GPT Image 2 vs wan2.7-image-pro
什么时候选哪个
gpt-image-2 和 wan2.7-image-pro 都接受文本加图像输入并返回图像，因此真正的区别在于它们的收费方式：gpt-image-2 按 token 计量，输入 $5 每百万，输出 $30 每百万，而 wan2.7-image-pro 则固定收费每次调用 $0.075。它们的计费单位不同，因此任何单一的换算方式都是不准确的——如果你的提示词和输出足够小，使得按 token 计费依然便宜，请选择 gpt-image-2；如果你希望无论提示词大小如何，每次生成都有一个可预测的价格，请选择 wan2.7-image-pro。两者都未公布上下文窗口，因此请根据计费模式而不是 token 余量来做预算。
价格
| GPT Image 2 | wan2.7-image-pro | Δ | |
|---|---|---|---|
| 每张生成图像 | - | $0.075 | - |
| 输入 / 1M token | $5 | - | - |
| 输出 / 1M token | $30 | - | - |
这两个模型的计费单位不同，所以不显示 Δ：要在两种单位之间换算，就得引入一个我们没有实测过的假设。上方各自的价格按各自的单位列出。
规格
| GPT Image 2 | wan2.7-image-pro | |
|---|---|---|
| 输入模态 | 文本 图像 | 文本 图像 |
| 输出模态 | 图像 | 图像 |
| 发布日期 | 2026-04-21 | 2026-04-01 |
| 输出尺寸 |
|
|
| 输入方式 | 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 |
| 单次请求图片数 | 10 | 12 |
| 格式 | png, jpeg, webp | png |
| 备注 | 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 |
规格照录自各供应商的文档；供应商没有公布的项目，对应的行直接省略，不做推断。 完整来源： GPT Image 2 · wan2.7-image-pro
同一条提示词，两个模型，经网关实测
同一条提示词，每个模型只请求一次，不重试，也不挑结果，展示的都是各模型返回的第一个结果。尺寸和时长都没有指定，各模型用的是自己的默认值，因为硬凑一组所有模型都接受的参数，哪个模型都发挥不好。这里的文件为了网页展示重新编码过，所以请看构图和对提示词的还原程度，不要看压缩画质。
改一行代码就能在两个模型之间切换
下方每个标签页里都有两个模型 ID，高亮的那两行是唯一要改的地方。端点不变，API key 不变，请求结构也不变。
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", # 取消注释此行，注释上一行
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", // 取消注释此行，注释上一行
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", # 取消注释此行，注释上一行
"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", // 取消注释此行，注释上一行
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") // 取消注释此行，注释上一行
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));常见问题
GPT Image 2 和 wan2.7-image-pro 哪个更便宜？
两个模型的计费单位不同，给不出一个公允的统一数字：上方表格里，GPT Image 2 和 wan2.7-image-pro 各按自己的单位列出。建议拿你自己的负载来比，实际该怎么取舍，见本页顶部的结论。
不用分别集成两次，就能对 GPT Image 2 和 wan2.7-image-pro 做 A/B 测试吗？
可以。两个模型走同一个 OpenAI 兼容端点，用同一个 API key，切换时只要改一行里的模型名，所以可以给两个模型各分一部分流量，直接对比账单。
价格会随图像尺寸变化吗？
要看模型怎么计费。按张计费的模型，不管提示词多长、输出尺寸多大，每张价格都一样；按 token 计费的模型，分辨率越高费用越高，一张 4K 图的成本是小图的好几倍。两个模型各属哪一种，上方表格里有标明。