По состоянию на 24 марта 2026 года OpenAI публикует для GPT Image 1.5 такие официальные цены на 1024x1024: $0.009 в low, $0.034 в medium и $0.133 в high. Если нужен только быстрый budgeting shortcut, это значит, что 100 квадратных medium-изображений стоят около $3.40, 1 000 стоят $34, а 10 000 стоят $340. Для high те же объемы превращаются в $13.30, $133 и $1 330.
Но это только первая часть ответа. Текущая документация OpenAI по image generation прямо говорит, что в полный cost могут входить не только output image tokens, но и text input tokens, а для edit- и reference-heavy workflow еще и image input tokens. Эта статья намеренно работает как калькулятор, но не притворяется, будто одна цифра “цена за картинку” объясняет весь счет.
Еще одно разделение важно сделать сразу. В SERP по этому запросу много страниц, которые продают subscription credits, gateway access или собственный OpenAI-compatible endpoint. Это уже не официальный native pricing OpenAI. Здесь разбирается только официальная цена API OpenAI.
Краткое содержание
Если нужен самый короткий рабочий ответ, начинайте с этой таблицы.
| Ряд GPT Image 1.5 | Цена за изображение | 100 изображений | 1 000 изображений | 10 000 изображений |
|---|---|---|---|---|
| 1024x1024 low | $0.009 | $0.90 | $9 | $90 |
| 1024x1024 medium | $0.034 | $3.40 | $34 | $340 |
| 1024x1024 high | $0.133 | $13.30 | $133 | $1 330 |
| 1024x1536 или 1536x1024 medium | $0.05 | $5 | $50 | $500 |
| 1024x1536 или 1536x1024 high | $0.20 | $20 | $200 | $2 000 |
Самое полезное правило для быстрого расчета звучит так:
output-only estimate = число изображений × подходящая официальная строка
Для prompt-only generation этого обычно достаточно. Для edit workflow, reference images и ретраев воспринимайте этот расчет как базовый floor, а не как финальный invoice.
Официальный калькулятор цены GPT Image 1.5
Текущая страница модели GPT Image 1.5 и гайд по image generation уже дают все ключевые цифры. Для этого запроса ценность не в том, чтобы написать еще одну общую price-статью, а в том, чтобы превратить официальные ряды в понятную workload-математику.
Официальная output-only лестница сейчас выглядит так:
| Качество | 1024x1024 | 1024x1536 | 1536x1024 |
|---|---|---|---|
| Low | $0.009 | $0.013 | $0.013 |
| Medium | $0.034 | $0.05 | $0.05 |
| High | $0.133 | $0.20 | $0.20 |
Эта таблица уже отвечает на вопрос “сколько стоит GPT Image 1.5”. Но люди продолжают искать не потому, что цифры спрятаны, а потому, что OpenAI не публикует следующий слой в виде готового калькулятора. Workload math приходится делать самому:
- 500 квадратных medium-изображений: около $17
- 2 500 квадратных medium-изображений: около $85
- 5 000 квадратных high-изображений: около $665
- 1 000 вертикальных или горизонтальных medium-изображений: около $50
Практическое правило: думайте не “один prompt = одна картинка”, а “какой объем проходит через этот lane за день, неделю или месяц”. Внутренний инструмент на 100 medium square изображений в день — это примерно $3.40 в день и около $102 за 30 дней до учета input overhead. Еженедельный pipeline на 1 000 medium square изображений — около $34 в неделю. А 10 000 high square изображений — это уже около $1 330 только в output-only math.
Из этого следует три полезных привычки.
Первая: square medium — лучший дефолтный planning row. Он заметно реалистичнее low, но еще не так дорог, как high. Текущая ставка $0.034 хорошо подходит для быстрых расчетов.
Вторая: high дорожает слишком быстро, чтобы считать его мелкой надбавкой. Переход от medium к high в 1024x1024 — это не косметическая разница, а прыжок с $0.034 до $0.133 за изображение.
Третья: портрет и ландшафт нельзя игнорировать. Переход с square medium на portrait/landscape medium поднимает цену с $0.034 до $0.05. На одной картинке это почти не чувствуется, на тысячах — очень.
Если вам нужен не узкий калькулятор GPT Image 1.5, а более широкий обзор всех image lanes OpenAI, логичнее идти дальше в статью про цены OpenAI image generation API. Эта страница специально держит фокус уже.
Что калькулятор не включает в цену
Именно здесь большинство ranking pages становятся слишком плоскими.
Текущий image generation guide говорит, что итоговый cost состоит из input text tokens, input image tokens для edit scenarios и image output tokens. Одновременно документация поясняет, что per-image таблицы покрывают именно output image generation. Значит, калькулятор выше — честный shortcut, но не полный invoice model для любой формы запроса.
Для простого text-to-image output-only число обычно доминирует. Короткий prompt, одна новая картинка, без reference images — в таком сценарии таблица по изображению дает достаточно хороший прогноз.
Этот shortcut начинает ломаться в трех случаях.
Первый — edit-heavy workflow. GPT Image 1.5 поддерживает и v1/images/edits, и Responses tool path, а сама документация говорит, что первые пять input images могут сохраняться с повышенной fidelity. Для бренд-материалов, карточек товара и точного редактирования это полезно. Но значит и то, что input part счета становится важной.
Второй — workflow с референсами. Если вы отправляете несколько исходных изображений, это уже не просто “prompt породил output”. Модель обрабатывает больше multimodal signal, а значит output-only row становится только нижней границей.
Третий — text-token behavior и ретраи. OpenAI уже публично показывает text pricing для GPT Image 1.5, а обсуждения в community объясняют, почему это удивляет реальных разработчиков. Кто-то видит text output tokens там, где ожидал “чистую картинку”, кто-то тестирует edits и понимает, что dashboard неудобно раскладывает cost по экспериментам. Это не значит, что есть скрытый pricing. Это значит, что реальный request bill шире, чем headline row per image.
Безопасное budgeting rule такое:
- используйте per-image rows для prompt-only output estimate
- считайте эти rows нижней границей для edit- и reference-heavy flows
- сверяйте real usage по своему workload, как только workflow становится сложнее однопроходной генерации
Если нужен один внутренний formula, пусть он будет таким:
полная оценка workflow = output-only estimate + ожидаемый input overhead + запас на ретраи
Именно запас на ретраи часто отличает красивую таблицу от реального production budget.
Если ваш следующий вопрос уже не про math, а про verification, access и availability, продолжайте статьей про верификацию OpenAI image API.
Как Batch меняет стоимость GPT Image 1.5
Batch — самый чистый официальный cost lever, но и здесь проще всего впасть в ложную простоту.
На текущей странице цен OpenAI для GPT Image 1.5 image-token pricing в Batch падает с $8 / $2 / $32 до $4 / $1 / $16. Text pricing тоже снижается: с $5 / $1.25 / $10 до $2.50 / $0.63 / $5. По сути, OpenAI режет token rates примерно вдвое.
Для запроса-калькулятора это значит следующее. Если у вас workflow в основном prompt-only, разумное приближение — считать Batch как примерно половину стандартного output-only расчета:
- 1 000 square medium изображений: около $34 стандартно и около $17 через Batch
- 10 000 square medium изображений: около $340 против $170
- 1 000 square high изображений: около $133 против $66.50
Но этот shortcut честен только если проговорить ограничения.
Во-первых, OpenAI не публикует отдельную per-image Batch table для GPT Image 1.5. Публикуются token rates и стандартная output-only table. Значит, правильная формулировка такая: официальные token rates в Batch ниже; для prompt-only output math это часто близко к половине; полный request total все равно зависит от input side.
Во-вторых, Batch не подходит для интерактивного UX. Если человек ждет картинку прямо сейчас, более дешевая асинхронная обработка может быть неправильным продуктовым решением. Batch лучше всего работает для очередей, ночного рендера, background jobs и campaign pipelines.
Когда GPT Image 1.5 стоит своих денег, а когда умнее Mini
Хороший калькулятор все равно должен закрывать вопрос маршрутизации модели.
Текущий image generation guide говорит прямо: GPT Image 1.5 — лучший общий опыт, а gpt-image-1-mini — правильный выбор, когда cost важнее image quality. Для budgeting это нельзя выкинуть.
Если перевести Mini в ту же workload-математику, разница становится слишком большой, чтобы считать ее второстепенной. Текущие price surfaces OpenAI ставят gpt-image-1-mini на $0.005, $0.011 и $0.036 для square low, medium и high. Это значит:
- 1 000 square medium изображений: около $34 на GPT Image 1.5 против $11 на Mini
- 10 000 square medium изображений: около $340 против $110
Такая разница достаточно велика, чтобы Mini был первым тестом всякий раз, когда output дешевый в повторе или в discard.
| Ситуация | Лучший default | Почему |
|---|---|---|
| Бренд-чувствительные edits, product images, упаковка, текстовые визуалы | GPT Image 1.5 | Стоимость ретраев и ручной доводки часто выше, чем premium в цене |
| Массовая идеация, внутренние прототипы, дешевые варианты | gpt-image-1-mini | Низкая list price важнее flagship quality |
| Асинхронный production-render, где качество все еще важно | GPT Image 1.5 + Batch | Сохраняете flagship lane и применяете официальный дисконт |
| Пока непонятно, действительно ли нужна дорогая quality line | Сначала тестировать Mini | Самая дешевая ошибка — доказать ненужность flagship до масштабирования |
Тонкие calculator pages обычно ошибаются здесь: они принимают решение “мы уже на GPT Image 1.5” как данность и дальше просто повторяют price table. Полезная страница должна еще и объяснять, когда не стоит продолжать платить за flagship.
Практическое правило:
- оставляйте GPT Image 1.5, когда качество, editing reliability и brand preservation экономят вам downstream work
- переходите на Mini, когда workflow масштабный, одноразовый или все еще экспериментальный
- используйте Batch, когда задача асинхронна, а flagship lane все равно нужен
Если проблема уже не в budget math для одного lane, а в общей модели маршрутизации, дальше логично читать модели OpenAI image generation API и сравнение chatgpt-image-latest vs GPT Image 1.5.
Официальная цена API против подписок и gateway-страниц
Эта часть важна потому, что page one по запросу смешивает разные коммерческие поверхности.
Некоторые страницы по GPT Image 1.5 pricing вообще не описывают direct OpenAI billing. Они продают:
- месячные планы
- годовые credits
- gateway pricing поверх совместимого доступа
- собственные вызовы и token ladders
Такие страницы не бесполезны. Они просто отвечают на другой buying question. Если вам нужна официальная цена API OpenAI, их нельзя считать равными model page и official pricing page.
Самый простой тест — спросить, что именно продает страница. Если там речь о monthly plans, annual credits, free trial или брендовом endpoint, это уже не native OpenAI pricing. Если там говорят о per-image rows, token rates, usage tiers и official model card, вы ближе к источнику истины.
Есть и еще один рядом стоящий operational caveat. Текущая модельная страница GPT Image 1.5 показывает Free not supported, а публичная tier table перечисляет 5 IPM для Tier 1, затем 20, 50, 150 и 250 IPM. Плюс OpenAI отдельно говорит, что доступ к image generation может зависеть от organization verification. Поэтому правильный вопрос всегда двойной: “сколько это стоит?” и “может ли моя учетная запись реально пользоваться этим lane с нужным throughput?”
FAQ
Сколько стоят 1 000 изображений GPT Image 1.5?
Для 1024x1024 это примерно $9 в low, $34 в medium и $133 в high. Это output-only estimates на основе официальных цен, проверенных 24 марта 2026 года.
Сколько стоят 10 000 изображений GPT Image 1.5?
Для 1024x1024 это примерно $90 в low, $340 в medium и $1 330 в high. Для portrait и landscape medium это около $500, для high — около $2 000.
Включает ли этот калькулятор edits и reference images?
Не полностью. Официальные per-image tables покрывают output image generation. Полный request cost может включать text input и image input tokens, поэтому edit-heavy workflow требует более полной модели.
Снижает ли Batch цену GPT Image 1.5 вдвое?
Официальные token rates для GPT Image 1.5 в Batch действительно примерно вдвое ниже. Для prompt-only output estimate это часто близко к половине. Для edit workflows нужно смотреть на весь request shape.
Есть ли бесплатный API-уровень для GPT Image 1.5?
По состоянию на 24 марта 2026 года текущая модельная страница показывает Free not supported.
Когда стоит использовать gpt-image-1-mini вместо GPT Image 1.5?
Когда главным ограничением становится cost, а workflow объемный, низкорисковый или еще экспериментальный. Если дорого ошибиться по качеству, бренду или editing fidelity, GPT Image 1.5 обычно окупает premium.