Images 2.6 对比 Meta Muse Image：21 倍价差主要源于画质设置

你会看到被引用的比较是：Images 2.6的成本约为Meta Muse Image的21倍。这个数字是真实的，同时也具有误导性，因为它拿 OpenAI 最贵的输出设置与 Meta 唯一的一种设置相比。GPT-Image-2.6 Sunburst按每百万图像输出 token 收费 30 美元，在“max”token 预算下大约是每张图 0.21 美元。Meta 收取固定的一美分。但把 Sunburst 降到中等质量——大多数生产工作实际运行的质量档——OpenAI 的数字就更接近 0.013 美元。此时差距是 1.3 倍，而不是 21 倍，整个论点就必须围绕价格以外的因素重新构建。Images 2.6 于 2026 年 11 月 4 日发布，有两个 API 变体：Sunburst 和速度调优的GPT-Image-2.6 Flare。Meta Muse Image 自 2026 年 7 月 7 日起全面可用，由 Meta Superintelligence Labs 以代号 Mango 打造，并且是这一代最便宜且可信的图像 API。

所以，真正有用的问题不是“哪个更便宜”，而是“在每一个质量档位上，多花的钱买到了什么，以及在哪个节点上，即便是对预算敏感型团队而言，Meta 的统一价格也不再是正确答案。”

正确地进行计算

OpenAI 不公布每张图像的价格，因此任何每张图像的数字都是从 token 模型推导出来的。费率为每百万文本输入 token 5 美元（缓存 1.25 美元）、每百万图像输入 8 美元（缓存 2 美元），以及每百万图像输出 30 美元；OpenAI 的批处理费率是上述的一半，不过 2.6 模型页面目前将 /v1/batch 列为不支持，因此该折扣目前无法用于此模型。按质量设置划分的输出 token 预算沿用 2.5 代，这使得这些只是估算值，而非公布的 2.6 数字——这一注意事项很重要，因为分词器或预算安排的改变都会使下文中的每个数字发生变化。

• 低质量——大约 196 个输出 token，每张图约 $0.006。比 Meta 便宜。

• 中等 — 约 439 个 token，大约 $0.013。与 Meta 的“十次一毛钱”相差不到三分之一美分。

• 高——约 1,756 个 token，大约 $0.053。是 Meta 的五倍。

• xhigh — 大约 3,122 个 token，约 $0.094。是 Meta 的九倍。

• Max——大约 7,024 个 token，约 $0.21。是 Meta 的二十一倍。这就是那个常被引用的数字。

• Meta Muse Image — $0.01 统一价，包含搜索依据，适用于其支持的任何分辨率。经销商标价为 $0.011。

由此可以得出两点。第一，OpenAI 的定价是一个可调旋钮，而 Meta 的不是。一个统一采用低质量或中等质量的团队，运行 Images 2.6 的成本大致相当于 Muse，得到的是不同的失败特征，而不是不同的预算。第二，预算真正出问题的地方正是这个旋钮：没有人一开始就打算按最高档生成，但最高档距离中等档只有一个参数之遥，而且响应中没有任何按请求计费的成本估算能告诉你刚刚花了多少钱。

这种不对称——按量计费与固定计费——才是选择路由器而非只图便利的实在理由。OrcaRouter 按提供商目录价、0% 加价计费，因此按 token 计量的模型仍按 token 计量，固定计费模型仍保持固定；你得到的是两者都通过同一个密钥和同一张发票接入，这意味着每个模型的支出可在一个地方比较，而不是从两套计费系统中拼凑出来。自动故障转移在这里也比平常更重要：如果一笔 0.21 美元的请求在远端失败，你已为这次尝试付费，却没有得到图像，而重试同一个已降级的端点，正是让便宜月份变成昂贵月份的方式。

多花的钱在“高”及以上档位能换来什么

Quality Elo 是唯一可用的跨厂商衡量指标，而祖先模型是唯一被测量的对象。

在 AA-Image-Editing v2.1 上，核查日期为 2026 年 11 月 5 日：GPT Image 2.5 Sunburst（max）得分为 1,199，基于 18,300 个样本。Meta Muse Image 得分为 1,129，基于 13,426 个样本。这是 70 分的差距，远超两个置信区间，也是本文中最明确的结论：在 OpenAI 的最高水平区间内，Muse 差距明显。

在 AA-Image-T2I v2.1 上，差距类似——GPT Image 2.5 Sunburst 为 1,224，而Muse Image 为 1,127，GPT Image 2（high）以 1,188 位居其间。Images 2.6 本身在两个榜单上都还没有条目。它昨天才上线；Elo 榜单需要数千次两两投票，因此这只是滞后，而非结果。

真正的悬念在于交叉点究竟落在哪里。Muse Image 以 1,127 分大致处于 2026 年 4 月 GPT Image 2 的区间，在文生图方面与 1,168 分的 MAI-Image-2.6 基本持平。如果中等质量的 Sunburst 能落在 1,188 分的 GPT Image 2（高）附近，那么 $0.013 这一档就是多花 0.3 美分，比 Muse 换来约 60 Elo。如果它更接近 1,140 分，那换来的就是 13 Elo，Meta 则在价值之争中完胜。目前没人能告诉你会是哪种情况——而这个唯一的未知数，比本次对比中的其他所有事实加起来都更有分量。

没人计入定价的架构差异

Meta Muse Image 不是带有提示词队列的扩散端点。它是一个智能体式生成器：按照 Meta 的描述，它会在渲染前先进行推理，能在生成过程中调用网络搜索和代码执行，并会自我优化输出。这就是为什么搜索接地被计入单价，而不是作为工具调用单独计费——模型理应主动去查资料。

它带来的好处是真实而具体的。要求生成一张带有当前产品名称的海报、一个以特定角度呈现的徽标，或一个必须与事实细节相符的场景，有事实依据的模型能够解析该细节，而不是凭空捏造。要求生成一张包含算术的图表，能够执行代码的模型比预测字形的模型更有可能让算术正确。

除了金钱，它给你带来的代价还有可预测性。一个由智能体循环决定要执行多少步的方案，比固定去噪更难限定边界，也更难做到幂等——同一个提示词在不同日期可能走上不同路径。对于一项要生成一万张商品目录图片的批处理任务来说，这是真实的运营成本，却不会出现在任何一张价目表上。

Images 2.6 则以一种可直接比较的方式走向了另一个方向。它增加了一个复杂度参数，用来控制模型能获得多少规划余地——OpenAI 的建议是从低值开始，当场景包含多个相互作用的约束时再调高——并将其作为显式的、按请求的设置暴露出来。换句话说，一家厂商让规划循环实现了自动化，另一家则把它变成了一个旋钮。哪种更好完全取决于你更希望由模型来决定，还是由你自己来决定。

参考图像与分辨率上限

这正是两款产品出现分歧的地方，而这种分歧将决定整个工作流程的走向。

• 参考图片 — Meta Muse Image 最多支持 10 张，Meta 声称在同一系列中角色一致性可达 94%。Images 2.6 在 ChatGPT 中新增了可复用的已保存参考图片，并在生成和编辑两个端点均支持图片输入；OpenAI 尚未公布 2.6 模型的最大参考图片数量。

• 输出上限——Muse Image 最高约为长边 1,600 像素，这是针对社交和广告投放场景的有意选择，也是印刷用途的硬性限制。Images 2.6 并没有像 Gemini 系列那样公布同等意义上的 2K 或 4K 档位；分辨率是由输出 token 预算所隐含的，而不是作为命名档位来销售。

• 输出格式 — Images 2.6 新增了 SVG 导出，而 Muse Image 不提供此功能。对于徽标、图标和图表制作而言，无论价格如何，矢量输出都是决定性的，因为无论栅格图像获得多少 Elo 分，都无法将其放大为矢量。

1,600 像素的上限是关于 Muse Image 最被忽视的一点。对信息流图片来说，统一的 1 美分价格确实非同寻常。但它并不能替代 2K 产品图；那些因价格而下单、事后才发现这一上限的团队，最终还得为超分辨率工具付费——那意味着第二个模型、第二个供应商和第二种故障模式。

三个尺度下的成交量计算

• 每月 1,000 张图像 — Muse $10。Images 2.6 在中等档为 $13，在高档为 $53，在最高档为 $210。差别：介于一杯咖啡和一台笔记本电脑的价格之间。在这种规模下，决策应完全基于输出质量。

• 每月 100,000 张图像 — Muse 为 $1,000。Images 2.6 在中等档为 $1,300，在高档为 $5,300，在最高档为 $21,000。在这个区间，质量设置上的自律会变成一项预算条目，而尚未监测其 token 使用量的团队将会措手不及。

• 每月 500 万张图像 — Muse 50,000 美元。Images 2.6 在中档为 65,000 美元，在高档为 265,000 美元。在这个量级下，固定费率模式不仅更便宜；它是唯一能在月底前预知成本的模式。

问题在于，Meta 的优势取决于你的质量下限，而不是你的量级。如果你的验收标准在中等质量下即可满足，而且你在大规模生成，那么 Muse 在两个维度上都胜出，比较也就到此为止。如果只有高质量及以上才能满足，那么你就是在为 40 到 70 点的 Elo 优势支付 Meta 费率的五到二十倍，而这值不值得，取决于一张被拒的图片会给你带来多大代价——这个问题没有任何基准测试能回答。

每个所属的地方

Meta Muse Image是高批量、面向消费者、社交形态图像的正确默认选择：信息流帖子、广告变体、故事特效，以及任何 1,600 像素输出就足够、且每单位十分之一美分的成本会改变你能负担多少尝试的场景。对于需要核实事实的提示词，其智能体行为是真正的优势，而免费附带的搜索接地则是两款产品中最具价值的功能。

Images 2.6 在输出必须经得起严格审视时是正确的选择：需要裁剪和修图的商品摄影、需要矢量输出的工作、由标记引导的编辑，以及任何需要动画的内容——Meta 没有可与之匹敌的 GIF 功能。Sunburst 变体所声称的相较于 2.5 的改进，是在一系列编辑中保持一致，而这正是目录工作流所看重的特性，也正是 Elo 平均值所掩盖的特性。

它们两者都不是定论。昂贵模型没有独立评分，便宜模型有分辨率上限，而 21× 这一宣传数字比较的是没有任何团队会同时运行的两种设置。先在中档设置下测量。这才是两个产品真正展开竞争的设置，也是没人会写的那个设置。