MOSS-Image so với GPT Image 2.5: Một backbone 5B có thể tải xuống đối đầu với hai mô hình snapshot

Bắt đầu với cách đặt tên, vì đó là thứ khiến người ta vấp ngã đầu tiên. Không có mô hình nào tên là gpt-image-2.5. Thứ tồn tại là một cặp — GPT Image 2.5 Sunburst, định danh gpt-image-2.5-sunburst, và GPT Image 2.5 Flare, định danh gpt-image-2.5-flare — cả hai đều được chụp nhanh vào 2026-09-08 và cả hai đều đã đóng. Đối trọng với chúng là M​OSS-Image, được OpenMOSS phát hành vào ngày 16 tháng 10 năm 2026 dưới dạng hai checkpoint Apache 2.0, M​OSS-Image-Base và M​OSS-Image-SFT, mà bạn tải về và tự chạy. Một bên bán cho bạn một endpoint; bên kia đưa bạn 27 gigabyte và chúc bạn may mắn với bộ mã hóa.

Đó là toàn bộ hình dạng của sự so sánh, và hầu hết mọi khác biệt khác đều bắt nguồn từ đó. So sánh dưới đây coi hai biến thể OpenAI là một bên chỉ khi chính bảng giá và tài liệu của OpenAI coi chúng là một — điều này đúng với bảng giá và sai với năng lực, và sự phân biệt đó có phần riêng của nó. Mọi con số được gán cho OpenAI là bảng giá đã công bố của OpenAI; mọi con số được gán cho MOSS-Image là của chính OpenMOSS, từ bản phát hành và báo cáo kỹ thuật của nó, và không được ai tái lập lại.

Hai mô hình với một lượt tải xuống

Thế hệ 2.5 của OpenAI là một nhánh rẽ chứ không phải một bước nâng cấp phiên bản. Các thế hệ trước chỉ phát hành một ID mô hình chính duy nhất và yêu cầu bạn chọn một bậc chất lượng bên trong nó. Với 2.5, có hai mô hình được đặt tên riêng, được tạo snapshot riêng và không có bí danh chung nào — mã được viết chỉ với một gpt-image-2.5 sẽ không chạy được. Sunburst được định vị cho năng lực, Flare cho tốc độ, và cả hai tính phí giống hệt nhau, nên lựa chọn giữa chúng là quyết định về độ trễ và độ chính xác chứ không phải về ngân sách.

MOSS-Image cũng là hai mô hình, nhưng sự phân chia ở đây là phân chia theo huấn luyện chứ không phải theo sản phẩm. Base là checkpoint đã được tiền huấn luyện, được cố ý để nguyên không chưng cất — model card nói rõ rằng không hề áp dụng hậu huấn luyện hay chưng cất các tham số suy luận như CFG, nhằm bảo toàn thông tin huấn luyện và giữ cho việc huấn luyện LoRA vẫn khả thi. SFT được tinh chỉnh trên dữ liệu đã tuyển chọn và là phiên bản mà hầu hết mọi người nên chạy. Ví dụ so sánh của nhà cung cấp cho thấy SFT tạo ra nhóm văn bản chặt chẽ hơn và bố cục có tổ chức hơn trên cùng một prompt, đúng như những gì một bản tinh chỉnh trên dữ liệu tuyển chọn của một base chưa chưng cất nên làm.

• Cách bạn gọi nó — GPT Image 2.5: hai ID, gpt-image-2.5-sunburst và gpt-image-2.5-flare, không có alias trần. MOSS-Image: hai kho lưu trữ, OpenMOSS-Team/MOSS-Image-Base và OpenMOSS-Team/MOSS-Image-SFT, cùng các bản mirror ModelScope cho cả hai.

• Những gì bạn nhận được — GPT Image 2.5: một endpoint tương thích OpenAI và một ngày snapshot. MOSS-Image: trọng số safetensors, một pipeline tùy chỉnh Diffusers, một ứng dụng Gradio, và một plugin ComfyUI gốc có thể cài đặt thông qua ComfyUI Manager.

• Chi phí ra sao — GPT Image 2.5: tính theo token, $8.00 cho mỗi triệu token đầu vào hình ảnh và $30.00 cho mỗi triệu token đầu ra hình ảnh, chế độ batch chỉ bằng một nửa. MOSS-Image: không tốn gì cho giấy phép, tốn tất cả cho GPU.

• Giấy phép nào điều chỉnh đầu ra — GPT Image 2.5: các điều khoản của O​penAI, vốn không được sao chép lại trong chính tài liệu dành cho nhà phát triển. M​OSS-Image: Apache 2.0 cho trọng số và mã suy luận đi kèm, không có ngưỡng doanh thu và không có phụ lục về mục đích sử dụng được chấp nhận.

Điều khiển bố cục, và mô-đun không phải của mô hình

Cả hai hệ thống đều cho phép bạn đặt mọi thứ theo tọa độ. Nhưng chúng không tương đương về những gì nằm đằng sau các tọa độ.

Định dạng bố cục của MOSS-Image nhận một đối tượng JSON làm prompt: một summary với chú thích cảnh, và một mảng items trong đó mỗi phần tử có một nhãn là text, character hoặc object, một chú thích, một hộp giới hạn, và — đối với text — chuỗi ký tự nguyên văn cần kết xuất. Các hộp dùng bbox_format: "yxyx" trong bbox_coord_space: "abs_centralized", nghĩa là độ lệch pixel tính từ tâm khung vẽ.

Giao diện được tài liệu hóa của GPT Image 2.5 không phải là một ngữ pháp bố cục. Bề mặt điều khiển của nó chính là prompt cùng với các hình ảnh tham chiếu; hành vi theo kiểu bố cục xuất hiện trong các thế mạnh chỉnh sửa của thế hệ 2.5 được thể hiện qua các chỉnh sửa lặp lại thay vì qua một đặc tả hộp có cấu trúc. Đó là một khác biệt năng lực thực sự, và đó là điểm duy nhất mà giao diện của MOSS-Image tường minh hơn giao diện của OpenAI.

Điều cần lưu ý ở phía M​OSS-Image đáng được nêu rõ trước bất kỳ benchmark nào: mô-đun tăng cường prompt, thứ biến một ý tưởng ngắn thành đặc tả bố cục đầy đủ, không phải là một mô hình nhỏ do chính OpenMOSS phát triển. Báo cáo kỹ thuật nêu rằng LayoutPE sử dụng G​PT-6 với các hướng dẫn tác vụ dạng mô-đun tại thời điểm suy luận, và kỹ năng tăng cường prompt đi kèm được mô tả là được thiết kế cho các agent thuộc họ G​PT-6. Do đó, kết quả bố cục đầu-cuối mạnh nhất trong đánh giá của chính OpenMOSS được tạo ra bởi một pipeline hai mô hình, trong đó nửa đặc tả chạy trên API của bên khác. Nếu bạn dùng M​OSS-Image mà không có bộ tăng cường đó, bạn đang tự cung cấp JSON bố cục, và pipeline mà bạn đang đo lường là một pipeline khác.

Bằng chứng, và việc nó mong manh đến nhường nào ở cả hai phía

OpenMOSS đã đánh giá M​OSS-Image trên hai bộ tiêu chuẩn đi kèm bản phát hành và cũng do nhà cung cấp xây dựng. LongLongTextBench gồm 240 tác vụ kết xuất văn bản văn học, 120 tiếng Anh và 120 tiếng Trung, với độ dài mục tiêu trung bình là 1.339,8 ký tự. RealLayoutArena gồm 61 tác vụ thiết kế — 20 áp phích, 20 đồ họa thông tin, 21 giao diện người dùng — được đánh giá bằng so sánh theo cặp ẩn danh và khớp vào thang Elo Bradley–Terry. Trên đấu trường end-to-end, M​OSS-Image đạt 1.698,70 Elo với khoảng tin cậy 95% từ 1.655,96 đến 1.741,43, đứng thứ hai chung cuộc sau GPT Image 2 ở mức 1.844,35. Khi chỉ giới hạn ở riêng backbone dưới các prompt tăng cường dùng chung, M​OSS-Image đứng đầu với 1.807,34.

Hãy đọc kỹ điều đó. Bài benchmark mà MOSS-Image đứng nhất là bài mà ở đó phạm vi so sánh chỉ giới hạn ở bộ sinh và phần tăng cường prompt được dùng chung — đúng là cấu hình loại bỏ vấn đề đặc tả của bên thứ ba. Bài benchmark mà nó đứng thứ hai là bài end-to-end. Cả hai đều không phải là một phép thử trung lập.

OpenAI không công bố bất kỳ benchmark bố cục hay kết xuất văn bản nào có thể so sánh được cho GPT Image 2.5. Bằng chứng độc lập hiện có cho các mô hình OpenAI nằm trên các bảng xếp hạng của Artificial Analysis, nơi các biến thể 2.5 giữ hai vị trí dẫn đầu trên bảng xếp hạng chỉnh sửa ảnh. Đó là một phép đo sở thích mù với phương pháp luận đã được công bố, và nó hoàn toàn không kiểm tra khả năng kiểm soát bố cục. Vì vậy, hai mô hình được đo trên những trục rời rạc bởi các bên khác nhau, và cám dỗ đặt 1698.70 bên cạnh Elo của một bảng xếp hạng là điều cần cưỡng lại — chúng không cùng thang đo và chúng không đo cùng một thứ.

Mỗi loại có giá bao nhiêu khi mua với số lượng lớn

GPT Image 2.5 được tính bằng token, theo bảng giá giống hệt GPT Image 2: $5.00 mỗi triệu token đầu vào văn bản, với văn bản đã cache ở mức $1.25; $8.00 mỗi triệu token đầu vào hình ảnh, với hình ảnh đã cache ở mức $2.00; và $30.00 mỗi triệu token đầu ra hình ảnh. Chế độ Batch giảm một nửa mỗi mức. Không có giá theo từng ảnh trên trang của nhà cung cấp và không có hạn mức miễn phí, nên cách duy nhất để có một con số theo từng ảnh là quy đổi — và các bảng độc lập có công bố một con số, hiện ở mức gần $0.21 mỗi ảnh cho ảnh chất lượng cao 1024×1024. Hãy coi đó là kết quả suy ra từ bảng, không phải giá của OpenAI.

MOSS-Image không có bảng giá vì không có gì để tính phí. Chi phí chính là cỗ máy. Kho lưu trữ SFT có dung lượng khoảng 27.2 GB, và con số khiến người ta bất ngờ là cách phân chia: khoảng 16.8 GB trải trên bốn shard là bộ mã hóa văn bản Qwen3.5-9B đóng băng, còn khoảng 10.2 GB trải trên ba shard là bản thân transformer. Nhãn 5B chỉ mô tả riêng bộ sinh diffusion. Mặc định lấy mẫu là flow-matching Euler ở 50 bước, CFG 3.0, shift 5.0, với guidance nhánh âm skip-layer tại lớp 22 — và đường guidance mặc định cần hai lượt forward transformer mỗi bước, đó là lý do 50 bước không phải là thiết lập rẻ như nghe có vẻ.

Với một trăm nghìn hình ảnh mỗi tháng, phía tính phí theo token rơi vào khoảng vài chục nghìn đô la; phía tải về thì rơi vào bất cứ đâu mà chi phí thuê GPU của bạn rơi vào. Đó không phải là một sự so sánh làm hài lòng bên nào, đó là lý do vì sao quyết định thường xoay quanh một điều khác: liệu bạn có thể triển khai một thay đổi cấu hình hay cần một cuộc trao đổi về mua sắm.

Chạy cả hai song song với nhau

Nếu bạn muốn tự mình giải quyết chuyện này dựa trên prompt của riêng bạn thay vì dựa vào bảng xếp hạng của bất kỳ ai, thì hai bên nằm ở hai đầu đối diện của một ranh giới mà sản phẩm của chính chúng tôi không đi xuyên qua ở giữa. MOSS​-Image không nằm trong danh mục Orca​Router — chúng tôi phục vụ hơn 200 mô hình và nó không thuộc số đó — vì vậy nửa open-weight của thử nghiệm là do bạn tự lưu trữ. GPT Image 2.5 Sunburst và Flare có thể được định tuyến qua cùng endpoint tương thích Open​AI như mọi thứ khác trong danh mục, theo mức giá niêm yết của nhà cung cấp là $8 cho mỗi triệu token đầu vào hình ảnh và $30 cho mỗi triệu token đầu ra hình ảnh, không cộng thêm phụ phí từ phía chúng tôi.

Phần hữu ích của cách sắp xếp đó đối với một so sánh như thế này là hành vi chuyển đổi dự phòng. Khi bạn đang chạy một vòng lặp đánh giá hiệu năng gửi vài trăm prompt tới một mô hình được lưu trữ, giới hạn tốc độ từ phía nhà cung cấp hoặc một phút trục trặc sẽ dẫn đến mất mẫu, và tự động chuyển đổi dự phòng giữa các nhà cung cấp nghĩa là vòng lặp sẽ chạy xong thay vì để bạn lại với một bảng kết quả chỉ được điền một nửa. Việc câu trả lời nhận về từ phương án dự phòng có thể so sánh được với phương án chính hay không là điều bạn nên quyết định trước khi bắt đầu, chứ không phải sau đó.

Bạn đang ở phía nào của ranh giới

Chọn MOSS-Image nếu bạn muốn có trọng số. Apache 2.0 không có giới hạn doanh thu đồng nghĩa với một quy trình rà soát thương mại ngắn gọn, checkpoint Base được cố ý để nguyên chưa chưng cất cho việc huấn luyện LoRA, JSON bố cục là một đặc tả thực sự chứ không phải một quy ước prompt, và bạn có thể trỏ một bản cài ComfyUI vào nó ngay hôm nay. Hãy biết trước rằng phần encoder mới là thứ chiếm phần lớn dung lượng tải về, rằng mặc định 50 bước với hai lượt forward mỗi bước là một chi phí phục vụ thực sự, và rằng con số Elo được nhấn mạnh được tạo ra với một mô hình bên thứ ba nằm ở nửa đặc tả của pipeline. Nếu bạn bỏ qua phần enhancer và tự viết bố cục, bạn phải tự chịu trách nhiệm về các con số — điều đó cũng chẳng sao, vì cũng chẳng ai tái lập được kết quả của OpenMOSS cả.

Chọn GPT Image 2.5 nếu bạn cần một endpoint có thể gọi được trong tuần này, nếu công việc của bạn là chỉnh sửa lặp đi lặp lại thay vì dàn trang tổng hợp, hoặc nếu một bảng đánh giá độc lập với phương pháp luận được công bố quan trọng hơn đối với quyết định của bạn so với một giao diện điều khiển có cấu trúc. Việc chia thành hai biến thể đồng nghĩa với một quyết định bổ sung — Sunburst khi bản chỉnh sửa là sản phẩm bàn giao, Flare là mặc định — và hóa đơn tính theo token khó dự đoán hơn mức giá theo từng hình ảnh, nhưng mô hình này đứng đầu bảng xếp hạng trung lập duy nhất bao quát việc chỉnh sửa, và điều đó có giá trị mà bảng của chính nhà cung cấp thì không.

Khoảng trống có khả năng thay đổi cục diện so sánh này nhiều nhất nằm ở phía OpenAI, chứ không phải phía OpenMOSS: một đánh giá kiểm soát bố cục đã được công bố, hoặc một bài kiểm chuẩn bố cục độc lập bao gồm cả hai mô hình. Cho đến khi có một thứ như vậy, hai hệ thống đang được những người khác nhau đo lường trên những trục khác nhau, và câu mô tả đúng nhất tình hình hiện tại là MOSS-Image có giao diện tường minh hơn còn GPT Image 2.5 có bằng chứng độc lập hơn.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.