Цены на GPT Image 2 в 2026 году: что платят команды

На прошлой неделе я трижды пересчитывала свою таблицу с ценами. Каждый раз стоимость одного изображения выходила разной — и каждый раз я использовала одну и ту же модель: gpt-image-2. Проблема была не в математике. Проблема в том, что я продолжала воспринимать GPT Image 2 как нечто с ценником, хотя на деле у него система тарификации. Между этими двумя вещами — существенная разница, и именно в этой разнице незаметно утекают бюджеты большинства команд.

Меня зовут Дора. Я трачу больше времени, чем хотелось бы, на чтение страниц с ценами. Большинство моих материалов рождается из попыток ответить на один вопрос для продуктовой команды или финансового партнёра: во что это нам реально обойдётся при нашем объёме? Эта статья — тот ответ, который я сама хотела бы иметь две недели назад, когда дизайнер в моей команде спросил, можем ли мы себе позволить генерировать 200 вариантов рекламных материалов в неделю, а я сказала «наверное» — что оказалось промахом на 40% в ту или иную сторону в зависимости от дня.

Если вы пытаетесь вписать конкретную цифру напротив «генерации изображений» в бюджетной строке на 2026 год — вот как на самом деле работает тарификация модели, где скрываются расходы и сколько платят команды в производственной среде.

Как работает ценообразование GPT Image 2

Поштучная цена против токенной тарификации изображений

GPT Image 2 продаётся двумя способами, и путать их — самый быстрый способ разрушить прогноз.

Первый способ — потребительский: ChatGPT Plus за $20 в месяц, Pro за $200 в месяц или бесплатный тариф с ограничениями по количеству запросов. Это фиксированная плата. Вы не думаете о стоимости каждого изображения. Вы либо достигаете лимита, либо нет.

Второй способ — API, и API работает на основе токенов, а не поштучно. Согласно странице тарификации OpenAI API, gpt-image-2 тарифицируется следующим образом: $8,00 за миллион входных токенов изображения, $2,00 за миллион кешированных входных токенов изображения, $30,00 за миллион выходных токенов изображения, плюс $5,00 за миллион входных текстовых токенов. «Поштучные» цифры, которые вы видите в статьях — $0,006, $0,053, $0,211 — это оценки, полученные с помощью калькулятора, а не прейскурантные цены.

Это различие важно, потому что потребление токенов непостоянно. Оно меняется в зависимости от размера, качества, редактирований и чёткости вашего промпта. Команда, считающая, что платит $0,05 за изображение, нередко обнаруживает через три недели, что реальная средняя стоимость составляет $0,11.

Что меняется с настройками размера и качества

Качество — главный рычаг. Согласно калькулятору, на который ссылается руководство OpenAI по генерации изображений, изображение 1024×1024 обходится примерно в $0,006 при низком качестве, $0,053 при среднем и $0,211 при высоком. Это разброс в 35 раз при одном и том же размере холста. Переключитесь на 1024×1536 (портретная ориентация) — те же уровни качества дадут около $0,005, $0,041 и $0,165 — чуть дешевле, что поначалу кажется контринтуитивным, но приходится принять как данность.

Размер тоже не влияет на счёт предсказуемо. 4K через сторонние хостинги вроде fal.ai достигает около $0,41 за изображение при высоком качестве. Это реальные цифры, но не «официальные OpenAI» — другая площадка, другой договор.

Реальные факторы затрат, которые упускают команды

Входные данные для редактирования, повторные попытки и большие размеры вывода

Вот то, о чём страница с ценами громко не кричит — и это стоило мне двух дней путаницы.

Когда вы отправляете запрос на редактирование — то есть передаёте референсное изображение — gpt-image-2 обрабатывает этот ввод с высокой точностью. Отключить это невозможно. Официальное руководство по генерации изображений прямо указывает: параметр input_fidelity заблокирован, и каждое референсное изображение тарифицируется по ставке высокоточного ввода вне зависимости от того, какое качество вывода вы установили.

Практический перевод: если ваш рабочий процесс выглядит как «сгенерировать, затем четыре раза отредактировать до нужного результата», реальная стоимость одного готового ресурса окажется ближе к 2–3-кратной от заявленной поштучной цены. Команды, работающие с макетами продуктов, поддержанием согласованности персонажей или рекламными вариантами — все, кто итеративно работает с загруженными референсами, — попадают в эту категорию, осознают они это или нет.

Повторные попытки увеличивают нагрузку таким же образом. Изображение среднего качества за $0,053 — дёшево. Тот же промпт, запущенный пять раз, потому что первые четыре дали неверный результат — это $0,265, а сохранили вы только одно. Процент неудач — реальная статья расходов, которую никто не включает в сравнения цен.

Генерация черновиков против генерации финальных материалов

Самый чёткий способ контроля затрат, который я нашла, — разделить исследование и выпуск. Используйте низкое качество для генерации идей — при $0,006 за изображение вы можете запустить 30 вариантов промпта меньше чем за двадцать центов. Затем перегенерируйте только победителей на высоком качестве. Согласно материалу The Decoder о запуске, прирост качества модели по сравнению с GPT Image 1.5 реален, но неравномерен в зависимости от размера, что делает стратегию «черновики дёшево, финал дорого» действительно рабочей, а не маркетинговым лозунгом.

Ещё один рычаг: Batch API снижает ставки как входных, так и выходных токенов на 50%, если вы готовы мириться с задержкой до 24 часов. Для еженедельных контентных прогонов это бесплатные деньги. Для потоков продукта в реальном времени — не вариант.

Бюджетирование GPT Image 2 для командных рабочих процессов

Я не доверяю ежемесячным прогнозам затрат, основанным только на калькуляторе. Математика, которую я реально использую, выглядит так:

• Базовая стоимость одного изображения при качестве и размере, с которыми вы будете работать в производстве
• Умножить на коэффициент повторных попыток (у меня около 1,4x для среднего качества, 1,8x для высокого)
• Добавить накладные расходы на редактирование, если референсные изображения являются частью процесса — заложите ещё 30–60% сверху
• Вычесть экономию от Batch для любой нагрузки, не требующей синхронного ответа

Небольшая маркетинговая команда, генерирующая 200 изображений среднего качества для социальных сетей в месяц с минимальным редактированием, тратит в районе $15–$25 в месяц на чистые расходы по API. Тот же объём при высоком качестве с интенсивными итерациями обходится в $80–$140 в месяц. Ни та, ни другая цифра не совпадает с показателями калькулятора и не появляется на странице с ценами. Это то, что я вижу при выгрузке счёта.

Суть не в конкретных цифрах — ваш рабочий процесс их изменит. Суть в том, что опубликованная «стоимость одного изображения» — это стартовая линия, а не финишная.

Когда прямое ценообразование достаточно просто — и когда нет

Для редкого использования ChatGPT Plus за $20 в месяц — вероятно, правильный ответ, и можно дальше не читать. Математика не складывается в пользу API, пока вы не перешагнули примерно 400 изображений среднего качества в месяц или не встраиваете генерацию изображений в продукт, где подписочный доступ неприменим.

Где прямое ценообразование перестаёт быть простым: любой рабочий процесс с входными референсными изображениями, любой продуктовый поток с непредсказуемым объёмом пользовательских запросов, всё, что связано с режимом Thinking (который добавляет переменные накладные расходы на токены рассуждений, не опубликованные в виде чёткой поштучной цифры), и всё, что вы планируете размещать через третью сторону вроде эндпоинта gpt-image-2 на fal.ai, где ценообразование принадлежит провайдеру и структурно отличается от тарификации OpenAI.

Для тех, кто попадает в эти категории, честный шаг при составлении бюджета — недельный пилот с логированием затрат по каждому вызову. Калькулятор подойдёт для проверки здравого смысла. Он не подойдёт для принятия обязательств на квартал.

Часто задаваемые вопросы

Сколько стоит одно изображение GPT Image 2?

Единой цифры не существует. Через API изображение 1024×1024 при низком качестве обходится примерно в $0,006, при среднем — около $0,053, при высоком — около $0,211 — это оценки из калькулятора OpenAI, а не прейскурантные цены. Реальная стоимость зависит от размера, редактирований и повторных попыток.

Редактирование дороже, чем генерация с нуля?

Да, нередко существенно дороже. gpt-image-2 всегда обрабатывает референсные изображения с высокой точностью, что добавляет входные токены изображения к каждому запросу на редактирование. Рабочие процессы с интенсивным редактированием могут обходиться в 2–3 раза дороже базовой поштучной стоимости.

Какие настройки быстрее всего увеличивают стоимость?

По убыванию: уровень качества (разброс 35x от низкого до высокого), размер вывода на верхнем пределе (4K через сторонние сервисы достигает ~$0,41/изображение) и входные референсные изображения при редактировании. Настройки output_format и сжатие на счёт не влияют.

Как командам оценивать ежемесячные расходы?

Проведите недельный пилот при том качестве и размере, с которыми вы реально будете работать. Логируйте каждый вызов. Умножьте недельную стоимость на 4,3 и добавьте буфер на повторные попытки. Страница модели gpt-image-2 указывает на официальный калькулятор, который подходит для планирования, но недооценивает накладные расходы на редактирование.

Можно ли снизить затраты, не меняя качество?

Да — Batch API вдвое снижает ставки токенов при готовности терпеть 24-часовую задержку, а кешированные текстовые вводы падают с $5,00 до $1,25 за миллион токенов при повторном использовании промптов. Оба варианта суммируются.

Заключение

GPT Image 2 — не дорогая модель. Просто она тарифицируется так, что наказывает всех, кто воспринимает её как продукт с фиксированной ценой. Поштучные цифры в заголовках реальны, но они описывают один конкретный запрос — синхронный, без редактирований, без повторных попыток, средний размер. Счёт, который вы реально оплачиваете, определяется рабочим процессом, который вы реально используете.

Одна привычка, которую стоит выработать: залогируйте реальную неделю вызовов, прежде чем фиксировать бюджет. Калькулятор выведет вас в нужный район. Ваша выгрузка счёта назовёт точный адрес.

Предыдущие материалы:

• GPT Image 2 2026
• GPT-5.5 для разработчиков 2026
• DeepSeek V4 Pro против Flash
• Claude Mythos: предварительный доступ 2026
• Инструментальная оркестровка агентных рабочих процессов: паттерны и подводные камни