Hướng dẫn tinh chỉnh kiểm duyệt hình ảnh GPT: Cách giảm lỗi 400 moderation_blocked

Khoảng một trong số 23 yêu cầu GPT Image 2 mà chúng tôi phục vụ từ ngày 19 tháng 8 đến ngày 18 tháng 9 năm 2026 đã trả về lỗi HTTP 400. Hệ thống an toàn phía thượng nguồn đã từ chối chúng trước khi bất kỳ pixel nào được hiển thị, và hầu hết các câu lệnh (prompt) đều trông có vẻ vô hại đối với những người viết chúng. Hướng dẫn điều chỉnh kiểm duyệt GPT Image này được đúc kết từ 30 ngày dữ liệu sản xuất trên API hình ảnh của TokenLab, cộng với tài liệu tạo hình ảnh chính thức của OpenAI. Các yếu tố kích hoạt tập trung chặt chẽ và các bản sửa lỗi là viết lại câu lệnh thay vì thử lại. Các con số chúng tôi trích dẫn là thống kê tổng hợp của nền tảng; không có nội dung khách hàng nào được sao chép lại.

Những điểm chính cần lưu ý

• Khoảng 4,3% các tác vụ GPT Image trên TokenLab - tương đương khoảng một trong số 23 tác vụ - đã bị hệ thống an toàn phía thượng nguồn từ chối trong khoảng thời gian 30 ngày.
• Hình ảnh tham chiếu làm tăng tỷ lệ chặn lên hơn gấp đôi: 8,4% so với 3,7% đối với việc tạo hình ảnh chỉ bằng văn bản.
• Sự kết hợp mạnh mẽ nhất mà chúng tôi thấy là từ vựng liên quan đến trẻ vị thành niên cộng với cách diễn đạt chân thực (photorealistic): ~9,5%, gấp khoảng 2,2 lần so với mức cơ bản.
• Việc thử lại một câu lệnh không thay đổi chưa bao giờ khôi phục được một tác vụ bị chặn trong khoảng thời gian này, và các tác vụ bị chặn sẽ được hoàn tiền tự động.
• moderation="low" làm giảm độ nghiêm ngặt đối với các tác phẩm cách điệu, rõ ràng là lành tính; nó không bao giờ vô hiệu hóa việc lọc các danh mục bất hợp pháp.

Lỗi này thực sự là gì

GPT Image 2 kiểm tra mọi câu lệnh, mọi hình ảnh đầu vào và mọi hình ảnh được tạo dựa trên chính sách nội dung của nhà cung cấp. Khi một bộ lọc được kích hoạt, yêu cầu sẽ thất bại với mã 400, và mã lỗi ổn định là:

{
  "error": {
    "type": "image_generation_user_error",
    "code": "moderation_blocked",
    "moderation_details": {
      "moderation_stage": "input",
      "categories": ["sexual"]
    }
  }
}

Theo tài liệu chính thức, moderation_details là tùy chọn và cố tình được để ở mức thô. moderation_stage cho bạn biết liệu việc chặn đến từ đầu vào của bạn (input) hay từ hình ảnh được tạo (output). categories mang các nhãn công khai rộng rãi như harassment, self-harm, sexual, hoặc violence. Nó không bao giờ tiết lộ điểm số phân loại nội bộ.

Trên TokenLab, cùng một sự kiện xuất hiện dưới hai hình thức:

• Các cuộc gọi đồng bộ (/v1/images/generations, /v1/images/edits) trả về HTTP 400 ngay lập tức.
• Các tác vụ không đồng bộ chuyển sang trạng thái failed với thông báo "The request was rejected by the safety system."

Dù thế nào đi nữa, hai sự thật vận hành sau đây rất quan trọng. Một lần chặn kiểm duyệt là xác định cho cùng một nội dung: việc thử lại một yêu cầu không thay đổi về cơ bản không bao giờ thành công. Và trên TokenLab, một tác vụ bị chặn kiểm duyệt được tính là một tác vụ thất bại, vì vậy hạn mức đã khấu trừ trước sẽ được hoàn lại đầy đủ tự động. Bạn không bao giờ phải trả tiền cho một lần tạo bị chặn.

Dữ liệu điều chỉnh kiểm duyệt GPT Image trong ba mươi ngày

Từ ngày 19 tháng 8 đến ngày 18 tháng 9 năm 2026, khoảng 4,3% các tác vụ GPT Image trên TokenLab (khoảng một trong số 23) đã bị hệ thống an toàn phía thượng nguồn từ chối. Các yêu cầu bị chặn không phân bổ đều. Chúng tập trung xung quanh một vài mô hình:

Tín hiệu	Tác vụ bị chặn	Tất cả tác vụ khác	Đọc hiểu
Câu lệnh đề cập đến trẻ vị thành niên (trẻ em, đứa trẻ, em bé, "7 tuổi", ...)	79%	33%	Yếu tố dự báo đơn lẻ mạnh nhất
Cách diễn đạt kết xuất chân thực ("photorealistic", "real human", "live-action")	77%	57%	Bộ khuếch đại, đặc biệt là với trẻ vị thành niên
Các từ mô tả gần với tình dục (nude, sexy, lingerie, từ ngữ tập trung vào cơ thể)	43%	17%	Yếu tố dự báo mạnh
Các từ hành động/bạo lực chung (battle, sword, explosion)	~50%	~50%	Không có giá trị dự báo khi đứng một mình

Ba phát hiện khác từ cùng khoảng thời gian này:

• Hình ảnh tham chiếu làm tăng rủi ro. Ví dụ, các tác vụ có hình ảnh đầu vào/tham chiếu bị chặn ở mức 8,4%, so với 3,7% đối với việc tạo chỉ bằng văn bản, cao hơn gấp đôi. Hình ảnh được kiểm duyệt nghiêm ngặt như văn bản.
• Các câu lệnh dài dễ thất bại hơn. Các câu lệnh bị chặn trung bình khoảng 3.600 ký tự, và hơn một nửa vượt quá 2.000 ký tự. Mỗi mệnh đề bổ sung là thêm bề mặt cho bộ phân loại.
• Thử lại không bao giờ khôi phục được. Mọi tác vụ bị chặn trong khoảng thời gian này đều kết thúc ở trạng thái thất bại cuối cùng; không có tác vụ nào thành công bằng cách gửi lại cùng một đầu vào. Và tất cả chúng đều được hoàn tiền tự động.

Quy trình làm việc bị chặn nhiều nhất mà chúng tôi quan sát được: các bảng thiết kế nhân vật chân thực của trẻ vị thành niên: các câu lệnh kiểu "casting reference" mô tả một nhân vật trẻ em với kết xuất siêu thực, tỷ lệ cơ thể chính xác và các ghi chú về quần áo. Các câu lệnh kết hợp từ vựng liên quan đến trẻ vị thành niên với kết xuất chân thực đã bị chặn ở mức ~9,5%, gấp 2,2 lần tỷ lệ cơ bản.

Đọc qua nhóm bị chặn, gần như mọi sự từ chối đều rơi vào một trong năm nhóm:

1. Mô tả chân thực về trẻ vị thành niên. Các nhân vật trẻ em hoặc em bé được kết xuất như "một người thật được chụp trong studio", "siêu chân thực", "không phải CGI, không phải minh họa". Sự kết hợp giữa trẻ vị thành niên và tính chân thực là ranh giới được bảo vệ nghiêm ngặt nhất trong kiểm duyệt hình ảnh, và nó kích hoạt ngay cả khi ý định là một bảng nhân vật vô hại.
2. Từ ngữ tập trung vào quần áo hoặc cơ thể xung quanh trẻ vị thành niên. Các cụm từ như "unclothed collarbone-up close-up" (có ý là một bức ảnh chân dung cắt cúp đơn giản) hoặc các phép đo tỷ lệ cơ thể từ đầu đến chân chi tiết của một nhân vật trẻ em. Riêng lẻ thì vô hại, nhưng tổng hợp lại chúng được hiểu là mô tả tập trung vào cơ thể của một trẻ vị thành niên.
3. Các từ mô tả tình dục hóa về nhân vật người lớn. Từ vựng tập trung vào tư thế, da thịt và đồ lót ("lingerie", "nude", "seductive pose") ngay cả trong các bố cục SFW (an toàn cho công việc) khác.
4. Giải phẫu máu me đồ họa. Các câu lệnh kinh dị và giả tưởng đen tối mô tả thịt thối, nội tạng lộ ra, vết thương hở hoặc ký sinh trùng một cách chi tiết về giải phẫu.
5. Hình ảnh tham chiếu của người thật. Ảnh thật của trẻ vị thành niên, hình ảnh có độ hở da cao hoặc khuôn mặt giống người nổi tiếng được sử dụng làm đầu vào chỉnh sửa.

Hai bộ khuếch đại làm cho mọi thứ ở trên dễ bị kích hoạt hơn: các câu lệnh rất dài (nhiều văn bản hơn có nghĩa là nhiều cơ hội hơn cho một sự kết hợp xấu) và danh sách từ ngữ phủ định. Một dòng như "no nudity, no sexual content, no gore" không trấn an được bộ phân loại. Nó lặp lại các khái niệm bạn muốn tránh và thêm chúng vào đầu vào. Hãy mô tả những gì bạn muốn, không phải những gì bạn không muốn.

Cẩm nang điều chỉnh kiểm duyệt GPT Image

Các bước viết lại này ánh xạ tới dữ liệu ở trên. (Các ví dụ mang tính minh họa, không phải từ lưu lượng truy cập của khách hàng.)

1. Giữ trẻ vị thành niên tránh xa tính chân thực

Nếu câu chuyện, truyện tranh hoặc trò chơi của bạn cần các nhân vật trẻ em, hãy kết xuất chúng trong một phương tiện cách điệu rõ ràng:

Trước: "Ultra-photorealistic casting photo of a 7-year-old girl, real human
child photographed in a studio, detailed body proportions, collarbone-up
unclothed facial close-up ..."

Sau:  "Storybook watercolor illustration of a young girl in Ming-dynasty
dress, shoulder-up portrait, round face, twin hair buns tied with cloth
ribbons, gentle expression, plain white background"

Thay đổi phương tiện (màu nước, hoạt hình 2D, hoạt hình 3D, phong cách sách tranh). Bỏ khung "real human / photographed", và bỏ qua hoàn toàn các phép đo cơ thể. Nếu bạn phải mô tả quần áo, hãy mô tả những gì nhân vật mặc ("wearing a round-collar cloth jacket") thay vì những gì họ không mặc.

2. Xóa danh sách từ ngữ phủ định

Thay thế "no nudity, no blood, no text, no watermark" bằng cách diễn đạt tích cực: "fully clothed", "clean composition", "plain background". Chỉ giữ lại các từ phủ định không nêu tên danh mục bị hạn chế. "No watermark" là ổn; "no nudity" không giúp ích gì.

3. Cắt ngắn câu lệnh

Nếu bạn tạo các bảng nhân vật nhiều khung hình, đừng lặp lại cùng một khối phong cách trong mỗi mô tả khung hình. Một câu phong cách chung cộng với các chi tiết cụ thể cho từng khung hình giúp bạn giữ dưới ngưỡng bề mặt nơi các sự kết hợp kích hoạt ngẫu nhiên trở nên có khả năng xảy ra.

4. Làm dịu máu me bằng bầu không khí, không phải giải phẫu

Trước: "her body rotting, exposed skull, flesh, pustules and parasites ..."

Sau:  "one half serene and maternal, the other half dissolving into shadow
and tidal mist, decay suggested through silhouette and lighting rather than
anatomical detail"

Giả tưởng đen tối tồn tại qua kiểm duyệt khi sự kinh dị được truyền tải bởi tâm trạng, ánh sáng và hình bóng thay vì mô tả ở cấp độ mô.

5. Trung hòa sự gần gũi với nội dung người lớn

Đối với các nhân vật người lớn, hãy hoán đổi các từ tập trung vào cơ thể và đồ lót bằng ngôn ngữ thời trang và tâm trạng. "Evening gown" thay vì "lingerie", "confident contrapposto" thay vì "seductive pose".

6. Đối xử với hình ảnh tham chiếu như một phần của câu lệnh

Đầu vào hình ảnh cũng được kiểm duyệt, và trong dữ liệu của chúng tôi, chúng làm tăng tỷ lệ chặn lên hơn gấp đôi. Hãy xử lý chúng như văn bản câu lệnh:

• Ưu tiên các tham chiếu cách điệu cho trẻ vị thành niên. Một hình minh họa hoặc kết xuất 3D của một nhân vật trẻ em là đầu vào an toàn hơn nhiều so với một bức ảnh thật của một đứa trẻ, và nó thường hoạt động tốt như nhau cho sự nhất quán của nhân vật.
• Cắt cúp vào những gì quan trọng. Nếu bạn cần một khuôn mặt để nhất quán về danh tính, hãy tải lên ảnh cắt khuôn mặt, không phải ảnh toàn thân trên bãi biển. Ít da thịt hơn và ít bối cảnh hơn có nghĩa là ít bề mặt bộ phân loại hơn.
• Xóa văn bản và hình mờ (watermark) đè lên. Chú thích, văn bản meme và chuỗi hình mờ trên hình ảnh tham chiếu được đọc như văn bản đầu vào và có thể mang các từ kích hoạt mà bạn đã quên là có ở đó.
• Tránh những hình ảnh giống người nổi tiếng thực sự, cả dưới dạng hình ảnh tham chiếu và dưới dạng văn bản câu lệnh "in the style of ".

Các ghi chú hỗ trợ GPT Image edit API bao gồm hình dạng yêu cầu đằng sau các chỉnh sửa nhiều hình ảnh và thăm dò không đồng bộ.

Tham số kiểm duyệt

Các mô hình GPT Image chấp nhận tham số moderation với hai giá trị, theo tài liệu chính thức:

• auto (mặc định): lọc tiêu chuẩn giới hạn một số danh mục nội dung có khả năng không phù hợp với lứa tuổi.
• low: lọc ít hạn chế hơn.

TokenLab chuyển tham số này qua cả /v1/images/generations và /v1/images/edits:

curl https://api.tokenlab.sh/v1/images/generations \\
  -H "Authorization: Bearer \$TOKENLAB_API_KEY" \\
  -H "Content-Type: application/json" \\
  -d '{
    "model": "gpt-image-2",
    "prompt": "Storybook watercolor illustration of a young girl in Ming-dynasty dress, shoulder-up portrait",
    "size": "1024x1024",
    "moderation": "low"
  }'

Sử dụng low khi nội dung của bạn rõ ràng là lành tính nhưng liên tục bị gắn cờ. Tác phẩm minh họa cách điệu là trường hợp điển hình. Hai lưu ý: low không phải là off (các danh mục bất hợp pháp như CSAM luôn bị chặn), và nó là một nút xoay, không phải là sự đảm bảo. Hãy sửa câu lệnh trước, sau đó mới dùng đến tham số này.

Xử lý các khối trong mã

Hướng dẫn chính thức rất rõ ràng: các lỗi image_generation_user_error là lỗi do người dùng có thể sửa được và không nên thử lại mà không thay đổi yêu cầu. Dữ liệu của chúng tôi đồng ý: không có tác vụ bị chặn nào trong khoảng thời gian 30 ngày khôi phục được bằng cách thử lại một yêu cầu không thay đổi. Cách xử lý đúng:

• Phân biệt dựa trên error.code, không phải văn bản thông báo. Chỉ moderation_blocked (và image_generation_user_error nói chung) mới có nghĩa là "sửa đầu vào". Giới hạn tốc độ và 5xx vẫn có thể thử lại.
• Đọc giai đoạn. moderation_stage: "input" có nghĩa là viết lại câu lệnh hoặc hoán đổi hình ảnh tham chiếu; "output" có nghĩa là chính hình ảnh được tạo đã bị gắn cờ; việc tạo lại với một câu lệnh đã được điều chỉnh, giảm rủi ro một chút thường giải quyết được vấn đề.
• Giữ thông báo cho người dùng cuối ở mức chung chung ("This request couldn't be completed due to content safety requirements") và ghi lại moderation_details cùng ID yêu cầu để bạn tự gỡ lỗi và hỗ trợ.
• Đừng lặp lại. Ngắt mạch sau một lần chặn kiểm duyệt cho mỗi đầu vào duy nhất; việc gửi lại nội dung giống hệt nhau gây lãng phí độ trễ và thời gian gỡ lỗi mặc dù TokenLab hoàn tiền cho nó.

Danh sách kiểm tra

Tình huống của bạn	Yếu tố kích hoạt có khả năng	Sửa lỗi
Bảng thiết kế nhân vật trẻ em	Trẻ vị thành niên × chân thực	Phương tiện cách điệu, không đo cơ thể, từ ngữ quần áo tích cực
Chân dung người lớn chân thực bị chặn	Từ mô tả tình dục hóa	Từ ngữ thời trang/tâm trạng; xem xét moderation="low"
Sinh vật giả tưởng đen tối / kinh dị	Giải phẫu máu me	Bầu không khí và hình bóng thay vì chi tiết mô
Chỉnh sửa với ảnh tham chiếu bị chặn	Hình ảnh đầu vào người thật / hở da nhiều	Cắt cúp chặt hơn, sử dụng tham chiếu cách điệu, xóa văn bản đè
Câu lệnh nhiều khung hình dài bị chặn	Bề mặt câu lệnh + danh sách phủ định	Xóa boilerplate, xóa danh sách từ ngữ phủ định
Tác phẩm cách điệu lành tính vẫn bị gắn cờ	Sự bảo thủ của bộ phân loại	moderation="low"

Hạn chế. Các thống kê ở trên là tổng hợp 30 ngày từ lưu lượng truy cập sản xuất của TokenLab, và chúng mô tả các xu hướng, không phải sự đảm bảo. Các bộ phân loại kiểm duyệt thay đổi theo thời gian, và cùng một câu lệnh có thể được xử lý khác nhau sau một bản cập nhật phía thượng nguồn. Các ví dụ viết lại là các mẫu minh họa, không phải dữ liệu khách hàng. Luôn xác thực dựa trên hành vi hiện tại với một bài kiểm tra nhỏ trước khi chạy hàng loạt.

Câu hỏi thường gặp

Tôi có phải trả tiền cho một lần tạo bị chặn không?

Không. Trên TokenLab, các tác vụ bị chặn kiểm duyệt sẽ thất bại và hạn mức đã khấu trừ trước sẽ được hoàn lại tự động và đầy đủ.

Việc thử lại cùng một câu lệnh có giúp ích gì không?

Không. Trong 30 ngày dữ liệu, không một tác vụ bị chặn nào thành công khi thử lại mà không thay đổi. Hãy thay đổi đầu vào trước.

moderation="low" có vô hiệu hóa lọc an toàn không?

Không. Nó làm giảm tính hạn chế; các danh mục nội dung bất hợp pháp vẫn bị chặn bất kể thế nào.

Hình ảnh tham chiếu có thực sự được kiểm duyệt không?

Có. Cả câu lệnh và mọi hình ảnh đầu vào đều được lọc. Các tác vụ có hình ảnh tham chiếu bị chặn ở mức cao hơn gấp đôi so với tỷ lệ chỉ dùng văn bản trong dữ liệu của chúng tôi.

Tôi có thể xem chính xác quy tắc nào đã kích hoạt không?

Chỉ ở cấp độ moderation_details.categories thô, và chỉ khi phía thượng nguồn bao gồm nó. Các nhà cung cấp cố tình không tiết lộ nội bộ bộ phân loại.

Để thử các mô hình này, hãy duyệt qua danh mục mô hình hình ảnh, xem lại hướng dẫn về các tác vụ không đồng bộ và thăm dò để xử lý vòng đời tác vụ, và kiểm tra tài liệu TokenLab để biết định dạng yêu cầu hiện tại.

Tạo một khóa API và chạy một lô thử nghiệm nhỏ trước khi bạn mở rộng quy trình làm việc.