TokenLab 扩展了 GPT Image Edit API 支持

TokenLab 扩展了其图像编辑 API，以支持最新的 GPT Image 编辑工作流，包括多图像输入和针对 gpt-image-2 的异步任务轮询。如果您正在基于 GPT Image 模型构建编辑功能，编辑端点现在同时支持多部分（multipart）上传和 JSON 图像引用，并为更大或更慢的任务提供了异步模式。

主要内容

• 图像编辑端点支持针对受支持模型系列的 multipart 文件上传和 JSON 图像引用。
• gpt-image-2 支持在单个编辑请求中使用多个源图像。
• 异步模式会返回一个任务引用，您可以轮询该引用以获取完成状态，这是多图像或高延迟编辑的推荐路径。
• 基于标准编辑端点构建的现有集成无需更改即可继续工作；异步支持是附加功能。

变更内容

图像编辑已成为任何 AI 产品界面中要求最高的部分之一。用户希望上传照片、描述更改并快速获得结果，但涉及多个参考图像或更高分辨率输出的编辑请求所花费的时间，通常超出了标准同步 HTTP 调用所能舒适处理的范围。这一差距一直是团队通过 TokenLab 基于 GPT Image 模型进行构建时的主要痛点。

此次更新直接解决了这个问题。/images/edit 端点现在可以识别请求是否针对 gpt-image-2，并提供两条路径：用于简单单图像编辑的标准同步调用，以及用于更复杂任务的异步模式。具有多个源图像、更大画布或更重提示词指令的请求是异步模式的天然候选者，因为它们完成时间较长，而您不希望客户端连接长时间保持开启状态等待结果。

这不是破坏性更新。如果您的集成已经同步调用了编辑端点，它将继续工作。异步路径是可选的，通过请求参数触发，同步调用的响应格式保持不变。

Multipart 上传与 JSON 图像引用

值得一提的一个实用改进是：编辑端点以两种不同的方式接受图像，您可以选择最适合您技术栈的方式。

Multipart 表单上传。如果您的应用程序已经拥有图像字节（无论是来自用户上传还是生成的资产），您可以直接将其作为 multipart 表单数据发送。对于直接代理客户端上传文件的服务器端代码来说，这是更简单的路径。

JSON 图像引用。如果您的图像已经存在于可通过 URL 访问的地方，或者您之前在 TokenLab 请求中生成了它们并拥有可重用的引用，则可以在 JSON 正文中传递该引用。这避免了重新上传已有的字节，对于链接生成和编辑步骤的流水线来说，这通常是更好的选择。

这两种方法都适用于 GPT Image 编辑请求。使用哪种方法取决于您的数据现有的形式，而不是功能上的权衡。如果您正在构建一个生成图像、进行检查然后对其进行编辑的流水线，JSON 引用路径通常可以节省冗余的上传步骤。

使用 gpt-image-2 进行多图像编辑

更大的功能性增加是针对 gpt-image-2 的多图像支持。您现在可以在一个编辑请求中传递多个图像，并让模型将它们结合使用，而不是仅编辑单个源图像。例如，将主体照片与参考背景相结合，或使用第二张图像作为指导进行风格迁移。

由于多图像编辑在每个请求中执行的工作更多，因此它们也是使用异步模式的最明确案例。通过同步调用发送多个图像和复杂的指令集意味着需要保持连接开启，直到模型完成处理，这对于大多数客户端超时和负载均衡器配置来说并不理想。异步模式避开了这一点：您提交请求，立即获得任务引用，并按自己的节奏轮询结果。

异步模式：何时以及如何使用

异步模式在 TokenLab API 支持它的各个部分中工作方式相同。您在设置 async 标志的情况下提交编辑请求，而不是等待最终图像，您会立即获得一个任务标识符。从那里，您轮询状态端点，直到任务报告完成，此时响应中将包含您的结果。

在以下情况使用异步模式：

• 您在单个编辑请求中发送多个源图像。
• 您的提示词或指令非常复杂，导致生成时间不可预测。
• 您正在后台作业、队列或批处理进程中运行编辑，而不是在实时面向用户的请求中。
• 您希望将客户端的请求生命周期与模型的实际处理时间解耦。

在以下情况坚持使用同步模式：

• 您正在进行简单的单图像编辑，且提示词很短。
• 您的应用程序已经有较短的超时预算，并且倾向于快速失败而不是轮询。

集成检查清单

在将工作流切换到 gpt-image-2 编辑之前，请检查以下内容：

• 确认您正在定位 /images/edit 端点并指定了正确的模型。
• 根据图像在流水线中的当前位置，决定是通过 multipart 上传还是 JSON 引用发送图像。
• 如果您的编辑涉及多个源图像，请启用异步模式，而不是假设会有同步响应。
• 为异步任务实现具有合理退避机制的轮询循环，而不是紧密轮询。
• 在客户端代码中明确处理任务挂起状态，将其与最终错误或成功状态区分开来。
• 在发布到生产环境之前，使用您预期的最大图像数量和提示词长度进行测试。

请求示例

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
  }'

调整引用值和提示词以匹配您的实际流水线。对于 multipart 上传，请用标准的 multipart 表单正文替换 JSON 图像引用。

常见问题解答

异步模式会改变 gpt-image-2 编辑的输出质量或格式吗？ 不会。异步模式只会改变您检索结果的方式。模型以相同的方式处理请求；您只是在轮询完成的图像，而不是在等待打开的连接。

我可以在同一个请求中混合使用 multipart 上传和 JSON 图像引用吗？ 该端点被设计为每个请求接受一种输入样式。选择与您的图像数据当前所在位置相匹配的方式，如果需要组合来自两种格式的源，请进行转换。

我需要更改现有的单图像编辑集成吗？ 不需要。单图像、同步编辑调用将继续像以前一样正常工作。异步模式和多图像支持是您在需要时可以选择使用的附加功能。

来源与时效性

此更新反映了截至 2026-07-07 观察到的 TokenLab API 行为。有关当前的端点参考，请参阅 图像编辑 API 文档 和 图像生成指南。有关更广泛的模型比较，请参阅 2026 年最佳 AI 图像模型 API。

开始使用

如果您正在构建图像编辑功能，并希望在 GPT Image、Nano Banana Pro 和其他图像模型之间拥有统一的 API 界面，TokenLab 为您提供了一个集成点，同时支持同步和异步工作流。查看文档并获取 API 密钥，立即开始测试 gpt-image-2 编辑。

相关阅读与后续步骤

如果您正在决定 GPT Image Edit 如何融入您的更广泛图像流水线，一些资源可以提供帮助。首先阅读 最佳 AI 图像模型 API 指南：如何选择图像生成和编辑模型，了解领先提供商及其编辑能力的比较。如果您正在权衡 OpenAI 和 Google 的产品，GPT Image API 与 Gemini Image API：如何选择 分析了各自的优势、定价结构和用例。如果您想在 GPT Image 之外寻找一种快速、低成本的编辑选项，Nano Banana API 指南：通过 TokenLab 进行图像生成和编辑 涵盖了设置和实际示例。

模型可用性、速率限制和定价可能会发生变化，因此在将任何工作流扩展到大批量生产之前，请确认当前详细信息。

准备好开始构建了吗？创建 API 密钥，并在几分钟内测试 GPT Image Edit 以及其他受支持的模型。