GPT-Image-2.5 vs Qwen-Image-3.0: Två stängda flaggskepp, två olika prislappar

Det tydligaste sättet att läsa GPT-Image-2.5 mot Qwen-Image-3.0 är som två flaggskepp som stängde sina dörrar samma sommar. Den 8 september släppte OpenAI GPT-Image-2.5, ChatGPT Images 2.5-modellen som levereras via API:t som GPT-Image-2.5 Flare och GPT-Image-2.5 Sunburst, som en enbart hostad produkt prissatt i tokens – 8 dollar per miljon bild-input-tokens och 30 dollar per miljon bild-output-tokens. Ungefär fem veckor tidigare, den 4 augusti, gjorde Alibabas Qwen-team Qwen-Image-3.0 allmänt tillgänglig på Qwen Cloud och Alibaba Cloud Bailian – och den här gången, i en tyst kursändring som betyder mer än någon enskild funktion, släpptes inga vikter alls. Qwen-Image 1.0 och 2.0 var Apache-2.0-öppna releaser med tekniska rapporter samma dag; Qwen-Image-3.0 har inga nedladdningsbara vikter, ingen teknisk rapport, inget modellkort, inget parameterantal och inga riktmärken från sin egen tillverkare. Båda dessa är nu stängda, hostade bildflaggskepp från de två labb som har de starkaste öppna vikterna på var sin sida om Stilla havet. Jämförelsen mellan dem handlar delvis om bildkvalitet, men mest om vad varje labb beslutade sig för att sluta ge bort.

Ingen av modellerna är validerad av sin egen tillverkares dokumentation, och det är just där de två skiljer sig åt. GPT-Image-2.5 har ännu inget oberoende betyg – den har ingen Artificial Analysis-post per den 9 september 2026, så dess kvalitetspåståenden är OpenAI-rapporterade och inte oberoende bekräftade. Qwen-Image-3.0 levereras utan något från Alibaba, men dess Pro-upplaga har ändå dykt upp på de oberoende listorna: i september månads Artificial Analysis-ögonblicksbilder ligger Qwen-Image-3.0-Pro mitt i tabellen på cirka 1 086 Elo för text-till-bild och 1 079 för bildredigering, noterad till nära 40 dollar per 1 000 bilder. Det är en genuint oberoende signal, och den är inte smickrande – den placerar Alibabas flaggskepp cirka nittio Elo efter ledaren, GPT Image 2 (high), och under Meta Muse Image och Nano Banana 2. Varje pris i den här texten är ett listpris från leverantören; varje poäng är Artificial Analysis, inte Alibabas.

Varför slutenheten är poängen.

För Alibaba är nedstängningen av Qwen-Image en strategisk helomvändning med en tydlig logik: de tidigare öppna bildmodellerna laddades ned i stor utsträckning men var kommersiellt värdelösa för Alibaba, eftersom vem som helst kunde driva dem själv. Qwen-Image-3.0 är byggd för att vara motsatsen — Qwen-teamet positionerar den uttryckligen kring tecknet 实, "praktisk", vilket innebär produktionsarbete som körs genom ett betald värdbaserad API. Samma logik styr redan toppen av resten av Qwen-familjen, och den förvandlar varje tidigare "ladda bara ned Qwen-Image"-handledning till ett historiskt dokument.

OpenAI har aldrig haft ett öppet bildflaggskepp att stänga ner, så dess hållning är oförändrad: GPT-Image-2.5 finns för att anropas, faktureras och mätas, med C2PA-proveniens och vattenmärkning inbyggd. Den praktiska konsekvensen för en utvecklare är identisk på båda sidorna av denna jämförelse — det finns inget självhostningsalternativ, ingen finjustering av basmodellen, ingen offline-fallback. Du hyr modellen från dess ägare enligt ägarens prislista, och den enda frågan som återstår är vilken uthyrning du behöver.

Vad varje flaggskepp faktiskt byggdes för att locka

Qwen-Image-3.0:s tekniska historia handlar om dokument, layout och språktäthet. Alibaba hävdar en kapacitet på 4 500 tokens per prompt – ungefär fyra och en halv gånger så mycket som föregående generation – vilket är vad som gör att modellen kan komponera täta layoutskapelser i ett enda steg: hela tidningssidor, infografik-rutnät, storyboards, tentamina och UI-mockups. Den påstås återge läsbar text ned till cirka tio pixlar, inklusive matematik och LaTeX, med inbyggt stöd för tolv språk, fler än tjugo typsnitt och hundra konstnärliga stilar, samt upp till 2048×2048 i utdata med så många som sex bilder i ett enda anrop. Generering och bild-till-bild-redigering lever i en och samma modell. Om påståendena håller är den den starkaste värdbaserade modellen för texttät, layouttung, flerspråkig bildproduktion – och AA-placeringen av Pro-utgåvan antyder att verkligheten ligger efter ambitionen: kompetent, medelmåttig bildkvalitet utan några tecken ännu på en ledare inom textlayout.

GPT-Image-2.5:s tekniska berättelse är den motsatta änden av bildspektrumet: redigeringen och motivet, inte sidan. OpenAI:s påståenden kretsar kring referenstrogenhet – att hålla en person, ett husdjur eller en produkt igenkännbar genom förändringar av miljö och stil – fleromgångsredigering som bara rör det som efterfrågades, transparenta bakgrunder och skarpare fina detaljer, med Sunburst-ändpunkten dedikerad till precisionsredigering och Flare till snabb generering. Dess textåtergivningsanspråk är snävare än Qwens (korrekt hantering av kinesiska bland andra skriftsystem) eftersom OpenAI inte strävar efter dokumentlayout; det strävar efter det kommersiella foto- och produktdesignarbetsflödet där den enskilda bilden, redigerad upprepade gånger, är slutleveransen.

Prisjämförelsen slutför ingen av leverantörerna.

Qwen-Image-3.0 listar priser per bild: inhemska konsumentpriser börjar på cirka 0,18 ¥ per bild för Standard-utgåvan, med Pro dyrare – ungefär 0,25 ¥ vid 1K-upplösning och upp till cirka 0,5 ¥ vid 2K – och internationellt ligger Standardpriserna i intervallet 0,03–0,04 $ per bild. Oberoende brädtavlor noterar Pro-utgåvan på cirka 40 $ per 1 000 bilder. GPT-Image-2.5 listar priser i tokens och publicerar ingen motsvarighet per bild; dess prislista matchar GPT-Image-2, som Artificial Analysis förankrar vid cirka 211 $ per 1 000 bilder i hög kvalitet. Även om man medger att OpenAI-siffran gäller föregångaren, är skillnaden i listpris i storleksordningen fem till åtta gånger, och den köper två helt olika kvalitetslöften: Qwens löfte mäts i mängden korrekt återgiven liten text på en tät sida, OpenAIs i troheten hos ett redigerat motiv.

Jämförelsen är också en som ingen av leverantörerna låter dig slutföra på ett rent sätt. Qwens Standard-prissättning är verklig, men Standard-utgåvans kvalitet är en svart låda — Alibaba publicerar ingenting, och bara Pro-utgåvans AA-poäng i mitten av fältet finns för att förankra familjen. OpenAIs kvalitetspåståenden är specifika och internt utvärderade, men kostnaden per bild är okänd och resultaten är inte oberoende mätta. Du kan prissätta båda familjerna och du kan bara delvis validera endera.

Dimension för dimension

• Utgåva — GPT-Image-2.5: GA 8 september 2026. Qwen-Image-3.0: GA 4 augusti 2026 (tillkännagavs den 21 juli; Pro-utgåvan har listats separat sedan juli).

• Öppenhet — Båda är stängda, endast värdbaserade. Qwen-Image-3.0:s stängning är en återgång från de Apache-2.0-öppna utgåvorna av Qwen-Image 1.0 och 2.0; GPT-Image-2.5 var aldrig öppen.

• Pris — GPT-Image-2.5: $8 bild-in / $30 bild-ut per miljon tokens, pris per bild ej publicerat. Qwen-Image-3.0: från ~¥0,18 per bild (Standard, ~$0,03 internationellt); Pro ~¥0,25–0,5, ~$40/1k på AA.

• Styrka — GPT-Image-2.5: redigeringsprecision, referenstrohet, flerstegskonsistens. Qwen-Image-3.0: tät dokument-/layoutgenerering, prompter på 4 500 tokens, läsbar text på ~10 px, 12 språk.

• Oberoende signal — GPT-Image-2.5: ingen ännu. Qwen-Image-3.0: Pro mitt i fältet på AA — ~1,086 T2I, ~1,079 redigering, ungefär 90 Elo bakom GPT Image 2 (högt).

• UtdataGPT-Image-2.5: upp till 3840×2160, genomskinliga bakgrunder. Qwen-Image-3.0: upp till 2048×2048, upp till sex bilder per anrop.

Vilken uthyrning passar din arbetsbelastning?

Om ditt arbete handlar om dokument, utbildning, lokalisering eller någon form av flerspråkig layout i hög volym — kursmaterial med ekvationer, tidnings- och tidskriftsidor, UI-skisser, infografik som måste ha läsbar text på ett dussin språk — är Qwen-Image-3.0 flaggskeppet byggt för just den uppgiften, och Standards pris per bild gör volymexperiment billiga. Villkoret är förtroende: Standard-utgåvan är odokumenterad, och de oberoende poäng som finns gäller den dyrare Pro-utgåvan, som hamnar mitt i fältet — bra för layoutarbete, inte en kvalitetsledare. Budgetera för visuell QA i stor skala.

Om ditt arbete är kommersiell bildproduktion — produktbilder, kampanjmaterial, referenskonsekventa redigeringar där motivet måste förbli oförändrat genom en lång redigeringskedja — är GPT-Image-2.5 en bättre formad satsning, med samma förbehåll i mildare form: åtminstone publicerar OpenAI en prislista och specifika påståenden, och dess föregångares uppmätta #1-placering på AA:s text-till-bild-topplista ger dig en rationell utgångspunkt. Ingen av modellerna finns i OrcaRouters katalog per den 9 september 2026 (den tidigare OpenAI-generationen, GPT-Image-2, finns där till leverantörens listpris utan påslag), så ett A/B-test innebär att du håller nycklar för både Qwen Cloud och OpenAI API. Genomslussningsidén gäller fortfarande när dessa väl routas: en aggregator som fakturerar leverantörens listpris utan påslag är det renaste sättet att köra leverantörsövergripande tester som detta utan att bygga egen fakturering per leverantör.

Den öppna fråga som båda modellerna lämnar är huruvida ”slutet flaggskepp” är en hållbar strategi för bildgenerering eller en tillfällig sådan. Qwen-Image-3.0:s slutenhet är den mer reversibla — Alibaba har en historik av öppenhet och en community som förväntar sig det — och den tydligare signalen när vikterna åter släpps blir att det enbart värdbaserade experimentet inte tjänade in tillräckligt. GPT-Image-2.5:s satsning är att OpenAIs redigeringsförsprång, när det väl uppmätts, kommer att rättfärdiga priser per token gentemot konkurrenter som tar betalt per bild. Håll utkik efter två händelser: att Qwen-Image-3.0 (non-Pro) överhuvudtaget dyker upp på en oberoende topplista, och att GPT-Image-2.5 gör detsamma. Fram till dess är detta en matchning mellan två prislistor kopplade till kvalitetslöften, där endast en av dem — Qwen Pro-utgåvan — hittills har granskats av någon oberoende aktör, och resultatet hamnade mitt i fältet.