OpenAI: GPT-5.4 Image 2

OpenAI: GPT-5.4 Image 2 är en bildmodell från OpenAI som även hanterar text. Den finns i både bild- och textkategorierna och kombinerar GPT-5.4-modellen med bildgenereringsfunktioner från GPT Image 2. Leverantören släppte den 2026-04-21. För en utvecklare är den viktiga ramen att detta inte är en textmodell med en bildändpunkt påklistrad; den är byggd för multimodalt arbete där resonemang, kodning och bildgenerering sker i samma arbetsflöde.

På indatasidan accepterar modellen bilder, text och filer. På utdatasidan returnerar den bilder och text, så ett enda anrop kan producera en genererad bild tillsammans med skriftligt innehåll. Kontextfönstret är 272 000 tokens och maximal utdata är 128 000 tokens. Bildgenerering är konfigurerbar snarare än fast: aspect_ratio accepterar 1:1, 3:2, 2:3, 4:3, 3:4, 16:9, 9:16, 21:9 eller auto; quality accepterar auto, low, medium eller high; background accepterar auto eller opaque; n sträcker sig från 1 till 10 bilder; input_references sträcker sig från 0 till 16; och output_compression sträcker sig från 0 till 100.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsfall. Eftersom modellen tar bild-, text- och filindata och kan returnera både bilder och text, passar den arbetsflöden som blandar analys med generering: läsa referensmaterial och producera nya visuella element från det, iterera på en design över flera indata, eller generera en batch bilder i ett anrop med n satt över 1. Intervallet för input_references på upp till 16 gör det praktiskt att betinga utdata på en större uppsättning medföljande bilder snarare än ett enda exempel. Kontrollerna aspect_ratio och quality låter dig matcha utdata mot ett målformat, till exempel 16:9 för breda layouter eller 9:16 för vertikala, utan efterbearbetning. Textutdata i samma svar är användbart när du vill ha en förklaring, bildtext eller kod tillsammans med bilden.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id:t "openai/gpt-5.4-image-2". Eftersom gränssnittet är OpenAI-kompatibelt fungerar befintliga OpenAI-klientbibliotek och förfrågningsformer med ett byte av bas-URL och modell-id. De parametrar som stöds är include_reasoning, logprobs, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, top_logprobs och verbosity. Kontrollerna reasoning och verbosity låter dig byta djup mot korthet, seed stöder reproducerbar sampling, och structured_outputs och response_format hjälper när du behöver textdelen i en förutsägbar form. De bildspecifika alternativen (aspect_ratio, quality, background, n, input_references, output_compression) skickas som en del av förfrågan.

Det finns ingen uttalad begränsning i fakta ovan, men parameterlistan är värd att läsa som en signal om lämplighet. Om din uppgift är ren textgenerering utan bildutdata, tillför bildparametrarna och bildutdatamodaliteten yta som du inte kommer att använda, och en textmodell kan vara enklare att resonera kring. Om du behöver fler än 16 indatareferenser, fler än 10 bilder per anrop, eller bildförhållanden utanför den listade uppsättningen, kommer denna modells dokumenterade intervall inte att täcka det. Inom dessa gränser riktar den sig till utvecklare som vill ha generering och resonemang i en förfrågan snarare än att kedja separata modeller.