GPT-Image-2.5 对比 LLaDA-Image：30美元/百万Token的API对阵免费6B扩散模型

问问图像生成应该定价多少，两家实验室在一周之内给出了两个截然相反的答案。2026年9月8日，OpenAI发布了GPT-Image-2.5——即ChatGPT Images 2.5背后的模型，通过API以GPT-Image-2.5 Flare和GPT-Image-2.5 Sunburst的形式销售——其token计价表为每百万图像输入token 8美元、每百万图像输出token 30美元。而在五天前的9月4日，inclusionAI（蚂蚁集团支持、推出LLaDA语言系列的实验室）悄然发布了LLaDA-Image——一个拥有六十亿参数的扩散Transformer图像生成与编辑模型，其权重可免费下载。一个是OpenAI迄今置于token计费表之后最具商业实力的图像模型；另一个则试图证明，强大的图像模型可以用开放的训练配方构建并免费赠予。比较二者与其说是正面交锋，不如说是你在决定自己究竟在为何种“成本”买单。

GPT-Image-2.5 这一侧的几乎所有数字都来自厂商自报，目前没有任何一项经过独立核验：OpenAI 称 Flare 相较 GPT-Image-2 最多可将延迟降低 50%，并称代理公司 Manus 进行的第三方测试测得生成速度快 2 到 4 倍；但截至 2026 年 9 月 9 日，两个 GPT-Image-2.5 模型都还没有进入 Artificial Analysis 图像排行榜。LLaDA-Image 的核心数据同样未被复现——inclusionAI 报告其在 Qwen-Image-Bench 上英文 53.53、中文 53.38，发布时在开放权重模型中排名第一——而且由于该模型没有托管 API，它根本不可能出现在仅限 API 的排行榜上。这场比较的双方都建立在各自厂商的自述之上，这一点在阅读下文时值得始终记住。

两个几乎谈不上同属一个类别的模型

GPT-Image-2.5 是一个托管式封闭图像模型，与 2026 年 4 月发布的 ChatGPT Images 2.0 一脉相承。它在输入端具备多模态能力，生成的图像据 OpenAI 称在精细细节上更锐利、光照和纹理更自然，并且在多轮编辑中表现更稳定——Sunburst 端点专为编辑密集型生产工作而设，在这类场景中，可以接受较慢的生成速度以换取更严格的指令控制；而 Flare 则是面向大批量生成的快速默认选项。输出分辨率最高支持 2048×2048 和 3840×2160，支持透明背景，每个输出都带有 C2PA 溯源元数据以及不可见水印。

LLaDA-Image 是一种研究风格的开源发布，建立在一种完全不同的赌注之上。GPT-Image-2.5 由 OpenAI 的基础设施提供服务，而 LLaDA-Image 是一套由你自己运行的权重：生成端是一个 60 亿参数的扩散 Transformer（DiT）——模型卡显示，若将语言端计入，总参数约为 70 亿——并搭配 LLaDA 2.0-mini，这是一个 160 亿总参数 / 10 亿激活参数的混合专家扩散语言模型，作为“理解”端，负责将文本提示或编辑指令转化为 DiT 所遵循的信号。arXiv 论文（2609.03796）中不寻常的主张在于训练方案：累计约 2.2 亿个预训练和中期训练样本中，超过 90% 是纯图像样本，利用一个冻结的视觉语言模型从无标签图像中提取语义，作为自条件信号，因此模型“先学会画，再学会服从”。渐进式分辨率使训练从 256×256 逐步提升到 512×512，再到 1024×1024 的微调，随后是图文混合生成与编辑训练，以及 TwinFlow 少步蒸馏，进而产生 LLaDA-Image-Turbo 变体。

每一个实际擅长什么

GPT-Image-2.5的定位是在商用品质下实现精准与控制。OpenAI的公告强调了参考保真度——在更改场景或风格时保持人物、宠物或产品可识别——以及只改变你要求改变的内容的编辑能力，并且在一段对话中能持续进行多轮编辑。图像内的文字渲染被特别提及，包括消除了早期图像模型中困扰用户的乱码中文字符。这些正是产品、品牌或广告团队会反复用到的能力。

LLaDA-Image 的卖点在于，一套权重即可完成双语生成和指令引导编辑，并采用开放的配方。inclusionAI 报告称，其支持原生中文和英文文本渲染；编辑路径通过双路径设计注入参考图像，以保留未修改的内容；在 Qwen-Image-Bench 上，发布时其开放权重得分位居榜首。发布中坦诚的说明是，感知编辑质量仍落后于专用编辑器，目标计数能力依然薄弱。它是一个通用型开放模型，而非成熟的商业产品。

这个排行榜刻意不是一场关于图像质量的竞赛——这两个模型从未被给予相同的评估。它所展示的是资金与控制权的流向。

一张图片的价格，是任何一方都不会告诉你的那个数字。

OpenAI发布了一份GPT-Image-2.5的token费率表，与GPT-Image-2完全相同：每百万图像输入token收费8美元，每百万图像输出token收费30美元，缓存的图像输入token收费2美元，文本token单独计费，每百万收费5美元。但OpenAI并未公布一张给定图像会消耗多少token，这意味着没有官方的单张图像价格，也没有费用计算器。根据AA在其排行榜上列出的前代产品价格——GPT Image 2在"高"质量下每1000张图像约211美元——按token计量的旗舰模型在批量使用时是一款昂贵的工具，但该数字针对的是GPT-Image-2而非2.5，新模型的单张图像成本在OpenAI之外确实无人知晓。

LLaDA-Image 存在相反的诚实问题。权重下载无需任何费用，模型卡也带有 Apache-2.0 标签，但真正的代价在于基础设施：6B 扩散 Transformer 在 50 步的 Base 变体上需要一块强劲的 GPU，而 FP8 检查点（diffusers 布局下约 49 GB）才是大多数用户更实际的选择。LLaDA-Image-Turbo 的 2–4 步蒸馏正是对这一现实的妥协。社区工具发展迅速——一个 SGLang pull request 加入了文生图、编辑、序列并行和 FP8 支持，RebelAI 的 ComfyUI 节点包也支持 INT8 和 GGUF 量化的本地推理——但“免费模型”依然意味着“你就是托管服务提供商”。对于已经运行 GPU 算力的团队，LLaDA-Image 的边际成本趋近于零；对其他人而言，一旦把工程时间算进去，自托管它的总成本可能超过按量计费的 API 账单。

若想两者兼得，诚实是必经之路。

对大多数团队而言，这二者并非非此即彼。生产管线可以用 GPT-Image-2.5 这样的托管 API 来承接面向客户、编辑密集且不容有失的工作，同时保留 LLaDA-Image 这样的开放权重模型，用于实验、离线批处理，以及任何不能向第三方发送提示词的任务。这种分工正是路由层所要解决的问题——一个 API 就能接入你实际在用的托管模型，模型供应商目录价原样传递、不加价，因此日后通过托管路由试用开放权重模型时，成本与直接对接该供应商完全相同。截至 2026 年 9 月 9 日，OrcaRouter 的模型目录中还没有这两个模型：GPT-Image-2.5 目前仅可通过 OpenAI API 使用（上一代 GPT-Image-2 已纳入路由），LLaDA-Image 则只发布权重，不提供托管推理服务。无论当下的目录如何，这一设计意图都不会改变。

你应该基于哪一个来构建？

如果你的工作是对接商业客户的图像生成——失败的编辑可能毁掉客户关系——例如产品图、营销创意、保持参考一致性的图像、多轮长对话编辑——那么GPT-Image-2.5就是整个设计都围绕该任务展开的模型，而Sunburst端点即便在独立评测数据出现之前，也足以让你关注它。风险在于按图计价的透明度不足，以及所有质量声明都出自OpenAI自家之口。如果你的工作是研究、大规模实验、中英双语生成，或任何必须在自家环境或自有数据上运行的任务，LLaDA-Image则是更有意思的发布——真正开放权重并附有公开配方，代价是你得自己搭建基础设施，并且接受那些尚未被复现的分数。两个模型发布时间仅相隔一周，运营模式却天差地别；正确的选择，取决于哪一种成本是你实际能够承担的。