Images 2.6 vs Meta Muse Image: il divario di prezzo di 21× è soprattutto una questione di impostazioni della qualità

Il confronto che si trova citato è che Images 2.6 costa circa 21 volte quanto Meta Muse Image costa. Quel numero è reale ed è anche fuorviante, perché confronta l'impostazione di output più costosa di OpenAI con l'unica disponibile di Meta. GPT-Image-2.6 Sunburst fattura 30 $ per milione di token di output per immagini, e con il budget di token "max" si arriva a circa 0,21 $ per immagine. Meta addebita un centesimo fisso. Ma abbassando Sunburst a qualità media — dove gira in realtà la maggior parte del lavoro di produzione — la cifra di OpenAI si avvicina a 0,013 $. A quel punto il divario è di 1,3×, non 21×, e tutta l'argomentazione va ricostruita su qualcosa di diverso dal prezzo. Images 2.6 è stato rilasciato il 4 novembre 2026 in due varianti API, Sunburst e la versione ottimizzata per la velocità GPT-Image-2.6 Flare. Meta Muse Image è disponibile a livello generale dal 7 luglio 2026, realizzato da Meta Superintelligence Labs con il nome in codice Mango, ed è la più economica tra le API per immagini credibili di questa generazione.

Quindi la domanda utile non è «quale costa meno». È «che cosa compra il denaro in più a ogni livello di qualità, e a che punto la tariffa fissa di Meta smette di essere la risposta giusta anche per un team attento al budget».

Eseguendo correttamente i calcoli

OpenAI non pubblica un prezzo per immagine, quindi qualsiasi cifra per immagine è una derivazione dal modello a token. Le tariffe sono 5 $ per milione di token di input di testo (in cache 1,25 $), 8 $ per milione di input di immagini (in cache 2 $) e 30 $ per milione di output di immagini; le tariffe batch di OpenAI sono la metà, anche se le pagine del modello 2.6 attualmente indicano /v1/batch come non supportato, quindi lo sconto non è raggiungibile per questo modello oggi. I budget di token di output per impostazione di qualità sono ereditati dalla generazione 2.5, il che rende queste stime piuttosto che numeri 2.6 pubblicati — un avvertimento importante, perché un cambiamento nel tokenizer o nella pianificazione del budget sposterebbe ogni cifra riportata di seguito.

• Bassa qualità — circa 196 token di output, circa $0,006 per immagine. Più economico di Meta.

• Medio — circa 439 token, all'incirca $0.013. A meno di un terzo di centesimo dal dime-per-ten di Meta.

• Alto — circa 1.756 token, circa $0,053. Cinque volte Meta.

• xhigh — all'incirca 3.122 token, circa $0.094. Nove volte Meta.

• Max — circa 7.024 token, all'incirca $0,21. Ventuno volte Meta. È questa la cifra che viene citata.

• Meta Muse Image — $0,01 fissi, ricerca con grounding inclusa, a qualsiasi risoluzione supportata. I rivenditori indicano $0,011.

Ne conseguono due cose. La prima è che il prezzo di OpenAI è una manopola regolabile, mentre quello di Meta no. Un team che adotta come standard una qualità bassa o media può usare Images 2.6 all'incirca per quanto costa Muse e ottenere un profilo di errori diverso, non un budget diverso. La seconda è che è proprio la manopola il punto in cui i budget saltano davvero: nessuno parte con l'idea di generare al massimo, ma il massimo è a un parametro di distanza da medio e non c'è alcuna stima del costo per richiesta nella risposta che ti dica quanto hai appena speso.

Quell'asimmetria — a consumo rispetto a forfettario — è l'argomento onesto a favore di un router al di là della comodità. OrcaRouter fattura al prezzo di listino del provider con 0% di ricarico, quindi un modello a consumo di token resta a consumo di token e uno forfettario resta forfettario; quello che ottieni è l'accesso a entrambi tramite un'unica chiave e un'unica fattura, il che significa che la spesa per modello è confrontabile in un unico posto invece di essere ricostruita a partire da due sistemi di fatturazione. Anche il failover automatico qui conta più del solito: se una richiesta da $0.21 fallisce all'altro capo, hai pagato il tentativo e non l'immagine, e riprovare verso lo stesso endpoint degradato è il modo in cui un mese economico diventa un mese costoso.

Cosa si ottiene in più con il denaro extra ai livelli alti e superiori

Quality Elo è l'unica misura cross-vendor disponibile, e l'antenato è l'unico a essere misurato.

Su AA-Image-Editing v2.1, verificato il 5 novembre 2026: GPT Image 2.5 Sunburst (max) ottiene 1.199 su 18.300 campioni. Meta Muse Image ottiene 1.129 su 13.426 campioni. Si tratta di un divario di 70 punti, ben al di fuori di entrambi gli intervalli di confidenza, ed è l'affermazione più chiara di questo articolo: ai vertici della gamma OpenAI, Muse non è minimamente vicina.

Su AA-Image-T2I v2.1 il divario è simile — 1,224 per GPT Image 2.5 Sunburst contro 1,127 per Muse Image, con GPT Image 2 (high) a 1,188 nel mezzo. Images 2.6 stesso non ha ancora una riga su nessuna delle due classifiche. È stato rilasciato ieri; le classifiche Elo richiedono migliaia di voti a coppie, quindi si tratta di un ritardo, non di un risultato.

La questione aperta è dove si colloca il crossover. Muse Image a 1.127 è più o meno nell’orbita di GPT Image 2 di aprile 2026 e all’incirca allo stesso livello di MAI-Image-2.6 a 1.168 sul text-to-image. Se Sunburst in qualità media si avvicina anche solo lontanamente a GPT Image 2 (alta) a 1.188, allora l’impostazione da $0.013 compra circa 60 Elo in più rispetto a Muse per tre decimi di centesimo. Se si avvicina di più a 1.140, ne compra 13 di Elo, e Meta vince nettamente la partita del valore. Nessuno può ancora dirti quale delle due sia — e quel singolo dato sconosciuto vale più di ogni altro fatto in questo confronto.

La differenza architetturale che nessuno considera nel prezzo

Meta Muse Image non è un endpoint di diffusione con una coda di prompt. È un generatore agentico: secondo la descrizione di Meta, ragiona prima di renderizzare, può invocare la ricerca web e l'esecuzione di codice durante la generazione e affina iterativamente il proprio output. Ecco perché il grounding sulla ricerca è incluso nel centesimo anziché essere fatturato come chiamata a uno strumento: ci si aspetta che il modello vada a cercare qualcosa.

Ciò che questo offre è reale e specifico. Chiedi un poster che mostri il nome di un prodotto attuale, un logo tenuto a un'angolazione particolare, o una scena che deve corrispondere a un dettaglio fattuale, e un modello ancorato alla realtà può risolvere il dettaglio invece di inventarlo. Chiedi un diagramma che contenga calcoli aritmetici, e un modello in grado di eseguire codice ha più probabilità che i calcoli siano corretti rispetto a uno che predice glifi.

Quello che ti costa, oltre al denaro, è la prevedibilità. Un ciclo agentico che decide quanti passaggi compiere è più difficile da limitare rispetto a un denoise fisso, e più difficile da rendere idempotente: lo stesso prompt può seguire un percorso diverso da un giorno all'altro. Per un job batch che produce diecimila immagini di catalogo, questo è un costo operativo reale che non compare su nessuno dei due listini tariffari.

Images 2.6 ha preso la direzione opposta, in modo direttamente confrontabile. Aggiunge un parametro complexity che controlla quanto margine di pianificazione riceve il modello — la guida di OpenAI è di partire da un valore basso e alzarlo quando una scena presenta diversi vincoli che interagiscono tra loro — e lo espone come impostazione esplicita, per singola richiesta. In altre parole, un fornitore ha reso automatico il ciclo di pianificazione e l'altro lo ha trasformato in una manopola. Quale sia meglio dipende interamente da se preferisci che decida il modello o decidere tu.

Immagini di riferimento e il limite di risoluzione

È qui che i due prodotti divergono in un modo che decide interi flussi di lavoro.

• Immagini di riferimento — Meta Muse Image accetta fino a 10, e Meta dichiara una coerenza dei personaggi del 94% in una serie. Images 2.6 aggiunge immagini di riferimento salvate e riutilizzabili in ChatGPT e supporta input di immagini sia sull'endpoint di generazione sia su quello di modifica; OpenAI non ha pubblicato un numero massimo di riferimenti per i modelli 2.6.

• Limite di output — Muse Image si ferma a circa 1.600 pixel sul lato lungo, una scelta deliberata per i posizionamenti social e pubblicitari e un limite invalicabile per la stampa. Images 2.6 non ha livelli 2K o 4K pubblicati nello stesso senso della linea Gemini; la risoluzione è implicita nel budget di token di output anziché essere venduta come livelli con un nome.

• Formati di output — Images 2.6 aggiunge l'esportazione SVG, che Muse Image non offre. Per lavori su loghi, icone e diagrammi l'output vettoriale è decisivo a prescindere dal prezzo, perché un'immagine raster non può essere convertita in un vettore, indipendentemente da quanti punti Elo ottenga.

Il tetto di 1.600 pixel è il fatto più sottovalutato in assoluto su Muse Image. Un centesimo netto è davvero straordinario per un'immagine da feed. Non sostituisce una foto prodotto in 2K, e i team che acquistano in base al prezzo e scoprono il limite solo a posteriori finiscono per pagare un upscaler — che è un secondo modello, un secondo fornitore e una seconda modalità di guasto.

Il calcolo del volume, su tre scale

• 1.000 immagini al mese — Muse $10. Images 2.6 costa $13 a qualità media, $53 ad alta, $210 al massimo. Differenza: tra il prezzo di un caffè e il prezzo di un portatile. A questa scala, la decisione dovrebbe basarsi interamente sulla qualità dell'output.

• 100.000 immagini al mese — Muse 1.000 $. Immagini 2.6 a qualità media 1.300 $, alta 5.300 $, massima 21.000 $. Questa è la fascia in cui la disciplina nella scelta della qualità diventa una voce di budget e in cui un team che non ha strumentato il proprio utilizzo dei token avrà una sorpresa.

• 5 milioni di immagini al mese — Muse 50.000 $. Images 2.6 a qualità media 65.000 $, ad alta 265.000 $. A questo volume il modello a tariffa fissa non è soltanto più economico; è l'unico il cui costo è conoscibile prima che il mese finisca.

Il pattern è che il vantaggio di Meta è funzione della tua soglia minima di qualità, non del tuo volume. Se i tuoi criteri di accettazione sono soddisfatti a qualità media e stai generando su larga scala, Muse vince su entrambi gli assi e il confronto è chiuso. Se sono soddisfatti solo a qualità alta o superiore, stai pagando da cinque a venti volte la tariffa di Meta per un vantaggio Elo di 40-70 punti, e se ne valga la pena dipende da quanto ti costa un'immagine rifiutata — una domanda a cui nessun benchmark risponde.

Dove ognuno appartiene

Meta Muse Image è il default corretto per immagini destinate a grandi volumi, rivolte ai consumatori e pensate per i social: post del feed, varianti pubblicitarie, effetti per le storie, qualsiasi cosa in cui un output da 1.600 pixel sia sufficiente e un decimo di centesimo per unità cambi ciò che puoi permetterti di provare. Il comportamento agentico è un vantaggio concreto per i prompt che richiedono la risoluzione di un fatto, e il grounding sulla ricerca senza costi aggiuntivi è la funzionalità con il miglior rapporto qualità-prezzo in entrambi i prodotti.

Images 2.6 è la scelta corretta quando l'output deve resistere a un esame attento: fotografia di prodotto che sarà ritagliata e ritoccata, lavori che richiedono output vettoriali, modifiche guidate da markup e qualsiasi cosa che richieda animazione — la funzione GIF di cui Meta non ha un equivalente. Il miglioramento dichiarato della variante Sunburst rispetto alla 2.5 è la coerenza su una sequenza di modifiche, che è esattamente la proprietà che conta per un flusso di lavoro di cataloghi e esattamente la proprietà che una media Elo nasconde.

Quello che nessuno dei due è, è una risposta definitiva. Il modello costoso non ha un punteggio indipendente e quello economico ha un tetto di risoluzione, e il titolo dei 21× confronta due impostazioni che nessun team usa contemporaneamente. Misura prima in modalità media. È l'impostazione in cui i due prodotti sono realmente in competizione, ed è quella di cui nessuno scrive.