Qwen-Image-2.1 vs GPT Image 2: Unduh Gratis, atau Sewa yang Terbaik

Qwen-Image-2.1 adalah unduhan 33 GB yang dapat Anda jalankan secara gratis dan tidak dapat dijual. GPT Image 2 adalah API yang tidak dapat Anda unduh sama sekali, ditagih per token, empat bulan dalam produksi dan berada di puncak papan peringkat gambar independen. Kedua fakta itu adalah seluruh pertukarannya, dan bagian yang menarik adalah fitur transparansi — hal yang membuat Qwen-Image-2.1 layak dilihat sejak awal — tiba di kedua sistem hanya berselang satu bulan melalui rute yang sepenuhnya berbeda. Qwen-Image-2.1 dirilis pada 20 September 2026 dengan alpha yang tertanam di ruang latennya. GPT Image 2 mendapatkan background: "transparent" parameter pada 20 Agustus 2026 sebagai flag API.

Dua rute menuju fitur yang sama

Output transparan adalah alasan sebagian besar orang akhirnya membandingkan keduanya, jadi mulailah dari sana, karena implementasinya tidak setara dan perbedaannya lebih penting daripada outputnya.

Transparansi Qwen-Image-2.1 bersifat arsitektural. VAE RGBA 64-kanal dengan kompresi spasial 16× berarti alpha adalah bagian dari ruang laten tempat model melakukan denoising. Mekanisme yang sama memungkinkan Anda menghasilkan dengan transparansi, mengedit di dalam gambar yang sudah memiliki transparansi tanpa meratakannya, dan mengekstraksi subjek dari foto RGB biasa yang mengembalikan alpha alih-alih mask biner. Ini adalah satu kemampuan dengan tiga penggunaan, dan cara vendor sendiri membingkainya adalah bahwa tidak diperlukan node penghapusan latar belakang terpisah, model matting, atau tahap pembersihan tepi.

Transparansi GPT Image 2 adalah parameter permintaan. Menambahkan background: "transparent" bersama dengan output_format: "png" menghasilkan gambar dengan kanal alfa sungguhan, dan ini berfungsi di seluruh text-to-image, pengeditan gambar, dan alat pembuatan gambar di Responses API. Inpainting berbasis mask dan latar belakang transparan dapat digabungkan. Fitur ini dirilis dalam Preview, jadi panduan OpenAI sendiri menyatakan bahwa hasilnya mungkin tidak stabil — dan pengeditan dengan transparansi digambarkan sebagai menggambar ulang atau menghapus latar belakang, bukan sebagai matting garis luar yang presisi. Setidaknya dua sumber sekunder mengklaim bahwa parameter tersebut tidak tersedia dan bahwa GPT Image 2 sama sekali tidak menghasilkan transparansi; klaim-klaim itu bertentangan dengan liputan pengumuman, salinan dokumentasi API, dan pengujian pihak ketiga, jadi perlakukan itu sebagai usang atau salah, bukan sebagai sinyal yang berlawanan. Transparansi tidak mengubah biaya token — pada kualitas dan ukuran tertentu, gambar transparan dan gambar opak mengonsumsi token gambar yang sama.

Jadi keduanya menghasilkan alpha. Yang satu melakukannya karena model memang dibangun seperti itu; yang lain karena sebuah parameter memintanya dari layanan. Mana yang lebih baik sepenuhnya bergantung pada apakah alpha harus bertahan melalui loop penyuntingan, dan itu dapat diuji dalam satu sore.

Apa yang bisa Anda dapatkan dari keunggulan awal GPT Image 2

Empat bulan dalam produksi bukanlah poin pemasaran, melainkan celah kematangan, dan itu terlihat di tempat-tempat yang membosankan dan menentukan.

• Kedudukan independen — GPT Image 2 berada di puncak papan peringkat gambar independen dan sudah cukup lama bertahan di sana sehingga hal itu menjadi klaim yang stabil, bukan lonjakan sesaat pada minggu peluncuran. Qwen-Image-2.1 sama sekali tidak ada di papan tersebut saat tulisan ini dibuat.
• Mode kegagalan yang terdokumentasi — model yang telah digunakan publik selama empat bulan memiliki kumpulan kasus kegagalan yang sudah diketahui dan dapat Anda baca sebelum Anda mengalaminya sendiri. Model yang baru dirilis kemarin hanya punya kartu skor dari vendor dan satu uji integrasi.
• Permukaan operasional — batas laju berjenjang yang dinyatakan dalam token per menit sekaligus gambar per menit (dari 100.000 TPM dan 5 IPM pada tier awal hingga 8.000.000 TPM dan 250 IPM pada tier tertinggi), plus dukungan endpoint batch. Itulah perbedaan antara sebuah demo dan antrean yang bisa Anda ukur kapasitasnya.
• Angka kualitas dari pihak ketiga — posisi di papan peringkat diukur secara independen. Satu-satunya angka milik Qwen-Image-2.1 adalah grafik Qwen-Image-Bench milik vendornya sendiri, yang menunjukkan 60,28 berbanding Nano Banana 2.0 pada 59,82 dan GPT Image 1.5 pada 59,65. Materi vendor, tanpa reproduksi.

Satu-satunya titik data yang benar-benar independen tentang Qwen-Image-2.1 adalah verifikasi fungsional yang diterbitkan bersama integrasi SGLang: keluaran PNG transparan lulus, alpha dipertahankan di seluruh rentang penuh 0–255, PSNR RGBA terukur 60,69 dB pada satu sampel, dan konfigurasi FP8 lulus pembuatan PNG transparan. Penulis SGLang menyatakan secara eksplisit bahwa ini adalah pemeriksaan kebenaran, bukan jaminan kualitas secara umum. Ini adalah bukti terkuat yang tersedia bahwa kanal alpha itu nyata. Ini tidak mengatakan apa pun tentang apakah gambar-gambarnya bagus.

RUU itu, dibahas hingga tuntas.

GPT Image 2 ditagih berdasarkan token, yang berarti biaya sebuah aset bergantung pada tingkat kualitas dan resolusi, yang tidak tercermin dalam harga per gambar. Tarif daftar yang dipublikasikan adalah $5,00 per juta token masukan teks, $8,00 per juta token masukan gambar, dan $30,00 per juta token keluaran gambar, dengan tarif cache masing-masing $1,25 dan $2,00. OpenAI tidak mempublikasikan tabel token keluaran statis untuk model ini — tabel lama yang mencakup jumlah token Rendah, Sedang, dan Tinggi secara eksplisit ditandai sebagai tidak berlaku untuk GPT Image 2 — jadi angka di bawah ini adalah pengukuran pihak ketiga atas harga daftar pada rasio aspek 1:1, teks-ke-gambar:

• Output 1K — kualitas rendah $0.0059, sedang $0.053, tinggi $0.211 per gambar.
• Output 2K — $0.012 rendah, $0.107 sedang, $0.428 tinggi.
• Output 4K — $0.020 rendah, $0.178 sedang, $0.712 tinggi.

Selisih antara kualitas rendah dan tinggi pada resolusi yang sama adalah sekitar tiga puluh lima kali lipat. Itulah keputusan sesungguhnya di dalam pipeline GPT Image 2: bukan model mana, melainkan tier kualitas mana yang lolos review dengan biaya terendah. Dan hal ini berinteraksi dengan pengeditan dengan cara yang sering membuat orang terkecoh — input_fidelity tidak dapat disesuaikan pada model ini karena model ini memproses setiap input gambar pada fidelitas tinggi secara otomatis, sehingga permintaan edit yang membawa gambar referensi mengonsumsi token input gambar lebih banyak daripada perkiraan Anda dari ukuran output. Oleh karena itu, loop generate-inspect-edit di sini lebih mahal daripada yang disiratkan oleh angka per gambar.

Sebaliknya, biaya marginal per gambar Qwen-Image-2.1 hanyalah listrik. Persoalannya ada pada biaya tetap dan lisensinya. Tiga puluh tiga gigabita untuk diunduh, DiT sekitar 14 GB dengan sisanya untuk text encoder Qwen3-VL 8B, CPU offload disarankan pada kartu berkapasitas terbatas, dan semuanya berada di bawah Qwen Research License Agreement bertanggal 20 September 2026 — hanya untuk non-komersial, dengan hak komersial melalui pengaturan terpisah dan tidak ada harga atau ketentuan yang dipublikasikan untuk itu.

Di mana opsi hosted berada

Ada jalur tengah yang menghindari pertanyaan soal GPU maupun lisensi, dan itulah jalur yang sebenarnya diambil sebagian besar tim. OrcaRouter merutekan keluarga GPT-Image dari OpenAI bersama sejumlah tier Imagen 4 dari Google dan pratinjau gambar Gemini serta endpoint gambar Grok Imagine dari xAI — 200+ model di balik satu endpoint yang kompatibel dengan OpenAI, harga daftar penyedia diteruskan tanpa markup, failover otomatis antar penyedia, sebuah DSL perutean, dan fusi model. Karena harga daftar diteruskan, bukan ditandai naik, pemotongan harga dari vendor pada model mana pun yang dirutekan langsung berlaku pada hari yang sama, dan karena failover bersifat otomatis, penyedia yang sedang bermasalah tidak lantas menjadi gangguan layanan Anda. Qwen-Image-2.1 tidak termasuk dalam model yang kami rutekan, begitu pula versi Qwen-Image lainnya — ini proposisi lokal saja — jadi ini bukan promosi untuk pendatang baru itu. Ini jawaban jujur atas "apa yang saya pakai selagi mengevaluasi pendatang baru itu."

Keputusan itu, dinyatakan secara gamblang.

Pilih GPT Image 2 jika outputnya komersial, jika Anda memerlukan dasar kualitas yang diukur secara independen, jika Anda ingin biaya per aset yang dapat Anda perkirakan dan batasi, atau jika Anda memerlukan hal ini berfungsi minggu ini tanpa pembelian perangkat keras. Terimalah bahwa Anda menyewa, bahwa Anda tidak dapat menyetelnya secara halus, bahwa Anda tidak dapat menjalankannya secara offline, dan bahwa biaya per gambar meningkat secara linear seiring dengan volume selamanya.

Pilih Qwen-Image-2.1 jika keluarannya adalah riset, evaluasi, atau pekerjaan pribadi, jika Anda secara khusus menginginkan alpha yang bertahan melalui loop edit alih-alih alpha yang dihasilkan satu kali oleh suatu parameter, jika Anda ingin membaca logika penulisan ulang — checkpoint PE-T2I dan PE-I2I yang disertakan adalah model Qwen3.5-VL 9B yang telah di-fine-tune dengan system_prompt.txt yang dapat dibaca, yang lebih banyak daripada yang Anda dapatkan dari API gambar yang dihosting mana pun — atau jika Anda hanya ingin mengetahui apa yang dapat dilakukan模型 gambar 7B dengan bobot terbuka pada September 2026 tanpa membayar per gambar untuk mengetahuinya.

Jangan pilih keduanya dan alihkan saja jika hasil kerjanya bersifat komersial dan tenggat waktunya benar-benar ada. Itu bukan alasan menghindar; itu adalah opsi yang tidak menuntut Anda menyelesaikan pertanyaan lisensi yang belum bisa Anda dapatkan jawabannya.