十月影像模型價格戰：GPT Image 2.5 拆分為兩個等級

OpenAI 的影像模型陣容在九月改變了樣貌，而成本上的影響過了幾週才在公開比較中浮現。ChatGPT Images 2.5 於 9 月 8 日推出，不是單一模型，而是兩個 API 模型：GPT-Image-2.5 Flare 與 GPT-Image-2.5 Sunburst。

OpenAI 的賣點很直接：延遲最高降低 50%、2K 輸出、更好的多輪編輯，以及跨編輯步驟更佳的主體保持能力。Flare 是快速的預設選項。Sunburst 則是較慢、講求精準的等級。

令人意外的是價格欄位。Flare 與 Sunburst 每次生成都從 4 點數起跳，4K 等級為 7 點數。先前的 GPT Image 2 則從 9 點數起。換句話說，較新的 OpenAI 模型同時也是較便宜的 OpenAI 模型。這讓全新工作的預設選項翻轉為 2.5。

如何區分 Flare 與 Sunburst

對製作團隊來說，實用原則很簡單。草稿、批次處理，以及任何「第一個可接受的畫面就算過關」的工作，都用 Flare。當編輯必須精確保留臉孔、標籤或版面配置，而且你等得起時，就用 Sunburst。

繼續留在 GPT Image 2 的理由比表面上更狹窄。如果某個專案已經在舊模型上獲得核准，中途切換會改變膚色、字重與光線，而客戶會比你更早察覺。實務工作者的建議是：讓目前的專案在原本的模型上完成，下一個專案再從 2.5 開始。

其他競爭者也沒停下腳步

騰訊於 9 月 22 日發布 Hy Image 3.5 Preview。單一模型同時處理生成與多輪編輯。解析度最高達 4096 x 4096，可接受 20 張參考圖，在騰訊國際版 API 上，1K 至 2K 的價格約為每張 0.024 美元。

「Preview」這個詞在這裡有實際份量。沒有權重，也沒有技術報告。兩者皆無的預覽版，行為可能一週一個樣。如果 20 張參考圖的堆疊對你的工作流程很重要，就在 API 上測試它。但還不要用它建立可重複套用的範本。

阿里巴巴的 Qwen 團隊於 9 月 20 日發布 Qwen-Image-2.1：70 億參數的開放權重、原生 2K、具備真正 alpha 通道的 RGBA 輸出，以及最多 10 張參考圖。不過授權條款現在僅限研究用途，不得商用。這意味著代理商或品牌無法依開放權重條款，將 2.1 的輸出用於付費工作。如果你是預期舊條款而抓下權重，請在客戶檔案離開這台機器之前先讀授權條款。

Recraft 於 9 月 23 日發布 V4.1 Flash，並稱其為「市面上最快的影像模型」。沒有解析度、沒有延遲數據、沒有價格。單一來源，沒有任何數字。把它當作一則公告，而不是規格表。

為何授權條款改變了盤算

九月低調卻關鍵的發展是：兩個開放替代方案在授權上朝相反方向移動，而兩者的變動都比基準排名更為重要。

Qwen-Image-2.1 兌現了讓該系列受歡迎的技術承諾。70 億參數小到足以在工作室工作站上執行，原生 2K 省去放大步驟，而具備真正 alpha 通道的 RGBA 輸出，意味著生成的主體送達時就已內建透明背景，不需要再跑一次去背。單次生成可用 10 張參考圖，對產品類工作來說是真正有用的上限，因為在整組照片中維持主體一致才是困難所在。

接著授權關上了商用大門。僅限研究，不得商用。對代理商而言，這表示開放權重條款無法涵蓋付費的客戶工作。權重仍可執行，設計師仍能用來探索，但輸出無法依這些條款交付。過去圍繞較寬鬆的早期 Qwen 版本建立流程的實務工作者，如今正在重讀一個他們早已下載的檔案的細則。

騰訊的 Hy Image 3.5 Preview 則有相反的問題。它可在 API 上取得，因此商用只是按張付費，而非授權問題。但「Preview」意味著沒有權重、沒有技術報告，也就代表行為可能一週一變。用它建立可重複套用的範本，例如固定燈光設定的固定產品照，等於賭底層模型不會變動。較安全的做法是針對特定案子測試、保留結果，等預覽版變成正式發布後再重新評估。

同時保留兩個模型的實際理由

對工作室而言，合理的結論是同時配置一個快速等級與一個精準等級，並清楚知道各自負責什麼工作，而不是選定單一贏家。

快速等級——以十月而言就是 GPT Image 2.5 Flare 或同級模型——涵蓋發想、情緒板、草稿畫面與大量變化。速度與成本是主要考量，輸出是起點而非交付成品。

精準等級則處理那些必須讓臉孔、標籤或版面配置原封不動存活的編輯。這正是 Sunburst 較慢路徑值得的地方，也是較便宜的快速模型在膚色或字重上產生偏移、而被客戶看出來的環節。

開放的本機等級是第三個位置，當工作流程必須在資料不送到外部 API 的情況下運作時很有用。只要該工作依開放權重條款不屬於商用，Qwen-Image-2.1 的 RGBA 輸出就很適合這個位置。

配置三個等級聽起來像是額外負擔。實際上恰恰相反。清楚哪個模型負責哪類工作的團隊，不必在每個 brief 上重新爭論選擇，也不會在專案進行到一半才發現，自己換用的模型把品牌標誌色渲染得有些微妙差異。

排行榜說了些什麼，又沒說什麼

10 月 6 日查看的 Artificial Analysis 排行榜，讓 OpenAI 在文字轉圖像與圖像編輯兩個榜單上都佔據前三名。這比該公司在八月時握有的領先更為明顯。

排名 | 模型 | 文字轉圖像 | 圖像編輯 --- | --- | --- | --- 1 | GPT-Image-2.5 Sunburst | 1425 | 1524 2 | GPT-Image-2.5 Flare | 1398 | 1481 3 | GPT Image 2 | 1383 | 1462 4 | MAI-Image-2.6 (Microsoft) | 1333 | 1428 5 | Nano Banana 2.1 (Google) | 1328 | 1428

對成本而言更有用的發現還在後面。2K 的 Nano Banana Pro 排在第 16 名，低於 Nano Banana 2.1，而價格約為 Pro 1K 版本的四分之一。Google 自家的模型卡顯示，2.1 在某些內部編輯評估中勝過較舊的 Pro 模型。獨立評測者則指出，在一些實際測試中 Pro 仍能產出更好的影像。

排名與現實之間的落差，才是值得記住的部分。競技場排名對模型的專項強項說明不了什麼。FLUX 3 Image、Midjourney，以及最高設定的 Ideogram 4.0，不是不在榜上就是排名偏低，但各自都有勝出的利基。例如 Ideogram 4.0 Quality 排在第 20 名。

這對工作室預算的意義

九月有三項變化，影響團隊該如何規劃。

新工作的預設模型不再是最高階等級。4 點數的 GPT Image 2.5 Flare 能完成 GPT Image 2 以 9 點數所做的大部分事情，而且更快。

開放權重同時變得更實用、也更受限制。Qwen-Image-2.1 的 70 億參數權重與 RGBA 輸出對本機流程確實有用，但僅限研究的授權關上了早期 Qwen 版本留下的商用大門。在建立於其上之前先讀授權，而不是之後。

而排行榜是起點，不是判決。在綜合榜上排第 16 名的模型，仍可能在你眼前這項特定工作上擊敗第一名。在把整條產線切換過去之前，先用你自己的提示詞做基準測試。

這個月的故事是：前沿影像生成中最便宜的等級明顯變得更便宜，而開放替代方案的授權條款則明顯收緊。這兩項變化都促使團隊重新檢視幾個月前設定的預設值。