GPT Image 2 vs wan2.7-image-pro
Welches und wann — kuratiertes Fazit, keine Benchmark-Tabelle
Sowohl gpt-image-2 als auch wan2.7-image-pro nehmen Text plus Bild als Input und geben Bilder zurück, der wahre Unterschied liegt also in der Abrechnung: gpt-image-2 misst Token zu $5 pro Million In und $30 pro Million Out, während wan2.7-image-pro pauschal $0.075 pro Aufruf kostet. Diese rechnen in verschiedenen Einheiten ab, sodass keine einzelne Umrechnung ehrlich ist — wählen Sie gpt-image-2, wenn Ihre Prompts und Outputs klein genug sind, dass die Abrechnung pro Token günstig bleibt, und wan2.7-image-pro, wenn Sie einen vorhersehbaren Preis pro Generierung unabhängig von der Prompt-Größe wünschen. Keines veröffentlicht ein Kontextfenster, budgetieren Sie also besser nach Abrechnungsmodell als nach Token-Spielraum.
Preise
| GPT Image 2 | wan2.7-image-pro | Δ | |
|---|---|---|---|
| Pro generiertem Bild | — | $0.075 | — |
| Input / 1M Token | $5 | — | — |
| Output / 1M Token | $30 | — | — |
Diese beiden Modelle rechnen in unterschiedlichen Einheiten ab, daher wird kein Δ angezeigt — eine Umrechnung zwischen ihnen würde eine Annahme erfordern, die wir nicht gemessen haben. Jede Karte ist oben in ihrer eigenen Einheit aufgeführt.
Spezifikationen
| GPT Image 2 | wan2.7-image-pro | |
|---|---|---|
| Input-Modalitäten | Text Bild | Text Bild |
| Ausgabemodalitäten | Bild | Bild |
| Veröffentlicht | 2026-04-21 | 2026-04-01 |
| Output-Größen |
|
|
| Eingabemodi | text-to-image, image edit with mask inpainting | text-to-image, image editing (incl. bounding-box interactive edit), 0–9 reference images, text/image-to-image-set |
| Bilder pro Anfrage | 10 | 12 |
| Formate | png, jpeg, webp | png |
| Anmerkungen | Flexible resolutions: edges up to 3840px in multiples of 16, ratio <=3:1, ~0.65-8.3MP total (incl. 4K 3840x2160) editing with mask inpainting all image inputs processed at high fidelity significantly improved text rendering (precise placement can still struggle) | 4K text-to-image (max 4096x4096; editing max 2K), aspect ratios 1:8-8:1 instruction + click-to-edit editing character-consistent sets up to 12 images print-quality text rendering incl. formulas/tables |
Die Spezifikationen sind aus der Dokumentation der jeweiligen Anbieter übernommen; eine Zeile, die ein Anbieter nicht veröffentlicht, wird weggelassen und nicht abgeleitet. Vollständige Quellen: GPT Image 2 · wan2.7-image-pro
Ein Prompt, beide Modelle — gemessen über das Gateway
Ein Prompt, ein Request pro Modell, keine Retries und kein Cherry-Picking — das erste Ergebnis, das jedes Modell zurückgegeben hat. Weder Größe noch Dauer wurden festgelegt: Jedes Modell verwendete seinen eigenen Standardwert, da ein auf alle zugeschnittener Request keinem gerecht werden würde. Die Dateien hier wurden für das Web neu kodiert, beurteilen Sie also Komposition und Prompt-Treue, nicht die Komprimierung.
Mit einer Zeile zwischen ihnen wechseln
Beide IDs befinden sich in jedem Tab unten — das hervorgehobene Zeilenpaar ist die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiche Request-Struktur.
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.images.generate(
model="gpt-image-2",
# model="wan2.7-image-pro", # diese Zeile einkommentieren, die darüberliegende auskommentieren
prompt="a watercolor lighthouse at dawn",
size="1024x1024",
)
print(resp.data[0].b64_json[:80])import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.images.generate({
model: "gpt-image-2",
// model: "wan2.7-image-pro", // diese Zeile einkommentieren, die darüberliegende auskommentieren
prompt: "a watercolor lighthouse at dawn",
size: "1024x1024",
});
console.log(resp.data?.[0]?.b64_json?.slice(0, 80));curl https://synthorai.io/v1/images/generations \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2",
# "model": "wan2.7-image-pro", # diese Zeile einkommentieren, die darüberliegende auskommentieren
"prompt": "a watercolor lighthouse at dawn",
"size": "1024x1024"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Images.Generate(context.TODO(), openai.ImageGenerateParams{
Model: "gpt-image-2",
// Model: "wan2.7-image-pro", // diese Zeile einkommentieren, die darüberliegende auskommentieren
Prompt: "a watercolor lighthouse at dawn",
Size: "1024x1024",
})
fmt.Println(resp.Data[0].B64JSON[:80])
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.images.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ImagesResponse resp = client.images().generate(
ImageGenerateParams.builder()
.model("gpt-image-2")
// .model("wan2.7-image-pro") // diese Zeile einkommentieren, die darüberliegende auskommentieren
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));FAQ
Welches ist günstiger, GPT Image 2 oder wan2.7-image-pro?
Sie rechnen in unterschiedlichen Einheiten ab, daher gibt es keine einzelne eindeutige Zahl: GPT Image 2 und wan2.7-image-pro erscheinen in der obigen Tabelle jeweils in ihrer eigenen Einheit. Vergleichen Sie sie anhand Ihres eigenen Workloads — der praktische Kompromiss wird im Fazit oben auf dieser Seite beschrieben.
Kann ich GPT Image 2 gegen wan2.7-image-pro ohne zwei Integrationen A/B-testen?
Ja. Beide werden über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel bereitgestellt — der Wechsel ist eine einzeilige Änderung des Modell-Strings, sodass Sie einen Bruchteil des Traffics an jedes Modell leiten und die Rechnungen direkt vergleichen können.
Ändert sich der Preis mit der Bildgröße?
Das hängt davon ab, wie das Modell abrechnet. Pro-Bild-Modelle kosten dasselbe, unabhängig von der Prompt- oder Ausgabegröße; tokenbasierte Modelle skalieren mit der Auflösung, die Sie rendern, sodass ein 4K-Bild ein Vielfaches eines kleinen Bildes kostet. Die obige Tabelle zeigt, was auf das jeweilige Modell zutrifft.