GPT Image 2 與 GPT Image 1.5 的生產團隊比較

上週我的行事曆上出現了一通遷移諮詢電話。主旨寫著：「我們應該切換到 GPT-image-2 嗎？」這個團隊花了四個月調整 GPT-Image-1.5 的提示詞與參數，並將其整合進兩套服務，如今面對新模型發布，正在思考升級是否值得重新調整一切。我告訴他們，與其在電話上給個是或否的答案，我會寫下我在回答之前想知道的事情。

這就是那份寫作。這是 GPT Image 2 vs GPT Image 1.5 的比較，但切入角度比多數比較更聚焦：不是「哪個更好」——那是基準測試的問題——而是「如果你已經有一套在 1.5 上運行的工作流程，遷移到 2 是否值得付出相應的代價。」

GPT Image 2 vs GPT Image 1.5 概覽

已確認的模型定位與快照差異

GPT Image 2 於 2026 年 4 月 21 日發布。模型 ID 為 GPT-image-2，目前快照版本固定為 GPT-image-2-2026-04-21，可在官方 OpenAI 模型頁面查看。GPT Image 1.5 於 2025 年 12 月 16 日發布，在被 2 取代之前，擔任生產環境預設版本約四個月。

真正重要的結構性變化：

推理能力。 GPT Image 2 引入了「思考模式」——模型能夠規劃佈局、在網路上搜尋參考資料，並在渲染前自我檢查輸出結果。1.5 完全不具備這些功能。2 也提供即時模式，其延遲行為更接近 1.5。
解析度上限。 2 支援最高原生 4K（長邊 3840px，2K 以上仍標記為實驗性功能）。1.5 上限為 1536×1024。
文字渲染。 這是輸出品質最大的躍升。小字體、UI 標籤、多語言文字（日語、韓語、中文、印地語、孟加拉語）——2 都能處理。1.5 表現已算不錯，但在密集或非拉丁語系佈局上會出現明顯偏差。
色彩基準。 1.5 持續出現的暖色偏移在 2 中消失了。中性白色終於能以中性白色呈現。
透明背景。 這是個陷阱。GPT Image 2 不支援透明 PNG 輸出。 1.5 支援。如果你的流程依賴 Alpha 通道去背，這一個功能就足以讓你保留 1.5。
每次呼叫的批次數量。 2 每次呼叫可返回最多 10 張圖片（思考模式為 8 張）。1.5 實際上每次呼叫只能生成一張。

需要確認的定價與速率限制差異

定價是「越新越便宜」這個說法唯一出錯的地方，而且差距小到容易被忽略。

根據 OpenAI API 定價頁面，GPT-image-2 的計費方式為：每百萬圖片輸入 Token $8.00、每百萬快取圖片輸入 Token $2.00、每百萬圖片輸出 Token $30.00、每百萬文字輸入 Token $5.00。批次 API 可享所有費用減半。

但按圖計算的費用並非均勻變化。在 1024×1024 高品質規格下，GPT-image-2 的計算機估算約為 $0.211，而 GPT-Image-1.5 約為 $0.133——因此在最常見的生產尺寸下，2 明顯更貴。在 1024×1536 直式高品質規格下則相反：2 約為 $0.165，1.5 約為 $0.20。The Decoder 的發布報導也發現了同樣的反轉現象。如果你以為新模型在所有規格下都更便宜，那麼你一半的生產尺寸將會讓你大吃一驚。

多數團隊還會忽略的兩個費用項目：

思考模式除基本圖片費用外，還會額外收取推理 Token 費用。 OpenAI 尚未公布每張圖片的明確費用。請預留緩衝空間。
使用參考圖片進行編輯在 GPT-image-2 上始終以高保真度處理輸入——input_fidelity 被鎖定。這可能使以編輯為主的工作流程費用達到每張圖基準的 2–3 倍。我在另一篇文章中詳細說明了費用機制，此處不再重複。

速率限制方面，我建議直接查看你的帳戶。OpenAI 要求通過 API 組織驗證才能使用 GPT-image-2，且限制因等級而異。官方模型頁面是最可靠的資訊來源。

GPT Image 2 的明顯改進之處

工作流程與編輯的影響

2 的編輯端點將生成與編輯整合在同一個呼叫介面中，並能清晰地處理基於遮罩的局部修補（inpainting）與外延填充（outpainting）。對於「生成、查看、調整、重新生成」這類循環工作流程而言，這少了一個跳轉步驟。在 1.5 上，邊編輯邊迭代是可用的；在 2 上，它更接近設計師的實際工作方式。

對我的多語言海報批次任務來說，這個躍升最為明顯。1.5 渲染一個韓文標題時出現了兩個字元錯誤，在 2 上卻完整輸出。我再次測試，依然正確。就是從那一刻起，我開始認真考慮這次升級。

團隊關心的潛在操作改進

以下三點值得在「是否值得重新調整技術棧」這個問題上特別說明：

含文字圖片的重試次數減少。 如果你的團隊製作海報、包裝模型、產品標籤或任何含有渲染文字的內容，2 的重試率更低。這在一定程度上抵消了每張圖片的價格增幅。
一個模型支援更多輸出尺寸。 原生 4K 省去了以往需要路由到放大器的步驟。
色彩中性度。 幅度不大但確實存在。如果你之前有色彩校正步驟來消除暖色偏移，現在可能可以省略。

我不會稱之為「革命性變化」——那是行銷語言。這是在 1.5 已經可靠的維度上有所衡量的改進。

何時升級合理，何時可能不適合

在以下情況下升級：

你製作含大量文字或多語言的視覺內容（標牌、資訊圖表、包裝、UI 模型）。
你在 1.5 上的重試率夠高，以至於費用差異被更少的重新生成所抵消。
你需要原生 4K 並希望省去放大步驟。
你在複雜構圖上遇到了佈局推理的上限，並希望在流程中引入思考模式。

在以下情況下繼續使用 1.5：

你需要透明 PNG。 這是不可妥協的條件。2 不支援。
你的主要輸出尺寸是 1024×1024 高品質，且產量很高。價格差異會累積。
你現有的 1.5 流程已調校完善，且重試率已經很低。遷移成本難以快速回收。
你對成本敏感，且以低或中等品質輸出——1.5 在這方面完全夠用。

OpenAI 的官方提示詞指南建議將 GPT-image-2 作為新生產工作流程的預設選擇，並建議在遷移期間保留 1.5 以確保向後相容性與回歸測試。這與我對團隊的建議一致：不要整批切換。依使用案例進行路由。

團隊的實用遷移檢查清單

如果你決定遷移，以下是我建議的執行順序。這些步驟都不複雜——但跳過任何一步都可能讓遷移演變成回滾。

依使用案例盤點現有的 1.5 呼叫。 進行分組：純文字生成圖片、含參考圖片的編輯、透明背景輸出、多語言文字、批次任務。每個群組有不同的遷移答案。
固定快照版本。 使用 GPT-image-2-2026-04-21，而非別名。別名會自動更新；生產程式碼不應如此。
重新測試提示詞。 為 1.5 調整的提示詞大多可以沿用，但思考模式對更明確的佈局指令有更好的回應。在 1.5 上有效的模糊提示詞可能會產生不同的構圖。
按資產記錄成本，而非按呼叫次數。 追蹤跨重試的最終資產成本。在以編輯為主的流程中，每次呼叫的價格具有誤導性。
建立路由層。 透明背景工作和 1024×1024 高產量工作走 1.5。多語言文字、4K 輸出和基於遮罩的編輯走 2。如果需要範例，fal.ai 比較頁面有附呼叫模式範例的相同路由邏輯。
試跑一週。 在切換流量之前，以真實工作負載並行運行兩個模型。不要僅憑範例提示詞做決定。

在這些遷移中踩坑的團隊，問題通常不在模型本身。他們踩坑是因為假設新模型是直接替換品，卻沒有意識到它有新的失敗模式——鎖定的輸入保真度、無 Alpha 通道、可變的推理成本。

常見問題

GPT Image 2 比 GPT Image 1.5 便宜嗎？

取決於輸出尺寸和品質。在 1024×1024 高品質下，GPT-image-2 更貴（估算 $0.211 vs $0.133）。在 1024×1536 高品質下，它更便宜（$0.165 vs $0.20）。低品質和中等品質的差異較小。Token 費率已公布；每張圖片的數字是計算機估算，取決於你實際的提示詞和編輯內容。

團隊需要更改整合流程嗎？

大致上不需要。兩個模型使用相同的 v1/images/generations 和 v1/images/edits 端點。需要注意的是：在第一次呼叫 GPT-image-2 之前完成 API 組織驗證，在程式碼中固定快照版本，並預期以編輯為主的流程費用會更高，因為 GPT-image-2 始終以高保真度處理參考圖片。

遷移前團隊應測試什麼？

以你真實的生產尺寸、品質和編輯模式進行為期一週的試跑。衡量跨重試的每個完成資產成本，而非每次呼叫的成本。任何誠實的圖片 API 比較都必須考慮重試率和編輯開銷，而不僅僅是每次生成的標價。確認任何透明背景需求沒有被悄悄破壞——GPT-image-2 不支援此功能。如果你使用非拉丁語系文字，請驗證多語言輸出。

什麼情況下繼續使用 GPT Image 1.5 是合理的？

三種情況。你需要透明 PNG 輸出。你的主要輸出是 1024×1024 高品質，且產量大到足以讓價格差異產生影響。你的 1.5 流程已成熟，重試率已經很低，而遷移風險超過了邊際品質提升。這些都不是特殊情況——對許多運行中的技術棧而言，這是常態。

結論

GPT Image 2 在大多數 1.5 已表現出色的維度上都是更好的模型——文字渲染、多語言文字、原生 4K、色彩中性度、佈局推理。它並非在成本上的嚴格改進，而且在升級過程中放棄了透明背景支援，這對任何流程依賴 Alpha 通道去背的人來說是實質性的損失。

「我們是否應該升級」這個問題的誠實答案是：取決於你的工作流程落在哪些取捨之中。一個在 1024×1536 上製作多語言行銷素材的團隊，答案顯然是肯定的。一個大量生成帶透明背景 1024×1024 主視覺圖的團隊，答案顯然是否定的。大多數團隊介於兩者之間，這也是為什麼任何實用的 OpenAI 圖片模型比較最終都以「依使用案例路由」而非「整批切換」作結。

我仍在持續觀察的部分：思考模式的推理成本在生產規模下的表現。基本情況看起來清晰。我目前還沒有足夠的數據來判斷佈局密集型工作的可變成本。等我有了數據，再另文說明。

相關文章：