GPT Image 2.5: प्रति स्वीकृत छवि की वास्तविक लागत
GPT Image 2.5 मूल्य निर्धारण की एक व्यावहारिक मार्गदर्शिका: टोकन खपत, संशोधनों और स्वीकृत परिणाम तक पहुँचने के पुनः प्रयासों को ध्यान में रखते हुए प्रति स्वीकृत छवि की वास्तविक लागत की गणना कैसे करें, साथ ही Flare और Sunburst के बीच सही मॉडल का चयन।
विषय-सूची

अंतिम छवि की लागत और मॉडल का चयन
आधिकारिक GPT Image 2.5 API में प्रति छवि कोई एक सार्वभौमिक निश्चित मूल्य नहीं है। वास्तविक लागत सभी निर्माण प्रयासों, सशुल्क संशोधनों और अस्वीकृत विकल्पों पर हुए कुल खर्च को स्वीकृत परिणामों की संख्या से विभाजित करने पर निकलती है।
सही मॉडल का चयन:
gpt-image-2.5-flareरोजमर्रा के निर्माण और त्वरित पहले ड्राफ्ट के लिए बनाया गया एक तेज़ मॉडल है।gpt-image-2.5-sunburstविस्तृत रचनात्मक कार्य के लिए है जहाँ संपादन की सटीकता महत्वपूर्ण होती है; इसके निर्माण में अधिक समय लगता है।
2026-09-12 तक, दोनों मॉडलों के लिए आधिकारिक टोकन दरें समान हैं। हालांकि, समान टोकन मूल्य निर्धारण समान कुल प्रोजेक्ट बजट की गारंटी नहीं देता है: विशिष्ट कार्यों के आधार पर पुनः प्रयास की संख्या और स्वीकृति दर भिन्न हो सकती है। इस लेख के लिए लेटेंसी, गुणवत्ता, टोकन उपयोग या स्वीकृति दर का कोई तुलनात्मक परीक्षण नहीं किया गया था।
OpenAI मूल्य निर्धारण और टोकन से अनुरोध लागत की गणना
OpenAI ने 2026-09-08 को GPT Image 2.5 जारी किया (OpenAI घोषणा)। API में दो मॉडल उपलब्ध हैं: gpt-image-2.5-flare और gpt-image-2.5-sunburst। दोनों मॉडल low, medium, high, xhigh, max और auto गुणवत्ता स्तरों का समर्थन करते हैं (Image Generation गाइड)।
वर्तमान Image Generation गाइड में एक समर्पित GPT Image 2.5 कैलकुलेटर शामिल है। यह एक स्पष्ट मॉडल, छवि आकार और गुणवत्ता सेटिंग (low, medium, high, xhigh या max) के लिए इमेज-आउटपुट टोकन और इमेज आउटपुट लागत का अनुमान लगाता है।
auto सेटिंग स्वयं जनरेट की गई छवि पर निर्भर करती है। इसके अलावा, कैलकुलेटर टेक्स्ट इनपुट, इमेज इनपुट और स्ट्रीमिंग आंशिक छवियों को शामिल नहीं करता है (प्रत्येक आंशिक छवि 100 इमेज-आउटपुट टोकन जोड़ती है)।
इसलिए, पूर्ण अनुरोध लागत और प्रति स्वीकृत छवि की कुल लागत अभी भी वास्तविक usage डेटा के आधार पर निर्धारित की जानी चाहिए, जिसमें इनपुट टोकन, कैश, सशुल्क पुनः प्रयास और संशोधन शामिल हैं।
2026-09-12 तक, आधिकारिक OpenAI मूल्य निर्धारण में पाँच घटक शामिल हैं:
| टोकन श्रेणी | प्रति 1M टोकन | प्रति 1 टोकन |
|---|---|---|
| अनकैश किया गया टेक्स्ट इनपुट (uncached text input) | $5.00 | $0.000005 |
| कैश किया गया टेक्स्ट इनपुट (cached text input) | $1.25 | $0.00000125 |
| अनकैश किया गया इमेज इनपुट (uncached image input) | $8.00 | $0.000008 |
| कैश किया गया इमेज इनपुट (cached image input) | $2.00 | $0.000002 |
| इमेज आउटपुट टोकन (image output) | $30.00 | $0.00003 |
प्रत्येक टोकन को केवल एक ही श्रेणी में सख्ती से गिना जाता है: इसे एक ही समय में कैश और अनकैश दोनों श्रेणियों में शामिल नहीं किया जा सकता है।
एकल अनुरोध की लागत का सूत्र:
C_request = (T_uncached * 5.00 + T_cached * 1.25 + I_uncached * 8.00 + I_cached * 2.00 + O_img * 30.00) / 1 000 000
प्रति स्वीकृत छवि लागत की गणना
एक स्वीकृत छवि की वास्तविक इकाई लागत की गणना निम्नलिखित सूत्र से की जाती है:
C_accepted = Total Cost of All Attempts / N_accepted
अंश (numerator) में प्रत्येक सशुल्क प्रयास का खर्च शामिल होता है, जिसमें प्रारंभिक निर्माण, अस्वीकृत विकल्प और सशुल्क संपादन अनुरोध शामिल हैं। हर (denominator) स्वीकृत छवियों की संख्या है। यदि स्वीकृत छवियों की संख्या शून्य है (N_accepted = 0), तो प्रति यूनिट लागत गणितीय रूप से अपरिभाषित है।
छवि संपादन अनुरोधों की एक श्रृंखला के लिए उदाहरण गणना:
| गणना का चरण | पैरामीटर और गणना | राशि |
|---|---|---|
| अनकैश किया गया टेक्स्ट इनपुट | 500 tokens × $5.00 / 1 000 000 | $0.0025 |
| अनकैश किया गया इमेज इनपुट | 5 000 tokens × $8.00 / 1 000 000 | $0.0400 |
| इमेज आउटपुट | 2 000 tokens × $30.00 / 1 000 000 | $0.0600 |
| प्रति प्रयास लागत | $0.0025 + $0.0400 + $0.0600 | $0.1025 |
| 100 प्रयासों की श्रृंखला | 100 × $0.1025 | $10.25 |
| प्रति स्वीकृत छवि लागत (80% स्वीकृति दर) | $10.25 / 80 स्वीकृत छवियां | $0.128125 |
टोकन की मात्राएँ और 80% स्वीकृति दर केवल उदाहरण के लिए परिकल्पित मान्यताएँ हैं, और प्रॉम्प्ट कैशिंग का उपयोग नहीं किया गया था। OpenAI की पाँच दरें 2026-09-12 के लिए सत्यापित आधिकारिक दरें हैं, जबकि $0.1025, $10.25 तथा $0.128125 के परिणाम वास्तविक माप के बजाय उदाहरण गणनाएँ हैं। इस लेख के लिए कोई सशुल्क निर्माण, टोकन माप या स्वीकृति-दर मूल्यांकन नहीं किया गया था।
प्रति-अनुरोध बिलिंग: BetterToken का उदाहरण
एक वैकल्पिक बिलिंग मॉडल के रूप में, BetterToken प्लेटफ़ॉर्म पर प्रति-अनुरोध मूल्य निर्धारण पर विचार किया जा सकता है।
2026-09-12 के BetterToken कैटलॉग डेटा के अनुसार, gpt-image-2.5-flare और gpt-image-2.5-sunburst मॉडल image-generation और openai एंडपॉइंट्स के तहत उपलब्ध हैं। कैटलॉग में quota_type = 1, समूह GPT Image 4K और प्रति अनुरोध model_price = $0.05 का मूल्य निर्दिष्ट है। ये गतिशील मान हैं; कार्यों को शुरू करने से पहले हमेशा BetterToken मूल्य निर्धारण पृष्ठ पर वर्तमान दरों की पुष्टि करें।
वर्तमान कैटलॉग दर $0.05 प्रति अनुरोध पर, 100 सशुल्क अनुरोधों की कुल लागत $5.00 होगी:
- 100 सशुल्क अनुरोध: 100 × $0.05 = $5.00.
- 80 स्वीकृत छवियों के साथ, प्रति स्वीकृत आउटपुट की लागत है: $5.00 / 80 = $0.0625।
यह $5.00 और $0.0625 का उदाहरण काल्पनिक है। इस लेख के लिए कोई सशुल्क अनुरोध नहीं चलाया गया था।
OpenAI API की टोकन-आधारित बिलिंग और BetterToken कैटलॉग का प्रति-अनुरोध मूल्य निर्धारण गणना के दो मौलिक रूप से भिन्न मॉडल हैं, इसलिए इन्हें सीधे जोड़ा या समकक्ष नहीं माना जा सकता है। गणना किए गए आंकड़ों में अंतर समान निर्माण गुणवत्ता, समर्थित सुविधाओं की समानता या मूल्य स्थायित्व का संकेत नहीं देता है।
टेस्ट बैच चलाना और मेट्रिक्स को ट्रैक करना
उत्पादन वर्कफ़्लो को बड़े पैमाने पर शुरू करने से पहले, 10–20 प्रतिनिधि कार्यों के नमूने पर एक नियंत्रित परीक्षण बैच चलाना अधिक व्यावहारिक है। तुलनीय परिणाम सुनिश्चित करने के लिए, लक्षित रिज़ॉल्यूशन को स्थिर रखें, गुणवत्ता स्तर (low, medium, high, xhigh, max या auto) को समान रखें, और प्रति अनुरोध संदर्भ छवियों की संख्या को एक समान बनाए रखें।
आपके ट्रैकिंग लॉग में निम्नलिखित दर्ज होना चाहिए:
- मॉडल (
gpt-image-2.5-flareयाgpt-image-2.5-sunburst),qualityस्तर और आउटपुट रिज़ॉल्यूशन। - संदर्भ छवियों की संख्या,
usageसे वास्तविक टोकन खपत या काटी गई राशि। - परिणाम की स्थिति (स्वीकृत, संशोधन के लिए भेजा गया, या अस्वीकृत)।
API कुंजियों और गोपनीय मूल संपत्तियों को कभी भी ट्रैकिंग लॉग में संग्रहीत नहीं किया जाना चाहिए।
बैच चलाने से पहले bettertoken.ai/pricing पर वर्तमान दरों की पुष्टि करें, और एक छोटे परीक्षण रन के बाद BetterToken Workspace में वास्तविक मॉडल, प्रत्येक अनुरोध की स्थिति और कटौती की पुष्टि करें।