HY image 3.5 preview API 接口、参数 & 代码示例

腾讯混元推出新一代图像生成模型 Hy Image 3.5 Preview，相比传统以“输入 Prompt、生成图片”为核心的文生图模型，Hy Image 3.5 Preview 更进一步，将文本生成、参考图理解、多图融合、连续编辑与多轮对话创作融入统一的视觉生成流程，试图把 AI 从“一次性出图工具”变成更完整的视觉创作助手。

Hy Image 3.5 Preview 重点提升了中文文字生成、复杂版式、真实感、风格表现以及图像编辑的一致性，并面向海报设计、电商视觉、品牌物料、UI 设计、影视分镜和创意插画等专业场景提供更完整的生成能力。

从“生成一张图”，走向“完成一次创作”

过去使用图像生成模型，往往需要反复修改 Prompt。

想让标题更大，需要重新生成； 想更换背景，需要重新描述； 想保留人物、只调整服装，也需要重新尝试。

Hy Image 3.5 Preview 的思路有所不同。

它支持基于上下文进行连续创作。用户可以先生成一张图片，再通过自然语言继续提出修改要求：

“把背景换成深绿色。”

“人物保持不变，把服装改成黑色。”

“把标题放大一些，并调整到画面顶部。”

模型可以结合前面的生成结果继续完成修改，而不是每次都从零开始。

这使图像生成从单次任务变成了一个可持续迭代的创作过程。

更强的文字生成与复杂版式能力

AI 生图长期以来面临一个非常实际的问题：文字很难生成准确。

尤其是中文海报、宣传物料、信息卡片和复杂 UI 中，文字内容、字体结构、排版位置都直接影响最终设计是否可用。

Hy Image 3.5 Preview 将文字渲染与布局作为重点升级方向之一。

这意味着模型不仅需要理解“画面里有什么”，还需要理解：

• 哪些内容是标题；
• 哪些内容是正文；
• 不同文字之间的层级关系；
• 图片、文字与留白之间的布局关系。

因此，它的应用范围并不局限于艺术创作，也更适合商业海报、营销素材、知识卡片以及其他包含大量文字信息的视觉内容生产。

多张参考图，让“参考创作”更自然

Hy Image 3.5 Preview 同时支持参考图输入。

用户可以提供人物、服装、产品、场景或风格等不同类型的视觉参考，再结合文字描述生成新的画面。

例如，一张图片提供人物，一张图片提供服装，一张图片提供场景，再通过 Prompt 指定最终构图，就可以将多个视觉元素组合到同一张作品中。

这类能力对于品牌设计、电商产品图、角色创作和视觉概念设计尤其重要，因为实际创作往往并不是“凭空生成”，而是围绕既有视觉资产进行重新组合和延展。

从内容理解到视觉表达

Hy Image 3.5 Preview 的另一个特点，是它不再单纯追求“画得更像”。

腾讯将这次升级概括为从意图理解到视觉表达的系统性提升。

模型需要理解的不只是 Prompt 中的物体，还包括用户真正想表达的内容，以及不同元素之间的关系。

例如：

“制作一张高端科技品牌发布会海报。”

这并不仅仅意味着生成“科技元素 + 人物 + 蓝色背景”，而是需要进一步理解“高端”“发布会”“品牌海报”等概念对应的构图、光影、层级、视觉风格和信息布局。

因此，Hy Image 3.5 Preview 的目标更接近：

理解创作意图 → 组织视觉元素 → 生成画面 → 根据反馈继续修改。

面向专业视觉生产

围绕这些能力，Hy Image 3.5 Preview 的应用场景也从传统的 AI 绘图进一步扩展到专业内容生产。

在品牌与营销领域，它可以用于生成广告海报、活动视觉和宣传素材；

在电商领域，可以用于产品展示、营销主视觉以及场景化商品图片；

在影视与内容制作领域，可以用于概念设计、分镜和视觉探索；

在设计工作流中，则可以用于 UI 设计、创意插画和视觉方案迭代。

换句话说，它并不只是帮助用户“生成一张好看的图片”，而是试图进入图片从构思、生成到修改的整个流程。

一个更完整的视觉生成模型

从产品定位来看，Hy Image 3.5 Preview 的核心变化并不是简单地增加几个新的生成参数，而是改变了 AI 图像生成的使用方式。

过去：

Prompt → 图片

现在更接近：

理解需求 → 生成 → 参考 → 修改 → 再生成 → 完成

这也是 Hy Image 3.5 Preview 值得关注的地方。

它正在把 AI 图像生成从一次性的“内容生成”，进一步推进到可以持续交流、持续修改的视觉创作工作流。

对于普通用户，它可以降低专业设计的门槛；对于设计师和内容团队，它可以成为创意探索与素材生产工具；对于开发者，它则提供了一个可以嵌入产品中的多模态视觉生成能力。

Hy Image 3.5 Preview 的真正意义，或许并不只是让 AI 更会“画图”，而是让 AI 开始真正参与一张图片从想法到成品的完整创作过程。

此 API 接口兼容 OpenAI 的 Images 接口规范，可直接使用 OpenAI 的 SDK 来调用。仅需替换以下配置即可：

1. base_url 替换为 https://wcode.net/api/gpt/v1
2. api_key 替换为从 https://platform.wcode.net 获取到的 API Key

具体可参考下方的各编程语言代码示例中的 OpenAI SDK 调用示例。

# TODO: 以下代码中的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

curl --request POST 'https://wcode.net/api/gpt/v1/images/generations' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer API_KEY' \
  --data '{
    "model": "tencent/hy-image-v3.5-preview",
    "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
  }'

import Foundation

let headers = [
  "Authorization": "Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "Content-Type": "application/json"
]
let parameters = [
  "model": "tencent/hy-image-v3.5-preview",
  "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
] as [String : Any]

let postData = try! JSONSerialization.data(withJSONObject: parameters, options: [])
let request = NSMutableURLRequest(url: NSURL(string: "https://wcode.net/api/gpt/v1/images/generations")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 60.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if let data = data {
    print(String(data: data, encoding: .utf8) ?? "")
  }
})
dataTask.resume()

import 'dart:convert';
import 'package:http/http.dart' as http;

Future<void> main() async {
  final response = await http.post(
    Uri.parse('https://wcode.net/api/gpt/v1/images/generations'),
    headers: {
      'Authorization': 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
      'Content-Type': 'application/json',
    },
    body: jsonEncode({
      'model': 'tencent/hy-image-v3.5-preview',
      'prompt': '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
    }),
  );

  print(response.body);
}

require 'uri'
require 'json'
require 'net/http'

url = URI("https://wcode.net/api/gpt/v1/images/generations")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer API_KEY'  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request["Content-Type"] = 'application/json'
request.body = {
  model: 'tencent/hy-image-v3.5-preview',
  prompt: '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云'
}.to_json

response = http.request(request)
puts response.read_body

#[tokio::main]
pub async fn main() {
  let client = reqwest::Client::new();
  let response = client.post("https://wcode.net/api/gpt/v1/images/generations")
    .header("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    .header("Content-Type", "application/json")
    .json(&serde_json::json!({
      "model": "tencent/hy-image-v3.5-preview",
      "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
    }))
    .send()
    .await
    .unwrap();

  println!("{}", response.text().await.unwrap());
}

CURL *hnd = curl_easy_init();

curl_easy_setopt(hnd, CURLOPT_CUSTOMREQUEST, "POST");
curl_easy_setopt(hnd, CURLOPT_URL, "https://wcode.net/api/gpt/v1/images/generations");

struct curl_slist *headers = NULL;
headers = curl_slist_append(headers, "Content-Type: application/json");
headers = curl_slist_append(headers, "Authorization: Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
curl_easy_setopt(hnd, CURLOPT_HTTPHEADER, headers);

const char *data = "{\"model\":\"tencent/hy-image-v3.5-preview\",\"prompt\":\"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云\"}";
curl_easy_setopt(hnd, CURLOPT_POSTFIELDS, data);

CURLcode ret = curl_easy_perform(hnd);

package main

import (
  "bytes"
  "fmt"
  "io"
  "net/http"
)

func main() {
  url := "https://wcode.net/api/gpt/v1/images/generations"
  payload := []byte(`{"model":"tencent/hy-image-v3.5-preview","prompt":"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"}`)

  req, _ := http.NewRequest("POST", url, bytes.NewBuffer(payload))
  req.Header.Add("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  req.Header.Set("Content-Type", "application/json")

  res, _ := http.DefaultClient.Do(req)
  defer res.Body.Close()
  respBody, _ := io.ReadAll(res.Body)

  fmt.Println(string(respBody))
}

using System.Net.Http.Json;

var client = new HttpClient();
client.DefaultRequestHeaders.Add("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

var payload = new {
  model = "tencent/hy-image-v3.5-preview",
  prompt = "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
};

var response = await client.PostAsJsonAsync("https://wcode.net/api/gpt/v1/images/generations", payload);
Console.WriteLine(await response.Content.ReadAsStringAsync());

var client = new RestClient("https://wcode.net/api/gpt/v1/images/generations");

var request = new RestRequest("", Method.Post);
request.AddHeader("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request.AddHeader("Content-Type", "application/json");
request.AddJsonBody(new {
  model = "tencent/hy-image-v3.5-preview",
  prompt = "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
});

var response = client.Execute(request);
Console.WriteLine(response.Content);

const axios = require('axios');

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://wcode.net/api/gpt/v1/images/generations',
  headers: {
    'Authorization': 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    'Content-Type': 'application/json'
  },
  data: {
    model: 'tencent/hy-image-v3.5-preview',
    prompt: '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云'
  }
};

axios.request(config).then((response) => {
  console.log(JSON.stringify(response.data));
}).catch((error) => {
  console.log(error);
});

OkHttpClient client = new OkHttpClient();

MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{\"model\":\"tencent/hy-image-v3.5-preview\",\"prompt\":\"一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云\"}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/images/generations")
  .post(body)
  .addHeader("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  .addHeader("Content-Type", "application/json")
  .build();

Response response = client.newCall(request).execute();

$client = new \GuzzleHttp\Client();

$response = $client->post('https://wcode.net/api/gpt/v1/images/generations', [
  'headers' => [
    'Authorization' => 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  ],
  'json' => [
    'model' => 'tencent/hy-image-v3.5-preview',
    'prompt' => '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
  ],
]);

echo $response->getBody();

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://wcode.net/api/gpt/v1/images/generations",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 5,
  CURLOPT_TIMEOUT => 300,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => json_encode([
    'model' => 'tencent/hy-image-v3.5-preview',
    'prompt' => '一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云',
  ]),
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    "Content-Type: application/json",
  ],
]);

$response = curl_exec($curl);
$error = curl_error($curl);

curl_close($curl);

if ($error) {
  echo "cURL Error #:" . $error;
} else {
  echo $response;
}

import requests
import json

url = "https://wcode.net/api/gpt/v1/images/generations"

headers = {
  "Authorization": "Bearer API_KEY",  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "Content-Type": "application/json",
}

payload = {
  "model": "tencent/hy-image-v3.5-preview",
  "prompt": "一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云"
}

response = requests.post(url, headers=headers, json=payload)

print(json.dumps(response.json(), indent=4, ensure_ascii=False))

from openai import OpenAI

client = OpenAI(
  base_url="https://wcode.net/api/gpt/v1",
  api_key="API_KEY"  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
)

response = client.images.generate(
  model="tencent/hy-image-v3.5-preview",
  prompt="一只可爱的小猫咪，坐在阳光明媚的窗台上，背景是蓝天白云",
)

print(response.data[0].url)