Как выбрать image API для генерации изображений
Выбор image API начинается не с названия модели, а с конкретной работы. Иллюстрация для карточки товара, вариант баннера и картинка внутри пользовательского сценария требуют разных проверок. Лучший кандидат определяется набором заданий и правилами приёмки, а не обещанием в описании.
Коротко
Сначала зафиксируйте один сценарий и признаки годного результата.
Сравнивайте кандидатов на одинаковых промптах и одинаковом формате ответа.
Сохраняйте промпт, идентификатор модели и решение редактора для каждого теста.
С чего начать выбор image API
Сформулируйте задачу так, чтобы другой человек мог принять результат без догадок. Для баннера это размеры, свободная зона под текст и отсутствие критичных артефактов. Для предметной иллюстрации - объект, фон, кадрирование и запрет на чужие знаки. Для изображения в приложении нужны ещё время ожидания, безопасная обработка ошибки и предсказуемый формат ответа.
В таблице не должно быть расплывчатого «выглядит хорошо». Вместо него пишут: объект не обрезан, нужная зона свободна, текст не используется как источник факта, результат проходит просмотр. Там, где решение зависит от вкуса, нужны два независимых просмотра с понятным правилом расхождения.
| Сценарий | Что проверить | Критерий приёмки |
|---|---|---|
| Баннер | Кадрирование, свободная зона, артефакты | Объект не обрезан, место под текст свободно, результат прошёл просмотр |
| Предметная иллюстрация | Объект, фон, чужие знаки | Все обязательные объекты на месте, фон отвечает заданию, лишние знаки не появились |
| Изображение в приложении | Формат ответа и отказ | Backend получает ожидаемый формат, ошибку не показывают как готовую картинку |
Смотрите, сверяйте с заданием, отклоняйте спорное и фиксируйте решение.
Выберите кандидатов в каталоге. Перед запуском проверьте у каждого поддержку нужного типа изображения, статус и цену. Карточки ниже помогают перейти к моделям, но решение принимайте по результатам своего пилота.
Какие проверки включить в пилот
Пилот должен содержать обычные и неудобные запросы. Возьмите задания с несколькими объектами, сложным кадрированием, нейтральным фоном, повторяемым стилем и условиями, при которых работа должна уйти на ручную доработку. Не подбирайте промпты под одного кандидата. Иначе тест измерит способность угадать формулировку, а не пригодность API.
Каждый запуск полезно записать как карточку: версия промпта, входные параметры, модель, время создания, автоматический результат проверки и решение человека. Если в следующей ревизии картинка стала хуже, такая запись позволяет увидеть, что именно изменилось. Без неё команда помнит только самые яркие удачи и провалы.
Я бы начинал с малого пилота и расширял набор после первых спорных результатов. Одна красивая демонстрация ничего не говорит о стабильности. Повторяемость важнее, когда изображение попадает в продуктовый поток.
Как отправить запрос в Relay
Для генерации доступен маршрут POST /v1/images/generations. Он принимает тело в формате OpenAI Images, а идентификатор модели выбирается из каталога. В документации указано, что шлюз читает model и n, а прочие поля передаёт выбранной модели без преобразования.
Ниже минимальный запрос с моделью из карточки. Размер, промпт и обработку ответа адаптируют под выбранный сценарий.
{
"model": "gpt-image-2",
"prompt": "Предметная иллюстрация с нейтральным фоном",
"n": 1
}Полное описание полей, ответа и ограничений находится в документации Images API. Результат приходит как base64 в data[].b64_json, а request ID остаётся в заголовке ответа. Это удобно для сервера приложения: байты можно сохранить в разрешённое хранилище, а request ID использовать при расследовании сбоя.
Не связывайте ключ API с браузером. Генерацию выполняет ваш сервер, который проверяет входной промпт, права пользователя и ограничения сценария. Ключ создаётся и ограничивается в настройках API-ключей, а не в клиентском коде.
Когда одной модели недостаточно
Смена модели подходит для экспериментального маршрута, но не должна скрывать проблему в данных или в правилах продукта. Если промпт содержит противоречивые требования, другая модель не сделает их согласованными. Если результат с текстом на картинке идёт прямо пользователю, нужен редакторский или программный контроль, независимо от выбранного кандидата.
Разделите генерацию и допуск. Первая часть создаёт несколько вариантов. Вторая проверяет формат, размер, политику контента и нужные свойства конкретного сценария. Только затем результат попадает в публикацию, карточку товара или личный кабинет. У такого конвейера есть чёткое место для ошибок, повторов и ручной очереди.
Если задача требует объяснить, почему запрос не выполнился, используйте request ID и справочник ошибок. Он помогает отличить неверный параметр от временного ответа API. Автоматический повтор не должен размножать одинаковую генерацию без правила идемпотентности на стороне приложения.
Как не испортить тест случайным промптом
Зафиксируйте шаблон задания до запуска. В нём должны быть цель изображения, обязательные объекты, ограничения кадра и запреты. Менять шаблон посередине сравнения можно лишь как новую версию теста. Иначе непонятно, улучшил ли результат кандидат или просто запрос стал легче.
Результат удобно оценивать по независимым признакам. Один проверяющий смотрит на композицию, другой на технические ограничения, а факт ручной доработки фиксируется отдельно. Если команда не может договориться, что именно считать хорошим изображением, API пока рано подключать к автоматическому сценарию.
Как принять решение после теста
Сведите результаты по сценариям, а не в единый рейтинг. Одна модель может быть удобнее для быстрых черновиков, другая - для ограниченного визуального шаблона. Если качество различается мало, выберите ту, чьи ответы и ошибки проще встроить в ваш процесс.
Проверьте ещё один сценарий: что произойдёт при недоступной модели или при превышении внутреннего лимита. Пользователь не должен видеть технический текст как готовый результат. Ему нужен ясный статус, а команде нужен запрос, который можно найти в журнале.
Цены сравнивать числом в тексте бессмысленно: они меняются вместе с каталогом. Для расчёта в продукте используйте актуальную карточку модели и собственную статистику успешных генераций, включая стоимость брака и ручной правки.
Вопросы и ответы
Нужно ли выбирать одну image-модель на весь продукт?
Нет, если разные сценарии требуют разных свойств. Но каждый маршрут должен быть явным: по какому типу задачи он выбирается, кто поддерживает тестовый набор и когда модель можно заменить. Скрытый автоматический выбор усложняет разбор качества и неожиданных изменений.
Как тестировать генерацию с пользовательскими промптами?
Сделайте отдельную выборку безопасных примеров, похожих на реальные запросы по длине и структуре. Не складывайте туда данные клиентов. Для каждого примера заранее определите, что считается приемлемым, что требует ручной проверки и что надо отклонить без повторной отправки.
Почему нельзя опираться только на автоматическую проверку?
Автоматические правила хорошо ловят размеры, формат и технические ограничения. Смысл, уместность изображения и тонкие визуальные ошибки зависят от задачи. Поэтому для материалов, которые увидит клиент, автоматический фильтр должен дополнять понятный этап просмотра.