GPT Image 2.5 参数与费率对照：哪些能比，哪些只能自测

对照到哪一步为止

想把两个图像模型分出高下，第一件该做的事不是去找数据，而是先看清哪些维度真的有可对照的数据。这一步跳过去，后面的比较都会歪。

对照真正的难点不在收集，而在可比性。能被公开数据覆盖的那一半，和只能自己实跑的那一半，如果混在一起排序，最后得到的往往不是任务的结果，而是排序者自己的偏好。

公开数据能覆盖的只有两类：一类是写进文档的参数，一类是计费方式。这两类有两个共同点 —— 给定同样的输入就能复现，并且可以逐项核对，是目前少数能直接摆在一起看的维度。

剩下的那一半是另一回事：主体保真到什么程度、中文长句会不会崩、某一类任务的成功率高不高。它们没有可复核的公开数值，要得到结论，只能拿自己的一组图各跑一遍。

所以这一页给的不是排名，而是两样东西：一条把「能直接比」与「只能自测」分开的分界线，以及一张可以照着核对的维度表。模型的整体能力全景，另有一页整理得更完整，见GPT Image 2.5 完整指南。

有公开数据的一侧：参数

参数指的是写进文档、给同样的输入就能复现的那一类字段：模型叫什么、可选的质量档有哪些、单边最长能到多少、一次能带几张参考图、延迟用什么口径表述。

它们能直接对照，是因为不依赖观察者的口味。换一个人来核对，读到的字段是一样的，也不会因为看的是风景图还是商品图而改变。这种稳定性，正是「可以放进同一张表」的前提，也给逐项核对带来了方便。

取数只有一条原则：以官方文档与发布说明为准。二手转述里最常见的问题有两个 —— 把版本调整前后的数字并排放，以及把某一档的参数当成整代模型的参数。这两个错误都会让对照一开始就建立在错的基准上。

站内把常用的几项整理成了一张中文速查表，与官方文档逐项对应，方便一并核对，见GPT Image 2.5 是什么。

没有公开数据的一侧：能力与画质

另一半维度没有公开数据，原因不在没人测，而在于「好」在这类任务里本身没有统一度量。

主体保真度、中文长句的成稿率、某一种风格下的失败比例、成稿的整体取向 —— 这些都要落在一组具体的图和一组具体的指令上才有意义。场景一换，结论就可能反过来。这也是为什么同一个模型在不同测评里能被排到不同的位置，它们比的其实不是同一件事。

这一侧的正确做法是自己实跑：用你自己的一组指令，在两边各跑一遍，再把结果并排看。这套方法不必在这里重复写，跨变体的对照路径和四步做法见Flare vs Sunburst 详细对比。

顺带说清一类内容：凡是给出通用排名、却不附可复核数据的榜单，都不具备对照价值 —— 它们缺的不是诚意，是让读者自己验证的入口。模型自身做不到什么、哪些场景会失手，另有一页梳理得更细，见GPT Image 2.5 局限清单。

费率对照最难的地方：口径不一样

费率是这一类对照里最容易被误读的一项，问题通常不在数字本身，而在口径有三套，而且经常被混着用。

第一套是按张计费。出一次图记一次，成本与调用次数直接挂钩。它最直观，也最容易被拿去做「谁更便宜」的比较。

第二套是按 token 计费。输入与输出分开计价，一段长提示词和一张大图会各自折算成不同的 token 量级。账单结构复杂得多，一个看起来更低的单价，落到一次真实任务上未必更省。

第三套是订阅制。按月固定，超出另计。把它和按量计费摆在一起比，比的是两种商业结构，而不是两个单价 —— 使用频次越高，两者的差距越小，甚至会反转。

三套口径只有在对齐之后才谈得上比大小。把按张的数字和按 token 的数字直接并排，是这一类对照里最常见、也最隐蔽的一处错误：两个数字都对，结论却是错的。

站内把账单拆成了几个视角：单张成本由哪几段构成，见GPT Image 2.5 价格详解；接口视角的三段结构与四种调用形态，见GPT-Image-2.5 API 计费详解；订阅套餐与积分包的组合方式，见定价页。

一张可复用的对照维度表

下表把上面几类落回具体维度，逐项标出有没有公开数据，以及该用哪一种方式得出结论。照着填一遍，比翻十份榜单更接近你真正要的答案。

表里标「无」的那几行，不必再去找第三方的说法，自己跑一次比任何转述都更可靠。参数最终是落到一次具体调用上的，怎么写进指令里，见GPT Image 2.5 怎么用。

把两个数字并排之前，先核对四件事

拿到一个数字，先别急着填进表格。下面四项只要有一项对不上，两边的数字其实不在同一张纸上。

其一，出处。数字是不是来自官方文档或发布说明。转述来的数字，先回到它的原始出处看一眼再决定用不用。

其二，日期。这类文档会随版本调整，两个数字各自更新到哪一天，决定了它们能不能并排。跨了调整点的两个数字，放在一起没有意义。

其三，对象。统计的是不是同一个版本、同一组参数。命名相近的两代，量级可能差得很远。

其四，计费口径。两个数字是不是同一套算法得出的。这一项最常被跳过，也最容易让结论整个反过来。

四项都对齐之后，再决定要不要把它们放进同一栏。表格里的维度可以直接取用，需要整套模板时有一页按用途分好了组，见GPT Image 2.5 提示词库。

引用与标注：写文章时怎么用这些数字

如果你的对照结果要写给别人看，标注方式决定了它有没有被继续使用的价值。

引用参数时写明出处与截止日期，引用费率时写明计费口径，引用能力结论时写明是在哪一组任务上跑出来的。三条都写上，读者才有办法复核，也才有办法搬进自己的场景接着用。标注得越清楚，别人照着复现时得到的判断就越准确。

反过来，一句「某模型更强」如果不带任何条件，读者读完之后拿不到能复用的东西。标清了口径的对照，价值恰恰在于它可以被继承：同一张维度表换个场景填一遍，又是一份新的结论；工况接近时，这张表也更容易直接沿用。

涉及编辑能力的那部分，方法与指令写法已经被单独拆开成体系，入口见精准编辑完全指南。

常见问题