GPT-Image-2 vs Flux 3：已上線模型與路線圖的比較

這不是一篇普通的模型對比文章，因為 GPT-Image-2 和 Flux 3 並不在相同的存在狀態。GPT-Image-2 於 2026 年 4 月 21 日推出，自 5 月初起即可透過 OpenAI 的 API 呼叫，並在本週獲得了一項新能力——在 API 中生成透明背景圖像，此功能於 8 月 20 日公布，現已可用。Flux 3 是 Black Forest Labs 的多模態基礎模型，於 2026 年 7 月 23 日發布，但截至本文撰寫時，其圖像層級仍沒有公開端點、沒有模型 ID，也沒有定價表。這兩者之中，一個是只要有有效金鑰，凌晨 3 點也能呼叫；另一個則是你只能報名排進候補名單。因此，有用的比較不是「哪個更好」——而是已推出模型現在實際能做什麼、未推出模型在路線圖上宣稱會做到什麼，以及開發者該如何對待一個一再延期、仍停留在承諾階段的模型，而另一個已上線的模型則持續改進。

其中一個有端點

先從可用性說起，因為它決定了其他一切。Black Forest Labs 於 7 月 23 日發表了 Flux 3，這是一個統一模型，聯合訓練於影像、影片、音訊和機器人動作預測，採用該實驗室稱之為 Self-Flow 的流匹配方法。據報導，超過 95% 的訓練算力用於影片預測，這在實際推出的產品中可見一斑：只有 Flux 3 Video 於 8 月 4 日達到全面上市，並提供付費 API。影像版本的模型頁面仍標示「即將推出」，附有申請表單，而非「開始使用」按鈕——沒有端點、沒有文件化的參數、沒有每張影像的費用，也沒有任何人可以執行的基準測試。

GPT-Image-2 相比之下，已投入生產四個月。OpenAI 於五月初開放 API 存取，而該模型的識別符 gpt-image-2 已足夠穩定，因此固定快照 gpt-image-2-2026-04-21 與之並存。它是目前兩大獨立評測平台上排名第一的文字轉圖像模型——在 Arena 的文字轉圖像排行榜（中型建置）上獲得 1,381 Elo，在 Artificial Analysis 的高階建置上獲得 1,369 Elo——並且能渲染包括 CJK 在內的多語言文字，將生成根植於網頁搜尋，並可輸出最高 4K 解析度的結果。四個月的生產流量，正是「宣稱」與「實績」之間的差異。

GPT-Image-2 那一側最近的變更

讓這場對決更具時效性的事件，其實與 Flux 3 無關。8 月 20 日，OpenAI 在 Images API 中開放了 GPT-Image-2 的透明背景預覽：將背景設為 "transparent"，端點便會回傳帶有真正 alpha 通道的 PNG 或 WebP，已去背、可直接合成。這項功能直接瞄準了 Flux 3 影像路線圖同樣在推銷的生產工作——產品拍攝、圖示、行銷素材——而且它是作為參數加在一個已上線的端點上，而非推出新模型。因此，當全世界仍在等待那個狀態還寫著 "coming soon" 的 Flux 3 影像端點時，現有業者剛剛補上了讓它被排除在合成管線之外的其中一個缺口。

這項功能僅限 API 使用——沒有 ChatGPT 切換開關——而且它是參數，不是新產品。Images API 的兩個端點（生成與編輯）都接受 background 欄位，值可以是 "transparent"、"opaque" 和 "auto"（預設值，由模型決定）。Alpha 通道僅在 PNG 或 WebP 輸出中保留，因此請求會明確指定輸出格式。OpenAI 自家的 API 參考文件仍將 gpt-image-2 及其 gpt-image-2-2026-04-21 snapshot 的透明背景支援標示為 "in preview"——這是供應商的標籤，而非正式發布公告——其指引也要求提示詞中不要描述任何背景，這樣模型才會真正執行透明背景的要求。沒有新端點、沒有新模型 ID、沒有獨立的價格表：原本回傳不透明 PNG 的同一個 gpt-image-2 呼叫，現在會回傳去背圖片。

Flux 3 影像承諾了什麼，實際又推出了什麼

Flux 3 影像層級的規格表是一份廠商路線圖，所以應該把它當作路線圖來看待。Black Forest Labs 承諾提供跨風格與跨解析度的影像合成與編輯、改善後的複雜提示詞處理能力、高準確度的多語言文字渲染、從參考影像進行零樣本風格轉換、無需微調即可維持角色與品牌一致性，以及保留材質與光影的非破壞性編輯。這些都是值得承諾的正確事項——它們正是當前市場領導者彼此競爭的關鍵功能——但目前沒有一項可以實際測試，因為每一項都還沒有對應的端點。

BFL 實際可呼叫的是影片層級和較舊的 FLUX 影像系列。Flux 3 Video 完整渲染在 HD 下每秒售價 $0.17，在 FHD 下每秒 $0.29，草稿模式則為每秒 $0.06。其自行公布的數字為：文字轉影片 Elo 1,135，影像轉影片 Elo 1,051，且在偏好度上勝過 Luma Ray 3.2、Runway Gen-4.5、Gr​ok Imagine Video 和 Kling v3 Pro——這些全都是廠商自行發布且未經複現的數據，而且無論如何都無法轉移到影像層級。就靜態影像而言，目前 BFL 提供的仍是 FLUX.2 系列，在同樣的 Artificial Analysis 排行榜上以 1,226 Elo 位居，而 GPT-Image-2 以 1,369 領先。這個差距正是「Flux 3 影像即將推出」的實際背景：今日 BFL 影像 API 大約落後 Ope​nAI 的 140 Elo，而承諾中的模型正是 BFL 縮小差距所需的一切。

定價：只存在一個真正的價格卡片。

Flux 3 影像沒有定價，因為根本沒有 Flux 3 影像產品。唯一公佈的數字是 GPT-Image-2 的 token 費率：每百萬文字輸入 token 5 美元，每百萬影像輸入 token 8 美元，每百萬影像輸出 token 30 美元，而 Batch API 的費用約為一半，處理時間最長 24 小時。Ope​nAI 並未公佈每張影像的 token 數，因此每張影像的費用是換算值而非報價：低品質 1024×1024 約 0.006 美元，中等品質約 0.05 美元，高品質約 0.21 美元，4K 高解析度渲染最高可達約 0.41 美元。作為比較，那是帳本上真實存在的一欄；Flux 3 影像那一欄則是空的。

建造者應如何處理所承諾的模型

當競爭對手的模型一再延期時，明智的作法是立足於既有的東西，讓未來成為一次設定變更，而非重新架構。GPT-Image-2 現在就能透過 OrcaRouter 路由——一組 API 金鑰、OpenAI 的牌價以 0% 加成直接轉傳、跨供應商自動容錯轉移——因此，用它生成素材的管線，日後可以在端點真正存在的那一天，把同一個端點指向 Flux 3 image 的 API，並用路由 DSL 將一部分流量導向它，完全不需要碰呼叫端程式碼。你現在就能拿到已出貨的模型；等承諾的那個真正落地時，你評估它所依據的是實際運作的基準線，而不是新聞稿。等待本身不花你任何成本；但在等待期間什麼都不建構，代價才是全部。

這個結論本身就是刻意一面倒的。如果你這個季度需要圖像生成，GPT-Image-2 就是首選，沒有第二個問題——它是獨立評測的第一名，剛在 API 中加入透明背景輸出，而且有公開的 API 和穩定的價格。Flux 3 image 是關注 Black Forest Labs 的理由，而不是擱置專案的理由。追蹤早期開放的進度和第一批獨立基準測試；一旦端點存在，這篇文章中的比較就變成了一場你可以實際運行的測試。