MOSS-Image против GPT Image 2.5: скачиваемый 5B-бэкбон против двух моделей-снапшотов

Начнём с названий, потому что именно на них люди спотыкаются в первую очередь. Не существует модели под названием gpt-image-2.5. Существует пара — GPT Image 2.5 Sunburst, идентификатор gpt-image-2.5-sunburst, и GPT Image 2.5 Flare, идентификатор gpt-image-2.5-flare — обе зафиксированы в снапшоте от 2026-09-08 и обе закрыты. Им противостоит M​OSS-Image, выпущенная OpenMOSS 16 октября 2026 года в виде двух чекпоинтов под лицензией Apache 2.0, M​OSS-Image-Base и M​OSS-Image-SFT, которые вы скачиваете и запускаете. Одна сторона продаёт вам эндпоинт; другая вручает вам 27 гигабайт и желает удачи с энкодером.

В этом и заключается вся структура сравнения, и почти все остальные различия вытекают из неё. В приведённом ниже сравнении две вариации OpenAI рассматриваются как одна сторона только там, где собственное ценообразование и документация OpenAI рассматривают их как единое целое — что верно для тарифной сетки и неверно для возможностей, и этому различию посвящён отдельный раздел. Каждое число, приписываемое OpenAI, взято из опубликованной тарифной сетки OpenAI; каждое число, приписываемое MOSS-Image, — собственное число OpenMOSS, из релиза и его технического отчёта, и никем не воспроизведённое.

Две модели против одной загрузки

Поколение 2.5 от OpenAI — это форк, а не просто обновление версии. В предыдущих поколениях выпускался один основной ID модели, а выбрать уровень качества предлагалось внутри него. В 2.5 есть две отдельно названные модели с отдельными снапшотами и нет общего псевдонима — код, написанный для голого gpt-image-2.5, не будет работать. Sunburst ориентирован на возможности, Flare — на скорость, и обе тарифицируются одинаково, поэтому выбор между ними — это решение о задержке и точности, а не о бюджете.

MOSS-Image — это тоже две модели, но разделение здесь относится к обучению, а не к продукту. Base — это предобученный чекпойнт, намеренно оставленный недистиллированным: в карточке модели прямо сказано, что не применялось постобучение или дистилляция параметров инференса, таких как CFG, чтобы сохранить информацию об обучении и сохранить возможность обучения LoRA. SFT дообучена на отобранных данных, и именно её стоит запускать большинству. В примере сравнения от производителя SFT даёт более плотную группировку текста и более упорядоченную компоновку для одного и того же промпта — именно этого и следует ожидать от дообучения недистиллированной базовой модели на отобранных данных.

• Как это называется — GPT Image 2.5: два идентификатора, gpt-image-2.5-sunburst и gpt-image-2.5-flare, без простого алиаса. M​OSS-Image: два репозитория, OpenMOSS-Team/M​OSS-Image-Base и OpenMOSS-Team/M​OSS-Image-SFT, с зеркалами ModelScope для обоих.

• Что вы получаете — GPT Image 2.5: совместимый с O​penAI эндпоинт и дату снимка. M​OSS-Image: веса safetensors, пользовательский пайплайн Diffusers, приложение Gradio и нативный плагин ComfyUI, устанавливаемый через ComfyUI Manager.

• Сколько это стоит — GPT Image 2.5: тарифицируется по токенам, 8,00 $ за миллион входных токенов изображения и 30,00 $ за миллион выходных токенов изображения; при пакетной обработке — вдвое дешевле. M​OSS-Image: за лицензию — ничего, за GPU — всё.

• Чья лицензия регулирует выходные данные — GPT Image 2.5: условия OpenAI, которые не воспроизводятся в самой документации для разработчиков. MOSS-Image: Apache 2.0 для весов и кода инференса, поставляемого в комплекте, без порога выручки и без приложения о допустимом использовании.

Управление компоновкой и модуль, который не принадлежит модели

Обе системы позволяют размещать объекты по координатам. Они не эквивалентны в том, что стоит за координатами.

Формат разметки MOSS-Image принимает в качестве промпта объект JSON: summary с описанием сцены и массив items, каждый элемент которого содержит метку text, character или object, описание, ограничивающую рамку и — для текста — буквальную строку для отрисовки. Рамки используют bbox_format: "yxyx" в bbox_coord_space: "abs_centralized", то есть смещения в пикселях от центра холста.

Документированный интерфейс GPT Image 2.5 — это не грамматика вёрстки. Его поверхность управления — это сам промпт плюс референсные изображения; поведение в стиле вёрстки, которое проявляется в сильных сторонах редактирования у поколения 2.5, выражается через итеративные правки, а не через структурированную спецификацию блоков. Это реальное различие в возможностях, и это единственное место, где интерфейс MOSS-Image более явный, чем у OpenAI.

Оговорку со стороны MOSS-Image стоит озвучить перед любым бенчмарком: модуль улучшения промпта, который превращает короткую идею в полную спецификацию лейаута, не является собственной малой моделью OpenMOSS. В техническом отчёте указано, что LayoutPE использует GPT-6 с модульными инструкциями к задачам во время инференса, а встроенный навык prompt-enhancer описывается как предназначенный для агентов семейства GPT-6. Поэтому сильнейший сквозной результат по лейауту в собственной оценке OpenMOSS получается с помощью двухмодельного пайплайна, половина которого, отвечающая за спецификацию, работает через чужой API. Если вы используете MOSS-Image без этого улучшителя, вы сами предоставляете JSON лейаута, и пайплайн, который вы измеряете, — другой.

Доказательства — и насколько они скудны с обеих сторон

OpenMOSS провела оценку MOSS-Image на двух бенчмарках, которые поставляются вместе с релизом и которые также создал сам вендор. LongLongTextBench — это 240 задач по рендерингу литературных текстов: 120 на английском и 120 на китайском, при средней целевой длине 1 339,8 символа. RealLayoutArena — это 61 задача по дизайну — 20 постеров, 20 инфографик, 21 пользовательский интерфейс — оцениваемых с помощью слепого попарного сравнения и приведённых к шкале Elo Брэдли–Терри. На сквозной арене MOSS-Image набирает 1698,70 Elo с 95%-м интервалом от 1655,96 до 1741,43, занимая второе место в целом после GPT Image 2 с 1844,35. Если ограничиться только бэкбоном при общих расширенных промптах, MOSS-Image занимает первое место с 1807,34.

Прочитайте это внимательно. Бенчмарк, на котором MOSS-Image занимает первое место, — это тот, где сравнение ограничено генератором, а улучшение промпта является общим — то есть именно та конфигурация, которая устраняет проблему сторонней спецификации. Бенчмарк, на котором он занимает второе место, — это сквозной бенчмарк. Ни один из них не является нейтральным тестом.

OpenAI не публикует сопоставимого бенчмарка по компоновке или рендерингу текста для GPT Image 2.5. Независимые данные, которые существуют для моделей OpenAI, находятся в рейтингах Artificial Analysis, где варианты 2.5 занимают два первых места в лидерборде по редактированию изображений. Это измерение слепых предпочтений с опубликованной методологией, и оно вообще не проверяет контроль компоновки. Таким образом, две модели измеряются по непересекающимся осям разными сторонами, и соблазну поставить 1698.70 рядом с Elo из рейтинга стоит сопротивляться — это не одна и та же шкала, и они не измеряют одно и то же.

Сколько стоит каждый при большом объёме

GPT Image 2.5 измеряется в токенах, по тарифной сетке, идентичной GPT Image 2: $5,00 за миллион входных текстовых токенов, при кэшированном тексте — $1,25, $8,00 за миллион входных изображений, при кэшированном изображении — $2,00, и $30,00 за миллион выходных изображений. Batch снижает каждую из ставок вдвое. На странице вендора нет цены за изображение и нет бесплатного лимита, поэтому единственный путь к цифре за изображение — это пересчёт, и независимые борды такую цифру публикуют: сейчас около $0,21 за изображение для высококачественного 1024×1024. Считайте это выводом борда, а не ценой O​penAI.

MOSS-Image не имеет тарифной сетки, потому что выставлять к оплате нечего. Стоимость — это сама машина. Репозиторий SFT занимает около 27,2 ГБ, и цифра, которая удивляет людей, — это распределение: примерно 16,8 ГБ по четырём шардам — это замороженный текстовый энкодер Qwen3.5-9B, а около 10,2 ГБ по трём — сам трансформер. Значок 5B описывает только диффузионный генератор. Настройки сэмплирования по умолчанию — flow-matching Euler на 50 шагах, CFG 3.0, shift 5.0, с negative-branch skip-layer guidance на слое 22 — а путь guidance по умолчанию требует двух прямых проходов трансформера на шаг, поэтому 50 шагов — не такая дешёвая настройка, как звучит.

При ста тысячах изображений в месяц сторона с оплатой по токенам обходится в нижние десятки тысяч долларов; сторона со скачиванием обходится во столько, во сколько обходится аренда вашего GPU. Это не то сравнение, которое льстит любой из сторон, поэтому решение обычно зависит от другого: можете ли вы просто выпустить изменение конфигурации или вам нужен разговор с отделом закупок.

Запуск обоих бок о бок

Если вы хотите решить это на своих собственных промптах, а не в чьём-то лидерборде, две стороны находятся на противоположных концах границы, которую наш собственный продукт не пересекает посередине. M​OSS-Image отсутствует в каталоге OrcaRouter — мы обслуживаем более 200 моделей, и её среди них нет — так что половину эксперимента с открытыми весами вам придётся хостить самостоятельно.GPT Image 2.5 Sunburst и Flare доступны для маршрутизации через тот же эндпоинт, совместимый с O​penAI, что и всё остальное в каталоге, по прайсовым тарифам провайдера: $8 за миллион входных токенов изображений и $30 за миллион выходных токенов изображений, без наценки с нашей стороны.

Полезная часть этой схемы для такого сравнения — это поведение при отказе. Когда вы запускаете цикл бенчмаркинга, который отправляет несколько сотен промптов размещённой модели, ограничение частоты на стороне провайдера или неудачная минута превращаются в отброшенные сэмплы, и автоматическое переключение между провайдерами при отказе означает, что цикл завершится, а не оставит вас с наполовину заполненной таблицей результатов. Сопоставим ли ответ, приходящий от резервного провайдера, с ответом основного, — это вопрос, который следует решить до начала, а не после.

На какой стороне границы вы находитесь

Выбирайте MOSS-Image, если вам нужны веса. Apache 2.0 без потолка по выручке — это короткая коммерческая проверка, чекпоинт Base намеренно оставили недистиллированным для обучения LoRA, layout-JSON — это настоящая спецификация, а не условность промпта, и вы уже сегодня можете направить на него установку ComfyUI. Идите в это, понимая, что энкодер — и есть основная загрузка, что дефолтные 50 шагов при двух форвардах на шаг — это реальные затраты на инференс, и что заявленная цифра Elo была получена со сторонней моделью в той половине пайплайна, которая отвечает за спецификацию. Если вы пропустите энхансер и напишете layout сами, за цифры отвечаете вы сами — и это нормально, потому что результаты OpenMOSS тоже никто не воспроизвёл.

Выбирайте GPT Image 2.5, если вам нужна конечная точка, доступная для вызова, уже на этой неделе, если ваша работа — это итеративное редактирование, а не компоновка макета, или если независимый бенчмарк с опубликованной методологией для вашего решения важнее, чем структурированный интерфейс управления. Развилка на два варианта означает дополнительное решение — Sunburst, когда редактирование является конечным результатом, Flare — по умолчанию, — а счёт с оплатой по токенам предсказать сложнее, чем цену за изображение, но модель занимает верхнюю строчку единственного нейтрального лидерборда, охватывающего редактирование, и это имеет ценность, которой не имеет собственная таблица поставщика.

Разрыв, который сильнее всего изменил бы это сравнение, находится на стороне O​penAI, а не OpenMOSS: опубликованная оценка управления макетом или независимый бенчмарк по макету, охватывающий обе модели. Пока такого нет, две системы измеряются по разным осям разными людьми, и лучше всего текущее положение дел описывает фраза: M​OSS-Image обладает более явным интерфейсом, а GPT Image 2.5 — более независимыми доказательствами.

Задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, степень уверенности и флаг оспаривания.