Генерация изображений: Gemini Image и GPT Image

RuAPI даёт доступ к двум семействам моделей генерации изображений: Gemini Image (в народе — Nano Banana) и GPT Image. Они вызываются по-разному, и это главное, что нужно понять перед началом. Оплата в USDT, без зарубежной карты.

Модели Gemini Image не работают через /v1/images/generations. Они вызываются через обычный чат-эндпоинт /v1/chat/completions, а готовое изображение приходит внутри текста ответа. Подробности — в разделе «Способ 1».

Доступные модели

ID модели	Эндпоинт	Тарификация	Когда брать
`gemini-2.5-flash-image`	chat	за вызов	Самый дешёвый. Отлично редактирует готовые изображения
`gemini-3.1-flash-image-preview`	chat	за вызов	Быстрый, качество выше, чем у 2.5
`gemini-3-pro-image-preview`	chat	за вызов	Максимальное качество (Nano Banana Pro)
`gpt-image-2`	`/v1/images/generations`	по токенам	Совместимость с экосистемой OpenAI

Актуальные цены — на странице цен. Модели Gemini тарифицируются за вызов (одна фиксированная цена за картинку), gpt-image-2 — по токенам (чем больше и качественнее картинка, тем дороже).

Адрес API и авторизация

Base URL: https://www.ruapi.ai/v1
Авторизация: заголовок Authorization: Bearer sk-ВАШ_КЛЮЧ (создаётся в панели, раздел «Токены»)

Способ 1. Gemini Image — через чат

Модели Gemini Image живут на чат-эндпоинте. Вы отправляете обычный запрос как к текстовой модели, а в ответ получаете изображение.

Изображение приходит как Markdown-ссылка с data URI прямо внутри choices[0].message.content — отдельного поля для картинки нет. Ответ выглядит так:

Вот рыжий кот в скафандре на фоне Сатурна!
![image](data:image/png;base64,iVBORw0KGgoAAAANSUhEUg...)

Base64 нужно вытащить из текста самостоятельно. Ниже готовый код.

Текст → изображение

curl https://www.ruapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-2.5-flash-image",
    "messages": [
      { "role": "user", "content": "Нарисуй рыжего кота в скафандре на фоне Сатурна" }
    ]
  }'

import base64
import re

import requests

resp = requests.post(
    "https://www.ruapi.ai/v1/chat/completions",
    headers={"Authorization": "Bearer sk-ВАШ_КЛЮЧ"},
    json={
        "model": "gemini-2.5-flash-image",
        "messages": [
            {"role": "user", "content": "Нарисуй рыжего кота в скафандре на фоне Сатурна"}
        ],
    },
)
content = resp.json()["choices"][0]["message"]["content"]

# Вытаскиваем все изображения из Markdown data URI
images = re.findall(r"!\[image\]\(data:(image/[^;]+);base64,([^)]+)\)", content)
for i, (mime, b64) in enumerate(images):
    ext = mime.split("/")[-1]
    with open(f"image_{i}.{ext}", "wb") as f:
        f.write(base64.b64decode(b64))

# Текст, который модель написала рядом с картинкой
caption = re.sub(r"!\[image\]\([^)]*\)", "", content).strip()
print(caption, f"— сохранено изображений: {len(images)}")

Изображений в ответе может быть несколько — поэтому в примере findall, а не search. Модель также почти всегда добавляет короткую текстовую подпись рядом с картинкой.

Изображение → изображение (редактирование)

Чтобы отредактировать существующее изображение, передайте его в том же формате, что и для vision-моделей: массив content с частями text и image_url. В url можно подставить как обычную ссылку, так и data URI.

curl https://www.ruapi.ai/v1/chat/completions \
  -H "Authorization: Bearer sk-ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-2.5-flash-image",
    "messages": [
      {
        "role": "user",
        "content": [
          { "type": "text", "text": "Сделай это изображение чёрно-белым. Больше ничего не меняй." },
          { "type": "image_url", "image_url": { "url": "https://example.com/photo.jpg" } }
        ]
      }
    ]
  }'

import base64
import re
from pathlib import Path

import requests

# Вариант А — ссылка на изображение
source = {"url": "https://example.com/photo.jpg"}

# Вариант Б — локальный файл через data URI
# raw = Path("photo.jpg").read_bytes()
# source = {"url": "data:image/jpeg;base64," + base64.b64encode(raw).decode()}

resp = requests.post(
    "https://www.ruapi.ai/v1/chat/completions",
    headers={"Authorization": "Bearer sk-ВАШ_КЛЮЧ"},
    json={
        "model": "gemini-2.5-flash-image",
        "messages": [
            {
                "role": "user",
                "content": [
                    {"type": "text", "text": "Сделай это изображение чёрно-белым. Больше ничего не меняй."},
                    {"type": "image_url", "image_url": source},
                ],
            }
        ],
    },
)
content = resp.json()["choices"][0]["message"]["content"]
mime, b64 = re.findall(r"!\[image\]\(data:(image/[^;]+);base64,([^)]+)\)", content)[0]
Path("edited.png").write_bytes(base64.b64decode(b64))

Соотношение сторон исходного изображения сохраняется — результат не обрезается до квадрата.

Многошаговое редактирование

Ответ модели можно вернуть обратно в messages как сообщение assistant — Markdown data URI будет распознан и изображение уйдёт на вход следующего шага. Так строится диалог «сделай чёрно-белым» → «а теперь добавь рамку».

messages = [{"role": "user", "content": "Нарисуй рыжего кота"}]

for instruction in ["Сделай изображение чёрно-белым", "Добавь белую рамку"]:
    resp = requests.post(URL, headers=HEADERS, json={"model": MODEL, "messages": messages}).json()
    reply = resp["choices"][0]["message"]["content"]
    messages.append({"role": "assistant", "content": reply})   # картинка остаётся в контексте
    messages.append({"role": "user", "content": instruction})

Каждый шаг — это отдельный платный вызов. Кроме того, история с base64-изображениями быстро раздувает запрос: не тащите в контекст больше двух-трёх последних кадров.

Поддерживаемые форматы входных изображений

image/png, image/jpeg, image/webp, image/heic, image/heif. Всё остальное будет отклонено с ошибкой mime type is not supported by Gemini.

Нативный эндпоинт Gemini

Если вы уже пишете под Google GenAI SDK, тот же ключ работает и с нативным форматом:

curl "https://www.ruapi.ai/v1beta/models/gemini-2.5-flash-image:generateContent" \
  -H "Authorization: Bearer sk-ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{ "contents": [{ "parts": [{ "text": "Нарисуй рыжего кота в скафандре" }] }] }'

Здесь изображение приходит структурно — в candidates[0].content.parts[].inlineData.data (base64), без Markdown. Если вам не нужна совместимость с OpenAI SDK, этот вариант удобнее.

Способ 2. GPT Image — через `/v1/images/generations`

gpt-image-2 — это классический эндпоинт генерации изображений OpenAI. Никаких messages, только prompt.

curl https://www.ruapi.ai/v1/images/generations \
  -H "Authorization: Bearer sk-ВАШ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-image-2",
    "prompt": "Рыжий кот в скафандре на фоне Сатурна",
    "size": "1024x1024",
    "quality": "low",
    "n": 1
  }'

import base64

from openai import OpenAI

client = OpenAI(api_key="sk-ВАШ_КЛЮЧ", base_url="https://www.ruapi.ai/v1")

result = client.images.generate(
    model="gpt-image-2",
    prompt="Рыжий кот в скафандре на фоне Сатурна",
    size="1024x1024",
    quality="low",
    n=1,
)

with open("image.png", "wb") as f:
    f.write(base64.b64decode(result.data[0].b64_json))

Параметры

Параметр	Значения	Комментарий
`size`	`1024x1024`, `1536x1024`, `1024x1536`, …	Обе стороны должны быть кратны 16
`quality`	`low`, `medium`, `high`	Влияет на число выходных токенов, то есть напрямую на цену
`n`	1 и больше	Каждое изображение тарифицируется отдельно

Ответ

{
  "data": [
    {
      "b64_json": "iVBORw0KGgoAAAANSUhEUg...",
      "url": "https://.../image.png",
      "revised_prompt": "Рыжий кот в скафандре на фоне Сатурна"
    }
  ],
  "usage": { "input_tokens": 17, "output_tokens": 425, "total_tokens": 442 }
}

Используйте b64_json, а не url. Поле url указывает на внешнее хранилище: срок жизни ссылки не гарантируется, и она может перестать открываться в любой момент. b64_json — это сама картинка, она у вас навсегда.

usage.output_tokens — это токены изображения, по ним и считается стоимость. Понижение quality до low уменьшает их в разы: удобно для черновиков и тестов.

Частые вопросы

Почему gemini-2.5-flash-image не работает через /v1/images/generations?

Потому что это не модель генерации изображений в терминах OpenAI, а мультимодальная чат-модель, которая умеет отдавать картинки. Вызывайте её через /v1/chat/completions — см. «Способ 1».

Что за огромная строка base64 в поле content?

Это и есть изображение. При отдаче через OpenAI-совместимый чат-эндпоинт картинка вставляется в текст ответа как ![image](data:image/png;base64,...). Вытащите её регуляркой (пример выше) или используйте нативный эндпоинт Gemini, где изображение приходит отдельным полем.

Какую модель выбрать для редактирования фотографий?

gemini-2.5-flash-image — лучшее соотношение цены и качества для правок. Если нужен максимум детализации, берите gemini-3-pro-image-preview. gpt-image-2 тоже умеет редактировать, но через отдельный эндпоинт /v1/images/edits.

Сколько хранятся результаты?

Модели Gemini не хранят ничего: base64 приходит прямо в ответе. У gpt-image-2 в ответе есть поле url, но полагаться на него не стоит — сохраняйте b64_json.

В ответе Gemini есть usage с токенами — за них списывают?

Нет. Модели Gemini Image тарифицируются за вызов: одна фиксированная цена за картинку. Поле usage приходит справочно и на списание не влияет. По токенам считается только gpt-image-2.

Начало работы

Руководства

Справочник API

Гайды по моделям

Интеграции

Возможности

Рецепты

Юридическая информация

Генерация изображений: Gemini Image и GPT Image

Доступные модели

Адрес API и авторизация

Способ 1. Gemini Image — через чат

Текст → изображение

Изображение → изображение (редактирование)

Многошаговое редактирование

Поддерживаемые форматы входных изображений

Нативный эндпоинт Gemini

Способ 2. GPT Image — через `/v1/images/generations`

Параметры

Ответ

Частые вопросы

​Доступные модели

​Адрес API и авторизация

​Способ 1. Gemini Image — через чат

​Текст → изображение

​Изображение → изображение (редактирование)

​Многошаговое редактирование

​Поддерживаемые форматы входных изображений

​Нативный эндпоинт Gemini

​Способ 2. GPT Image — через /v1/images/generations

​Параметры

​Ответ

​Частые вопросы

Доступные модели

Адрес API и авторизация

Способ 1. Gemini Image — через чат

Текст → изображение

Изображение → изображение (редактирование)

Многошаговое редактирование

Поддерживаемые форматы входных изображений

Нативный эндпоинт Gemini

Способ 2. GPT Image — через `/v1/images/generations`

Параметры

Ответ

Частые вопросы