TokenLab 擴展對 GPT Image Edit API 的支援

TokenLab 已擴展其圖像編輯 API，以支援最新的 GPT Image 編輯工作流程，包括多圖像輸入以及針對 gpt-image-2 的非同步 (async) 任務輪詢。如果您正在基於 GPT Image 模型構建編輯功能，現在編輯端點 (endpoint) 同時處理 multipart 上傳和 JSON 圖像引用，並針對較大或較慢的作業提供非同步模式。

重點摘要

• 圖像編輯端點支援針對受支援模型系列的 multipart 檔案上傳和 JSON 圖像引用。
• gpt-image-2 支援在單一編輯請求中使用多個來源圖像。
• 非同步模式會返回一個任務引用，供您輪詢以確認完成，這是處理多圖像或高延遲編輯的建議路徑。
• 基於標準編輯端點構建的現有整合將繼續運作，無需更改；非同步支援是額外增加的功能。

變更內容

圖像編輯已成為任何 AI 產品介面中需求最高的部分之一。使用者希望上傳照片、描述變更並快速獲得結果，但涉及多個參考圖像或更高解析度輸出的編輯請求，其耗時通常超過一般同步 HTTP 呼叫所能舒適承受的範圍。對於透過 TokenLab 使用 GPT Image 模型的團隊來說，這種差距一直是主要的摩擦點。

此次更新直接解決了這個問題。/images/edit 端點現在可以識別請求是否針對 gpt-image-2，並提供兩條路徑：用於簡單單圖像編輯的標準同步呼叫，以及用於更複雜作業的非同步模式。包含多個來源圖像、較大畫布或較重提示詞指令的請求，是使用非同步模式的理想選擇，因為它們需要更長的完成時間，而您通常不希望客戶端連線長時間處於開啟等待狀態。

這不是破壞性變更。如果您的整合已經以同步方式呼叫編輯端點，它將繼續運作。非同步路徑是選擇性加入的，由請求參數觸發，同步呼叫的響應格式保持不變。

Multipart 上傳與 JSON 圖像引用

值得一提的一項實用改進是：編輯端點以兩種不同的方式接受圖像，您可以選擇最適合您技術堆疊的方式。

Multipart 表單上傳。如果您的應用程式已經擁有圖像位元組（無論是來自使用者上傳還是已生成的資產），您可以直接將其作為 multipart 表單資料傳送。對於直接從客戶端上傳代理檔案的伺服器端程式碼而言，這是更簡單的路徑。

JSON 圖像引用。如果您的圖像已經存在於可透過 URL 存取的位置，或者您之前在 TokenLab 請求中生成了它們並擁有可重複使用的引用，則可以在 JSON 主體中傳遞該引用。這避免了重新上傳已有的位元組，對於串聯生成和編輯步驟的管線來說，通常是更好的選擇。

這兩種方法都適用於 GPT Image 編輯請求。使用哪一種取決於您的資料現有的格式，而不是功能上的權衡。如果您正在構建一個生成圖像、檢查圖像然後進行編輯的管線，JSON 引用路徑通常可以節省冗餘的上傳步驟。

使用 gpt-image-2 進行多圖像編輯

更大的功能性新增是針對 gpt-image-2 的多圖像支援。您現在不再只能編輯單一來源圖像，而可以在單一編輯請求中傳遞多個圖像，並讓模型將它們結合使用，例如將主體照片與參考背景結合，或使用第二張圖像作為引導來進行風格轉換。

由於多圖像編輯在每個請求中處理的工作量更大，它們也是使用非同步模式最明確的案例。透過同步呼叫傳送多張圖像和複雜的指令集，意味著必須根據模型所需的處理時間保持連線開啟，這對於大多數客戶端逾時設定和負載平衡器配置來說並不合適。非同步模式避開了這一點：您提交請求，立即獲得任務引用，並按照自己的排程輪詢結果。

非同步模式：何時以及如何使用

非同步模式在 TokenLab API 中支援該功能的各個部分運作方式相同。您在設定 async 旗標的情況下提交編輯請求，並立即獲得任務識別碼，而不是等待最終圖像。從那時起，您輪詢狀態端點直到任務報告完成，此時響應中將包含您的結果。

在以下情況使用非同步模式：

• 您在單一編輯請求中傳送多個來源圖像。
• 您的提示詞或指令足夠複雜，導致生成時間不可預測。
• 您是在背景作業、佇列或批次處理中執行編輯，而不是在即時使用者請求中。
• 您希望將客戶端的請求生命週期與模型的實際處理時間解耦。

在以下情況保持使用同步模式：

• 您正在進行簡單的單圖像編輯，且提示詞簡短。
• 您的應用程式已有較短的逾時預算，且傾向於快速失敗而不是輪詢。

整合檢查清單

在將工作流程切換到 gpt-image-2 編輯之前，請確認以下事項：

• 確認您正針對 /images/edit 端點並指定正確的模型。
• 根據圖像在管線中的現有位置，決定以 multipart 上傳還是 JSON 引用方式傳送圖像。
• 如果您的編輯涉及多於一個來源圖像，請啟用非同步模式，而不是假設同步響應。
• 針對非同步任務實作具有合理退避 (backoff) 機制的輪詢迴圈，而不是密集輪詢。
• 在您的客戶端程式碼中明確處理任務掛起狀態，使其與最終錯誤或成功狀態區分開來。
• 在發布到生產環境之前，使用您預期的最大圖像數量和提示詞長度進行測試。

請求範例

curl -X POST https://api.tokenlab.sh/v1/images/edit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "images": ["ref://your-image-reference-1", "ref://your-image-reference-2"],
    "prompt": "combine these into a single edited scene",
    "async": true
  }'

調整引用值和提示詞以符合您的實際管線。對於 multipart 上傳，請將 JSON 圖像引用替換為標準的 multipart 表單主體。

常見問題

非同步模式會改變 gpt-image-2 編輯的輸出品質或格式嗎？ 不會。非同步模式僅改變您獲取結果的方式。模型以相同方式處理請求；您只是在輪詢已完成的圖像，而不是在等待開啟的連線。

我可以在同一個請求中混合使用 multipart 上傳和 JSON 圖像引用嗎？ 該端點被建構為每個請求接受一種輸入樣式。請選擇與您的圖像資料目前所在位置相符的方式，如果需要結合來自兩種格式的來源，請進行轉換。

我需要更改現有的單圖像編輯整合嗎？ 不需要。單圖像、同步編輯呼叫將繼續像以前一樣運作。非同步模式和多圖像支援是您在需要時可以選擇加入的額外功能。

來源與時效性

此更新反映了截至 2026-07-07 觀察到的 TokenLab API 行為。有關當前的端點參考，請參閱 image edit API 文件 和 image generation 指南。有關更廣泛的模型比較，請參閱 Best AI Image Models API 2026。

開始使用

如果您正在構建圖像編輯功能，並希望在 GPT Image、Nano Banana Pro 和其他圖像模型之間擁有單一 API 介面，TokenLab 為您提供了一個支援同步和非同步工作流程的整合點。查看文件並獲取 API 金鑰，立即開始測試 gpt-image-2 編輯。

相關閱讀與下一步

如果您正在決定 GPT Image Edit 如何融入您更廣泛的圖像管線，以下資源可以提供幫助。請從 Best AI Image Models API Guide: How to Choose Image Generation and Editing Models 開始，了解領先供應商及其編輯功能的比較。如果您正在權衡 OpenAI 與 Google 的產品，GPT Image API vs Gemini Image API: How to Choose 分析了每個產品的優勢、定價結構和使用案例。如果您想在 GPT Image 之外尋求快速、低成本的編輯選項，Nano Banana API Guide: Image Generation and Editing Through TokenLab 涵蓋了設定和實用範例。

模型可用性、速率限制和定價可能會發生變化，因此在將任何工作流程擴展到高容量生產環境之前，請確認當前詳細資訊。

準備好開始構建了嗎？建立一個 API 金鑰，並在幾分鐘內測試 GPT Image Edit 以及其他受支援的模型。