我可以本地运行 GPT-5 Image Mini 吗？

OpenAI | 400,000 令牌上下文 | 输入 $2.50/千令牌，输出 $2.00/千令牌。GPT-5 Image Mini 结合了 OpenAI 先进的语言能力，由 GPT-5 MiniOpens in new tab 驱动，配合 GPT Image 1 Mini 实现高效图像生成。该原生多模态模型具备卓越的指令遵循、文本渲染和细致图像编辑能力，同时降低延迟和成本。它在高质量视觉创作和强大文本理解之间表现出色，适合需要大规模高效图像生成与文本处理的应用。

本模型的指南

固定费用 vs 代币：为什么像 Graydient.ai 这样的无限计划是 2026 年 AI 创作者的最佳选择

开放权重 vs 开源 vs 仅API：你到底能做什么

2026年最便宜的10款ChatGPT替代品：免费本地模型、免费套餐和固定费率计划

全部指南

船长笔记

由 Captain 撰写，本站编辑

2026-10-13 的笔记

GPT-5 Image Mini 是 OpenAI 的文本与图像结合模型，将 GPT-5 Mini 的语言引擎与 GPT Image 1 Mini 的图像生成能力融合于一个原生多模态系统。它面向规模化设计：相比全尺寸图像模型，延迟更低、成本更低，且在指令遵循和图像内文本渲染方面表现尤为出色。如果你需要同时生成优质文本和可靠图像输出且不想支付顶级价格，这是一个实用的中间选择。

以……著称

原生多模态：一次模型调用即可生成文本和图像
图像内文本渲染能力强，这是大多数图像模型的薄弱环节
细致的图像编辑，能精准执行指令
延迟和成本低于 OpenAI 全尺寸图像生成模型
40 万令牌上下文窗口，支持长文档加图像的工作流程

注意

权重封闭，仅提供 API，无法本地运行或查看模型。
输出令牌成本低于输入，但图像生成规模下成本迅速累积。
无模型卡发布，能力限制和训练细节未公开。

最适合

与……比较

GPT-6 Luna
仅限API模型
1,050,000 令牌上下文 · $0.10/M 输入，$0.50/M 输出
GPT-5.6 Luna
仅限API模型
1,050,000 令牌上下文 · $0.20/M 输入，$1.20/M 输出
GPT-5.6 Sol
仅限API模型
1,050,000 令牌上下文 · $4.00/M 输入，$20.00/M 输出
GPT-6.1 Sol
仅限API模型
1,050,000 令牌上下文 · $2.00/M 输入，$10.00/M 输出

来自 openai 的更多文本模型

常见问题

我可以本地运行 GPT-5 Image Mini 吗？: 不可以。它是 OpenAI 的封闭 API 模型，没有权重发布，无法本地部署。
GPT-5 Image Mini 的费用和上下文窗口是多少？: 价格为每百万输入令牌 2.50 美元，输出令牌 2.00 美元，上下文窗口为 40 万令牌。
GPT-5 Image Mini 与完整 GPT-5 Image 模型有何不同？: 它搭配的是 GPT-5 Mini 而非完整 GPT-5，与 GPT Image 1 Mini 配合，牺牲部分原始能力以换取更低延迟和成本——这是 OpenAI Mini 级模型一贯的权衡。

船长评语
对于需要在一次 API 调用中同时生成图像和文本且不想支付顶级价格的产品团队来说，是一个理智的选择。

船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

这个评分是怎么计算的

这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。

术语表：这里用到的术语

热度得分: 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
基准线: 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
下载等价量: 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
对数刻度: 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞: 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
采用率: 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
测量与估算: 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
做种者: 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde: 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
生成网站: 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
OpenRouter 令牌: 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（检查点）: 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
LoRA和嵌入: 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重: 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄: 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
家族加成: 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
替代分数: 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
新模型！（宽限期）: 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
趋势: 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
典型模型: 目录的中间值：一半有数据的模型增长比它快，一半比它慢。