Image token cost documentation is ambiguous across models (BASE/TILE vs PATCH×MULTIPLIER)

快速结论：该问题发生在开发者阅读 OpenAI 图像与视觉文档、估算视觉模型 Token 成本时，文档未明确区分 BASE/TILE 与 PATCH×MULTIPLIER 两套计费系统的适用模型范围，导致成本预估偏差。优先排查你所使用的具体模型属于哪套计费体系，而非直接套用“detail: low ≈ 85 tokens”的通用描述。

适用环境：OpenAI Python SDK（openai-python）；涉及 GPT-4o、GPT-4.1、GPT-5（BASE/TILE 体系）以及 GPT-5-mini、GPT-5-nano、o3-mini vision（PATCH×MULTIPLIER 体系）等视觉模型；与操作系统、CUDA、显卡等本地环境无关。

最快修复方案：暂无确认的一步修复方案。官方已在最新开发文档中拆分 patch-based 与 tile-based 计费说明，并列出各模型的具体数值，建议直接查阅官方指南中“Calculating costs”章节确认你所使用模型的计算公式。

注意事项：Issue 中评论者提供的 multiplier 数值（如 mini ≈ 0.5、nano ≈ 0.25）仅为估算值，官方文档可能随时更新，请以官方最新数据为准；社区成员提出的 SDK 内置 openai.image_token_accounting(model) 辅助函数尚属建议，未在 Issue 中实现或合并。

问题场景

开发者在基于 OpenAI 视觉模型构建应用时，阅读官方“Images & Vision”文档以估算图像输入的 Token 消耗。文档在不同章节分别描述了两种图像成本计算机制，但未明确每种机制适用的具体模型范围，导致开发者误将某一模型的成本规则（例如“detail: low 约消耗 85 tokens”）套用到其他模型上，从而在生产环境中产生成本预估偏差或意外账单。

报错原文

Image token cost documentation is ambiguous across models (BASE/TILE vs PATCH×MULTIPLIER)

The statement: "Using detail: low lets the model process the image with a budget of ~85 tokens."
appears to be written as a general rule, while it is actually:
1. true for GPT-4o-class models,
2. false for models like 4o-mini or GPT-5-mini, which follow different accounting rules.

原因分析

可能原因：OpenAI 官方文档最初以“功能差异”而非“互斥的计费体系”来呈现两种图像 Token 计算公式，未明确标注各公式适用的模型家族。对于 GPT-4o、GPT-4.1、GPT-5 等模型，采用 BASE/TILE 模式（detail: low 对应固定基础 Token，detail: high 对应基础 Token + 切片数 × 每切片 Token）；而对于 GPT-5-mini、GPT-5-nano、o3-mini vision 等模型，采用 PATCH×MULTIPLIER 模式（按 ceil(w/32) × ceil(h/32) 计算 patch 数并乘以模型专属系数）。两套机制并存但缺乏明确适用范围的说明，导致成本预估代码无法确定性地选择公式。

环境排查

确认你所使用的具体模型名称（如 gpt-4o、gpt-4.1、gpt-5、gpt-5-mini、gpt-5-nano、o3-mini 等），不同模型对应不同计费体系。
确认请求参数中是否设置 detail: low 或 detail: high，以及是否传入多张图片（tiles 计算受影响）。
如果使用 openai-python SDK，确认 SDK 版本是否为最新（文档更新可能伴随 SDK 变更）。
检查官方文档“Calculating costs”章节是否已更新为拆分后的版本，避免继续参考旧版混合说明。

解决步骤

打开官方图像与视觉指南，定位“Calculating costs”章节，确认当前文档已将 tile-based 与 patch-based 计费方式分开展示。
根据你实际使用的模型确定计费体系：GPT-4o、GPT-4.1、GPT-5 等查阅 BASE/TILE 公式；GPT-5-mini、GPT-5-nano、o3-mini vision 等查阅 PATCH×MULTIPLIER 公式。
对照文档中列出的该模型具体数值（如基础 Token 数、tile Token 数、patch multiplier），不要使用其他模型的经验值。
在成本估算代码中，为不同模型显式维护计费公式映射表，避免从模型名称中猜测（例如可按模型家族硬编码计费模式）。
如果文档中仍有歧义描述，可向 openai-python 仓库或 OpenAI 开发者社区反馈具体措辞位置，要求明确标注公式的模型适用范围。

验证方法

确认问题已解决的方法：对同一张图片分别以你使用的模型和文档中列出的参数进行 Token 估算，将估算结果与实际 API 返回的 usage 字段（如 prompt_tokens）进行对比，误差应在可接受范围内。同时确认文档中已不再出现像“detail: low 约 85 tokens”这样未限定模型范围的全局性描述。