GPT Image 2 vs wan2.7-image-pro
Quale scegliere e quando — verdetto curato, non una tabella di benchmark
Sia gpt-image-2 che wan2.7-image-pro accettano in input testo più immagini e restituiscono immagini, quindi la vera differenza è come addebitano: gpt-image-2 misura i token a $5 per milione in input e $30 per milione in output, mentre wan2.7-image-pro ha una tariffa fissa di $0.075 per chiamata. Questi fatturano in unità diverse, quindi nessuna conversione singola è onesta — scegli gpt-image-2 se i tuoi prompt e output sono abbastanza piccoli da mantenere economico l'addebito per token, e wan2.7-image-pro se vuoi un prezzo prevedibile per generazione indipendentemente dalle dimensioni del prompt. Nessuno dei due pubblica una finestra di contesto, quindi fai il budget in base al modello di fatturazione piuttosto che al margine per i token.
Prezzi
| GPT Image 2 | wan2.7-image-pro | Δ | |
|---|---|---|---|
| Per immagine generata | — | $0.075 | — |
| Input / 1M token | $5 | — | — |
| Output / 1M token | $30 | — | — |
Questi due modelli fatturano in unità diverse, quindi non viene mostrato alcun Δ — convertirli richiederebbe un'assunzione che non abbiamo misurato. Ogni scheda è elencata sopra nella propria unità.
Specifiche
| GPT Image 2 | wan2.7-image-pro | |
|---|---|---|
| Modalità di input | testo immagine | testo immagine |
| Modalità di output | immagine | immagine |
| Rilascio | 2026-04-21 | 2026-04-01 |
| Dimensioni di output |
|
|
| Modalità di input | 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 |
| Immagini per richiesta | 10 | 12 |
| Formati | png, jpeg, webp | png |
| Note | 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 |
Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: GPT Image 2 · wan2.7-image-pro
Un solo prompt, entrambi i modelli — misurati attraverso il gateway
Un prompt, una richiesta per modello, nessun nuovo tentativo e nessun cherry-picking — il primo risultato restituito da ciascun modello. Né le dimensioni né la durata sono state fissate: ogni modello ha utilizzato il proprio default, perché una richiesta modellata per adattarsi a tutti non renderebbe giustizia a nessuno. I file qui sono stati ricodificati per il web, quindi valutate la composizione e l'aderenza al prompt, non la compressione.
Passa dall'uno all'altro con una sola riga
Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.
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", # decommenta questa riga, commenta quella sopra
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", // decommenta questa riga, commenta quella sopra
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", # decommenta questa riga, commenta quella sopra
"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", // decommenta questa riga, commenta quella sopra
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") // decommenta questa riga, commenta quella sopra
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));FAQ
Qual è più economico, GPT Image 2 o wan2.7-image-pro?
Fatturano in unità diverse, quindi non esiste un singolo numero onesto: GPT Image 2 e wan2.7-image-pro appaiono ciascuno con la propria unità nella tabella sopra. Confrontali sul tuo carico di lavoro — il compromesso pratico è descritto nel verdetto in cima a questa pagina.
Posso fare un A/B test di GPT Image 2 contro wan2.7-image-pro senza due integrazioni?
Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.
Il prezzo cambia in base alla dimensione dell'immagine?
Dipende da come il modello fattura. I modelli con fatturazione per immagine addebitano lo stesso importo indipendentemente dalla dimensione del prompt o dell'output; i modelli fatturati a token scalano con la risoluzione renderizzata, quindi un'immagine 4K costa un multiplo di una piccola. La tabella sopra mostra quale si applica a ciascuno.