GPT-Image-2.5 對比 Nano Banana 2：ChatGPT 與 Gemini 的預設影像引擎

一般人實際看到的AI圖片大多出自某個預設模型，而9月最新的兩款旗艦預設模型分別是GPT-Image-2.5和Nano Banana 2。9月8日，OpenAI將GPT-Image-2.5（即ChatGPT Images 2.5背後的模型，以GPT-Image-2.5 Flare和GPT-Image-2.5 Sunburst之名透過API銷售）推送至所有ChatGPT、ChatGPT Work與Codex層級。Nano Banana 2是Google為Gemini 3.1 Flash Image取的暱稱；該模型自2月以來一直是Gemini應用程式Fast、Thinking與Pro模式中的預設圖片生成器，並於5月28日正式對開發者全面推出。這兩個模型是全球兩款最常用AI助理的圖片引擎——OpenAI回報ChatGPT與圖片API每週產生超過30億張圖片——如今兩者都已成為成熟且可透過API存取的平台。兩者的差異已不再是有沒有使用權限，而是各自被設計來擅長什麼。

這種證據不對稱性，與本月所有 GPT-Image-2.5 比較文章中出現的情況如出一轍：OpenAI 的模型太新，截至 2026 年 9 月 9 日，尚無任何獨立排行榜為其評分；而 Nano Banana 2 自春季以來就一直名列 Artificial Analysis 的排行榜，在 9 月快照中，其文字轉圖像與圖像編輯兩項都位居前五。下文 OpenAI 對 2.5 的一切宣稱，皆為廠商自報數據。反觀 Google 的模型，則是生產環境中獲得最多實測數據的圖像模型之一。

每一個是如何成為預設的

OpenAI 透過產品化，將 ChatGPT Images 2.5 打造成 ChatGPT 的影像引擎：這次推出新增了 Sketch，你可以用 @Sketch 畫出粗略的視覺參考，模型會根據它來生成；針對海報、產品照等常見格式的 Templates；可鎖定特定區域進行編輯的圖片留言；以及提示詞分享。其餘則由通路佈局完成——現在 ChatGPT 就是採用這個引擎，涵蓋所有方案等級，包括免費版，並在桌面版、行動版與網頁版上全面使用。對大多數使用者而言，模型的選擇是看不見的。

Google 透過另一條路線到達了相同的位置。Nano Banana 2 內建於 Gemini 應用程式中，作為三種推理模式的預設生成器，而 Google 比任何聊天介面都更進一步地將其推廣——透過 Lens 與 AI Mode 推入 Google 搜尋，涵蓋超過 140 個國家；也推入了 Flow 影片編輯工具與 Google Ads。它同時也是極少數在 API 上具備完整多模態能力的影像模型：開發者可透過 Gemini API 呼叫它，並取得文字與影像兩種回應模態，因此單一模型即可在一輪之中完成生成說明文字、進行推理，以及產出影像。這種嵌入一切的分發方式，正是任何品質比較的脈絡所在。

能力說明書，逐項對照

Google 的「Nano Banana 2」工程故事，是在大規模運作中實現一致性與控制力。它能在單一工作流程中容納最多五個一致的角色與十四個物件，在影像內渲染文字（包括翻譯與在地化），並連結真實世界的主題至即時網路與圖片搜尋知識，同時支援窄至 1:4 與 1:8 的長寬比——這些正是方形影像模型無法填滿的橫幅、海報與手機桌布形狀。輸出最高可達 4K。它還提供可設定的思考等級（Minimal 與 High），讓開發者能在延遲與模型針對複雜提示進行推理之間權衡取捨；另有預覽功能，可將影片輸入轉為具情境感知的靜態畫面。

OpenAI 在 GPT-Image-2.5 的工程重點在於保真度與編輯精確度。此模型特意拆分為兩個端點，以避免兩者互相衝突：GPT-Image-2.5 Flare 是日常與高量生成場景的快速預設選項，OpenAI 宣稱其延遲比 GPT-Image-2 最高降低 50%；GPT-Image-2.5 Sunburst 則接受較長的生成時間，以換取更精準的編輯控制。OpenAI 的主要宣稱包括參考保真度——當你改變場景或風格時，人物、寵物或產品仍能保持可辨識性——以及多輪編輯（只會更改所要求的部分）、更銳利的精細細節、透明背景、正確處理中文的文字渲染，以及每個輸出都附帶 C2PA 來源證明。

這兩個模型在不同軸向上各有所長。Nano Banana 2 是能在整個設計系統中讓十種不同事物保持一致性的模型；GPT-Image-2.5 則是針對編輯鏈設計的模型，每一次修訂都必須讓其他部分保持原樣。這些是互補的優勢，而且兩家廠商都沒有在追趕對方的核心領域。

各獨立委員會對這兩者的看法

Nano Banana 2 在截至 2026 年 9 月的兩個主要 Artificial Analysis 圖像榜單上均穩座前五名——它是一個表現穩定、測量完整的模型，其優勢更多體現在文字生成圖像與一致性分數上，而非純粹的編輯能力；在編輯方面，它落後於目前領先的 MAI-Image-2.6 和 GPT Image 2 (high)。它不是任何榜單上單一最佳的圖像模型，但它是測量最完整、且發行範圍最廣的前五名模型，這是個站得住腳的位置。

GPT-Image-2.5 佔據相反的位置：所有品質宣稱都出自 OpenAI，而目前唯一的第三方數據點是 Manus 的速度測試，顯示其生成速度比 GPT-Image-2 快 2 至 4 倍。OpenAI 的前代產品 GPT Image 2 (high) 高居 AA 文生圖排行榜榜首，並在編輯項目中排名第 2，因此合理的先驗是 2.5 在推出時會落在這些數字附近或之上——但先驗不是測量，而且這是 GPT-Image 系列一年來首次在上市首日就沒有獨立驗證的版本。

價格形態，以及唯一誠實的兌換

Google 將 Nano Banana 2 的輸出 token 定價為每百萬個 60 美元，這可換算成明確的每張圖片價格：1024×1024 圖片約 0.067 美元，2048×2048 圖片約 0.101 美元，4K 級別約 0.151 美元，批次模式則約為一半——文字輸入另外按每百萬 token 0.25 美元計費。OpenAI 將 GPT-Image-2.5 定價為每百萬 token 圖片輸入 8 美元 / 圖片輸出 30 美元，與 GPT-Image-2 費率相同，但未公布每張圖片的數字；由於前代產品在 Artificial Analysis 的列表上錨定在每 1,000 張圖片約 211 美元，OpenAI 旗艦級圖片於高品質下很可能比 Nano Banana 2 在相近解析度下的圖片貴上好幾倍。這兩種定價都無法讓任一模型在真正大規模使用時稱得上便宜，但兩者之中只有 Google 的方案是可預先估算的。

因為兩家公司都經營自己的雲端服務，對於想要同時使用兩者的團隊來說，路由問題確實存在。目前 OrcaRouter 承載 Google 的影像產品線——Gemini 3.1 Flash Image 預覽快照（google/gemini-3.1-flash-image-preview）以及舊版的 gemini-2.5-flash-image——以 Google 牌價轉售，0% 加成，所以如果你的技術堆疊已經透過單一端點呼叫 Gemini 影像模型，Nano Banana 2 家族無需第二份合約即可觸及。截至 2026 年 9 月 9 日，GPT-Image-2.5 不在 OrcaRouter 的目錄中，只有上一代的 GPT-Image-2，因此這個新的 OpenAI 模型目前代表你需要直接使用 OpenAI 金鑰。

你的產品應該以哪個預設為預設？

• 發佈 — GPT-Image-2.5：2026年9月8日正式發佈。Nano Banana 2（Gemini 3.1 Flash Image）：2026年2月推出，5月28日正式發佈。

• 價格 — GPT-Image-2.5：每百萬圖像代幣 $8/$30，每張圖像定價未公開。Nano Banana 2：每1K圖像 $0.067，每2K $0.101，每4K 約 $0.151；批量半價。

• 解析度與形狀 — GPT-Image-2.5：最高可達 3840×2160。Nano Banana 2：4K，另支援 1:4 與 1:8 的窄比例。

• 一致性功能 — GPT-Image-2.5：跨編輯的參考保真度（聲稱)。Nano Banana 2：五個角色／十四個物體，世界知識基礎（聲稱）。

• 獨立評分 — GPT-Image-2.5：尚無評分。Nano Banana 2：AA，兩個排行榜均名列前五。

• API 型態 — GPT-Image-2.5：影像 API，具備兩種品質端點。Nano Banana 2：多模態 Gemini API，單次呼叫即可同時處理文字與影像。

如果你的產品是設計系統或內容引擎，需要在數千張非典型長寬比的圖片中保持角色與物件的一致性，{{1}}Nano Banana 2{{/1}}就是經過工程化設計的解答；它可量測，也是本次比較中最安全的首選——你今天可以直接透過 Google 使用它，或透過{{2}}OrcaRouter 的直通路由{{/2}}存取。如果你的產品是重度編輯型創意工作，要求每一張額外的圖片都必須完美無瑕，且預算不是首要考量，{{3}}GPT-Image-2.5 的 Sunburst 端點{{/3}}就是市場上最具吸引力、尚未經量測的賭注。本系列每一場對決所適用的紀律在此同樣適用：{{4}}OpenAI 自家的前代模型 GPT Image 2 (high){{/4}}依然是{{5}}Artificial Analysis{{/5}}上得分最高的文生圖模型，因此{{6}}GPT-Image-2.5{{/6}}必須先打破自家紀錄，才有資格與{{7}}Google 那套經充分量測的預設方案{{/7}}一較高下。請留意排行榜上它的首次亮相——那一刻就是讓這場比較從宣稱轉化為數據的關鍵事件。