最容易混淆的地方,是圖片 API 通常會牽涉兩種「數量」:
有些文件講的是「要生成幾多張圖」,不是「可以上載幾多張輸入圖」。例如 Zenlayer 的 OpenAI-compatible image-edit 參考文件提到「number of images to generate」必須介乎 1 至 10;這是輸出設定,不是來源圖片上載上限。
OpenVINO 的 OpenAI-compatible image-edit 範例亦顯示同一個分別:它用 image=@three_cats.png 傳入一個檔案,同時用 n=4 要求多個輸出。一個範例只放一張來源圖,並不能證明最多只可放一張;而 n=4 亦不代表可以上載四張來源圖。
第三方平台的文件對實作很有用,但除非它們清楚寫明限制,否則不應當成 OpenAI 官方上限。
Fal 的 openai/gpt-image-2/edit 頁面在請求範例中顯示 image_urls array,這與「可放多圖」的欄位形狀相符。不過,該範例只示範一個 URL,亦沒有公布來源圖片的最高數量。
WaveSpeedAI 描述 GPT Image 2 Edit workflow 可以 blend multiple references,即混合多個參考來源;但這屬於供應商描述,並不是一個 OpenAI 官方的來源圖片數字上限。
OpenAI 的 ChatGPT Image Inputs FAQ 表示,用戶可在 ChatGPT 對話中加入幾多張圖片,取決於多項因素,包括圖片大小。 這份 FAQ 講的是 ChatGPT 對話介面的行為;Images API 參考文件講的則是 image edit 方法。把兩者當成同一個限制,容易令驗證邏輯寫錯。
對開發者來說,這個分別很實際:ChatGPT UI、第三方 wrapper schema、OpenAI Images API,都可能有不同的實際限制。你要驗證的,應該是自己真正呼叫的系統。
n、輸出張數、或任何「images to generate」參數分開計。 按目前審閱過的文件,答案不是一個確定數字。OpenAI 的 image-edit 參考資料用「image(s) to edit」顯示它支援複數圖片輸入的概念,但未有記錄單次 edit request 的來源圖片最高數量。