OpenAI API 完整使用指南

生成式 AI 的事实标准,模型迭代较快、生态较完整,也是 ChatGPT 的”开发者版”。

评分: 9.6/10 价格: 按 Token 计费,模型分标准/Batch/Priority/Flex 多种模式 厂商: OpenAI 官网: platform.openai.com

目录

1. 什么是OpenAI API
2. 核心功能
3. 如何使用
4. 价格方案
5. 竞品对比
6. 优缺点
7. 常见问题
8. 总结建议
9. 快速开始

快速开始

⏱ 预计耗时:5 分钟 · 难度:小白友好

测试编辑:Mnet 测试日期:2026-06-15 测试环境:Windows 11 / macOS 15 / Chrome 138

第 1 步:准备工作

需要准备 4 样东西:

1. 稳定的国际网络(直连 platform.openai.com,中国大陆 IP 会直接拒绝)
2. 海外手机号(Google Voice / 虚拟号均可,用来收 6 位验证码)
3. 支持美元结算的国际信用卡(Visa / MasterCard,预付卡一般过不了)
4. 邮箱(Gmail / Outlook 最佳,QQ 邮箱注册经常失败)

整个流程10-20 分钟能跑通,但 OpenAI 对 IP 段和手机号段很挑剔,失败了就换号、换 IP 再试。

第 2 步:跟着做

注册账号

1. 打开 platform.openai.com,点击右上角 Sign Up
2. 用邮箱注册,完成邮箱 + 手机号验证(海外号码)
3. 登录后会自动进入 API 控制台

充值并获取 API Key

1. 左侧点 Settings → Billing,点击 Add payment method
2. 填入信用卡信息,OpenAI 会预扣 5 美元验证(7 天内释放,不是真实扣费)
3. 在 Overview 页点 Add to credit balance,建议先充 5-10 美元够测试用
4. 左侧点 API keys,点 Create new secret key
5. sk-proj-… 开头的密钥只显示一次,立即复制保存到密码管理器

调用 API(pip install openai)

from openai import OpenAI

client = OpenAI()  # 自动读取 OPENAI_API_KEY 环境变量
response = client.chat.completions.create(
    model="gpt-4o-mini",  # 测试用最便宜的模型
    messages=[{"role": "user", "content": "用一句话介绍 OpenAI。"}]
)
print(response.choices[0].message.content)

curl(零依赖):

curl https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "messages": [{"role": "user", "content": "用一句话介绍 OpenAI。"}]
  }'

第 3 步:验证

成功标志:终端打印出模型的中文回复,platform.openai.com 后台 Usage 页面能看到消耗的 Token 数量和金额。

排错要点:

• 401 Invalid API Key → Key 复制错误或已删除,重新生成一个
• 429 Rate limit reached → 触发限流,代码加 time.sleep(1) 重试
• insufficient_quota → 余额用完,去 Billing 页面充值
• 绑卡失败 → 多半是 IP 不干净,换节点或换卡再试

下一步建议:

• 默认模型是 gpt-4o-mini($0.15/1M 输入),生产用可以换 gpt-4o($2.5/1M)
• 长对话要自己维护 messages 列表,OpenAI API 不存储历史
• 国内开发者如遇网络/支付问题,可选中转聚合(注意资质和数据合规),或用 Azure OpenAI 合规渠道

什么是OpenAI API

OpenAI API 是 OpenAI 公司面向开发者开放的云端模型调用入口,目前覆盖 GPT 系列、GPT-Image 系列、GPT-Realtime 系列、Whisper、TTS、Embeddings、Moderation 等多种模型。开发者通过 RESTful 接口或官方 SDK,即可在自己的应用里集成文本生成、对话、图像生成、语音转文字、语音合成、向量化检索、内容审核等能力,无需自己训练或部署大模型。

OpenAI API 的目标用户非常广泛:从个人开发者、独立创业者,到中大型企业的产品研发、客服、内容、数据团队,几乎所有人机对话、文本处理、内容生成的场景,都能在 OpenAI API 上找到对应模型。OpenAI 同样在 2026 年给出了清晰的”模型分层”:GPT-5.5 用于编码与专业工作的复杂多步推理,GPT-5.4 是高性价比的”主力”,GPT-5.4 mini 适合高频低成本任务,GPT-Image-2 是当前的图像生成旗舰,GPT-Realtime 系列专攻实时语音与翻译。

OpenAI 2026 年完成了两件影响 API 战略的大事:一是 2026 年 2 月 16 日正式停用 GPT-4o 的 API(只保留 ChatGPT 端),把开发者推向 GPT-5 系列;二是和微软 Azure 修订合作,把 IP 授权从独家变为非独家,继续把 Azure 作为主要云合作伙伴,但 OpenAI 也获得了在多云上分发产品的权利。这意味着 OpenAI API 在保持官方渠道的同时,Azure / 其他云上的 OpenAI 模型会继续同步,生态不会被一家云绑定。

核心功能

1. GPT-5.5 / GPT-5.4 / GPT-5.4 mini 三大主力模型 — GPT-5.5 适合复杂多步推理与编码任务,GPT-5.4 是性价比主力,GPT-5.4 mini 在更小体积下提供接近主力的能力,支持 270K 上下文、Cache、Function Calling、Structured Output。
2. GPT-Image-2 图像生成 — 多模态图像生成旗舰,支持文生图、图生图,价格 Input $5 / 1M tokens,Output $30 / 1M tokens,Image 输入 $8 / 1M tokens。
3. GPT-Realtime 实时语音系列 — 包括 GPT-Realtime-2(旗舰语音对话)、GPT-Realtime-Translate(实时翻译)、GPT-Realtime-Whisper(流式语音转文字),为实时语音交互提供端到端方案。
4. Assistants API 与工具生态 — Assistants 支持 File Search、Code Interpreter、Function Calling 多步推理,Web Search、Containers、Batch API 进一步扩展模型能力,可直接落地 Agent 工作流。
5. 结构化输出与多档处理模式 — Standard、Batch(-50% 价格)、Priority(高并发稳定)、Flex(低成本低优先级)、Data Residency(数据驻留 +10%),企业可根据成本与稳定性灵活组合。

如何使用

注册和入门

使用 OpenAI API 需要先在 platform.openai.com 注册账号,完成邮箱验证与手机号绑定后,进入 Billing 页面绑定支持美元结算的国际信用卡(Visa / MasterCard / Amex)。绑定完成后即可在 API Keys 页面创建 sk- 开头的密钥。建议立即在 Usage Limits 中设置月度硬上限(例如 $20、$50),以免调试时出现意料之外的大额账单。

新用户通常会自动获得 $5 左右的免费额度,有效期 3 个月,足以完成模型探索和小规模实验。如果团队规模较大,可在组织(Organization)维度统一管理成员、密钥、用量、发票,适合公司级使用。

基础操作流程

最常见的调用是 Chat Completions 接口。以 Python 为例:

from openai import OpenAI

client = OpenAI(api_key="sk-...")

response = client.chat.completions.create(
    model="gpt-5.4",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "用一句话解释量子纠缠。"},
    ],
)
print(response.choices[0].message.content)

流式输出只需在调用时传入 stream=True,即可实时接收增量文本。Function Calling 通过在 tools 数组中声明函数 Schema,让模型返回结构化的函数调用请求,后端执行后再次发起对话,把结果送回模型。多模态场景下,GPT-5.4 接受 image_url、input_audio 等字段,可一次性输入文本、图片、音频,适合做视频脚本分析、图表理解、UI 设计稿转化等任务。

高级技巧

高阶用户常见以下几种”进阶姿势”:第一,使用 Batch API 把离线任务(数据清洗、批量翻译、内容审核)在 24 小时内异步完成,价格立减 50%,适合对延迟不敏感的大吞吐场景;第二,使用 Structured Output 配合 Pydantic / Zod 等校验库,把模型输出约束为可解析的 JSON,落地到企业系统;第三,使用 Assistants API + Code Interpreter + File Search 构建具备文件检索、代码执行能力的智能体,适合数据分析、研究助理、客服机器人;第四,使用 Priority Processing 提升高并发下的稳定性,Floor Processing 进一步压低非关键任务的成本。

价格方案

OpenAI 官方价格以 Token 计费,不同模型、输入/输出方向、是否启用缓存差异较大,以下为 2026 年公开数据,实际以 platform.openai.com 为准:

OpenAI 还提供 Priority Processing(高并发稳定)、Flex Processing(低成本低优先级,适合非生产任务)、Data Residency(数据驻留,+10% 价格)等多档服务模式,企业可根据 SLA 需求灵活组合。

竞品对比

补充说明:对于国内开发者,OpenAI 官方 API 存在网络与支付门槛,通常需要稳定的国际网络和境外信用卡;微软 Azure OpenAI 是国内企业的合规替代品,模型版本比官方延迟 2-4 周,但提供企业级 SLA 与数据主权。

优缺点

优点:

• 模型迭代速度行业领先,2026 年已经迭代到 GPT-5.5 时代,新特性最早落地。
• 生态完整:Assistants、Code Interpreter、File Search、Structured Output、Function Calling 一应俱全,适合构建复杂 Agent。
• 价格体系清晰:Batch、Priority、Flex、Cached Input 等多档服务,企业可灵活组合优化成本。 缺点:
• 国内直连存在网络与支付门槛,需绑定境外信用卡,部分场景需要中转或选择 Azure 渠道。
• 2026 年起 GPT-4o 等老模型陆续停用,迁移成本存在,需要关注模型生命周期。
• 高峰期可能触发限流,生产环境需要做好重试、缓存、限流降级策略。

常见问题

Q1:GPT-5.4 和 GPT-5.4 mini 怎么选? A1:通用对话、内容生成、代码补全等场景优先 GPT-5.4;高频调用、对成本敏感、对延迟不敏感的任务用 GPT-5.4 mini;涉及复杂数学证明、深度推理、多步规划,直接用 GPT-5.5。日常生产环境中,GPT-5.4 已经是”主力”,GPT-5.4 mini 适合分类、抽取、改写等高吞吐辅助任务。

Q2:OpenAI API 的数据会用于训练吗? A2:默认情况下,API 调用数据不会用于训练 OpenAI 模型,数据保留 30 天用于安全检测,可在数据控制台调整保留策略。Enterprise 客户可以与 OpenAI 签订单独的 DPA,数据保留与训练用途可以进一步约束。

Q3:Batch API 什么时候用合适? A3:适合离线批处理、批量数据清洗、批量翻译、内容审核、向量生成等可异步完成的场景。Batch 在 24 小时内完成,价格是实时推理的 50%,缺点是不能用于实时对话或交互场景。

Q4:GPT-Image 和 DALL·E 是什么关系? A4:GPT-Image-2 是 2026 年发布的图像生成旗舰,支持更精细的 prompt 遵循与多模态编辑;DALL·E 3 已逐步被 GPT-Image 系列替代,新项目建议直接使用 GPT-Image-2。

总结建议

OpenAI API 仍是当下生成式 AI 集成的”事实标准”,生态成熟、文档完善、辅助工具齐全,几乎所有 Python/Node.js 框架都已内置 OpenAI 兼容适配。建议把 GPT-5.4 作为主力模型,GPT-5.4 mini 作为高吞吐辅助,GPT-5.5 留给关键高难度任务,图像用 GPT-Image-2,实时语音用 GPT-Realtime 系列,这种分层调用在工程上既灵活又经济。国内团队如果合规要求严格,优先考虑 Azure OpenAI 渠道,数据驻留区域可与微软商务谈判;如果是 C 端产品、跨境业务、或者已经绑定 OpenAI 生态,直接走官方 API 即可,记得设置 Usage Limit、启用 Batch 模式、配置 Prompt Caching,把单位成本压到合理区间。