Qwen-Image-2.1 vs GPT-Image-2.5: ช่องว่างอยู่ที่ตัวเลขเพียงตัวเดียว และมันไม่ใช่คุณภาพ

วาง Qwen-Image-2.1และ GPT-Image-2.5ไว้เคียงข้างกันในด้านสเปก แล้วทั้งคู่ก็ดูเหมือนพี่น้องกัน: ทั้งคู่เป็นโมเดลภาพแบบรวมการสร้างและการแก้ไขไว้ในหนึ่งเดียว ทั้งคู่มีเอาต์พุตพื้นหลังโปร่งใส ทั้งคู่เปิดตัวในห้าสัปดาห์ที่ผ่านมา ทั้งคู่สามารถสร้างภาพนิ่งระดับ 2K ได้ ความแตกต่างที่ชี้ขาดการเลือกระหว่างสองตัวนี้คือตัวเลขตัวเดียว และมันไม่ใช่คะแนนเบนช์มาร์ก Qwen-Image-2.1 ดาวน์โหลดได้ฟรีและขายไม่ได้ GPT-Image-2.5 ดาวน์โหลดไม่ได้และขายได้ง่ายมาก ทุกอย่างอื่น — สถาปัตยกรรม ความหน่วง การนำพื้นหลังโปร่งใสไปใช้ — ล้วนเป็นผลพวงจากสิ่งนั้น Qwen-Image-2.1 ถูกเปิดซอร์สเมื่อวันที่ 20 กันยายน 2026; GPT-Image-2.5 ถูกประกาศพร้อมโมเดล API ที่ใช้งานได้เมื่อวันที่ 8 กันยายน 2026

สองวิธีในการเพิ่มความโปร่งใส ห่างกันหนึ่งเดือน

การที่โมเดลทั้งสองได้เอาต์พุตแบบโปร่งใสห่างกันเพียงไม่กี่สัปดาห์นั้นเป็นความบังเอิญที่ควรค่าแก่การทำความเข้าใจ เพราะการนำไปใช้ทั้งสองแบบไม่เทียบเท่ากัน

Qwen-Image-2.1 ใส่ alpha ไว้ภายในโมเดลเลย มันดีนอยซ์ในพื้นที่แฝง RGBA แบบ 64 แชนเนลที่มีการบีบอัดเชิงพื้นที่ 16× ดังนั้นช่อง alpha จึงเป็นองค์ประกอบระดับหลักของสิ่งที่ตัวแซมเพลอร์สร้างขึ้น ไม่มีขั้นตอนการแบ่งส่วนภาพและไม่มีพาสทำ matting ควบคู่กันนั้นยังมีส่วนพิเศษที่แปลกออกไป: เนื่องจากโมเดลตัดสินใจได้ตามพรอมป์ตว่าจะส่งออกเป็น RGB หรือภาพที่มีช่อง alpha มันจึงดึงตัวแบบออกจากภาพถ่ายธรรมดาและคืนกลับมาเป็นเลเยอร์โปร่งใสแทนที่จะเป็นมาสก์แบบไบนารีได้ด้วย

GPT-Image-2.5 เลือกใช้เส้นทางแบบพารามิเตอร์ API ของ OpenAI ยอมรับการตั้งค่า backgroundเป็น auto, opaque หรือ transparent และโมเดลก็ตอบสนองตามนั้น นี่คือสวิตช์เปิด-ปิดความสามารถบนเอนด์พอยต์ที่โฮสต์ไว้ ไม่ใช่คุณสมบัติของ latent space และมีข้อได้เปรียบตรงที่คุณไม่ต้องคิดถึงมันเลย: ตั้งแฟล็ก ก็ได้ภาพที่ตัดพื้นหลังออกมา แล้วก็ไปต่อ ข้อแลกเปลี่ยนคือคุณจะได้สิ่งที่เอนด์พอยต์มอบให้ ในความละเอียดและต้นทุนที่เอนด์พอยต์เป็นผู้กำหนด

ตัวไหนดีกว่ากันนั้นยังไม่ได้รับการคลี่คลายอย่างแท้จริง ณ เวลาที่เขียน ไม่มีการเปรียบเทียบสาธารณะระหว่างขอบอัลฟาของ Qwen-Image-2.1 กับโมเดลแมตติ้งเฉพาะทางเลย และการตรวจสอบที่เผยแพร่เพียงอย่างเดียวในฝั่ง Qwen ก็เป็นการตรวจสอบเชิงการทำงาน — เอาต์พุต PNG โปร่งใสผ่าน อัลฟาถูกคงไว้ตลอดช่วงเต็ม 0–255 มี RGBA PSNR 60.69 dB ในตัวอย่างเดียว นั่นคือการตรวจสอบความถูกต้อง ไม่ใช่คำตัดสินเรื่องคุณภาพ มันบอกคุณว่าแชนเนลนั้นมีอยู่จริง

สิ่งที่คุณสามารถวัดได้จริง

• พารามิเตอร์ — องค์ประกอบการสร้างของ Qwen-Image-2.1 เป็น diffusion transformer แบบ single-stream ขนาด 7B จำนวน 32 เลเยอร์ ทำงานร่วมกับ text encoder Qwen3-VL 8B; น้ำหนักรวมประมาณ 33 GB โดย DiT คิดเป็นประมาณ 14 GB ของทั้งหมดนั้น OpenAI ไม่เผยแพร่จำนวนพารามิเตอร์สำหรับ GPT-Image-2.5
• ความละเอียด — Qwen-Image-2.1 ส่งออกได้สูงสุดที่ 2048×2048 โดยกำเนิด ที่ 40 ขั้นตอนการอนุมาน พร้อมพรีเซ็ตอัตราส่วนภาพเจ็ดแบบ GPT-Image-2.5 รองรับขนาดสูงสุดถึง 3840×2160 และ 2160×3840 โดยแต่ละด้านจำกัดไว้ที่ 3840 px และต้องเป็นจำนวนทวีคูณของ 16
• ภาพอ้างอิง — Qwen-Image-2.1 รับได้สูงสุด 10 ภาพสำหรับการจัดองค์ประกอบแบบหลายตัวแบบและการลองเสื้อผ้าเสมือนจริง โมเดลภาพของ OpenAI ยอมรับอินพุตอ้างอิงสำหรับการแก้ไข แต่ขีดจำกัดในทางปฏิบัติและพฤติกรรมด้านความเที่ยงตรงแตกต่างกันไปตามโมเดลและตามระดับคุณภาพ
• ความหน่วง — SGLang-Diffusion เผยแพร่ค่า 2.748 วินาทีสำหรับการสร้างที่ 1024×1024 จำนวน 40 ขั้นตอนบน B200 หนึ่งตัว และ 4.74 วินาทีบน RTX 4090 24 GB ด้วย Cache-DiT และเคอร์เนล INT8 โดยนับเฉพาะการลดสัญญาณรบกวน OpenAI รายงานว่าตัวแปร Flare ของ GPT-Image-2.5 มีความหน่วงต่ำกว่า GPT-Image-2 ถึง 50% โดยพันธมิตรเปิดตัวรายหนึ่งวัดได้ 2–4× — เป็นข้อมูลที่ผู้ขายรายงานและพันธมิตรรายงานตามลำดับ ไม่ใช่การเปรียบเทียบแบบควบคุม
• ราคา — Qwen-Image-2.1 ไม่มีราคาแบบโฮสต์เนื่องจากไม่มีเอนด์พอยต์แบบโฮสต์; ค่าใช้จ่ายคือเวลา GPU ของคุณเอง GPT-Image-2.5 คิดค่าบริการในอัตราโทเคนเดียวกับ GPT-Image-2: $8.00 ต่อ 1M โทเคนอินพุตภาพ, $30.00 ต่อ 1M โทเคนเอาต์พุตภาพ, $5.00 ต่อ 1M โทเคนอินพุตข้อความ
• สัญญาอนุญาต — Qwen-Image-2.1 เผยแพร่ภายใต้ Qwen Research License Agreement ลงวันที่ 20 กันยายน 2026 ใช้เพื่อการไม่เชิงพาณิชย์เท่านั้น GPT-Image-2.5 เป็น API เชิงพาณิชย์ที่มี C2PA provenance และลายน้ำล่องหนบนเอาต์พุต

แถวหนึ่งในรายการนั้นมีข้อมูลน้อยกว่าที่เห็น OpenAI ไม่ได้ประกาศราคาต่อภาพสำหรับ GPT-Image-2.5 แต่ประกาศเฉพาะอัตราค่าโทเคน และการใช้โทเคนของภาพจะแปรผันตามความละเอียดและระดับคุณภาพ การวัดโดยบุคคลที่สามให้ช่วงไว้ประมาณ $0.0059 ถึง $0.712 ต่อภาพ ครอบคลุมทั้ง 1K, 2K และ 4K ที่การตั้งค่าต่ำ กลาง และสูง ในอัตราส่วนภาพ 1:1 — มีประโยชน์ในแง่ของการบอกขนาดโดยประมาณ ไม่ใช่ในฐานะใบเสนอราคา หากคุณกำลังพยากรณ์ ให้สร้างการประมาณการจากจำนวนโทเคนและการกระจายพรอมป์ของคุณเอง ไม่ใช่จากตัวเลขต่อภาพที่คนอื่นวัดไว้

ต้นทุนสองรายการที่ไม่มีใครใส่ไว้ในคอลัมน์เดียวกัน

เหตุผลที่การเปรียบเทียบนี้ไม่สามารถให้คำตอบง่าย ๆ ได้ ก็คือโมเดลทั้งสองเรียกเก็บเงินจากคุณคนละสกุลเงิน และอัตราแลกเปลี่ยนก็คือสถานการณ์เฉพาะของคุณเอง

GPT-Image-2.5 คิดค่าบริการตามจำนวนโทเคน ซึ่งหมายความว่ามิเตอร์นั้นมองเห็นได้ คาดการณ์ได้ และปรับเพิ่มเป็นเส้นตรงตามปริมาณการใช้งาน นี่เป็นข้อได้เปรียบอย่างแท้จริงสำหรับผลิตภัณฑ์ที่มีทราฟฟิกที่รู้ล่วงหน้า คุณสามารถจัดสรรงบประมาณให้มันได้ และเมื่อผู้ให้บริการลดราคา ต้นทุนของคุณก็ลดลงในวันเดียวกัน นอกจากนี้มันยังเป็นเสมือนภาษีที่เรียกเก็บจากการสำรวจทดลอง เพราะการปรับพรอมป์ครั้งที่สิบก็มีต้นทุนเท่ากับครั้งแรก input_fidelityเป็นพฤติกรรมการทำงานที่ทำให้เรื่องนี้คมชัดยิ่งกว่าที่อัตราราคาที่ประกาศไว้บอกเป็นนัย — API สามารถใช้ความละเอียดสูง (high fidelity) กับอินพุตที่เป็นรูปภาพได้โดยอัตโนมัติ ซึ่งกินโทเคนอินพุตมากกว่าที่การอ่านรายการราคาแบบผ่าน ๆ จะสื่อ ดังนั้นลูปการแก้ไขจึงมีต้นทุนสูงกว่าตัวเลขต่อรูปที่ผู้คนมักอ้างถึง

Qwen-Image-2.1 กลับด้านคุณสมบัติทั้งสองประการ ต้นทุนส่วนเพิ่มของการสร้างครั้งที่หนึ่งร้อยคือค่าไฟฟ้า ทำให้มันเป็นเครื่องมือที่ดีกว่าสำหรับการทำซ้ำ สำหรับการแบ็กฟิลล์แบบเป็นชุด และสำหรับงานใดก็ตามที่พรอมป์ต์ยังอยู่ในขั้นค้นหา สิ่งที่มันไม่ได้ให้คุณคือตัวเลขสำหรับชีตการเงิน — คุณต้องจ่ายค่า GPU ไม่ว่ามันจะทำงานอยู่หรือว่างก็ตาม — และมันไม่ได้ให้สิทธิ์คุณในการขายผลลัพธ์ Qwen Research License Agreement อนุญาตให้ใช้สำหรับการวิจัยและประเมินผลที่ไม่ใช่เชิงพาณิชย์ และระบุว่าการนำไปใช้เชิงพาณิชย์ต้องได้รับใบอนุญาตแยกต่างหากจาก Hangzhou Tongyi Laboratory Technology ไม่มีราคาที่เผยแพร่สำหรับใบอนุญาตนั้น และไม่มีข้อกำหนดที่ระบุไว้ นั่นไม่ใช่เชิงอรรถ; สำหรับไปป์ไลน์เชิงพาณิชย์ มันคือการตัดสินใจทั้งหมด

รันทั้งสองโดยไม่ต้องมีสัญญาฉบับที่สอง

คำตอบที่สมจริงสำหรับทีมส่วนใหญ่ไม่ใช่ทั้งอย่างใดอย่างหนึ่ง แต่เป็นทั้งสองอย่าง GPT-Image-2.5 รับผิดชอบเส้นทางการผลิตที่ผลลัพธ์ถูกส่งไปถึงลูกค้า และค่าบริการต่อโทเค็นเป็นรายการในบิล Qwen-Image-2.1 รับผิดชอบเส้นทางการสำรวจที่คุณต้องมีภาพผลิตภัณฑ์โปร่งใสสองร้อยรูปแบบ และไม่มีผู้ขายรายใดจะขายปริมาณขนาดนั้นให้คุณในราคาที่สมเหตุสมผล

ความยุ่งยากอยู่ที่ว่าทั้งสองมาถึงผ่านเส้นทางที่完全不同กันโดยสิ้นเชิง อย่างหนึ่งคือ API key อีกอย่างคือการดาวน์โหลด 33 GB สภาพแวดล้อม Python และ GPU ที่คุณเป็นเจ้าของ OrcaRouter ครอบคลุมครึ่งที่เป็นแบบโฮสต์: โมเดลกว่า 200 รุ่นภายใต้ endpoint เดียวที่เข้ากันได้กับ OpenAI ราคาตามรายการของผู้ให้บริการส่งผ่านมาโดยไม่บวกเพิ่ม การสลับไปใช้ผู้ให้บริการรายอื่นอัตโนมัติเมื่อเกิดข้อขัดข้อง DSL สำหรับการจัดเส้นทางเพื่อแสดง fallback และการหลอมรวมโมเดลเพื่อรวมหลายโมเดลไว้ในคำขอเดียว การระบุให้ชัดเจนเกี่ยวกับโมเดลนี้เป็นเรื่องสำคัญ — วันนี้เรายังไม่จัดเส้นทางให้ GPT-Image-2.5; เส้นทางรูปภาพ OpenAI ของเรา คือ GPT-Image-2, GPT-Image-1.5 และ GPT-Image-1-mini ทั้งหมดในราคาตามรายการของ OpenAI และเมื่อใดที่ผู้ให้บริการต้นทางเพิ่มตัวระบุ gpt-image-2.5 คีย์เดิมก็เรียกใช้งานได้โดยไม่ต้องแก้โค้ด เราไม่ได้จัดเส้นทางให้โมเดล Qwen-Image รุ่นใดเลยเช่นกัน ดังนั้น Qwen-Image-2.1 จึงไม่ใช่เส้นทางฝั่งเราแต่อย่างใด สิ่งที่ราคาแบบส่งผ่านให้คุณได้ในระหว่างนี้ก็คือ เมื่อ OpenAI ปรับอัตราค่าใช้จ่าย ตัวเลขฝั่งเราก็ขยับตามไปด้วยแทนที่จะล่าช้า

คำตัดสินที่ระบุเป็นเงื่อนไขมากกว่าผู้ชนะ

หากผลลัพธ์ต้องถูกขาย นี่ไม่ใช่เรื่องที่สูสี: GPT-Image-2.5 เป็นเพียงหนึ่งเดียวจากสองตัวที่คุณได้รับอนุญาตให้ใช้ และมิเตอร์โทเค็นคือราคาที่ต้องจ่ายสำหรับสิ่งนั้น หากผลลัพธ์เป็นงานวิจัย เครื่องมือภายใน หรือการประเมิน Qwen-Image-2.1 เป็นเครื่องมือที่แข็งแกร่งกว่า — 2K โดยธรรมชาติ, alpha ออกจากตัวสุ่ม, ภาพอ้างอิงสิบภาพ, และต้นทุนส่วนเพิ่มเป็นศูนย์เมื่อชำระค่าฮาร์ดแวร์แล้ว หากคุณต้องการทั้งสอง ใช้ทั้งสอง และปฏิบัติต่อใบอนุญาตเป็นขอบเขตที่ตัดสินว่าไปป์ไลน์ใดที่งานหนึ่งๆ จะเข้าไป

สองสิ่งที่จะเปลี่ยนเรื่องนี้ เอกสารข้อกำหนดทางการค้าที่เผยแพร่แล้วสำหรับ Qwen-Image-2.1 จะทำให้ช่องว่างในแถวเรื่องสัญญาอนุญาตแคบลง ซึ่งปัจจุบันเป็นตัวขับเคลื่อนหลักในการเปรียบเทียบนี้ และรายการจัดอันดับภาพอิสระสำหรับ Qwen-Image-2.1 จะบอกเราว่าผลลัพธ์ Qwen-Image-Bench ของผู้ขาย — 60.28 นำหน้า Nano Banana 2.0 ที่ 59.82 และ GPT Image 1.5 ที่ 59.65 เป็นอันดับหนึ่งในหมู่โมเดลเปิด — ยังคงเป็นจริงนอกห้องแล็บที่สร้างมันขึ้นมาหรือไม่ ยังไม่มีทั้งสองสิ่งนี้ จนกว่าจะมี คำแนะนำที่ตรงไปตรงมาคือให้ดูที่สัญญาอนุญาตและมิเตอร์ ไม่ใช่ที่กระดานคะแนน