gpt-image-2

GPT Image 2 — Pro Pack on RunComfy

runcomfy.com · Text-to-image · Edit · GitHub

OpenAI GPT Image 2（ChatGPT Images 2.0）託管於 RunComfy Model API — 無需 OpenAI 金鑰，非同步 REST。

npx skills add agentspace-so/runcomfy-skills --skill gpt-image-2 -g

何時選擇此模型（相較於同系列其他模型）

GPT Image 2 的獨特優勢在於指令精準度：它能比同級模型更可靠地遵循多元素提示、佈局提示和內嵌文字指令。當畫面上的內容比風格化外觀更重要時，請選擇它。

您想要	使用
內嵌文字、標誌、招牌、多語言排版	GPT Image 2
品牌安全、電商/廣告/UI 模型圖像	GPT Image 2
保持構圖穩定的迭代優化	GPT Image 2
強烈風格化、繪畫感	Flux 2
超寫實人像	Nano Banana Pro
電影感/美學優先的主視覺	Seedream 5

如果使用者明確要求 GPT Image 2 / ChatGPT Image 2 / Image 2，無論如何都請路由至此 — 不要質疑模型選擇。

前置需求

1. RunComfy CLI — npm i -g @runcomfy/cli
2. RunComfy 帳號 — runcomfy login 會開啟瀏覽器裝置碼流程。
3. CI / 容器環境 — 設定 RUNCOMFY_TOKEN=<token> 取代 runcomfy login。

端點 + 輸入結構

兩個端點，同一個模型。

openai/gpt-image-2/text-to-image

欄位	型別	必填	預設值	備註
prompt	string	是	—	正向提示詞
size	enum	否	1024_1024	1024_1024（1:1）、1024_1536（2:3 直向）、1536_1024（3:2 橫向）— 僅此三種

openai/gpt-image-2/edit

欄位	型別	必填	預設值	備註
prompt	string	是	—	自然語言的編輯指令
images	string[]	是	—	最多 10 張參考圖片 URL（需為可公開取得的 HTTPS）
size	enum	否	auto	auto（保留輸入比例），或上述三種固定尺寸之一

編輯時使用 size=auto 可保留輸入的長寬比 — 除非編輯明確改變構圖，否則強烈建議使用。

如何呼叫

文字轉圖片：

runcomfy run openai/gpt-image-2/text-to-image \
  --input '{"prompt": "<使用者提示>", "size": "1024_1536"}' \
  --output-dir <絕對路徑>

編輯（單張參考）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "<編輯指令>",
    "images": ["https://..."]
  }' \
  --output-dir <絕對路徑>

編輯（多張參考，最多 10 張）：

runcomfy run openai/gpt-image-2/edit \
  --input '{
    "prompt": "將圖片 1 的主體合成到圖片 2 的房間中；比照圖片 2 的光線",
    "images": ["https://...subject.jpg", "https://...room.jpg"]
  }' \
  --output-dir <絕對路徑>

CLI 會提交請求，每 2 秒輪詢直到完成，然後將結果中所有 *.runcomfy.net / *.runcomfy.com 的 URL 下載到 --output-dir。標準輸出為結果 JSON，標準錯誤輸出為進度。

若需適合管線使用：

runcomfy --output json run openai/gpt-image-2/text-to-image \
  --input '{"prompt":"..."}' --no-wait | jq -r .request_id

提示技巧 — 實際有效的方法

以下是經實證能提升輸出品質的模型專用模式。適用於文字轉圖片和編輯。

明確指出主體 + 場景 + 氛圍。「一個霧面陶瓷水瓶的特寫，放在暖色亞麻布上，柔和窗光，中性背景」— 三個具體指令 — 勝過「一張好看的水瓶產品照」。

精確引用內嵌文字，保持簡短。 GPT Image 2 是同類模型中最擅長文字渲染的，但前提是你要將實際字元放在引號中。長段文字會降低品質。對於多語言文字，請指定字體："日文假名"、"西里爾字母"、"阿拉伯文由右至左"。

直接使用構圖提示。 "三分法"、"特寫"、"鳥瞰"、"主體置中"、"淺景深" — 這些對模型來說具有學習過的意義。

一次只迭代一個屬性。 優化時，每次只改變一個項目（光線或背景或姿勢或文字），其餘提示保持不變。當只有一個變數變動時，模型能在迭代間保持構圖穩定。

不要讓指令互相矛盾。 "無文字" + "標籤上寫著 'AQUA+'" 是矛盾的 — 模型會選擇其中一個，而你無法控制是哪個。

不要堆疊風格。 "浮世繪 + 水彩 + 8K + 電影感 + 極簡" 會互相抵消。最多選擇一兩種風格錨點。

針對 edit 端點：

• 說明保留目標。 "保持人物的姿勢和臉部特徵不變"、"保持包裝上的品牌標誌和字體"、"保持整體構圖"。模型需要知道哪些不該改變。
• 空間編輯使用方向性語言。 "將標題從右上角移至底部中央"，而非"重新放置標題"。
• 多張參考：在提示中為圖片編號 — "圖片 1 的主體，圖片 2 的光線和背景" — 模型會正確分配提示。

擅長領域

使用案例	為何選擇 GPT Image 2
電商產品攝影	標籤文字可靠、品牌安全光線、跨 SKU 一致
高轉換率廣告	一次完成標題與視覺整合
品牌素材在地化	單一來源素材 → 同一標題的多語言版本
招牌、海報、包裝模型	多種尺寸下的文字渲染準確度
UI 模型、科學插圖	佈局精準度與標籤可讀性

範例提示（經驗證可產出優質結果）

文字轉圖片 — 產品主視覺：

一個極簡產品主視覺靜物：霧面陶瓷水瓶放在暖色亞麻布上，
柔和窗光，標籤上以乾淨無襯線字體寫著 "AQUA+"，
微妙的邊緣反光，電商 ready，8K 細節，中性背景

文字轉圖片 — 多語言招牌：

黃昏時的小型東京咖啡館店面，溫暖的室內光線，
木牌上以粗體日文假名寫著 "コーヒー"，
淺景深，三分法，電影感

編輯 — 背景替換並保留原貌：

將背景改為明亮的極簡白色到淺灰色攝影棚漸層，
帶有柔和的地面陰影；在圖片中加入大標題，
以粗體乾淨無襯線字體寫著 "OPEN STUDIO"，高對比，置中；
保持主要人物或產品、姿勢和臉部特徵不變

限制

• 文字轉圖片僅有 3 種固定尺寸（編輯則為相同 3 種加上 auto）。極端長寬比會自動調整為最接近的支援尺寸。
• 提示長度約幾千個 token。長段內嵌文字會降低輸出品質。
• 編輯的多圖片支援是「最多 10 張參考圖的引導」，而非 ControlNet 式的疊加。第一張圖片被視為主體，其餘提供輔助提示。
• 人像照片寫實度並非其最強項 — Nano Banana Pro 在這方面表現更佳。

退出碼

runcomfy CLI 使用 sysexits 風格的代碼：

代碼	意義
0	成功
64	CLI 參數錯誤
65	輸入 JSON 錯誤 / 結構不符（例如 size: "2048_2048" 會回傳 422）
69	上游 5xx 錯誤
75	可重試：逾時 / 429
77	未登入或 token 被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

1. 技能以符合上述結構的 JSON 主體呼叫 runcomfy run openai/gpt-image-2/<endpoint>。
2. CLI 使用使用者的 bearer token 向 https://model-api.runcomfy.net/v1/models/openai/gpt-image-2/<endpoint> 發送 POST 請求。
3. Model API 回傳 request_id；CLI 每 2 秒輪詢 GET .../requests/<id>/status。
4. 狀態為終端狀態時，CLI 取得 GET .../requests/<id>/result，並將主機結尾為 .runcomfy.net 或 .runcomfy.com 的所有 URL 下載到 --output-dir。其他 URL 僅列出但不擷取。
5. 輪詢期間按下 Ctrl-C 會發送 POST .../requests/<id>/cancel，避免為已停止的 GPU 付費。

此技能並非

非直接 OpenAI API 用戶端。非能力授權 — 需依賴有效的 RunComfy 帳號。非多租戶。

安全性與隱私

• Token 儲存：runcomfy login 將 API token 寫入 ~/.config/runcomfy/token.json，權限設為 0600（僅擁有者可讀寫）。在 CI / 容器環境中可設定 RUNCOMFY_TOKEN 環境變數以完全繞過檔案。
• 輸入邊界：使用者提示透過 --input 以 JSON 字串傳遞給 CLI。CLI 不會對提示進行 shell 擴展；它直接透過 HTTPS 將 JSON 主體傳送給 Model API。提示內容不會造成 shell 注入風險。
• 第三方內容：您傳入的圖片 / 遮罩 / 影片 URL 由 RunComfy 模型伺服器擷取，而非您機器上的 CLI。請將外部 URL 視為不可信任；基於圖片的提示注入是任何圖片編輯 / 影片編輯模型的已知風險。
• 對外端點：僅 model-api.runcomfy.net（請求提交）和 *.runcomfy.net / *.runcomfy.com（生成輸出的下載白名單）。無遙測、無回呼。
• 生成檔案大小上限：CLI 會中止任何超過 2 GiB 的單一下載，以防止惡意或失控的模型輸出導致磁碟填滿。