شرح القيود الخفية لواجهة GPT Image 2.6 API: خمسة أنواع من حدود الجمع بين GIF وSVG والتحرير الجزئي

ملاحظة المؤلف: توضيح قيود نقاط النهاية وتعارضات المعلمات واعتبارات الترحيل عند التعامل مع GIF وSVG والتحرير الموضعي باستخدام markup في GPT Image 2.6 API، لمساعدة المطورين على تجنب الاعتقاد بأن تغيير اسم النموذج وحده يكفي.

أطلقت OpenAI نموذج GPT Image 2.6 في 4 نوفمبر 2026، وأتاحت للمطورين استخدام النموذجين gpt-image-2.6-flare وgpt-image-2.6-sunburst. وعندما ترى فرق كثيرة عبارات مثل «يدعم GIF وSVG والتحرير باستخدام التوضيحات»، يكون رد فعلها الأول هو تغيير اسم النموذج، ثم طلب GIF أو SVG مباشرة ضمن سير التحرير الحالي. لكن وفقًا للوثائق الرسمية، لا يمكن الجمع بين هذه الإمكانات بهذه الطريقة على مستوى API.

هذه ليست محاولة لانتقاد النموذج الجديد. فوثائق Image generation الرسمية ودليل الموجهات الخاص بـ GPT Image 2.6 يوضحان القيود المتعلقة بنقاط النهاية والصيغ والمعلمات. نكتفي هنا بجمع القيود الواردة في الوثائق، دون اختلاق سجلات لاختبار الطلبات أو إصدار أحكام بشأن أمور لم تُنشر نتائجها بعد.

الفائدة الأساسية: بعد قراءة هذا المقال، ستتمكن من تحديد نقطة النهاية المناسبة لمتطلباتك في GPT Image 2.6، ومعرفة المعلمات التي لا يمكن استخدامها معًا، والإمكانات التي يجب التحقق منها قبل التكامل مع منصة خارجية.

نظرة سريعة على قيود GPT Image 2.6 API

لنبدأ بالخلاصة: امتلاك النموذج قدرة معينة لا يعني أنها متاحة في كل نقطة نهاية لـ API. حاليًا، لا يُنتج GIF وSVG إلا عبر نقطة النهاية generations، بينما تُستخدم markup فقط في نقطة النهاية edits؛ ولكل منها دور محدد.

ما دور كل نوع من نقاط النهاية في GPT Image 2.6؟

تُنشئ images/generations صورًا جديدة بناءً على موجه نصي، وهي نقطة النهاية الرسمية الوحيدة لإخراج GIF وSVG. أما images/edits فتستقبل الصورة الأصلية والتعليمات لتعديل صورة موجودة، وتُستخدم أيضًا للتحرير بعلامات markup. وتناسب أداة توليد الصور في Responses API المحادثات وسير العمل متعدد الخطوات. لكن المصادر لا تذكر معلماتها المحددة لـ GIF وSVG، لذا لا ينبغي افتراض أنها مطابقة تمامًا لنقطة النهاية generations قبل التحقق.

هناك نقطة أخرى يسهل الخلط بينها: يمكن رفع صورة في منتج ChatGPT لإنشاء GIF، لكن هذه قدرة على مستوى المنتج، ولا تعني أن نقطة نهاية التحرير في Image API يمكنها إخراج GIF. والخلط بين تجربة المنتج وقدرات API هو أحد أكثر المفاهيم الخاطئة شيوعًا هنا.

القيود الخفية لإخراج SVG في GPT Image 2.6

يمكن الحصول على SVG عبر تعيين output_format="svg" في نقطة النهاية generations. قد يبدو الأمر مجرد إضافة تنسيق جديد، لكنه يأتي بمجموعة من القيود الأكثر صرامة مقارنة بالصور النقطية. فيما يلي القواعد التي تنص عليها الوثائق الرسمية:

• يجب أن تكون قيمة n هي 1، فلا يمكن توليد عدة ملفات SVG دفعة واحدة.
• لا يُدعم البث، ولا يُدعم partial_images.
• لا يُدعم output_compression، ولا يُدعم prompt_rewriter.
• لا يمكن لـ images/edits إخراج SVG، ولا يمكن استخدام SVG مباشرةً كمدخل لتحرير الصور النقطية.

توجد النتيجة في data[0].b64_json، ويجب فك ترميزها إلى XML بترميز UTF-8 ثم حفظها في ملف بامتداد .svg. وتوضح الوثائق الرسمية أن SVG المُولّد عبارة عن رسم متجهي ثابت يتكون من أشكال ومسارات وألوان، ولا يحتوي على نصوص برمجية، ولا يعتمد على موارد خارجية، ولا يتضمن صورًا نقطية. وهذا يجعله مناسبًا للعرض المضمّن مباشرةً في الواجهة الأمامية، لكنه لا يعني أن كل ملف SVG سيحتوي على بنية طبقات واضحة كتلك الموجودة في ملفات التصميم الاحترافية.

مثال بسيط لاستدعاء GPT Image 2.6 لإخراج SVG

يستخدم المثال التالي صيغة متوافقة مع OpenAI. يختلف توفر النموذج والمعلمات الجديدة من منصة إلى أخرى، لذا ينبغي التحقق من ذلك قبل البدء بالدمج الفعلي.

import base64
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # واجهة متوافقة مع OpenAI؛ تحقق أولًا من إتاحة النموذج 2.6
)

result = client.images.generate(
    model="gpt-image-2.6-flare",
    prompt="极简风格的咖啡店 Logo,单色线条，圆形构图",
    output_format="svg",
    n=1,  # يجب أن تكون القيمة 1 عند إخراج SVG
)

svg_xml = base64.b64decode(result.data[0].b64_json).decode("utf-8")
with open("logo.svg", "w", encoding="utf-8") as f:
    f.write(svg_xml)

تحتاج التكلفة أيضًا إلى تقييم مستقل. فقد أوضحت الوثائق الرسمية أن عملية توليد SVG تبدأ بإنشاء صورة مرجعية، ثم يُنتج نموذج الإنشاء النتيجة المتجهية. لذلك تشمل التكلفة استخدام نموذج الصور لإنشاء الصورة المرجعية، واستهلاك نموذج إنشاء SVG للرموز. ولا يمكن تطبيق تكلفة صورة PNG الواحدة مباشرةً على SVG، كما لم تحدد الوثائق الرسمية سعرًا ثابتًا ينطبق على جميع مهام SVG.

🚀 نصيحة للتحقق السريع: يرتبط استهلاك الرموز الفعلي في SVG ارتباطًا وثيقًا بتعقيد الموجه. يُنصح باختبار العملية أولًا باستخدام عدد قليل من الموجهات الممثلة لاحتياجاتك، ثم تقدير تكلفة التوليد على نطاق واسع. يمكنك التحقق من توفر النموذج المطلوب في لوحة تحكم APIYI على apiyi.com، والاستفادة من رصيد اختبار المستخدمين الجدد للتحقق على نطاق صغير.

معاملات إخراج GIF وحدودها في GPT Image 2.6

لا يمكن الحصول على GIF إلا عبر نقطة النهاية generations. بعد ضبط output_format="gif"، يمكنك التحكم في وتيرة الحركة باستخدام معاملين جديدين. يشير الحجم إلى أبعاد الإطار الواحد، ويجب أن يكون كل من العرض والارتفاع من مضاعفات 16 عند تحديدهما.

يخضع عدد الإطارات والدقة وعدد الصور المولّدة لقيود النموذج وميزانية البكسلات الإجمالية معًا. والحد الأقصى البالغ 64 إطارًا لا يعني إمكانية التوليد بثبات عند أي دقة مرتفعة؛ وهذه من أكثر النقاط عرضة لسوء الفهم في جدول المعاملات.

يستخدم المثال الرسمي Sunburst بحجم 512×512، وإعداد quality=high، والقيمة الافتراضية complexity=high، مع 9 إطارات ومدة 200 مللي ثانية لكل إطار، ليبلغ إجمالي المدة 1.8 ثانية. ويعرض المثال قردًا صغيرًا يرتدي معطفًا أخضر، يرفع فانوسًا ثم يعود إلى وضعه الأول لتكوين حركة متكررة.

import base64
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # تأكد قبل الاستخدام من أن المنصة تمرر المعاملات الجديدة مثل frame_count
)

def generate_gif(prompt: str, path: str = "loop.gif") -> str:
    """توليد GIF متكرر؛ تُمرر الحقول غير القياسية في SDK عبر extra_body"""
    result = client.images.generate(
        model="gpt-image-2.6-sunburst",
        prompt=prompt,
        size="512x512",          # حجم الإطار الواحد، من مضاعفات 16
        quality="high",
        output_format="gif",
        extra_body={
            "frame_count": 9,           # 2–64، القيمة الافتراضية 9
            "frame_duration_ms": 200,   # 20–2000، بزيادات قدرها 10ms
            "complexity": "high",       # القيمة الافتراضية، يُنصح بالإبقاء عليها في المقارنة الأولى
        },
    )
    data = base64.b64decode(result.data[0].b64_json)
    if not data.startswith(b"GIF8"):
        raise ValueError("返回内容不是有效的 GIF 文件")
    with open(path, "wb") as f:
        f.write(data)
    return path

generate_gif("一只穿绿色外套的小猴子举起灯笼，再回到开始姿态，无缝循环")

تتحقق الشفرة في النهاية من ترويسة الملف، لأن نجاح الاستجابة لا يعني بالضرورة الحصول على ملف GIF صالح للاستخدام. وتشير القيود الرسمية أيضًا إلى ضرورة التحقق يدويًا من ترابط الحركة وطبيعية تكرارها، بدلًا من الاكتفاء برمز حالة HTTP.

المتطلبات الأساسية للتحرير الموضعي باستخدام Markup في GPT Image 2.6

تُعدّ ميزة markup إضافة مهمة في الإصدار 2.6 إلى نقطة النهاية edits، وتتطلب إرسال الصورة الأصلية وطبقة تعليم شفافة وموجه التحرير. في المثال الرسمي، الصورة الأصلية هي kitchen.webp، وطبقة التعليم صورة PNG شفافة مرسوم عليها دائرة حمراء. ويطلب الموجه تغيير لون المزهرية داخل الدائرة إلى الأزرق، مع الحفاظ على العناصر المحيطة وإزالة الدائرة الحمراء من الصورة النهائية.

متطلبات markup محددة، وقد يؤدي عدم استيفاء أي منها إلى فشل الطلب أو الحصول على نتيجة غير متوقعة:

1. يجب أن تكون markup طبقة تعليم بصيغة PNG تحتوي على بكسلات شفافة. لا يمكن رسم الدائرة الحمراء مباشرة على الصورة الأصلية وتقديمها بوصفها markup.
2. يجب أن يتطابق عرض الصورة الأصلية وارتفاعها بالبكسل تمامًا مع أبعاد markup.
3. تُطبّق markup على صورة الإدخال الأولى، بينما تُستخدم الصور الأخرى كصور مرجعية فقط.
4. لا يزيد حجم الصورة الأولى أو طبقة التعليم على 16,777,216 بكسل لكل منهما، ولا يتجاوز حجم ملف markup مقدار 50 MB.
5. لا يمكن استخدام markup مع mask أو prompt_rewriter في الطلب نفسه.

ومن المهم أيضًا أن التحرير المستند إلى القناع يظل، بحسب التوضيح الرسمي، موجّهًا بالموجه النصي، ولا يلتزم بالضرورة بحدود كل بكسل بدقة. تُستخدم الدائرة والقناع للتعبير عن التعديل المطلوب، لكنهما لا يعنيان تحريرًا حتميًا للبكسلات كما في Photoshop. إذا كان لا بد من أن تتطابق مناطق معينة مع الصورة الأصلية بكسلًا ببكسل، فتوصي الجهة الرسمية بدمج نتيجة التحرير المقبولة مع الصورة الأصلية، بدلًا من الاعتماد كليًا على النموذج لإبقائها دون تغيير.

جدول مرجعي سريع لتوافق معلمات GPT Image 2.6

يسهّل جمع التنسيقات والمعلمات في جدول واحد اكتشاف التعارضات، بدلًا من البحث عنها بين صفحات الوثائق. يسجل الجدول القواعد المذكورة صراحةً في المصادر فقط؛ أما البنود التي لم تُذكر تفاصيلها فموسومة بعبارة «غير مذكور»، وهذا لا يعني أنها غير مدعومة.

هناك أيضًا تفاصيل يسهل إغفالها. تشمل المقاسات الشائعة 1024×1024 و1536×1024 و1024×1536، أما المقاسات المخصصة فتتطلب أن يكون العرض والارتفاع من مضاعفات 16، وأن تتراوح نسبة العرض إلى الارتفاع بين 1:3 و3:1. تشمل قيم quality كلًا من auto وlow وmedium وhigh وxhigh وmax، بينما قيم complexity هي low وmedium وhigh. وهما معلمتان مختلفتان: تؤثر الأولى في تفاصيل العرض، بينما تؤثر الثانية في تخطيط التكوين وفهم المشهد.

تحليل أثر قيود GPT Image 2.6 على المطورين

مخاطر التوافق عند نقل سير العمل القديم

ينبّه دليل الموجهات الرسمي إلى ضرورة حذف input_fidelity عند تحرير الصور، وأن GPT Image 2.6 لا يدعم reasoning.summary. إذا كانت الشفرة القديمة تتضمن هذه الحقول، فقد يؤدي استبدال اسم النموذج وحده إلى ظهور خطأ. ويمكن تلخيص مسار الانتقال الذي تقترحه الوثائق الرسمية كالتالي:

• احفظ أولًا طلبات ومخرجات ممثلة للنموذج القديم، لتكون مرجعًا للمقارنة.
• استبدل اسم النموذج فقط، مع إبقاء الموجه وصورة مرجعية والأبعاد وquality وتنسيق الإخراج دون تغيير.
• أبقِ القيمة الافتراضية لـ complexity في الجولة الأولى، ثم عدّل متغيرًا واحدًا فقط في كل مرة: إما quality أو complexity.
• راقب جودة المخرجات وزمن الاستجابة ومعدل الفشل وعدد مرات إعادة المحاولة والتكلفة الفعلية. ابدأ بتجربة نسبة صغيرة من الطلبات، ثم زدها تدريجيًا.

التعامل مع الأخطاء حسب نوعها

قد يفشل توليد الصور بسبب المصادقة أو الحصة أو حدود معدل الطلبات أو أخطاء الخادم أو مشاكل في محتوى الإدخال. تناسب إعادة المحاولة بفترات انتظار متزايدة أخطاء حدود المعدل وأخطاء الخادم، أما أخطاء الحصة فلا ينبغي إعادة المحاولة فيها دون شروط. وبالنسبة إلى الأخطاء التي تتطلب تعديلًا من المستخدم، اطلب منه تعديل الطلب بدلًا من تكرار الاستدعاء. عند حظر الطلب بسبب المراجعة، يُرجع error.code = "moderation_blocked"، ويُنصح بتسجيل معرّف الطلب أيضًا لتسهيل استقصاء المشكلة.

قائمة التحقق قبل التكامل مع منصة خارجية

عند استدعاء نموذج جديد عبر منصة تجميع، فإن «إتاحة النموذج» ليست سوى الخطوة الأولى. تستند عناصر الجدول التالي إلى قائمة القدرات الرسمية، وهي مسائل ينبغي التحقق منها واحدة تلو الأخرى قبل التكامل، ولا تعني أن أي منصة تدعم هذه الميزات أو لا تدعمها بالفعل.

💡 نصيحة للتكامل: اختبر مجموعة الطلبات نفسها على الواجهة الرسمية والمنصة الخارجية، وقارن خصوصًا تنسيقات النتائج ورسائل الأخطاء. قبل التكامل عبر APIYI على apiyi.com، يمكنك مراجعة قائمة النماذج وشرح المعلمات في مركز الوثائق، والتأكد من إتاحة قدرات الإصدار 2.6 قبل تحويل حركة الإنتاج.

الأسئلة الشائعة FAQ

أبرز حدود واجهة GPT Image 2.6 API

• دعم الميزة لا يعني توفرها في كل نقطة نهاية: لا يمكن إخراج GIF وSVG إلا عبر generations، ولا يمكن استخدام markup إلا مع edits.
• SVG هو الأكثر تقييدًا: يجب ضبط n=1، ولا يدعم الإخراج المتدفق أو معاملات الضغط أو prompt_rewriter، ويجب فك ترميز المحتوى المُعاد إلى XML.
• GIF يخضع لميزانية البكسلات: دعم 64 إطارًا لا يعني إمكانية توليدها بثبات عند أي دقة، ويجب أن يكون عرض كل إطار وارتفاعه من مضاعفات 16.
• متطلبات تنسيق markup صارمة: يجب أن يكون ملف PNG شفافًا وبحجم الصورة الأصلية، ولا يمكن استخدامه مع mask في الوقت نفسه.
• تتطلب الهجرة إزالة بعض الحقول: احذف input_fidelity عند التحرير، ولا ترسل reasoning.summary.
• تحقق على عدة مستويات قبل التكامل: يمكنك استخدام وثائق APIYI على apiyi.com ورصيد الاختبار للتحقق من الإمكانات على خمسة مستويات: النموذج، والواجهة، والمعاملات، والنتائج، والسعر.

الخلاصة

يمكن تلخيص القيود الخفية لواجهة GPT Image 2.6 API في ثلاث نقاط:

1. لكل نقطة نهاية وظيفة محددة: استخدم generations لإنشاء صور جديدة، وedits لتعديل الصور الموجودة. ولا تظهر ملفات GIF وSVG في نتائج التحرير.
2. بعض المعاملات غير متوافقة: لا يتوافق SVG وGIF مع الإخراج المتدفق أو معاملات الضغط أو prompt_rewriter، ولا يمكن استخدام markup وmask معًا.
3. يجب التحقق من النتائج المُعادة: الاستجابة الناجحة لا تعني بالضرورة أن الناتج جاهز للاستخدام؛ فتحقق من تنسيق الملف وتأثير التكرار ونطاق التحرير.

لا يقتصر دمج GPT Image 2.6 على استبدال اسم النموذج؛ بل يتطلب أيضًا التأكد من أن نقطة النهاية والتنسيق والمعاملات والبيانات المُعادة تلبي احتياجات العمل. يُنصح أولًا بالتحقق من الإمكانات المطلوبة باستخدام عدد قليل من الطلبات الفعلية عبر APIYI على apiyi.com، ثم نقل حركة الإنتاج تدريجيًا بعد التأكد من توفرها وتكلفتها الفعلية.

📚 المراجع

1. OpenAI API – Image generation: التوثيق الرسمي لنقاط النهاية، وإخراج SVG/GIF، وتحرير ترميز markup، ومعالجة الأخطاء
2. الرابط: developers.openai.com/api/docs/guides/image-generation

3. ملاحظة: المرجع الأساسي لنقاط النهاية وقيود المعلمات الواردة في المقال

4. OpenAI API – GPT Image 2.6 prompting guide: معلمات النموذج، وخطوات الترحيل، وأمثلة GIF/SVG

5. الرابط: developers.openai.com/api/docs/guides/image-prompting

6. ملاحظة: يتضمن اعتبارات الترحيل المتعلقة بـ input_fidelity وreasoning.summary وغيرها

7. OpenAI – GPT Image 2.6 Sunburst Model: صفحة نموذج Sunburst

8. الرابط: developers.openai.com/api/docs/models/gpt-image-2.6-sunburst

9. ملاحظة: معلومات عن قدرات النموذج وأسعاره

10. OpenAI – GPT Image 2.6 Flare Model: صفحة نموذج Flare

11. الرابط: developers.openai.com/api/docs/models/gpt-image-2.6-flare
12. ملاحظة: معلومات عن قدرات النموذج وأسعاره

الكاتب: فريق APIYI التقني
للتواصل التقني: يسعدنا تواصلكم معنا عبر الصفحة الرئيسية لموقع APIYI الرسمي apiyi.com. ولمزيد من موارد التكامل، يمكنكم زيارة مركز التوثيق على docs.apiyi.com

مقالات ذات صلة

• إطلاق ChatGPT Images 2.6: دعم GIF والصور المرجعية، وتوليد الصور أسرع بنسبة 50%، وكيفية استخدام GPT-Image-2.6 Flare وSunburst: تحليل ChatGPT Images 2.6 الصادر في 4 نوفمبر 2026: صور GIF، وصور مرجعية قابلة لإعادة الاستخدام، والتحرير بعلامات markup، وتصدير SVG، وقواعد الاختيار بين Flare وSunburst، وفئات التكلفة الخمس لدقة 1024×1024، والحدود بين الإفصاحات الرسمية وتصنيفات الجهات الخارجية والمعلومات المجهولة.
• مقارنة GPT-Image-2.6 وNano Banana 2.1: ما الفروق في GIF ودقة 4K والسعر، وكيف تختار؟: مقارنة GPT-Image-2.6 وNano Banana 2.1 حسب شكل المخرجات: الصور المتحركة والرسوم المتجهية، ودقة 4K والصور المرجعية المتعددة، وطريقتا قياس الأداء وطريقتا احتساب التكلفة، وجدول الاختيار لثلاثة أنواع من المهام.
• ما الذي أوقفته Grok Imagine اليوم؟ هل لا يزال بالإمكان استخدام النماذج القديمة؟ 4 نقاط رئيسية لفهم الانتقال إلى الإصدار 2.0 في مقال واحد: المعرّف grok-imagine-image-quality وحده سيُحال للتقاعد في 2 نوفمبر 2026، وليس Grok Imagine بالكامل؛ وتوضح هذه المقالة نطاق التأثير وتغيرات الأسعار ومعلمات الجودة وطريقة الانتقال إلى الإصدار 2.0.
• يا إلهي! Krea 3، هل ستقضي على Nano Banana؟: يستعرض المقال فعالية Krea 3 في إنشاء صور إعلانية للعلامات التجارية عبر 5 خطوات في Ad Studio، من الموقع الرسمي إلى مجموعة العلامة التجارية ثم 12 إعلانًا ثابتًا، مع صور رسمية للنتائج وجدول التكاليف و7 عثرات.