MOSS-Image vs GPT Image 2.5 : un backbone 5B téléchargeable face à deux modèles snapshottés

Commençons par le nommage, car c'est ce qui déroute les gens en premier. Il n'existe aucun modèle appelé gpt-image-2.5. Ce qui existe est une paire — GPT Image 2.5 Sunburst, identifiant gpt-image-2.5-sunburst, et GPT Image 2.5 Flare, identifiant gpt-image-2.5-flare — tous deux figés au 2026-09-08 et tous deux fermés. Face à eux se trouve M​OSS-Image, publié par OpenMOSS le 16 octobre 2026 sous forme de deux points de contrôle Apache 2.0, M​OSS-Image-Base et M​OSS-Image-SFT, que vous téléchargez et exécutez. D'un côté, on vous vend un point de terminaison ; de l'autre, on vous tend 27 gigaoctets et on vous souhaite bonne chance avec l'encodeur.

C’est là toute la forme de la comparaison, et presque toutes les autres différences en découlent. La comparaison ci-dessous ne traite les deux variantes d’O​penAI comme un seul côté que là où la tarification et la documentation d’O​penAI les traitent elles-mêmes comme un seul — ce qui est vrai pour la grille tarifaire et faux pour les capacités, et cette distinction fait l’objet de sa propre section. Chaque chiffre attribué à O​penAI provient de la grille tarifaire publiée par O​penAI ; chaque chiffre attribué à M​OSS-Image est propre à OpenMOSS, issu de la publication et de son rapport technique, et n’a été reproduit par personne.

Deux modèles contre un téléchargement

La génération 2.5 d’OpenAI est un fork plutôt qu’un simple incrément de version. Les générations précédentes livraient un seul ID de modèle principal et vous demandaient de choisir un niveau de qualité à l’intérieur de celui-ci. Avec la 2.5, il y a deux modèles nommés séparément, avec des snapshots distincts, et aucun alias fédérateur — le code écrit pour un gpt-image-2.5 nu ne s’exécutera pas. Sunburst est positionné pour la capacité, Flare pour la vitesse, et les deux sont facturés à l’identique, donc le choix entre eux relève d’une décision de latence et de précision plutôt que d’un budget.

MOSS-Image, c'est aussi deux modèles, mais la séparation se fait au niveau de l'entraînement plutôt qu'au niveau du produit. Base est le checkpoint pré-entraîné, délibérément laissé non distillé — la fiche du modèle précise explicitement qu'aucun post-entraînement ni aucune distillation des paramètres d'inférence tels que le CFG n'a été appliqué, afin de préserver l'information d'entraînement et de maintenir la viabilité de l'entraînement LoRA. SFT est affiné sur des données curées et c'est celui que la plupart des gens devraient utiliser. L'exemple de comparaison du fournisseur montre que SFT produit un regroupement du texte plus resserré et une mise en page plus organisée sur le même prompt, ce qui correspond à ce que devrait faire un affinage sur données curées d'une base non distillée.

• Comment vous l'appelez — GPT Image 2.5 : deux identifiants, gpt-image-2.5-sunburst et gpt-image-2.5-flare, aucun alias nu. M​OSS-Image : deux dépôts, OpenMOSS-Team/M​OSS-Image-Base et OpenMOSS-Team/M​OSS-Image-SFT, avec des miroirs ModelScope pour les deux.

• Ce que vous recevez — GPT Image 2.5 : un point de terminaison compatible OpenAI et une date d'instantané. MOSS-Image : des poids safetensors, un pipeline personnalisé Diffusers, une application Gradio et un plugin natif ComfyUI installable via ComfyUI Manager.

• Ce que ça coûte — GPT Image 2.5 : facturé au token, 8,00 $ par million d’images en entrée et 30,00 $ par million d’images en sortie, lot à moitié prix. MOSS-Image : rien pour la licence, tout pour le GPU.

• Quelle licence régit la sortie — GPT Image 2.5 : les conditions d'OpenAI, qui ne sont pas reproduites dans la documentation destinée aux développeurs elle-même. MOSS-Image : Apache 2.0 pour les poids et le code d'inférence fourni, sans seuil de chiffre d'affaires et sans annexe d'utilisation acceptable.

Contrôle de la mise en page, et le module qui n'est pas celui du modèle

Les deux systèmes vous permettent de placer des éléments par coordonnées. Ils ne sont pas équivalents quant à ce qui se trouve derrière les coordonnées.

Le format de mise en page de MOSS-Image prend un objet JSON comme invite : un summary contenant la légende de la scène, et un items tableau où chaque élément possède un libellé de type text, character ou object, une légende, une boîte englobante et — pour le texte — la chaîne littérale à afficher. Les boîtes utilisent bbox_format: "yxyx" dans bbox_coord_space: "abs_centralized", c'est-à-dire des décalages en pixels depuis le centre du canevas.

L'interface documentée de GPT Image 2.5 n'est pas une grammaire de mise en page. Sa surface de contrôle, c'est le prompt lui-même, plus des images de référence ; le comportement de style de mise en page qui se manifeste dans les points forts d'édition de la génération 2.5 s'exprime par des éditions itératives plutôt que par une spécification structurée de boîtes. C'est une véritable différence de capacités, et c'est le seul endroit où l'interface de M​OSS-Image est plus explicite que celle d'O​penAI.

La réserve du côté de M​OSS-Image mérite d'être énoncée avant tout benchmark : le module d'amélioration de prompt qui transforme une brève idée en une spécification de disposition complète n'est pas un petit modèle propre à OpenMOSS. Le rapport technique indique que LayoutPE utilise G​PT-6 avec des instructions de tâche modulaires au moment de l'inférence, et la compétence d'amélioration de prompt fournie est décrite comme conçue pour les agents de la famille G​PT-6. Le résultat de disposition de bout en bout le plus solide dans l'évaluation d'OpenMOSS est donc produit par un pipeline à deux modèles dont la moitié dédiée à la spécification s'exécute sur l'API d'un tiers. Si vous utilisez M​OSS-Image sans cet améliorateur, c'est vous qui fournissez le JSON de disposition, et le pipeline que vous mesurez en est un autre.

Les preuves, et à quel point elles sont minces des deux côtés

OpenMOSS a évalué MOSS-Image sur deux benchmarks fournis avec la version et que le fournisseur a également conçus. LongLongTextBench comprend 240 tâches de rendu de texte littéraire, 120 en anglais et 120 en chinois, avec une longueur cible moyenne de 1 339,8 caractères. RealLayoutArena comprend 61 tâches de conception — 20 affiches, 20 infographies, 21 interfaces utilisateur — évaluées par comparaison par paires en aveugle et ajustées à une échelle Elo Bradley–Terry. Sur l’arène de bout en bout, MOSS-Image atteint 1698,70 Elo avec un intervalle à 95 % allant de 1655,96 à 1741,43, deuxième au classement général derrière GPT Image 2 à 1844,35. Limité au seul backbone avec des prompts améliorés partagés, MOSS-Image arrive premier à 1807,34.

Lisez cela attentivement. Le benchmark sur lequel MOSS-Image se classe premier est celui où la comparaison est limitée au générateur et où l'amélioration du prompt est partagée — ce qui est exactement la configuration qui élimine le problème de spécification par un tiers. Le benchmark sur lequel il se classe deuxième est celui de bout en bout. Aucun des deux n'est un test neutre.

OpenAI ne publie aucun benchmark comparable de mise en page ou de rendu de texte pour GPT Image 2.5. Les données indépendantes qui existent pour les modèles OpenAI se trouvent dans les classements d'Artificial Analysis, où les variantes 2.5 occupent les deux premières places du classement d'édition d'images. Il s'agit d'une mesure de préférence à l'aveugle avec une méthodologie publiée, et elle ne teste pas du tout le contrôle de la mise en page. Ainsi, les deux modèles sont mesurés sur des axes disjoints par des acteurs différents, et il faut résister à la tentation de mettre 1698.70 à côté d'un Elo de classement — ils ne sont pas à la même échelle et ne mesurent pas la même chose.

Ce que chacun coûte en volume

GPT Image 2.5 se mesure en tokens, sur une grille tarifaire identique à celle de GPT Image 2 : 5,00 $ par million de tokens d'entrée texte, le texte mis en cache à 1,25 $, 8,00 $ par million de tokens d'entrée image, l'image mise en cache à 2,00 $, et 30,00 $ par million de tokens de sortie image. Le mode Batch divise chacun de ces tarifs par deux. Il n'y a pas de prix à l'image sur la page du fournisseur, ni d'allocation gratuite, de sorte que le seul moyen d'obtenir un chiffre par image est une conversion — et les tableaux indépendants en publient un, actuellement proche de 0,21 $ par image pour une image 1024×1024 de haute qualité. Considérez-le comme une dérivation des tableaux, et non comme le prix d'OpenAI.

Le M​OSS-Image n’a pas de grille tarifaire, car il n’y a rien à facturer. Le coût, c’est la machine. Le dépôt SFT fait environ 27,2 Go, et le chiffre qui surprend les gens, c’est la répartition : environ 16,8 Go répartis sur quatre shards correspondent à l’encodeur de texte Qwen3.5-9B gelé, et environ 10,2 Go répartis sur trois correspondent au transformer lui-même. Le badge 5B ne décrit que le générateur de diffusion. Les valeurs par défaut d’échantillonnage sont Euler en flow matching à 50 pas, CFG 3,0, shift 5,0, avec un guidage skip-layer de branche négative à la couche 22 — et le chemin de guidage par défaut nécessite deux passes avant du transformer par pas, ce qui explique pourquoi 50 pas n’est pas le réglage bon marché que cela peut sembler être.

À raison de cent mille images par mois, le côté facturé au token se situe dans la fourchette basse des dizaines de milliers de dollars ; le côté téléchargé atterrit là où atterrit votre location de GPU. Ce n'est pas une comparaison qui flatte l'une ou l'autre des parties, et c'est pourquoi la décision repose généralement sur autre chose : pouvez-vous déployer un simple changement de configuration, ou devez-vous engager une conversation avec le service achats ?

Exécution des deux côte à côte

Si vous voulez trancher cette question sur vos propres invites plutôt que sur le classement de qui que ce soit, les deux camps se situent aux extrémités opposées d'une frontière que notre propre produit ne franchit pas en son milieu. MOSS-Image ne figure pas au catalogue O​rcaRouter — nous servons plus de 200 modèles et il n'en fait pas partie — donc la moitié open-weight de l'expérience, c'est à vous de l'héberger. GPT Image 2.5 Sunburst et Flare sont routables via le même point de terminaison compatible O​penAI que tout le reste du catalogue, aux tarifs catalogue du fournisseur de 8 $ par million de tokens d'entrée d'image et de 30 $ par million de tokens de sortie d'image, sans marge ajoutée de notre côté.

La partie utile de cet arrangement pour une comparaison comme celle-ci est le comportement de basculement. Lorsque vous exécutez une boucle de benchmarking qui envoie plusieurs centaines de prompts à un modèle hébergé, une limite de débit côté fournisseur ou un mauvais moment se transforme en échantillons perdus, et le basculement automatique entre fournisseurs signifie que la boucle se termine au lieu de vous laisser avec un tableau de résultats à moitié rempli. Savoir si la réponse qui revient du système de secours est comparable à celle du principal est une question que vous devez trancher avant de commencer, et non après.

De quel côté de la limite vous êtes

Choisissez MOSS-Image si vous voulez les poids. Apache 2.0 sans plafond de revenus, c'est une revue commerciale brève, le checkpoint Base a été explicitement laissé non distillé pour l'entraînement LoRA, le JSON de layout est une véritable spécification plutôt qu'une convention de prompt, et vous pouvez dès aujourd'hui pointer une installation ComfyUI dessus. Sachez, en vous lançant, que l'encodeur constitue le téléchargement, qu'un réglage par défaut de 50 étapes à deux passes avant par étape représente un vrai coût de service, et que le chiffre Elo mis en avant a été produit avec un modèle tiers dans la moitié « spécification » du pipeline. Si vous sautez l'enhancer et écrivez vous-même le layout, vous êtes seul responsable des chiffres — ce qui n'est pas grave, puisque personne n'a reproduit ceux d'OpenMOSS non plus.

Choisissez GPT Image 2.5 si vous avez besoin d'un point de terminaison appelable cette semaine, si votre travail relève de l'édition itérative plutôt que de la mise en page composée, ou si un benchmark indépendant avec une méthodologie publiée compte plus pour votre décision qu'une interface de contrôle structurée. La bifurcation en deux variantes implique une décision supplémentaire — Sunburst lorsque l'édition est le livrable, Flare par défaut — et la facture au token est plus difficile à prévoir qu'un tarif par image, mais le modèle est en tête du seul classement neutre qui couvre l'édition, et cela vaut quelque chose que le tableau d'un fournisseur ne vaut pas.

L’écart qui changerait le plus cette comparaison se situe du côté d’O​penAI, pas du côté d’OpenMOSS : une évaluation publiée du contrôle de mise en page, ou un benchmark de mise en page indépendant qui couvre les deux modèles. Tant qu’il n’en existe pas, les deux systèmes sont mesurés sur des axes différents par des personnes différentes, et la phrase qui décrit le mieux l’état des choses est que M​OSS-Image a l’interface la plus explicite et GPT Image 2.5 dispose des preuves les plus indépendantes.

Les défaillances documentées de l’IA et les incidents d’agents à l’origine de versions comme celle-ci sont recueillis dans l’OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.