GPT-Image-2 对比 Flux 3：已上线模型与路线图的比较

这不是一个普通的模型对模型对比帖，因为GPT-Image-2和Flux 3并不处于相同的存在状态。GPT-Image-2 于2026年4月21日上线，自5月初起即可通过 OpenAI 的 API 调用，本周还获得了一项新能力——API 中的透明背景图像生成，该功能于8月20日宣布，现已可用。Flux 3 是 Black Forest Labs 的多模态基础模型，于2026年7月23日宣布，但截至本文撰写时，其图像层仍然没有公共端点、没有模型 ID，也没有定价表。其中一个，你可以在凌晨3点用有效密钥调用；另一个，你只能注册进入候补名单。因此，有用的比较不是“哪个更好”，而是已发布的模型今天实际上能做什么、路线图对未发布的模型承诺了什么，以及开发者应如何看待一个不断跳票的承诺模型——而一个已上线的模型却在不断改进。

这些之中有一个有端点

先从可用性说起，因为它决定了其他一切。Black Forest Labs 于 7 月 23 日发布了 Flux 3，这是一个在图像、视频、音频和机器人动作预测上联合训练的单一模型，基于该实验室所称的 Self-Flow 流匹配方法。据报道，超过 95% 的训练算力投入到视频预测上，这一点从实际交付的产品中显而易见：只有 Flux 3 Video 于 8 月 4 日达到全面可用状态，并提供付费 API。图像层的模型页面仍然标注着“即将推出”和申请表，而不是“开始使用”按钮——没有端点、没有文档化参数、没有单张图片的成本，也没有任何人可以运行的基准测试。

相比之下，GPT-Image-2 已经投入生产四个月了。OpenAI 在五月初开放了 API 访问权限，模型的标识符 gpt-image-2 足够稳定，固定快照版本 gpt-image-2-2026-04-21 也与它并存。目前它在两大独立评测榜单上都是排名第一的文生图模型——在 Arena 的文生图排行榜（中等配置）上获得 1,381 Elo，在 Artificial Analysis 上以高端配置获得 1,369 Elo——而且它能渲染包括中日韩文字（CJK）在内的多语言文字，将生成过程建立在网络搜索之上，并支持最高 4K 分辨率的输出。四个月的生产流量，正是口头宣称与实际战绩之间的区别。

GPT-Image-2 方面的最近变更

让这场对决显得及时的事件与 Flux 3 无关。8 月 20 日，OpenAI 在 Images API 中为 GPT-Image-2 开放了透明背景预览：将背景设置为“transparent”，该端点即返回带真实 alpha 通道的 PNG 或 WebP，已抠图完毕，可直接合成。这一功能直指 Flux 3 图像路线图同样在力推的生产场景——产品图、图标、营销素材——而且它是作为参数落在已上线的端点上，而非等待新模型。因此，当全世界还在等待仍写着“即将推出”的 Flux 3 图像端点时，既有玩家刚刚填补了阻碍其进入合成管线的缺口之一。

此能力仅限 API 使用——没有 ChatGPT 开关——它是一个参数，而非新产品。Images API 的两个端点（生成和编辑）都接受一个 background 字段，其值可为 “transparent”、“opaque” 和 “auto”（默认值，由模型自行决定）。alpha 通道仅在 PNG 或 WebP 输出中得以保留，因此请求会显式固定输出格式。OpenAI 自己的 API 参考文档仍将 gpt-image-2 及其 gpt-image-2-2026-04-21 快照的透明支持标记为“预览中”——这是供应商自己的标注，并非转正公告——其建议是让提示词中不包含任何对背景的描述，这样模型才会真正响应透明请求。没有新的端点、没有新的模型 ID、也没有单独的定价表：原本返回不透明 PNG 的同一个 gpt-image-2 调用，现在将返回抠图结果。

Flux 3 图像承诺了什么，以及实际发布了什么

Flux 3 图像层的规格表是供应商的路线图，因此就把它当作路线图看待。Black Forest Labs 承诺了跨风格与分辨率的图像合成和编辑、改进的复杂提示处理、高精度的多语言文本渲染、从参考图像进行零样本风格迁移、无需微调即可保持角色与品牌一致性，以及保留纹理和光照的非破坏性编辑。这些是值得承诺的正确事项——它们正是当前市场领导者竞争所依赖的功能——但如今它们都无法测试，因为没有一个具有端点。

从 BFL 实际可调用的包括视频层级和较早的 FLUX 图像系列。Flux 3 Video 完整渲染的价格为 HD 每秒 0.17 美元、FHD 每秒 0.29 美元，另有每秒 0.06 美元的草稿模式。其自行公布的成绩是文生视频 Elo 1135、图生视频 Elo 1051，并在偏好测试中胜过 Luma Ray 3.2、Runway Gen-4.5、Gr​ok Imagine Video 和 Kling v3 Pro——以上均为厂商自行报告且未经独立复现，而且无论如何都不适用于图像层级。在静态图像方面，BFL 目前提供的仍是 FLUX.2 系列，它在同一 Artificial Analysis 排行榜上的 Elo 为 1226，而 GPT-Image-2 以 1369 领先。这一差距正是“Flux 3 图像即将推出”的实际背景：如今 BFL 图像 API 落后 Ope​nAI 约 140 Elo，而承诺中的新模型正是 BFL 弥合这一差距所需要的。

定价：只存在一个真正的价格卡片。

没有 Flux 3 图像价格，因为没有 Flux 3 图像产品。唯一公布的数字是 GPT-Image-2 的 token 费率：每百万文本输入 token 5 美元，每百万图像输入 token 8 美元，每百万图像输出 token 30 美元；Batch API 约为半价，最长 24 小时周转。Ope​nAI 不公布每张图像的 token 消耗量，因此每张图像的价格是换算值而非报价：低质量 1024×1024 约 0.006 美元，中等质量约 0.05 美元，高质量约 0.21 美元，4K 高质量渲染最高约 0.41 美元。作为对比，这是账本上真实存在的一栏；Flux 3 图像那一列是空单元格。

构建者应如何处理承诺的模型

当竞争对手的模型不断跳票时，明智的做法是在已有基础上构建，并把未来变成一次配置变更，而不是重新架构。GPT-Image-2 如今可以通过 OrcaRouter 进行路由——一个 API 密钥、Ope​nAI 的标价以 0% 加价直接透传、跨提供商自动故障转移——因此，凡是使用它生成资产的流水线，将来在 Flux 3 image 的 API 真正存在的那一天，都可以让同一端点指向该 API，并通过路由 DSL 将一部分流量路由过去，而无需改动调用代码。你现在就能用上已发布的模型，而当承诺的模型落地时，你可以对照一个可运行的基线来评估它，而不是对照一份新闻稿。等待不会让你付出什么；但在等待中从零搭建、没有依托，才会让你付出一切。

结论的偏斜是设计使然。如果你本季度需要图像生成，GPT-Image-2 就是不二之选——它是独立榜单上的第一名，刚刚在 API 中增加了透明背景输出，而且提供公开 API 和稳定的价格。Flux 3 image 是让你关注 Black Forest Labs 的理由，而不是让你押注某个项目的理由。跟踪早期访问的开放时间和首批独立基准测试；一旦端点出现，这篇文章中的对比就会成为你真正能运行的测试。