十月图像模型价格战：GPT Image 2.5 拆分为两个档位
OpenAI 的图像产品阵容在九月改变了形态，而其对成本的影响过了几周才在公开对比中显现。ChatGPT Images 2.5 于 9 月 8 日发布，不是作为单一 API 模型，而是两个：GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst。
OpenAI 的宣传很直接：延迟最高降低 50%，2K 输出，更好的多轮编辑，以及跨编辑更好的主体保持。Flare 是快速的默认档。Sunburst 是较慢的精确档。
令人意外的是价格栏。Flare 和 Sunburst 都从每次生成 4 积分起，4K 档为 7 积分。此前的 GPT Image 2 从 9 积分起。换句话说，更新的 OpenAI 模型也是更便宜的 OpenAI 模型。这让新工作的默认选择转向 2.5。
如何区分 Flare 与 Sunburst
对制作团队来说，实用规则很简单。草稿、批量生成，以及任何“第一张可接受的画面就够用”的场景，用 Flare。当一次编辑必须精确保持人脸、标签或版式不变，而且你等得起时，用 Sunburst。
继续使用 GPT Image 2 的理由比看起来更有限。如果某次营销活动已经基于旧模型获批，中途切换会改变肤色、字重和光照，而客户会比你更早注意到这些变化。从业者的建议是：当前活动就在原模型上完成，下一个活动再用 2.5。
其他选手也没有停下脚步
腾讯于 9 月 22 日发布 Hy Image 3.5 Preview。一个模型同时处理生成和多轮编辑。最高可达 4096 × 4096，接受 20 张参考图，在腾讯国际 API 上标价约为每张 0.024 美元（1K 到 2K）。
“Preview”这个词在这里分量很重。没有权重，也没有技术报告。二者皆无的预览版，行为可能一周一个样。如果 20 张参考图的堆叠对你的工作流很重要，就在 API 上测试它。目前不要基于它搭建可重复使用的模板。
阿里巴巴 Qwen 团队于 9 月 20 日发布 Qwen-Image-2.1：70 亿开放权重、原生 2K、带真实 alpha 通道的 RGBA 输出，以及最多 10 张参考图。不过，许可证现在仅限研究用途，不得商用。这意味着代理机构或品牌不能按照开放权重条款，将 2.1 的输出用于付费工作并交付。如果你是在期待旧条款的情况下拉取了权重，请在客户文件离开本机之前阅读许可证。
Recraft 于 9 月 23 日发布 V4.1 Flash，并称其为“市场上最快的图像模型”。没有分辨率，没有延迟数据，没有价格。单一来源，没有数字。把它当作一则公告，而不是规格表。
为什么许可证条款改变了取舍
九月悄然发生的故事是：两个开放替代方案在许可上朝相反方向移动，而两者的变化都比基准排名更重要。
Qwen-Image-2.1 兑现了让该系列受欢迎的技术承诺。70 亿参数小到可以运行在工作室工作站上，原生 2K 省去放大步骤，带真实 alpha 通道的 RGBA 输出意味着生成的主体自带透明背景，而不需要再做抠图。单次生成最多 10 张参考图，对产品工作来说是真正有用的上限——在一组镜头中保持主体一致，才是最难的部分。
然后许可证关上了商业大门。仅限研究，不得商用。对代理机构而言，这意味着开放权重条款无法覆盖付费客户工作。权重仍然能跑，设计师仍可用它们探索，但输出不能按这些条款交付。那些围绕更宽松的早期 Qwen 版本搭建了流水线的从业者，如今正在仔细阅读一个自己已经下载的文件的细则。
腾讯的 Hy Image 3.5 Preview 则有相反的问题。它已在 API 上提供，因此商业使用只是按图付费的问题，而不是许可证问题。但“Preview”意味着没有权重，也没有技术报告，这意味着行为可能一周一变。基于它搭建可重复使用的模板，比如固定布光的固定产品图，就是在赌底层模型不会变动。更稳妥的做法是针对具体任务测试它，保留结果，等预览版转为正式版时再重新评估。
同时常备两个模型的现实理由
对工作室而言，合理的结论是配置一个快速档和一个精确档，并清楚各自负责哪类工作，而不是只选定一个赢家。
快速档——截至十月，指的是 GPT Image 2.5 Flare 或同类模型——覆盖构思、情绪板、草稿画面和高频变体。速度和成本占主导，输出是起点而非交付物。
精确档处理那些必须让人脸、标签或版式原样保留的编辑。这正是 Sunburst 更慢路径体现价值之处，也是更便宜的快速模型在肤色或字重上的漂移会被客户看出来的地方。
开放本地档是第三个位置，适用于工作流必须在不将资产发送到外部 API 的情况下运行。只要该任务按开放权重条款不属于商业用途，Qwen-Image-2.1 的 RGBA 输出就很适合这个位置。
配置三个档位听起来像是额外开销。实际上恰恰相反。清楚哪个模型处理哪类工作的团队，不会在每个简报上都重新争论选择，也不会在活动进行到一半才发现自己切换到的模型对品牌标志色的渲染略有不同。
排行榜说明了什么，又没说明什么
10 月 6 日查看的 Artificial Analysis 排行榜显示，OpenAI 在文生图和图像编辑两个榜单上都占据前三名。这比该公司在八月时的领先更明确。
| 排名 | 模型 | 文生图 | 图像编辑 |
| --- | --- | --- | --- |
| 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 |
对成本而言更有用的发现还在下面。2K 的 Nano Banana Pro 排在第 16 位，低于 Nano Banana 2.1，价格约为 Pro 1K 档的四分之一。谷歌自己的模型卡显示，2.1 在一些内部编辑评估中击败了更旧的 Pro 模型。独立评测者指出，在某些实际手动测试中，Pro 仍然生成更好的图像。
排名与现实之间的差距，才是值得记住的部分。竞技场排名几乎说明不了模型的专长优势。FLUX 3 Image、Midjourney，以及最高设置下的 Ideogram 4.0，要么不在榜单上，要么排名靠后，但各自都有取胜的细分场景。例如，Ideogram 4.0 Quality 排在第 20 位。
这对工作室预算意味着什么
九月有三项变化影响了团队应如何规划。
新工作的默认模型不再是高级档。每次生成 4 积分的 GPT Image 2.5 Flare，能完成 GPT Image 2 在 9 积分下的大部分工作，而且更快。
开放权重同时变得更有用，也更受限制。Qwen-Image-2.1 的 7B 权重和 RGBA 输出对本地流水线确实有用，但仅限研究的许可证关上了早期 Qwen 版本曾敞开的商业大门。要在基于它们构建之前阅读许可证，而不是之后。
而且排行榜是起点，不是定论。一个在综合榜单上排第 16 的模型，仍然可能在你眼前的具体任务上击败第一名。在切换生产线之前，用你自己的提示词做基准测试。
这个月的故事是：前沿图像生成中最便宜的档位明显变得更便宜，而围绕开放替代方案的许可证条款明显变得更严格。两项变化都在推动团队重新审视几个月前设定的默认选择。