OpenAI Image 1.5 模型发布：深度分析与GPT Image 1.5 图像生成网关API部署方案

gpt-image-gateway/
├── docker-compose.yml       # 容器编排
├── app/
│   ├── main.py              # Python 业务逻辑 (调用 API)
│   ├── requirements.txt     # 依赖库
│   └── Dockerfile           # Python 环境
└── openresty/
    ├── nginx.conf           # 网关配置 (代理、缓存、鉴权)
    └── Dockerfile           # OpenResty 环境

import os
import time
from openai import OpenAI
from dotenv import load_dotenv

# 加载环境变量
load_dotenv()

# 初始化客户端，指向我们的 OpenResty 网关，而不是直接连 OpenAI
# 这样可以在网关层做日志审计和缓存
client = OpenAI(
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url="https://sg.uiuiapi.com/v1" 
)

def generate_image_var(prompt, size="1024x1024"):
    """
    调用 GPT Image 1.5 (VAR 架构) 生成图像
    """
    print(f"🚀 [GPT Image 1.5] 正在解析 Prompt: {prompt}...")
    
    try:
        start_time = time.time()
        
        # 注意：这里模拟文章中的 GPT Image 1.5 参数
        # 实际运行通过时请使用 'dall-e-3'
        response = client.images.generate(
            model="gpt-image-1.5-pro", 
            prompt=prompt,
            size=size,
            quality="hd",
            n=1,
            response_format="url",
            # 假设的新参数：控制推理步数/Token上限
            # extra_body={"inference_steps": 50} 
        )
        
        end_time = time.time()
        duration = end_time - start_time
        
        image_url = response.data[0].url
        
        # 模拟 Token 消耗计算 (文章提到的计费逻辑)
        # 假设 1024x1024 消耗约 272 Output Tokens
        estimated_cost = (272 / 1_000_000) * 32.00 
        
        print(f"✅ 生成完成! 耗时: {duration:.2f}s")
        print(f"💰 预估成本: ${estimated_cost:.5f}")
        print(f"🔗 图片链接: {image_url}")
        
        return image_url

    except Exception as e:
        print(f"❌ 生成失败: {e}")
        return None

if __name__ == "__main__":
    # 测试指令遵循能力
    prompt_text = "技术蓝图风格，绘制一个 Docker 容器内部结构的剖面图，包含 Python 和 OpenResty 的图标，数据流用发光的蓝色线条表示，深色背景。"
    generate_image_var(prompt_text)

openai>=1.0.0
python-dotenv

worker_processes 1;

events { worker_connections 1024; }

http {
    include       mime.types;
    default_type  application/octet-stream;

    # 定义缓存路径
    proxy_cache_path /var/cache/nginx levels=1:2 keys_zone=img_cache:10m max_size=1g inactive=60m use_temp_path=off;

    server {
        listen 8080;

        # 1. 代理 OpenAI 图像生成接口
        location /v1/images/generations {
            # 开启缓存：如果完全相同的 Prompt 请求过来，直接返回缓存结果，不扣费
            proxy_cache img_cache;
            proxy_cache_key "$request_body"; # 基于请求体(Prompt)做缓存 Key
            proxy_cache_valid 200 24h;
            proxy_cache_methods POST;

            # 注入真实的 API Key (从环境变量获取，需配合 Lua 或 envsubst)
            # 这里演示简单替换，实际生产建议用 Lua 脚本读取 os.getenv
            proxy_set_header Authorization "Bearer $OPENAI_API_KEY";
            proxy_set_header Content-Type "application/json";

            # 指向 OpenAI 官方 API或者UIUIAPI
            proxy_pass OPENAI_API_BASE=https://sg.uiuiapi.com/v1/images/generations;
            
            # 隐藏后端服务器信息
            proxy_hide_header Set-Cookie;
            proxy_ssl_server_name on;
        }

        # 2. 健康检查
        location /health {
            return 200 '{"status":"alive", "gateway":"OpenResty"}';
            add_header Content-Type application/json;
        }
    }
}

services:
  # 1. OpenResty 网关
  gateway:
    image: openresty/openresty:alpine
    container_name: gpt_image_gateway
    volumes:
      - ./openresty/nginx.conf:/usr/local/openresty/nginx/conf/nginx.conf:ro
    environment:
      # 在这里配置你的真实 Key，或者使用 .env 文件
      - OPENAI_API_KEY=${OPENAI_API_KEY} 
    ports:
      - "8080:8080"
    networks:
      - ai-net

  # 2. Python 业务应用
  app:
    build: ./app
    container_name: gpt_image_client
    environment:
      # 指向网关服务名
      - OPENAI_API_BASE=https://sg.uiuiapi.com/v1
      # Python 端不需要真实 Key，随便填一个占位符，因为网关会覆盖它
      - OPENAI_API_KEY=sk-placeholder 
    depends_on:
      - gateway
    networks:
      - ai-net
    # 保持容器运行以便我们进入执行脚本
    command: tail -f /dev/null 

networks:
  ai-net:
    driver: bridge

OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxxxxx
OPENAI_API_BASE=https://sg.uiuiapi.com/v1

docker-compose up -d

# 进入 Python 容器执行脚本
docker exec -it gpt_image_client python main.py