По состоянию на 27 марта 2026 года gpt-image-1-mini стоит $0.005, $0.011 и $0.036 за square output 1024x1024 в режимах low, medium и high. Для размеров 1024x1536 и 1536x1024 текущая официальная лестница составляет $0.006, $0.015 и $0.052. Если ваш вопрос звучит как "какая сейчас самая дешевая официальная image lane OpenAI?", краткий ответ: Mini.
Но практический decision не заканчивается на этой строке. В текущем каталоге OpenAI GPT Image 1.5 обозначен как flagship image model, GPT Image 1 как previous model, а gpt-image-1-mini как cost-efficient version of GPT Image 1. Значит полезный вопрос здесь другой: когда Mini правильный default, а когда низкий sticker price ведет к неверному workflow-решению?
Самое полезное правило для оператора такое: если для вас главное снизить стоимость output image и workload в основном generation-heavy, начинайте с Mini. Если же workflow зависит от edit-heavy сценариев, дорогих повторов, качества финального результата и более стабильного prompt following, GPT Image 1.5 нужно сравнить всерьез, а не исключать только из-за цены за одну картинку.
Краткое содержание
- Square pricing: $0.005 / $0.011 / $0.036 для 1024x1024 low / medium / high
- Portrait and landscape pricing: $0.006 / $0.015 / $0.052
- Token rates Mini: $2.00 text input, $0.20 cached text input, $2.50 image input, $0.25 cached image input, $8.00 image output за 1M tokens
- Current access floor: Free not supported; Tier 1 starts at 100,000 TPM and 5 IPM
- Best fit: cost-first prototypes, bulk drafts, generation-heavy internal workflows
- Main caveat: cheapest image is not always the cheapest successful workflow
Цена GPT Image 1 Mini на одном экране
Самый полезный способ читать этот keyword сегодня: отделить видимую цену за output image от нижнего token-billing слоя. Именно за первой цифрой люди обычно и приходят, и текущая официальная страница gpt-image-1-mini дает ее довольно чисто.
| Quality | 1024x1024 | 1024x1536 | 1536x1024 |
|---|---|---|---|
| Low | $0.005 | $0.006 | $0.006 |
| Medium | $0.011 | $0.015 | $0.015 |
| High | $0.036 | $0.052 | $0.052 |
Там же OpenAI показывает и token rates:
- Text input: $2.00 за 1M tokens
- Cached text input: $0.20 за 1M
- Image input: $2.50 за 1M
- Cached image input: $0.25 за 1M
- Image output: $8.00 за 1M
Почему это важно? Потому что page one очень часто останавливается на output-image number. Для короткого prompt и простой generation-request этого часто достаточно как rough estimate. Но сам факт, что у модели отдельно указаны text и image inputs, уже говорит: этот query на самом деле не только про price lookup, он про budget routing.
Если вам нужна более широкая OpenAI price map по image family, лучше читать OpenAI Image Generation API pricing. Этот материал уже про более узкую развилку: Mini itself и decision вокруг него.
Когда стоит выбрать Mini, а не GPT Image 1.5 или GPT Image 1
Одна таблица цен сама по себе не решает задачу. Текущая mini-линия действительно самая дешевая среди официальных image models OpenAI, но cheapest lane не всегда равна cheapest workflow.
| Модель | Роль сейчас | 1024x1024 low | 1024x1024 medium | 1024x1024 high | Когда выбирать |
|---|---|---|---|---|---|
gpt-image-1-mini | Текущая budget lane | $0.005 | $0.011 | $0.036 | Когда cost per output image важнее всего |
| GPT Image 1.5 | Текущий flagship | $0.009 | $0.034 | $0.133 | Когда важнее premium output, edits и predictability |
| GPT Image 1 | Previous model | $0.011 | $0.042 | $0.167 | Только как legacy reference |
Mini особенно силен в трех ситуациях.
Первая: вы проверяете, нужен ли вам вообще flagship. Если речь о внутренних concept images, bulk drafts, low-risk visual variants, начинать с Mini почти всегда разумно.
Вторая: объем важнее качества одной единицы. Между $0.011 и $0.034 за medium square кажется не такая уж большая разница, пока вы не умножаете ее на тысячи и десятки тысяч outputs.
Третья: вы хотите именно самый низкий официальный OpenAI price floor, но без возврата к legacy assumptions про GPT Image 1. И это важная часть query, потому что старые price screenshots и старые guides до сих пор удерживают GPT Image 1 в голове у читателя дольше, чем нужно.
GPT Image 1.5 выигрывает в другом классе workload. Если у вас дорого стоят retries, критичны high-value outputs, нужна edit-heavy работа или сама quality delta экономит команде ручную доработку, тогда rule меняется. В таком случае не нужно blindly default to flagship, но нужно честно измерить, не окупает ли более высокая цена меньшее число неудачных runs.
GPT Image 1 сегодня стоит рассматривать почти только как legacy baseline. Если вы продолжаете спорить между Mini и GPT Image 1 в новом проекте, скорее всего вам уже пора читать GPT Image 1 vs GPT Image 1.5, а не продолжать считать старую линию default.
Если же ваша следующая путаница не Mini versus flagship, а alias versus stable model ID, следующий естественный шаг: chatgpt-image-latest vs gpt-image-1.5.
За что вы реально платите помимо “цены за картинку”
Здесь большинство быстрых pricing pages становится заметно слабее.
Первая price ladder в статье дает headline answer, и для этого keyword она нужна обязательно. Но model page Mini также показывает token prices для text и image inputs. Это уже сигнал: не каждый invoice GPT Image можно свести только к числу “цена за output image”.
На практике cost structure выглядит так:
- prompt text
- image inputs, если есть edit или reference workflow
- output image
- retries, если дешевая lane чаще не попадает в нужный результат
Для простого short-prompt generation output-price действительно часто доминирует. Именно поэтому flat per-image thinking живет так долго. Но как только workflow становится более edit-heavy, reference-heavy или retry-sensitive, одной “цены за картинку” уже мало.
Правильный budgeting question тогда звучит не “какая модель дешевле по прайсу?”, а “какая модель дает более дешевый успешный workflow?”
Именно здесь page one часто недоговаривает. Он показывает $0.011 против $0.034, но не объясняет, что более дешевая lane может потребовать больше retries или хуже совпасть с дорогим production use case. Поэтому safest rule такой:
- Используйте per-image ladder для first-pass budgeting.
- При edit и reference workflows добавляйте token logic.
- Для production учитывайте retry cost и downstream cleanup.
Отсюда появляется и более трезвое правило выбора. Если ваш prompt короткий, output нужен быстро, а визуальные требования умеренные, Mini часто выигрывает и по прайсу, и по простоте решения. Но если вы работаете со сложным reference stack, много редактируете изображения после первой генерации или тратите дорогое человеческое время на отбор и cleanup, сравнение только по price table уже превращается в слишком грубую модель.
Именно поэтому хорошие бюджеты по image API почти всегда собирают в два шага. Сначала команда считает официальную цену за 1,000 или 10,000 outputs, а затем добавляет поправку на retries, ручную доработку, задержки ревью и throughput limits. Для cost-first roadmap этого обычно достаточно, чтобы понять, остается ли Mini лучшим default или GPT Image 1.5 уже начинает окупать разницу.
Если вы еще не выбрали API surface и не уверены, стоит ли идти через Images API или Responses API, лучше сначала открыть OpenAI Image API tutorial.
Есть и еще один операционный слой, который многие pricing-страницы недооценивают: стоимость координации вокруг плохого результата. Если неудачная генерация означает не просто еще один API вызов, а новую проверку редактора, дизайнера и маркетинга, дешевая картинка очень быстро перестает быть дешевой. В таких цепочках Mini все еще может остаться лучшим default, но проверять это уже нужно по цене прохождения задачи через реальный approval loop, а не только по цене одного output.
Rate limits, tier access и Batch discount
Цена сама по себе не гарантирует usable route. Tier access и throughput влияют на ответ не меньше.
На текущей mini model page OpenAI перечисляет:
- Free: not supported
- Tier 1: 100,000 TPM и 5 IPM
- Tier 2: 250,000 TPM и 20 IPM
- Tier 3: 800,000 TPM и 50 IPM
- Tier 4: 3,000,000 TPM и 150 IPM
- Tier 5: 8,000,000 TPM и 250 IPM
Помимо этого, help-center page по model availability отдельно говорит: GPT-image-1 и GPT-image-1-mini доступны для API users на tiers 1 through 5, причем часть доступа зависит от organization verification.
Практический смысл простой: если вы все еще думаете о Mini как о truly free option, вы уже смотрите на тему не тем фреймом. А если workload упирается в throughput, IPM table может стать не менее важной, чем price ladder.
Batch — вторая вещь, которая реально меняет decision. Текущая OpenAI pricing page говорит, что Batch API saves 50% on inputs and outputs. Для offline jobs это может резко сократить разрыв между Mini и GPT Image 1.5. Поэтому если вы отбрасывали flagship только из-за обычной price table, для asynchronous generation имеет смысл пересчитать economics заново.
Правильное чтение тут не “Batch отменяет Mini”, а “Batch делает workflow shape важнее обычного sticker price”. Для real-time user flows Batch не подойдет. Для offline or overnight jobs — это уже важный фактор выбора.
Если ваш blocker связан не с ценой, а с verification или model access, лучше сразу идти в OpenAI image API verification.
Примеры месячного бюджета для реальных workload
Когда вы переводите цену в workload math, выбор модели становится намного понятнее.
Для 1,000 square outputs текущие официальные числа примерно такие:
- Mini low: около $5
- Mini medium: около $11
- Mini high: около $36
- GPT Image 1.5 low: около $9
- GPT Image 1.5 medium: около $34
- GPT Image 1.5 high: около $133
Для 10,000 square outputs просто умножайте на десять:
- Mini low: около $50
- Mini medium: около $110
- Mini high: около $360
- GPT Image 1.5 low: около $90
- GPT Image 1.5 medium: около $340
- GPT Image 1.5 high: около $1,330
Из этого следуют три нормальных operator rules.
Для prototype и internal concept work Mini обычно лучший старт, потому что volume быстро умножает разницу в цене, а стоимость неидеального output ниже.
Для steady production всё зависит от цены ошибки. Если плохой generation result ведет к ручной доработке, потере времени ревью или повторным вызовам, flagship может оказаться cheaper at workflow level.
Для Batch-friendly offline work Mini остается сильным вариантом, но GPT Image 1.5 снова нужно честно пересчитать. Многие команды ошибаются здесь не в math, а в том, что они не включают workflow shape в price decision.
Именно здесь keyword "gpt-image-1-mini pricing" часто оказывается шире, чем выглядит. Люди заходят за одной строкой прайса, но на практике им нужен answer уровня routing policy: какую модель ставить по умолчанию в prototype, какую в production, и в какой момент Batch меняет economics настолько, что стоит вернуться к сравнению с flagship. Если статья не отвечает на этот слой вопроса, она оставляет читателя с таблицей, но без решения.
Полезно переводить эти числа в простое правило закупки. Mini чаще всего становится стартовым маршрутом для bulk generation и быстрых гипотез, а повышать модель до GPT Image 1.5 имеет смысл там, где разница в качестве действительно уменьшает число неудачных прогонов и ручной cleanup. Такой подход помогает сохранить единый default для команды, но не платить flagship-премию в потоках, где она не дает измеримой выгоды.
Если формулировать еще короче, Mini отвечает на вопрос "как дешево запустить объем", а GPT Image 1.5 чаще отвечает на вопрос "как дешевле довести ценный output до приемки".
FAQ
Какая сейчас самая дешевая официальная image API price у OpenAI?
На 27 марта 2026 года самая низкая официальная price floor — это gpt-image-1-mini low за $0.005 для 1024x1024.
Mini всегда выгоднее GPT Image 1.5?
Нет. По list price — да, Mini дешевле. По total workflow cost — не всегда, особенно если у вас дороже retries, edits или качество выхода.
Mini — это просто “маленький GPT Image 1.5”?
Нет. Текущий model catalog OpenAI описывает Mini как cost-efficient version of GPT Image 1, а GPT Image 1.5 — как current flagship.
Цена за картинку равна итоговому счету?
Не всегда. Для simple generation это удобный first-pass estimate. Для edits, reference inputs и retry-heavy flows этого уже недостаточно.
Нужен ли paid API tier для Mini?
Да. Free not supported, а help-center page по доступности указывает tiers 1 through 5 и возможную зависимость от organization verification.
Что важнее для бюджетного planning: цена за картинку или throughput?
Зависит от workflow. Для редких одиночных generation-задач обычно важнее sticker price. Для массовых потоков IPM и доступный tier могут изменить выбор не меньше, чем разница между $0.011 и $0.034.
Bottom line
gpt-image-1-mini — это текущий budget answer, а не универсальный answer. Для generation-heavy и cost-first задач Mini — правильный старт. Для premium, edit-heavy и retry-sensitive workflows GPT Image 1.5 все еще может оказаться более разумным choice, даже если его list price заметно выше.