GPT Image 2 vs wan2.7-image-pro
什麼情況選哪一個
gpt-image-2 與 wan2.7-image-pro 皆接受文字加影像輸入並回傳影像，因此真正的差異在於計費方式：gpt-image-2 依 token 計量，輸入每百萬 $5，輸出每百萬 $30，而 wan2.7-image-pro 為每次呼叫固定 $0.075。這兩者的計費單位不同，因此沒有單一的轉換方式是客觀的 — 如果您的提示詞與輸出夠小，依 token 計費能保持便宜，請選擇 gpt-image-2；如果您希望每次生成都有單一且可預測的價格，不受提示詞大小影響，請選擇 wan2.7-image-pro。兩者皆未公開脈絡視窗，因此請依計費模型而非 token 餘裕來編列預算。
定價
| GPT Image 2 | wan2.7-image-pro | Δ | |
|---|---|---|---|
| 每張生成圖片 | - | $0.075 | - |
| 輸入 / 1M tokens | $5 | - | - |
| 輸出 / 1M tokens | $30 | - | - |
這兩個模型的計費單位不同，所以不顯示 Δ：要在兩者之間換算，就得套用一個我們沒有實測過的假設。上方的價目各自以原本的單位列出。
規格
| GPT Image 2 | wan2.7-image-pro | |
|---|---|---|
| 輸入模態 | 文字 圖像 | 文字 圖像 |
| 輸出模態 | 圖像 | 圖像 |
| 發布日期 | 2026-04-21 | 2026-04-01 |
| 輸出尺寸 |
|
|
| 輸入方式 | 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 |
| 每次請求圖片數 | 10 | 12 |
| 格式 | png, jpeg, webp | png |
| 備註 | 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 |
規格摘錄自各供應商的文件；供應商沒有公布的項目就直接略過，不自行推測。 完整來源： GPT Image 2 · wan2.7-image-pro
同一段提示詞，兩個模型，經閘道實測
同一段提示詞，每個模型只送一次請求，不重試，也不挑比較好的結果，看到的就是各模型回傳的第一個結果。尺寸和長度都沒有指定，各模型用的是自己的預設值；如果硬把請求調成每個模型都適用的規格，反而誰的長處都看不出來。這裡的檔案都為了網頁重新編碼過，所以請看構圖和有沒有照提示詞做，不要拿來評斷壓縮品質。
改一行程式碼就能在兩者之間切換
下面每個頁籤都列了這兩個模型 ID，要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。
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", # 取消這一行的註解，並把上一行註解掉
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", // 取消這一行的註解，並把上一行註解掉
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", # 取消這一行的註解，並把上一行註解掉
"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", // 取消這一行的註解，並把上一行註解掉
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") // 取消這一行的註解，並把上一行註解掉
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));常見問題
GPT Image 2 和 wan2.7-image-pro 哪個比較便宜？
兩者的計費單位不同，沒辦法用一個數字公允地比較：上表中 GPT Image 2 和 wan2.7-image-pro 各自以原本的單位列出。請拿你自己的工作負載來比，實務上怎麼取捨，本頁最上方的結論有說明。
可以只串接一次，就對 GPT Image 2 和 wan2.7-image-pro 做 A/B 測試嗎？
可以。兩個模型都走同一個 OpenAI 相容端點，用的也是同一把 API 金鑰，切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊，再直接比較帳單。
價格會隨圖片大小改變嗎？
要看模型怎麼計費。按張計費的模型，不管提示詞長短或輸出尺寸，每張收費都一樣；按 token 計費的模型，費用會隨生成的解析度增加，所以一張 4K 圖片的成本會是小圖的好幾倍。各模型適用哪一種，上表都有標示。