Qwen-Image-2.1 vs GPT Image 2：免费下载，还是租用最好的那个

Qwen-Image-2.1是一个 33 GB 的下载包，你可以免费运行，却不能出售。GPT Image 2则是一个根本无法下载的 API，按 token 计费，投入生产已有四个月，并稳居独立图像排行榜榜首。这两个事实就构成了这笔交易的全部，而有趣之处在于，那个一开始就让人值得一看 Qwen-Image-2.1 的透明功能，在一个月之内以完全不同的路径登陆了两套系统。Qwen-Image-2.1 于 2026 年 9 月 20 日发布，其潜在空间中内建了 alpha。GPT Image 2 则在 2026 年 8 月 20 日通过 API 标志新增了 background: "transparent"参数。

通往同一功能的两种路径

透明的输出结果，正是大多数人最终会去比较这两者的原因，所以就从这里入手吧，因为它们的实现方式并不等同，而这种差异比输出结果本身更重要。

Qwen-Image-2.1 的透明度是架构层面的。一个 64 通道的 RGBA VAE，配合 16 倍空间压缩，意味着 alpha 是模型进行去噪的潜空间的一部分。同一套机制带来了三种用途：生成带透明度的图像；在已有透明度的图像内部进行编辑而不将其压平；从普通 RGB 照片中提取主体并返回 alpha 而非二值掩码。这是一项能力、三种用法，而厂商自己的说法是：无需单独的背景移除节点、抠像模型或边缘清理环节。

GPT Image 2 的透明度是一个请求参数。添加background: "transparent"并搭配output_format: "png"，即可返回一张带有真实 alpha 通道的图像，并且在文生图、图像编辑以及 Responses API 中的图像生成工具中都可正常使用。基于蒙版的局部重绘（inpainting）与透明背景可以结合使用。它是以预览版形式发布的，因此 OpenAI 官方的说明是结果可能不稳定——而且带透明度的编辑被描述为重新绘制或移除背景，而非精确的轮廓抠图。至少有两个二手来源声称该参数不可用，且 GPT Image 2 根本不输出透明度；这些说法与发布报道、API 文档镜像以及第三方测试相矛盾，因此应将其视为过时或错误的信息，而非反向信号。透明度不会改变 token 成本——在给定的质量和尺寸下，透明图像与不透明图像消耗相同的图像 token。

所以两者都会产生 alpha。一个之所以如此，是因为模型本来就是那样构建的；另一个则是因为某个参数向服务请求了它。哪一种更好，完全取决于这个 alpha 是否必须经受住编辑循环的考验，而这在一个下午之内就能验证。

GPT Image 2 的先发优势能为你带来什么

四个月的投产时间不是卖点，而是成熟度上的差距，而且它会在一些平淡却关键的地方暴露出来。

• 独立排名 —— GPT Image 2 位居独立图像排行榜榜首，且占据该位置的时间已足够长，足以说明这是稳定表现，而非发布周的短暂冲高。本文撰写时，Qwen-Image-2.1 完全未出现在这些榜单上。
• 有据可查的失败模式 —— 一个已公开使用四个月的模型，积累了可供查阅的已知失败案例，让你能在踩坑之前先了解清楚。而昨天才公开的模型，只有厂商的评分卡和一次集成测试。
• 运维能力面 —— 以每分钟令牌数和每分钟图像数双重维度给出的分级速率限制（从入门级的 100,000 TPM 和 5 IPM，一直到最高档的 8,000,000 TPM 和 250 IPM），并支持批量端点。这正是演示与可估算容量的队列之间的区别。
• 来自第三方的质量数据 —— 榜单排名是独立测得的。Qwen-Image-2.1 唯一的数字来自厂商自家的 Qwen-Image-Bench 图表，其中它显示为 60.28，而 Nano Banana 2.0 为 59.82，GPT Image 1.5 为 59.65。此为厂商材料，未经复现。

关于 Qwen-Image-2.1 唯一真正独立的数据点，是随 SGLang 集成一同发布的功能验证：透明 PNG 输出通过，alpha 在完整的 0–255 范围内得以保留，在单个样本上测得 RGBA PSNR 为 60.69 dB，且 FP8 配置通过了透明 PNG 生成。SGLang 作者明确表示，这是一项正确性检查，而非通用质量保证。这是目前可获得的、证明 alpha 通道真实存在的最强证据。它完全没有说明这些图片是否好看。

该法案，已审议完毕

GPT Image 2 按 token 计费，这意味着素材成本取决于质量档位和分辨率，而按图计价会掩盖这一点。公布的目录价为每百万文本输入 token 5.00 美元、每百万图像输入 token 8.00 美元、每百万图像输出 token 30.00 美元，缓存费率分别为 1.25 美元和 2.00 美元。OpenAI 并未发布该模型的静态输出 token 表——涵盖低、中、高 token 数量的旧表已明确标注不适用于 GPT Image 2——因此下面的数字是第三方在 1:1 宽高比、文生图条件下对目录价格的实测值：

• 1K 输出—— 每张图片：低质量 $0.0059，中等 $0.053，高质量 $0.211。
• 2K 输出—— 低质量 $0.012，中等 $0.107，高质量 $0.428。
• 4K 输出—— 低质量 $0.020，中等 $0.178，高质量 $0.712。

在相同分辨率下，低质量与高质量之间的差距大约是三十五倍。这才是 GPT Image 2 流水线中真正要做的决策：不是选哪个模型，而是在最低成本下哪一档质量能通过审核。而它与编辑功能的相互作用方式，往往让人措手不及——input_fidelity在该模型上无法调整，因为它会自动以高保真度处理每一张图像输入，所以带有参考图的编辑请求所消耗的图像输入 token 会比你根据输出尺寸估算的更多。因此，在这里“生成—检查—编辑”循环的成本，比单张图片的数字所显示的要高。

相比之下，Qwen-Image-2.1 每张图像的边际成本就是电费。问题出在固定成本和许可上。下载需要三十三吉字节，其中 DiT 约占 14 GB，其余归于 Qwen3-VL 8B 文本编码器，在显存受限的显卡上建议启用 CPU 卸载，而这一切都受 2026 年 9 月 20 日签订的 Qwen Research License Agreement 约束——仅限非商业用途，商业权利需另行安排，且没有公布的价格或条款。

托管选项所处的位置

有一条中间道路可以同时绕开 GPU 和授权问题，而且这也是大多数团队实际采用的做法。OrcaRouter 将 OpenAI 的 GPT-Image 系列与 Google 的 Imagen 4 各档位、Gemini 图像预览版以及 xAI 的 Grok Imagine 图像端点一并路由——200 多个模型汇聚在一个兼容 OpenAI 的端点之后，供应商标价零加价直通，跨供应商自动故障转移，外加路由 DSL 和模型融合。由于是标价直通而非加价转售，任何被路由模型一旦降价，当天就能生效；又因为故障转移是自动的，某家供应商出状况也不会变成你的服务中断。Qwen-Image-2.1 不在我们路由的模型之列，其他任何 Qwen-Image 版本也一样——它只能本地部署——所以这并不是为新来者做宣传。这是对“在评估这个新来者期间我该用什么”的诚实回答。

这个决定，直白地说

如果输出用于商业用途，如果你需要独立测量的质量下限，如果你想要可预测且可设上限的按资产成本，或者如果你需要它本周就能用上而无需购买硬件，那就选 GPT Image 2。接受你是在租用、无法微调、无法离线运行，并且每张图像成本会随用量永久线性增长。

如果输出用于研究、评估或个人用途，就选 Qwen-Image-2.1；如果你特别想要的是能在编辑循环中保留下来的 alpha，而不是某个参数一次性生成的 alpha；如果你想读懂重写逻辑——随附的 PE-T2I 和 PE-I2I 检查点是微调过的 Qwen3.5-VL 9B 模型，配有可读的 system_prompt.txt，这比任何托管图像 API 能提供给你的都多——或者你只是想知道，到 2026 年 9 月，一个 7B 开放权重图像模型能做到什么，而又不必为每张图付费去一探究竟。

两个都不选，而是把它转出去——前提是交付物属于商业性质，且截止日期是硬性的。这不是推诿回避，而是那个不需要你去解决一个目前还无人能答复的许可问题的选项。