Qwen-Image-2.1 对比 GPT-Image-2.5：差距只是一个数字，而且不是质量

把Qwen-Image-2.1和GPT-Image-2.5放在规格参数上并排对比，它们看起来就像一对孪生兄弟：两者都是统一的生成与编辑图像模型，都支持透明背景输出，都在最近五周内发布，都能输出 2K 级静态图像。决定二者之间如何取舍的差异只有一个数字，而且并非基准测试得分。Qwen-Image-2.1 可以免费下载，却无法拿来售卖。GPT-Image-2.5 无法下载，却可以轻而易举地售卖。其余的一切——架构、延迟、透明效果的实现方式——都是这一点的下游产物。Qwen-Image-2.1 于 2026 年 9 月 20 日开源；GPT-Image-2.5 于 2026 年 9 月 8 日发布，其 API 模型同日上线。

两种增加透明度的方式，相隔一个月

两个模型在几周内先后获得透明输出，这一巧合值得深究，因为这两种实现方式并不等同。

Qwen-Image-2.1 将 alpha 放进了模型内部。它在具有 16× 空间压缩的 64 通道 RGBA 潜空间中进行去噪，因此 alpha 通道是采样器所生成结果的一等组件。没有分割步骤，也没有抠图环节。除此之外，还有一个不同寻常的额外特性：由于模型可以按提示决定是输出 RGB 还是带 alpha 通道的图像，它也能从一张普通照片中提取出主体，返回一个透明图层，而不是二值掩码。

GPT-Image-2.5 走的是参数路线。OpenAI 的 API 接受 background设置为 auto、opaque 或 transparent，模型会据此作出相应的响应。这是在托管端点上的一个能力开关，而非潜在空间本身的属性；它的好处在于你根本不用为它费心：设好标志，拿到抠图，继续手头的事。代价则是端点给什么你就得什么，分辨率和成本都由端点说了算。

哪个更好，至今确实尚无定论。在撰写本文时，还不存在将 Qwen-Image-2.1 的 alpha 边缘与专用抠图模型进行对比的公开比较；而在 Qwen 一侧，唯一公开的检查是功能性的——透明 PNG 输出通过，alpha 在完整的 0–255 范围内得以保留，单个样本的 RGBA PSNR 为 60.69 dB。那是一项正确性检查，而非质量评判。它只能说明该通道是真实存在的。

你实际可以衡量的内容

• 参数 —— Qwen-Image-2.1 的生成组件是一个 7B、32 层的单流扩散 Transformer，搭配 Qwen3-VL 8B 文本编码器；权重总计约 33 GB，其中 DiT 约占 14 GB。OpenAI 未公布 GPT-Image-2.5 的参数数量。
• 分辨率 —— Qwen-Image-2.1 在 40 个推理步数下原生输出最高 2048×2048，提供七种宽高比预设。GPT-Image-2.5 支持最高 3840×2160 和 2160×3840 的尺寸，每条边上限为 3840 px，且必须为 16 的倍数。
• 参考图像 —— Qwen-Image-2.1 最多接收 10 张，用于多主体合成和虚拟试穿。OpenAI 的图像模型可接受参考输入用于编辑，但实际限制和保真表现因模型和质量档位而异。
• 延迟 —— SGLang-Diffusion 公布的数据为：在单块 B200 上，1024×1024、40 步生成耗时 2.748 秒；在 24 GB 的 RTX 4090 上使用 Cache-DiT 和 INT8 内核时耗时 4.74 秒（仅去噪阶段）。OpenAI 称 GPT-Image-2.5 的 Flare 变体延迟比 GPT-Image-2 最多降低 50%，另有一家发布合作伙伴测得的降幅为 2–4 倍——前者为厂商自报，后者为合作伙伴自报，均非受控对比。
• 价格 —— Qwen-Image-2.1 没有托管价格，因为没有托管端点；成本就是你自己的 GPU 时间。GPT-Image-2.5 按与 GPT-Image-2 相同的 token 费率计费：每 100 万图像输入 token 8.00 美元，每 100 万图像输出 token 30.00 美元，每 100 万文本输入 token 5.00 美元。
• 许可证 —— Qwen-Image-2.1 依据 2026 年 9 月 20 日签署的《Qwen 研究许可协议》发布，仅限非商业用途。GPT-Image-2.5 是商业 API，输出带有 C2PA 来源信息和不可见水印。

那份清单里有一行比看起来更单薄。OpenAI 不公布 GPT-Image-2.5 的每张图价格，只公布 token 费率，而图像 token 消耗会随分辨率和质量档位而变化。第三方测量给出的范围大约是每张图 $0.0059 到 $0.712，涵盖 1K、2K 和 4K，在低、中、高设置以及 1:1 宽高比下——可作为数量级参考，而不是报价。如果你在做预测，请根据 token 数量和你自己的提示词分布来构建估算，而不是依据别人测得的每张图数字。

没人会把这两项成本放在同一栏里

这个比较之所以难以给出一个简单的答案，是因为这两种模式用不同的货币向你收费，而汇率恰恰取决于你自己的具体情况。

GPT-Image-2.5 按 token 计费，这意味着计量可见、可预测，并随用量线性增长。对于流量已知的产品来说，这是一个真正的优势：你可以把它纳入预算，而供应商降价后，你的成本当天就会跟着下降。它也是对探索征收的一种税，因为提示词的第 10 次迭代与第 1 次成本相同。input_fidelity 行为让这一点比表面费率所暗示的更加尖锐——API 可以自动对图像输入应用高保真处理，这会消耗比随便看一眼价目表所暗示的更多的输入 token，因此编辑循环的成本高于人们引用的单图数字。

Qwen-Image-2.1 把这两种属性都颠倒了过来。第 100 次生成的边际成本是电费。这使它成为更适合迭代、批量回填，以及任何提示词仍在摸索阶段的场景的工具。但它无法为财务报表提供一个数字——无论 GPU 是忙是闲，你都在为它付费——也不赋予你出售生成结果的权利。《Qwen 研究许可协议》仅允许非商业性的研究与评估，并声明商业部署需要获得杭州通义实验室技术有限公司的单独许可。该许可没有公开的价格，也没有列明条款。这不是一条脚注；对于商业流水线而言，这就是整个决策本身。

同时运行两者，无需第二份合同

对大多数团队来说，现实的答案不是二选一，而是两者都要。GPT-Image-2.5 负责生产路径，在这条路径上，输出会交付给客户，而按 token 计量的费用会作为单独一项列出。Qwen-Image-2.1 负责探索路径，在这条路径上，你需要一张透明产品图的两百个变体，而没有供应商会以合理的价格卖给你这个量。

摩擦在于，这两者通过完全不同的途径抵达。一个是 API 密钥。另一个是 33 GB 的下载、一个 Python 环境，以及一块你自己拥有的 GPU。OrcaRouter 覆盖托管的那一半：200 多个模型统合在一个 OpenAI 兼容端点之后，提供商目录价以零加价透传，跨提供商自动故障转移、用于表达回退的路由 DSL，以及将多个模型合并为一次调用的模型融合。在这个模型上保持精确很重要——我们今天并不路由 GPT-Image-2.5；我们的 OpenAI 图像路由是 GPT-Image-2、GPT-Image-1.5 和 GPT-Image-1-mini，全部按 OpenAI 目录价，而当上游提供商添加 gpt-image-2.5 标识符的那一天，同一个密钥无需更改代码即可调用它们。我们也不路由任何版本的 Qwen-Image 模型，因此 Qwen-Image-2.1 在我们这边根本不是一条路由。与此同时，透传定价给你带来的好处是：当 OpenAI 调整费率时，我们这边的数字会随之变动，而不是滞后变动。

结论以条件而非胜者的形式陈述

如果产出需要对外销售，这就没什么好争的：GPT-Image-2.5 是这两者中你获准使用的唯一一个，而 token 计量就是为此付出的代价。如果产出用于研究、内部工具或评估，Qwen-Image-2.1 则是更强的工具——原生 2K、采样器直接输出 alpha、十张参考图，而且一旦硬件成本付清，边际成本就是零。如果你两者都需要，那就两个都跑，并把许可证视为决定某项具体任务进入哪条流水线的边界。

有两件事会改变这一点。一份正式发布的 Qwen-Image-2.1 商业条款清单，将会弥合许可条款那一行的差距——而这一行目前在这项对比中起着主要作用。此外，如果 Qwen-Image-2.1 能在某个独立图像排行榜上占有一席之地，就能告诉我们：厂商自家的 Qwen-Image-Bench 成绩——60.28，领先于 Nano Banana 2.0 的 59.82 和 GPT Image 1.5 的 59.65，在开源模型中排名第一——能否在产出该成绩的实验室之外依然站得住脚。这两者目前都还不存在。在它们出现之前，最诚实的建议是：依据许可条款和计价方式来选，而不是看记分牌。