Qwen-Image-2.1 與 GPT Image 2：免費下載，還是租用最強的那一款

Qwen-Image-2.1是一個 33 GB 的下載檔，你可以免費執行，卻不能轉售。 GPT Image 2則是一個你根本無法下載的 API，按 token 計費，投入正式環境四個月，並高踞獨立圖像排行榜榜首。這兩個事實就是全部的取捨，而有趣的是，讓 Qwen-Image-2.1 一開始值得一看的透明度功能——在兩套系統上以截然不同的途徑，於一個月內先後出現。Qwen-Image-2.1 於 2026 年 9 月 20 日推出，alpha 直接內建於其潛在空間中。GPT Image 2 新增了一個 background: "transparent"參數，時間是 2026 年 8 月 20 日，作為 API 旗標。

通往同一功能的兩條路徑

透明輸出是多數人最後會拿這兩者來比較的原因，所以就先從這裡談起，因為兩者的實作並不等價，而這個差異比輸出本身更重要。

Qwen-Image-2.1 的透明度是架構層面的設計。具備 16× 空間壓縮的 64 通道 RGBA VAE，意味著 alpha 是模型進行去雜訊的潛空間的一部分。同樣的機制讓你得以生成帶有透明度的內容、在已具透明度的影像內進行編輯而不將其扁平化，以及從一般 RGB 照片中擷取主體並回傳 alpha 而非二值遮罩。這是一項能力、三種用途，而廠商自己的說法是：不需要獨立的去背節點、摳像模型或邊緣清理步驟。

GPT Image 2 的透明度是一項請求參數。將 background: "transparent"與output_format: "png" 一併加入，會回傳一張具有真正 alpha 通道的圖片，而且無論是文字轉圖片、圖片編輯，還是 Responses API 中的圖片生成工具都能適用。以遮罩為基礎的內補（inpainting）可與透明背景合併使用。此功能以 Preview 形式推出，因此 OpenAI 自家的指引指出結果可能不穩定——而且以透明度進行編輯被描述為重新繪製或移除背景，而非精確的輪廓去背。至少兩個次要來源聲稱該參數無法使用，且 GPT Image 2 完全不輸出透明度；這些說法與發布報導、API 文件鏡像及第三方測試相牴觸，因此應將其視為過時或錯誤，而非反向訊號。透明度不會改變 token 成本——在給定的品質與尺寸下，透明圖片與不透明圖片消耗的圖片 token 完全相同。

所以兩者都會產生 alpha。前者之所以如此，是因為模型本身就是這樣打造的；後者則是因為某個參數向服務要求了它。哪一種比較好，完全取決於這個 alpha 是否必須撐過編輯迴圈，而這一點一個下午就能測出來。

GPT Image 2 的先行優勢能為你帶來什麼

上線四個月不是行銷賣點，而是成熟度的落差，而這落差會顯現在那些枯燥卻具決定性的地方。

• 獨立的榜單地位 — GPT Image 2 在獨立圖像排行榜上位居榜首，而且待在該位置的時間已經久到足以讓這成為一項穩定的說法，而非發表當週的短暫衝高。本文撰寫時，Qwen-Image-2.1 完全未出現在這些榜單上。
• 已有紀錄的失效模式 — 一個已有四個月公開使用紀錄的模型，累積了大量已知的失敗案例，讓你能在踩雷之前先讀過一輪。而昨天才公開發布的模型，只有一份廠商評分卡和一次整合測試。
• 營運面向 — 分層的速率限制同時以每分鐘權杖數和每分鐘圖像數表示（從入門層級的 100,000 TPM 與 5 IPM，到最高層級的 8,000,000 TPM 與 250 IPM），另支援批次端點。這就是展示品與一個你能據以規劃容量的佇列之間的差別。
• 來自第三方的品質數據 — 該榜單名次是獨立測量得出的。Qwen-Image-2.1 唯一的數字來自廠商自家的 Qwen-Image-Bench 圖表，其中它讀數為 60.28，對比 Nano Banana 2.0 的 59.82 與 GPT Image 1.5 的 59.65。屬廠商資料，未經重現。

關於 Qwen-Image-2.1 唯一真正獨立的資料點，是隨 SGLang 整合發布的功能性驗證：透明 PNG 輸出通過，alpha 在完整 0–255 範圍內均獲保留，RGBA PSNR 在單一樣本上量測為 60.69 dB，且 FP8 配置通過透明 PNG 生成。SGLang 作者明確表示，這是正確性檢查，並非一般品質保證。這是現有最強力的證據，證明 alpha 通道確實存在。它完全沒有說明這些圖片是否好看。

法案，已審議完畢

GPT Image 2 採用 token 計費，這意味著一項素材的成本取決於品質層級與解析度，而這是按張計價所掩蓋的。官方公布的定價為每百萬文字輸入 token $5.00、每百萬圖像輸入 token $8.00，以及每百萬圖像輸出 token $30.00，快取價格則分別為 $1.25 與 $2.00。OpenAI 並未為此模型公布固定的輸出 token 對照表——涵蓋 Low、Medium 與 High token 數量的舊表已明確標示不適用於 GPT Image 2——因此以下數字是第三方在 1:1 長寬比、文字轉圖像模式下測得的定價數據：

• 1K 輸出 — 低品質每張圖片 $0.0059、中 $0.053、高 $0.211。
• 2K 輸出 — 低 $0.012、中 $0.107、高 $0.428。
• 4K 輸出 — 低 $0.020、中 $0.178、高 $0.712。

在相同解析度下，低品質與高品質之間的差距大約是三十五倍。這才是 GPT Image 2 流程中真正的決策：不是該選哪個模型，而是哪個品質層級能以最低成本通過審查。而它與編輯功能的互動方式往往會讓人措手不及——input_fidelity在此模型上無法調整，因為它會自動以高保真度處理每一筆輸入影像，因此帶有參考影像的編輯請求所消耗的影像輸入 token 會比你根據輸出尺寸所估算的更多。所以，生成—檢查—編輯的循環在這裡會比每張影像的數字所顯示的更昂貴。

相較之下，Qwen-Image-2.1 每張影像的邊際成本就是電費。問題在於固定成本與授權條款。下載要 33 GB，其中 DiT 約占 14 GB，其餘則歸給 Qwen3-VL 8B 文字編碼器；在記憶體有限的顯卡上建議啟用 CPU 卸載，而整套東西都受 2026 年 9 月 20 日的 Qwen Research License Agreement 規範——僅限非商業用途，商業權利須另行安排，且未公布價格或相關條款。

託管選項所在的位置

有一條中間路線能同時避開 GPU 和授權問題，而這正是大多數團隊實際上會採行的做法。OrcaRouter 在路由中同時提供 OpenAI 的 GPT-Image 系列、Google 的 Imagen 4 各級方案與 Gemini 圖像預覽，以及 xAI 的 Grok Imagine 圖像端點——200+ 個模型都透過單一 OpenAI 相容端點提供，供應商定價原價直通、零加成，跨供應商自動容錯轉移、路由 DSL，以及模型融合。由於是原價直通而非加價，任何已路由模型的供應商降價當天就會生效；也因為容錯轉移是自動的，供應商某個下午出狀況不會變成你的服務中斷。Qwen-Image-2.1 不在我們路由的模型之列，其他任何 Qwen-Image 版本也一樣——它只能在本地端部署——所以這不是在推銷這個新秀。這是對「在我評估這個新秀期間該用什麼」的誠實回答。

這個決定，直白地說

如果產出要商用，如果你需要一個經獨立測量的品質底線，如果你想要可預測且能設定上限的每項資產成本，或者如果你需要這套東西在這週就能運作而不必購買硬體，那就選 GPT Image 2。接受你是在租用它、你無法對它進行微調、你無法離線執行它，而且每張影像的成本會永遠隨著用量呈線性成長。

如果產出屬於研究、評估或個人用途，就選 Qwen-Image-2.1；如果你特別想要的，是能在編輯迴圈中存續下來的 alpha，而不是某個參數只產生過一次的 alpha；如果你想讀懂改寫邏輯——隨附的 PE-T2I 與 PE-I2I 檢查點是經過微調的 Qwen3.5-VL 9B 模型，附有可閱讀的 system_prompt.txt，這比任何代管的影像 API 能給你的都更多——或者，你只是想知道在 2026 年 9 月，一個 7B 開放權重影像模型能做到什麼，而不必為了找答案按圖付費。

兩者都別選，如果交付項目具商業性質、截止期限又確實存在，就把它轉交處理。這不是推託；這是個不需要你去解決一個你目前還無法獲得解答的授權問題的選項。