OpenAI Responses API web_search 现在返回图片结果

6 月 9 日，OpenAI 在更新日志中悄然发布了一项影响端点路由决策的能力：Responses API 的网页搜索工具现在可以随文字引用一起返回图片搜索结果，而 Chat Completions API 不支持这一能力。

官方表述简洁："网页搜索现在可以在常规文字结果旁边返回图片结果。当应用需要当前或基于网页的视觉内容时——例如产品图片、地标、地点、活动或视觉参考——应使用图片搜索。"

对于通过路由层调度 AI 请求的工程团队来说，这不仅仅是一个功能开关。图片搜索能力现在是端点选择的影响因素——而非仅仅是模型选择的问题。

Responses API 网页搜索的变化

Responses API 中的 web_search 工具现在除了现有的文字引用和 url_citation 注释外，还会返回图片结果项。OpenAI 明确了推荐的使用场景：

• 产品图片和电商视觉内容
• 地标与地点图片
• 活动报道（会议、赛事、新闻）
• 多模态下游任务的视觉参考素材

网页搜索工具本身支持三种模式：

图片搜索结果在上述三种模式下均可获取。旧版 web_search_preview 工具不会获得新功能，也不支持图片结果——迁移到 { "type": "web_search" } 以使用新能力。

为何端点选择对路由团队至关重要

此前，优先选择 Responses API 而非 Chat Completions 的主要路由理由是有状态多轮对话管理和后台任务支持。现在又增加了一个具体的能力差距：只有 Responses API 的网页搜索支持图片结果。Chat Completions 的 gpt-5-search-api 支持文字网页搜索（用于遗留集成），但不支持图片锚定。

如果你的 agent 流水线需要：

• 在响应中向用户展示基于网页的图片
• 将实时视觉参考锚定到下游图片生成任务
• 执行需要综合当前视觉内容的多模态研究

……那么正确的端点是 Responses API，且路由策略应明确强制这一选择。

最小化的 Responses API 网页搜索调用示例：

import OpenAI from "openai";
const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-5.5",
  tools: [{ type: "web_search" }],
  input: "请展示最新的 Anthropic 伦敦办公室图片",
});

console.log(response.output_text);
// 引用可从 response.output[n].content[0].annotations 获取

值得关注的变化

响应结构变化。 图片搜索结果作为新的条目类型出现在 web_search_call 动作和 url_citation 注释旁边。以编程方式解析 response.output 的团队应妥善处理新的输出条目类型——确认响应处理代码不会在遇到未知输出类型时抛出异常。

工具调用计费。 web_search_call 中的每次 search 动作按 OpenAI 定价 计入工具调用成本。图片搜索不会产生独立计费项——它在同一次搜索调用中返回——但包含丰富图片元数据的更长响应可能影响 token 数量。

旧版 web_search_preview 迁移路径。 原始 web_search_preview 工具仍可使用，但不会获得新功能，包括图片结果、过滤器、external_web_access 或 return_token_budget。OpenAI 建议新集成迁移到 { "type": "web_search" }。

路由决策矩阵

为网页搜索工作负载选择正确端点和工具配置时，可参考以下矩阵：

如果通过统一网关路由 OpenAI 请求，这一差异意味着路由规则无法对所有 web_search 工作负载一视同仁。需要视觉锚定的请求必须明确导向 Responses API 路径；否则图片结果将直接不返回。

相关链接

• AI 提供商路由 — TheRouter 如何跨提供商和端点类型路由请求
• OpenAI API 更新日志 — 官方来源
• 网页搜索指南 — Responses API 网页搜索参考文档