OpenAI：Responses API中的网络搜索现在随文本结果返回图像

OpenAI于2026年6月9日宣布对Responses API的v1/responses端点中的网络搜索工具进行升级：除常规文本结果外，搜索现在也返回图像结果（image results）。这一变更面向需要视觉上下文来提升响应质量和完整性的应用程序。

网络搜索工具发生了什么变化？

此前，Responses API中的网络搜索工具只返回文本结果——页面标题、相关内容片段和URL。需要视觉材料的用户必须实现单独的图像获取步骤，或将用户重定向到外部视觉搜索。

从今天起，同一个网络搜索工具调用可以连同文本一起返回在网上找到的相关图像。图像集成到工具的标准响应中——没有单独的端点，不需要特殊标志（flag）或beta访问密钥。此变更对所有现有和新的在v1/responses中使用网络搜索的实现自动激活。

返回的图像是网络搜索在公开可访问页面上实时找到的图像——这是来自网络的照片，而非AI模型生成的图像。结果的质量和可用性取决于网络搜索的常规变量：索引内容的质量和来源的可用性。

图像配合文本带来价值的应用场景

OpenAI列举了随文本结果返回图像具体改善用户体验的几类场景：

产品照片 — 电商、价格比较或目录浏览应用程序可以在文字描述旁边显示商品的视觉呈现，无需向图像API或照片数据库发出单独的调用。

地标和位置 — 旅游指南、行程规划器和城市探索应用程序可以在地点的文字描述旁边立即显示该地点的照片或插图。

活动和人物 — 新闻工具、新闻摘要器或跟踪时事的助理可以显示视觉上下文——活动照片或人物肖像——以及文字信息，无需额外的API调用。

视觉参考 — 用户询问「X看起来像什么」或「给我看Y」的任何应用程序，现在都可以进行集成响应，而不是将用户重定向到单独的视觉浏览。

开发者技术说明

对于已在Responses API中使用网络搜索的开发者，这一变更在代码层面是透明的——不需要修改现有实现。图像作为工具正常响应的一部分返回。

当图像结果包含在内时响应结构的完整文档可在OpenAI网络搜索指南（web search guide）中获取，该指南已随此changelog条目更新。

---

这一升级目标明确且实用：对于构建视觉丰富应用程序的开发者，它减少了所需的API调用次数并简化了解决方案架构。与其将图像获取单独编排为工作流中的额外步骤，网络搜索工具现在在同一次调用中完成这一任务。对于依赖基于网络的视觉内容的应用程序——尤其是产品、位置和活动类别——这是一个小而受欢迎的改进。