T16:53:30.068Z, dan kami mengamati setiap halaman pada 2026-10-03.

Model ID	Kemampuan yang tercantum di API langsung	Unit harga	Harga TokenLab (USD)	Sumber	Diamati
gpt-image-2	text-to-image (edit didokumentasikan pada /v1/images/edits)	per_token	$3,50/1M input teks, $5,60/1M input gambar, $21/1M output gambar; input teks cache $0,875/1M	API model langsung	2026-10-03
flux-kontext-pro	image-edit, image-to-image, text-to-image	per_request	$0,04	API model langsung	2026-10-03
flux-pro-1.0-fill	image-to-image	per_image	$0,035	API model langsung	2026-10-03
flux-2-pro	image-to-image, text-to-image	per_image	$0,03	API model langsung	2026-10-03
nano-banana-pro	image-edit, image-to-image, text-to-image	per_image	$0,067 (ringkasan rentang harga hingga $0,12)	API model langsung	2026-10-03
gemini-3-pro-image	image-to-image, text-to-image, vision	per_token	$1/1M input, $6/1M output teks, $60/1M output gambar	API model langsung	2026-10-03
gemini-3.1-flash-image	image-to-image, text-to-image, vision	per_token	$0,25/1M input, $1,50/1M output teks, $30/1M output gambar	API model langsung	2026-10-03
grok-imagine-image	image-to-image, text-to-image	per_request	$0,02	API model langsung	2026-10-03

Saat kami membandingkan halaman-halaman tersebut, kami menemukan tiga ketidaksesuaian. API langsung mencantumkan gpt-image-2 hanya sebagai text-to-image, namun Referensi Edit Image mengatakan bahwa model ini didukung pada /v1/images/edits. Halaman langsung untuk flux-pro-1.0-fill dan flux-2-pro mencantumkan image-to-image, sementara snapshot katalog kami melabeli keduanya sebagai image-edit. Dan nano-banana-pro mencantumkan image-edit, tetapi dokumennya mengarahkannya melalui /v1/images/generations. Kami menganggap dokumen sebagai otoritas untuk perutean dan API langsung sebagai otoritas untuk harga.

Untuk model dengan harga tetap, estimasi kasar adalah perkalian sederhana. Ini adalah estimasi, bukan penawaran, dan mengasumsikan satu biaya per request yang selesai:

• 100 edit pada grok-imagine-image: 100 × $0,02 = $2,00.
• 100 edit pada flux-2-pro: 100 × $0,03 = $3,00.
• 100 edit pada flux-pro-1.0-fill: 100 × $0,035 = $3,50.
• 100 edit pada flux-kontext-pro: 100 × $0,04 = $4,00.

Bukti yang ada tidak memberikan estimasi per-edit untuk model dengan harga token. gpt-image-2 menagih input teks, input gambar, input cache yang dilaporkan, dan token output gambar, jadi ini bukan model dengan harga tetap per gambar. Bukti yang ada tidak mencakup jumlah token untuk edit yang umum. Jalankan beberapa edit nyata dan baca biayanya di Usage, seperti yang dijelaskan dalam Panduan Penagihan. Rentang harga nano-banana-pro menyiratkan tingkatan resolusi, tetapi bukti yang ada tidak memetakan tingkatan ke harga.

Apa yang diterima endpoint edit, dan apa yang tidak didokumentasikan

Referensi Edit Image (diamati 2026-10-03) mendukung alur multipart yang kompatibel dengan OpenAI dan request JSON. Berikut adalah apa yang dinyatakan untuk gpt-image-2:

• Input gambar. Kirim multipart image, JSON image_url / image_urls, atau objek images[] resmi. Setiap objek images[] berisi tepat satu dari image_url atau file_id. Buat nilai file_id melalui /v1/files terlebih dahulu.
• Referensi ganda. Hingga 16 gambar sumber, masing-masing PNG, JPEG, atau WebP, hingga 50 MiB. Ulangi field image dalam request multipart. Dalam JSON, berikan tepat satu dari image_url, image_urls, atau images.
• Mask. PNG di bawah 50 MiB dengan dimensi yang sama dengan gambar sumber. Area yang sepenuhnya transparan menandai tempat edit diterapkan. Dalam JSON, mask bisa berupa objek dengan tepat satu dari image_url atau file_id.
• Output. size menerima auto atau WIDTHxHEIGHT. Dimensi harus kelipatan 16, tepi terpanjang maksimal 3840px, rasio panjang-ke-pendek maksimal 3:1, dan total piksel antara 655.360 dan 8.294.400. Jangan kirim resolution. background menerima auto atau opaque, bukan transparent.
• Field yang ditolak. input_fidelity tidak didukung untuk gpt-image-2, dan mengirimkannya akan mengembalikan 400 unsupported_parameter.
• URL Jarak Jauh. Harus berupa http/https publik, tanpa kredensial atau fragmen yang disematkan. Tidak boleh mengarah ke localhost, rentang pribadi, atau rentang yang dicadangkan. Batasnya adalah 50 MiB per gambar, 200 MiB total per request (termasuk mask), timeout pengambilan 30 detik, dan hingga 3 pengalihan. Payload yang diambil harus berupa PNG, JPEG, atau WebP asli.

Model edit Grok Imagine (grok-imagine-image, grok-imagine-image-quality) menggunakan field input yang sama tetapi membatasi gambar sumber hingga 3. Request dengan lebih dari itu akan gagal dengan 400 too_many_images.

Nano Banana berbeda. Dokumen mengatakan nano-banana-2 dan nano-banana-pro menerima request gambar referensi pada /v1/images/generations dengan operation: "image-to-image" dan image_urls. Mereka tidak termasuk dalam /v1/images/edits. images[] tingkat atas dan file_id adalah bentuk alur edit dan ditolak pada endpoint generations. Berikut adalah contoh yang didokumentasikan untuk nano-banana-pro, yang menerima resolution:

{
  "model": "nano-banana-pro",
  "prompt": "Keep the product shape, change the background to a bright studio setup",
  "operation": "image-to-image",
  "image_urls": ["https://example.com/input/product.png"],
  "aspect_ratio": "1:1",
  "resolution": "2k"
}

Untuk keluarga gambar Google, referensi Create Image mengatakan untuk lebih memilih aspect_ratio dan mengirim resolution (1k, 2k, 4k) hanya jika model mendukungnya. Detail model untuk nano-banana-2 ditautkan di sini, tetapi kumpulan bukti tidak menyertakan harganya.

Tidak didokumentasikan dalam bukti:

• Apakah model selain gpt-image-2 menerima mask pada /v1/images/edits, termasuk flux-pro-1.0-fill dan stability-inpaint.
• Bagaimana satu mask diterapkan saat Anda mengirim beberapa gambar sumber.
• Batas gambar sumber untuk model FLUX dan Nano Banana.
• Apakah urutan gambar dalam request multi-gambar memengaruhi hasil.

Baca halaman detail model sebelum membangun aplikasi di atas salah satu model ini.

Satu request edit lengkap

Request ini hanya menggunakan field yang didokumentasikan untuk gpt-image-2: gambar sumber, mask, prompt, size, dan async. Ini mengikuti contoh multipart dalam referensi Edit Image.

curl -X POST "https://api.tokenlab.sh/v1/images/edits" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY" \
  -F "model=gpt-image-2" \
  -F "image=@source.png" \
  -F "mask=@mask.png" \
  -F "prompt=A sunlit indoor lounge area with a pool" \
  -F "n=1" \
  -F "size=1024x1024" \
  -F "async=true"

Dengan async=true, respons membawa status: "pending", task_id, dan poll_url, dan data tetap kosong. Hapus baris async untuk panggilan sinkron. Panggilan sinkron mengembalikan data[].url secara default, atau data[].b64_json jika Anda mengatur response_format. Lakukan polling tugas seperti ini:

curl "https://api.tokenlab.sh/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $TOKENLAB_API_KEY"

Detail model untuk gpt-image-2 ada di halaman modelnya. Untuk panggilan sinkron, atur timeout klien HTTP Anda setidaknya 120 detik, karena request resolusi tinggi bisa memakan waktu hampir satu menit atau lebih.

Memilih API pengeditan gambar AI terbaik berdasarkan tugas

Bukti menyatakan perutean, input, dan harga. Bukti tersebut tidak berisi benchmark kualitas edit, jadi setiap pertanyaan "mana yang lebih baik" di bawah ini memerlukan test set Anda sendiri.

Inpainting. gpt-image-2 adalah satu-satunya model yang kontrak mask-nya dijelaskan dalam dokumen. Katalog juga mencantumkan alat wilayah dan struktur khusus: stability-inpaint, stability-control-structure, dan stability-control-sketch. Untuk edit isi dan dalam konteks, ada flux-pro-1.0-fill seharga $0,035 per gambar dan flux-kontext-pro seharga $0,04 per request. Bukti tidak mengatakan mana yang menghasilkan jahitan yang lebih bersih.

Edit yang mempertahankan gaya. Contoh referensi yang didokumentasikan mempertahankan bentuk produk dan mengubah sekelilingnya. Itu adalah pola nano-banana-pro pada /v1/images/generations. flux-kontext-pro mencantumkan kemampuan image-edit. Tidak ada klaim yang di-benchmark di sini untuk retensi identitas atau gaya.

Teks dalam gambar. Bukti tidak berisi informasi tentang rendering teks untuk model edit apa pun. ideogram-edit-v3 dan ideogram-reframe-v3 ada dalam katalog, tetapi kami tidak menemukan data kualitas teks. Uji dengan salinan, font, dan bahasa Anda sendiri.

Foto produk. Bayangkan tim katalog yang menukar latar belakang pada ribuan foto produk. Alat utilitas adalah pilihan pertama yang alami: image-background-remover, image-upscaler, dan stability-upscale-fast. Aturan harga dan inputnya tidak ada dalam bukti kami, jadi baca halaman setiap model. Untuk pertukaran latar belakang generatif, harga tetap per request membuat biaya batch mudah diperkirakan. Harga token membuatnya bergantung pada ukuran gambar dan output.

Persyaratan input adalah per model, bukan per penyedia. Beberapa model mengambil satu gambar sumber ditambah prompt, beberapa mengambil mask, dan beberapa mengambil input struktural. Periksa operasi yang didukung dan field request setiap model di halaman detailnya. Anda dapat menelusuri opsi saat ini di direktori model.

Penanganan Async dan konfirmasi biaya untuk edit

Panduan Image generation dan panduan Async jobs (keduanya diamati 2026-10-03) menjelaskan alurnya. async: true didokumentasikan untuk gpt-image-2 dan model edit FLUX/BFL resmi. Respons create mengembalikan status: "pending", task_id, dan poll_url. Lakukan polling pada poll_url saat tersedia, atau GET /v1/tasks/{id} untuk URL tetap. Statusnya adalah pending, processing, completed, dan failed. Dokumen menyarankan untuk memeriksa setiap 5–10 detik untuk pekerjaan media yang panjang dan berhenti pada status terminal.

Empat detail menyebabkan sebagian besar bug:

• Pembacaan status mengembalikan HTTP 200 bahkan ketika tugas gagal. Lakukan percabangan pada status, dan pada error_details.code serta type untuk kegagalan.
• Edit async yang selesai mengembalikan URL terlepas dari response_format. Gunakan request sinkron saat Anda memerlukan b64_json.
• Setelah timeout klien, periksa apakah tugas ada sebelum Anda mencoba ulang panggilan create. Mencoba ulang generasi yang gagal akan membuat tugas baru dan mungkin menimbulkan biaya baru.
• URL hasil mungkin disimpan sebagai salinan media selama 30 hari. Periksa media_retention.items untuk status setiap item dan expires_at.

Untuk biaya, Panduan Penagihan mengatakan Konsol menunjukkan estimasi maksimum sebelum Anda mengonfirmasi generasi berbayar, dan Usage menunjukkan biaya akhir. Tugas async mungkin memesan perkiraan biayanya saat diterima. Tugas yang selesai ditagih sekali, dan tugas yang gagal atau timeout melepaskan atau mengembalikan jumlah yang tertunda. Opsi pengiriman juga penting. TokenLab Verified menggunakan harga publik TokenLab, Official menggunakan lapisan harga Resmi, dan Auto mencoba Verified terlebih dahulu, kemudian Official. Tanda hubung di kolom harga halaman Model berarti tidak ada penawaran Verified yang tersedia, bukan berarti model tersebut gratis. Batas pengeluaran pada kunci API akan mengembalikan 402 Payment Required setelah tercapai.

Simpan request_id, task_id, poll_url, billing_transaction_id (jika ada), model, endpoint, dan ID pekerjaan Anda sendiri secara bersamaan. Dalam praktiknya, catatan itu menyelesaikan sebagian besar pertanyaan ketidaksesuaian penagihan. Bukti hanya mendokumentasikan pembatalan tugas untuk tugas video Seedance yang mengantre. Pembatalan untuk edit gambar tidak didokumentasikan, jadi rancang alur Anda tanpanya.

FAQ

Bisakah saya mengirim mask ke setiap model edit gambar?

Bukti hanya mendokumentasikan mask untuk gpt-image-2 pada /v1/images/edits. Mask harus berupa PNG di bawah 50 MiB dengan dimensi yang sama dengan sumber, dan area transparan akan diedit. Untuk model lain, termasuk flux-pro-1.0-fill, periksa halaman detail model sebelum Anda berasumsi ada dukungan mask.

Endpoint mana yang digunakan edit Nano Banana?

Gunakan POST /v1/images/generations dengan operation: "image-to-image" dan image_urls. Mengirim request referensi Nano Banana ke /v1/images/edits tidak didukung. Jangan kirim images[] atau file_id tingkat atas ke endpoint generations juga.

Mengapa edit gpt-image-2 saya mengembalikan 400 unsupported_parameter?

Penyebab yang paling didokumentasikan adalah input_fidelity, yang bukan merupakan field yang didukung untuk gpt-image-2. Hapus juga resolution dan nilai background: "transparent" apa pun. Tabel kesalahan umum menyarankan untuk menghapus field apa pun yang tidak didokumentasikan oleh model.

Apakah saya ditagih saat tugas edit async gagal?

Panduan penagihan mengatakan tugas yang gagal tidak ditagih, dan jumlah yang dipesan akan dilepaskan atau dikembalikan. Tugas yang selesai ditagih sekali, dan jumlah akhir muncul di Usage dengan billing_transaction_id. Jika Usage masih tidak menampilkan apa pun setelah tugas berakhir, hubungi support@tokenlab.sh dengan request ID dan task ID.

Untuk menjalankan request di atas, buat kunci API di bawah Konsol → API Keys (batas kunci dijelaskan dalam Panduan Penagihan), ekspor sebagai TOKENLAB_API_KEY, dan bandingkan contoh edit Anda dengan biaya akhir di Usage.