69 张图实测图像模型成本与画质

把图片生成的 quality 从 low 调到 max，账单可能涨到约 8.5 倍，成图却未必一眼更好。作者用 5 个模型、3 类提示词生成了 69 张图片，发现实际展示尺寸、模型选择和等待时间，往往比质量档位更影响使用体验。

这组测试适合拿来检查图片生成工具的默认配置：最高档到底解决了什么问题？不过，它只覆盖 1024×1024 图片，每个组合只生成一次，结论需要放回这个范围里看。

一张图多少钱，要从响应里的 token 算起

作者比较了 gpt-image-2，以及 GPT-Image 2.5、GPT-Image 2.6 各自的 Flare 和 Sunburst。提示词覆盖三种任务：带文字的爵士海报、带「UNION」标签的耳机盒产品照，以及有韩文招牌的冬夜炒年糕摊。

质量档位包括 low、medium、high、xhigh、max。gpt-image-2 不支持后两档，对应请求返回 400 错误，最终成功生成 69 张图片，总花费 $5.63。

作者指出，官方文档列出了 token 单价，却没有直接给出 GPT-Image 2.5、2.6 在 medium 及更高档位的单张价格。他按每百万输出 token $30、每百万输入文本 token $5，结合响应里的用量计算费用。

结果中，2.5 和 2.6 的 Flare、Sunburst 在对应档位价格相同，但跨版本差异很大：

• 2.6 从 low 的 $0.025 涨到 max 的 $0.211，约为 8.5 倍。
• 2.5 从 low 的 $0.006 涨到 max 的 $0.211，约为 35 倍。
• 2.6 low 的价格约为 2.5 low 的 4 倍。

同叫 high，也不能当作同一价格档比较。gpt-image-2 high 每张 $0.211，2.6 high 每张 $0.053。给应用做预算时，只记录「用了 high」远远不够，还要记录模型和尺寸。

质量档位变高，改变的可能只是放大后的细节

作者把 2.6 Sunburst 的街边摊图片从 low 排到 max，观察到构图几乎没有变化，差异集中在针织物、蒸汽、木纹等纹理上。按原图 1:1 放大更容易分辨，缩略图尺寸下则很难看出来。

文字也没有呈现明显的档位差距。在这次测试里，low 已能正确生成英文、韩文，连小菜单板上的韩文也准确。

质量参数变高，不等于最终展示效果按价格同比提升。

另一类问题更依赖模型选择。2.5 生成爵士海报时，擅自加入了「GOOD MUSIC BRINGS US TOGETHER.」等小字，提升质量档位也没有消除；2.6 的对应图片没有这些文字，但即使同为 low，场景也更拥挤。模型变化会影响内容取舍，不能只理解成清晰度升级。

作者制作视频缩略图时还遇到类似问题：提示词第一行用于解释的「8.5 times」，被 gpt-image-2 当成画面文字；原本用韩文写的「最高质量贵 8.5 倍」也出现了两次。他删掉解释句，加入「No other text」后重新生成。

这里能拿走的经验是：提示词里的说明文字也可能进入画面。加预算之前，先检查输入是否让模型误解了需要绘制的内容。

同价的 Flare 和 Sunburst，该怎么选

这次测试中，2.6 Sunburst 比 Flare 慢 2–5 倍。Flare low 的三次生成都在 7–8 秒，而两者在 low 下的文字准确性相同。

跨模型的等待时间差距更大：gpt-image-2 high 平均耗时 105 秒，2.6 Flare high 为 10 秒。这些时间来自三个提示词的平均值，适合参考，不能当作服务延迟承诺。

作者转述，OpenAI 将 Sunburst 的优势放在 medium 及更高质量，以及反复编辑时的一致性上。但他没有测迭代编辑，也没看出 medium 与 high 的清楚差别。因此，他提出「等待中的用户和多稿生成考虑 Flare，反复修改或保持角色一致考虑 Sunburst」，后半句仍属于选型判断，缺少本次实验验证。

还有一个有助于估算费用的观察：同一模型、同一档位下，不同提示词的输出 token 数相同。2.6 low 都是 824，medium 都是 1,449，简单海报和复杂夜景没有区别。作者据此怀疑，用量主要由分辨率与质量决定，但三个提示词不足以证明这是通用规则。

我的判断

这篇最有用的地方，是把「贵多少」和「看得出多少」放在一起。缩略图在放大后才显现的纹理提升，未必值得持续付费；文字准确、少添内容、生成更快，可能更贴近实际需求。

但「高档位收益不大」目前只是有限样本下的经验。每个组合只生成一张，随机差异就可能影响判断；原文也没有给出多轮重复、盲评或稳定性统计，不能据此宣布 low 普遍够用。

作者最后把频道缩略图工具从 gpt-image-2 high 改成了 GPT-Image 2.5 Sunburst low。这是他的取舍，不是测试证明的唯一最优配置。相比统一开最高档，更合理的是先用实际提示词试低档，再针对明确缺陷升级。至于 Sunburst 的编辑一致性，仍需单独验证。

能拿来做什么

• 给封面或缩略图工具选默认配置时，先用 low 生成，再按页面中的实际展示尺寸检查文字和主体；只有发现具体缺陷，才提高档位。
• 在 Node 图片生成服务里记录模型、quality、尺寸、响应 token 用量和耗时，按所用接口的计费规则估算单张成本，避免只看 token 单价。
• 新模型上线后，复用现有海报、产品图等真实提示词做对照；把首轮生成与多轮编辑分开评估，别用首图结果推断编辑一致性。