Images 2.6 與 Meta Muse Image：21 倍價差主要取決於品質設定

你會發現有人引用的比較是，Images 2.6 的成本大約是 Meta Muse Image 的 21 倍。這個數字是真的，同時也具有誤導性，因為它把 OpenAI 最昂貴的輸出設定拿來和 Meta 唯一的設定相比。GPT-Image-2.6 Sunburst 每百萬個影像輸出 token 收費 30 美元，而在「max」token 預算下，每張圖片約為 0.21 美元。Meta 則統一收取 1 美分。但把 Sunburst 降到中等品質——大多數實際生產工作運行的設定——OpenAI 的數字就更接近 0.013 美元。到那時，差距是 1.3 倍，而不是 21 倍，整個論點就必須圍繞價格以外的東西重新建構。Images 2.6 於 2026 年 11 月 4 日推出，有兩個 API 變體：Sunburst 和速度調校過的 GPT-Image-2.6 Flare。Meta Muse Image 自 2026 年 7 月 7 日起全面開放，由 Meta Superintelligence Labs 以代號 Mango 打造，是這一代最便宜且可信的影像 API。

所以真正有用的問題不是「哪個比較便宜」，而是「在每一個品質層級上，多花的錢買到了什麼；又到了哪個點，即使對精打細算的團隊來說，Meta 的固定費率也不再是正確答案。」

正確地進行算術運算

OpenAI 並未公布每張圖片的價格，因此任何每張圖片的數字都是從 token 模型推導而來。費率為每百萬個文字輸入 token 5 美元（快取價 1.25 美元）、每百萬個圖片輸入 8 美元（快取價 2 美元），以及每百萬個圖片輸出 30 美元；OpenAI 的批次費率是前述費率的一半，不過 2.6 模型頁面目前將 /v1/batch 列為不支援，因此此模型目前無法享有該折扣。各品質設定的輸出 token 預算沿用自 2.5 世代，這使得這些數字屬於估算，而非已公布的 2.6 數字——這項注意事項很重要，因為分詞器或預算排程若有變動，都會影響下方每一項數字。

• 低品質 — 約 196 個輸出 token，每張圖片約 $0.006。比 Meta 便宜。

• 中等 — 約 439 個 token，約 $0.013。與 Meta 每十次一毛錢的價格相差不到三分之一美分。

• 高 — 約 1,756 個 token，約 $0.053。是 Meta 的五倍。

• xhigh — 約 3,122 個 token，約 $0.094。是 Meta 的九倍。

• Max — 約 7,024 個 token，約 $0.21。是 Meta 的 21 倍。這就是常被引用的數字。

• Meta Muse Image — $0.01 均一價，包含搜尋依據，適用於其支援的任何解析度。經銷商標價為 $0.011。

由此可得出兩件事。第一，OpenAI 的定價是一個可調旋鈕，而 Meta 的則不是。若團隊以低或中等品質作為標準，就能以大致等同 Muse 的成本運行 Images 2.6，得到的是不同的失敗特徵，而不是不同的預算。第二，真正讓預算失控的正是這個旋鈕：沒有人一開始就打算以最高設定生成，但最高設定與中等只差一個參數，而且回應中沒有每次請求的成本估算，能告訴你剛剛花了多少。

這種不對稱——按用量計費與固定費率——才是路由器除了便利性之外最站得住腳的理由。OrcaRouter 的收費是依供應商定價、0% 加價，因此按 token 計費的模型仍按 token 計費，固定費率者仍維持固定費率；你得到的是兩者都放在同一把金鑰與同一張帳單之後，這表示各模型的支出可在同一處比較，而不必從兩套帳務系統拼湊重建。自動容錯移轉在這裡也比平常更重要：如果一筆 $0.21 的請求在另一端失敗，你已為該次嘗試付費，卻沒拿到圖像，而重試同一個已劣化的端點，正是讓便宜的一個月變成昂貴一個月的方式。

在高階及以上，額外的錢能換來什麼

Quality Elo 是唯一可用的跨廠商衡量指標，而祖先模型是唯一被測量的對象。

在 AA-Image-Editing v2.1 上，於 2026 年 11 月 5 日查核：GPT Image 2.5 Sunburst（max）得分 1,199，涵蓋 18,300 個樣本。Meta Muse Image 得分 1,129，涵蓋 13,426 個樣本。這代表 70 分的差距，遠超出雙方信賴區間，也是本文最清楚的說明：在 OpenAI 區間的最高端，Muse 仍差得遠。

在 AA-Image-T2I v2.1 上，差距類似——GPT Image 2.5 Sunburst 為 1,224，而Muse Image 為 1,127，GPT Image 2（high）以 1,188 居於兩者之間。Images 2.6 本身在兩個排行榜上都還沒有資料列。它昨天才推出；Elo 排行榜需要數千次成對投票，所以這是時間差，而非結果。

真正的未解問題在於交叉點落在哪裡。Muse Image 的 1,127 大致落在 2026 年 4 月 GPT Image 2 的區間，在文生圖上約與 1,168 的 MAI-Image-2.6 旗鼓相當。若 Sunburst 中等品質的表現能接近 GPT Image 2（高品質）的 1,188，那麼 $0.013 這個設定就是以 0.3 美分換得比 Muse 高出約 60 Elo。若它較接近 1,140，那就只換得 13 Elo，Meta 在性價比之爭中直接勝出。目前沒有人能斷定是哪一種——而這單一的未知數，比這份比較中的其他所有事實都更有價值。

沒有人納入定價考量的架構差異

Meta Muse Image 不是帶有提示佇列的擴散端點。它是一個代理式生成器：根據 Meta 的描述，它會在算繪前先進行推理，能在生成過程中呼叫網路搜尋與程式碼執行，並自我精煉其輸出。這就是為什麼搜尋接地已包含在每分（cent）的價格中，而不是以工具呼叫另行計費——模型被預期會主動去查詢資料。

這帶來的好處是真實且具體的。要求製作一張包含當前產品名稱、以特定角度呈現的標誌，或必須符合某項事實細節的場景的海報，有現實依據的模型能正確處理該細節，而不是憑空捏造。要求製作一張含有算術的圖表，能執行程式碼的模型比只預測字形的模型更有機會把算術算對。

你付出的代價除了金錢之外，還包括可預測性。一個會自行決定要走幾步的代理式迴圈，比固定去噪更難界定範圍，也更難做到冪等；同一個提示詞在不同日子可能走上不同路徑。對於一項要產出一萬張型錄圖片的批次作業來說，這是實實在在的營運成本，而且不會出現在任何一份費率表上。

Images 2.6 以可直接比較的方式走向了另一個方向。它新增了一個 複雜度 參數，用來控制模型能獲得多大的規劃空間——OpenAI 的指引是從低開始，當場景有多個相互牽制的限制時再調高——並將其公開為明確的逐請求設定。換句話說，一家廠商讓規劃迴圈自動化，另一家則把它變成一個旋鈕。哪個更好，完全取決於你更希望由模型決定，還是由你自己決定。

參考影像與解析度上限

這正是兩款產品出現分歧、而這種差異足以決定整體工作流程的地方。

• 參考圖片 — Meta Muse Image 最多接受 10 張，且 Meta 聲稱同一系列中的角色一致性達 94%。Images 2.6 在 ChatGPT 中新增可重複使用的已儲存參考圖片，並在生成與編輯端點皆支援圖片輸入；OpenAI 尚未公布 2.6 模型的最大參考圖片數量。

• 輸出上限 — Muse Image 的長邊上限約為 1,600 像素，這是針對社群與廣告版位所做的刻意取捨，也是印刷用途的硬性上限。Images 2.6 並未像 Gemini 系列那樣提供同等意義的 2K 或 4K 等級；解析度是由輸出 token 預算所隱含，而非以具名等級販售。

• 輸出格式 — Images 2.6 新增 SVG 匯出，而 Muse Image 並未提供此功能。對於標誌、圖示與圖表相關工作，無論價格如何，向量輸出都具有決定性，因為點陣圖像無論獲得多少 Elo 分數，都無法放大成向量。

1,600 像素的上限，是關於 Muse Image 最被低估的一項事實。對資訊流圖片來說，固定一分錢的價格確實非比尋常。但它無法取代 2K 產品照；那些衝著價格採購、事後才發現這個上限的團隊，最後還得再花錢買放大工具——那代表第二個模型、第二個供應商，以及第二種故障模式。

三種尺度下的成交量數學

• 每月 1,000 張圖片 — Muse $10。Images 2.6 中階 $13、高階 $53、最高 $210。差別：介於一杯咖啡的價格和一台筆電的價格之間。在這個規模下，決策應完全取決於輸出品質。

• 每月 100,000 張圖片 — Muse $1,000。Images 2.6 在中等設定為 $1,300、高設定為 $5,300、最高設定為 $21,000。這正是品質設定紀律成為預算科目的區間，也是尚未監測自身 token 用量的團隊會大吃一驚的地方。

• 每月 500 萬張圖片 — Muse $50,000。Images 2.6 在中階為 $65,000，在高階為 $265,000。在這個用量下，固定費率模式不只是更便宜；它是唯一能在月底前就確知成本的模式。

這個模式是：Meta 的優勢取決於你的品質下限，而非你的產量。如果你的驗收標準在中等品質下就能達成，而且你正在大規模生成，那麼 Muse 在兩個軸上都勝出，比較也就結束了。如果這些標準只有在高或以上品質才能達成，你就是在支付 Meta 五到二十倍的費率，換取 40 到 70 分的 Elo 優勢；這是否值得，取決於一張被拒絕的圖片會讓你付出多少成本——這是任何基準測試都無法回答的問題。

每個所屬之處

Meta Muse Image是高流量、面向消費者、社群型態影像的正確預設選擇：動態貼文、廣告變體、限時動態特效，任何 1,600 像素輸出就足夠，而且每單位只要十分之一美分，就會改變你能負擔嘗試的範圍。對於需要查證事實的提示詞，代理式行為是真正的優勢；而免費附帶的搜尋接地，則是兩款產品中最超值的功能。

Images 2.6是輸出必須經得起嚴格檢視時的正確選擇：會被裁切與修圖的產品攝影、需要向量輸出的作品、依標註引導的編輯，以及任何需要動畫的內容——也就是 Meta 完全沒有對應功能的 GIF 功能。Sunburst 版本相較 2.5 所宣稱的改進，是在一連串編輯過程中保持一致，而這正是型錄工作流程所重視的特性，也正是不均 Elo 平均值所掩蓋的特性。

兩者都不是的，是一個已有定論的答案。昂貴的模型沒有獨立分數，便宜的模型則有解析度上限，而 21× 的標題比較的是兩個沒有團隊會同時採用的設定。先在中階設定下測量。這才是兩個產品真正競爭的設定，也是沒有人會寫的那一個。