GPT Image 2.5 vs Nano Banana 2.1：同一提示词实测对比与价格

2026 年 10 月 26 日，我们用同样四条提示词跑了三个模型。菜单那项 GPT Image 2.5 Sunburst 最好，产品图 GPT Image 2.5 Flare 最好。数数和改图两项打平。按官方价算，GPT 高质量 2K 图约 $0.50 一张，Nano Banana 2.1 的 2K 图约 $0.056。

GPT Image 2.5 Flare 的产品图最好，但菜单上多画了一座没要求的灯塔，两个罐子都数错了。它的 token 单价和 Sunburst 一样，这次也没更快。

三个模型都在 OmniaKey。模型页：GPT Image 2.5 Sunburst、GPT Image 2.5 Flare 和 Nano Banana 2.1。

怎么测的

• 模型：OmniaKey 上的 gpt-image-2.5-sunburst、gpt-image-2.5-flare 和 gemini-nano-banana-2.1。OpenAI 还提供带日期的快照 gpt-image-2.5-sunburst-2026-09-08 和 gpt-image-2.5-flare-2026-09-08，我们用的是不带日期的 ID。
• 设置：Sunburst 和 Flare 用 size 2048x2048、quality high。Nano Banana 2.1 用 image_size 2K、aspect_ratio 1:1 和默认思考。所有图都是 2048×2048。
• 日期：2026 年 10 月 26 日。菜单在 Sunburst 和 Nano Banana 2.1 上各跑两次，Flare 一次，其余每项每个模型一次。加上改图原图和 3 次画质补测，一共 18 次调用，每次都是第一次就成功。
• 改图原图由上一代的 GPT Image 2 生成，三个模型改的是同一个文件。
• 耗时从提交任务算到查到任务完成，每 4 秒查一次。走的是 OmniaKey 的异步媒体接口，所以包含排队时间。
• 判断方式：放大到原尺寸逐字核对每个字和价格，物体放大局部来数。再看每张图有没有照提示词的每一句来，改图还要看列出的东西有没有变。
• OmniaKey 在卖这三个模型的接口，测试是通过它跑的。文中的价格都是 OpenAI 和 Google 的官方价，不是我们的价格。
• 来源：OpenAI 的 GPT Image 2.5 Sunburst 和 Flare 模型页、API 价格页、图像生成指南和更新记录。Google 的 Gemini API 价格页、图像生成文档和更新记录。以上都在 2026 年 10 月 25 日核对。

每条提示词每个模型只有一到两张图，样本很小，每个结果都当成可以直接看的例子。

四项测试，同一组提示词

测试 1：六个价格的咖啡菜单（1:1）

这一项看菜单卡上每个字和每个价格，以及价格有没有排成一列。

提示词：

A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads "HARBOR CAFÉ". Below it, six items, each on its own line with the price aligned to the right: "Flat White — $4.50", "Oat Latte — $5.25", "Cardamom Bun — $3.75", "Avocado Toast — $9.00", "Shakshuka — $11.50", "Lemon Tart — $4.25". At the bottom, in small italic text: "Open daily 7am–3pm". Natural window light, soft shadows, a sprig of rosemary at one corner of the card.

要求：俯拍大理石桌上的一张奶油色菜单卡，深绿油墨。标题写 "HARBOR CAFÉ"，下面六行菜品，价格右对齐。底部一行斜体小字 "Open daily 7am–3pm"，窗光、柔和阴影，卡角放一枝迷迭香。

• GPT Image 2.5 Sunburst（36.7 s 和 34.3 s）：两次每个字和价格都对。连 "CAFÉ" 的重音符和 "7am–3pm" 里的短连接号也都对。两次都去掉了长破折号，价格排成右对齐的一列，像印出来的菜单。迷迭香在卡角，一半伸出卡外；第一次在画面边上多了一个咖啡杯和一个水杯，第二次多了一个咖啡杯。
• GPT Image 2.5 Flare（42.9 s）：每个字和价格都对，长破折号去掉，价格右对齐。行与行之间有细线，卡片四周有边框。标题上方多画了一幅小灯塔和飞鸟，还加了咖啡杯和水杯。
• Nano Banana 2.1（36.5 s 和 32.8 s）：两次每个字和价格都对，迷迭香按提示词放在卡角。它把长破折号照字面留着，所以价格对不齐：第一次是长短不一的引导线，第二次每行居中，完全没有右对齐。

结论：GPT Image 2.5 Sunburst。五张菜单每个字和价格都对，文字这一项打平。Sunburst 两次都把 "Flat White — $4.50" 这样的行排成了真正的菜单。价格一列对齐，卡片上也没多加东西。Nano 照字面留着破折号，价格对不齐；Flare 多画了一座没人要的灯塔。

测试 2：数货架上的东西（1:1）

这一项看一张图里两个准确的数量，以及货架有没有照要求摆。

提示词：

A studio photo of a wooden shelf against a light gray wall. On the shelf, from left to right: a clear glass jar holding exactly five red marbles, an empty clear glass jar, and a clear glass jar holding exactly three yellow lemons. A small white paper tag hangs from the middle jar with the number "2" written on it in black marker. A single blue feather lies on the shelf in front of the right jar. Soft, even lighting and no other objects.

要求：浅灰墙前一块木货架，从左到右是正好装五颗红弹珠的玻璃罐、一个空玻璃罐、正好装三个黄柠檬的玻璃罐。中间罐子挂一张用黑色马克笔写着 "2" 的白纸标签，右边罐子前放一根蓝羽毛，别的东西都不要。

• GPT Image 2.5 Sunburst（32.9 s）：左边罐子正好 5 颗红弹珠。中间空罐挂着写着 "2" 的标签。右边罐子前排 3 个柠檬，后面还半藏着一个，所以是 4 个。蓝羽毛在前面，位于中间和右边两个罐子之间。
• GPT Image 2.5 Flare（37.7 s）：左边罐子 6 颗弹珠堆成金字塔。右边 4 个柠檬，前排 3 个、后面半藏 1 个。中间空罐挂着 "2" 标签。
• Nano Banana 2.1（37.5 s）：左边罐子 7 颗弹珠，右边正好 3 个柠檬，贴着罐壁往上叠。中间空罐挂着 "2" 标签，罐子更高，是梅森罐那种样子。

结论：打平，Sunburst 和 Nano Banana 2.1。没有一个模型把两个罐子都数对。Sunburst 弹珠对了，但多藏了第四个柠檬。Nano 柠檬对了，却放进了七颗弹珠。Flare 两个都错。数量要紧就每张都检查。也可以试试要求东西排成一排："three lemons in a row, none behind"。

测试 3：白色皮革跑鞋产品图（1:1）

这一项看一段棚拍要求能不能守住：鞋面反光、背景霓虹虚焦、不要文字和 logo。

提示词：

Product photo of a white leather running shoe on wet black asphalt at night, low angle, close-up. Pink and teal neon signs are out of focus in the background, and their colors reflect in the puddles and on the shoe's glossy surfaces. Small water droplets on the toe box. Sharp focus on the shoe, shallow depth of field, realistic commercial photography, no logos and no text.

要求：夜里湿的黑色柏油路上，低角度特写一只白色皮革跑鞋。背景的粉色和青色霓虹虚焦，颜色映在水洼和亮面鞋身上。鞋头有小水珠，鞋清楚、背景虚，写实商业摄影，不要 logo，不要文字。

• GPT Image 2.5 Sunburst（41.5 s）：湿柏油、粉青霓虹的反光、鞋头水珠都有。鞋面是漆皮一样的亮面，也没有文字。但鞋穿在脚上，画面里有脚踝和黑色束脚裤，成了生活照，而提示词要的是产品图。
• GPT Image 2.5 Flare（41.8 s）：夜里低角度，一只鞋单独放在湿柏油上，背景霓虹虚焦。颜色映在水洼和亮面鞋身上，鞋头有水珠，没有文字也没有 logo。提示词的每一句都对得上。
• Nano Banana 2.1（47.3 s）：一只鞋单独放着，哑光打孔皮，是三张里最像真皮的，鞋头有水珠。但"不要文字"这句没守住：背景虚化的粉色霓虹看着像一个单词。地面亮闪闪的，更像亮片而不是水洼，鞋面也没有光泽。

结论：GPT Image 2.5 Flare。只有它给出了干净的产品图，反光到位，也没有文字。Sunburst 把鞋穿到了脚上；Nano 的鞋最像真皮，但加了一片像文字的霓虹。

测试 4：改房间（1:1）

这一项看改图能不能保住房间：只换沙发，再加一盆植物。

提示词：

Change the sofa to dark green velvet and put a tall potted fiddle-leaf fig plant on the left side of the sofa. Keep everything else exactly the same: the walls, the window, the coffee table, the books, the rug, the light and the camera angle.

要求：把沙发换成深绿色丝绒，在沙发左边放一盆高的琴叶榕。其他一切照原样，包括墙、窗、茶几、书、地毯、光线和机位。

原图是我们用上一代的 GPT Image 2 生成的。提示词写的是：浅灰色三人布艺沙发靠着白墙，圆形橡木茶几上放两本书。地上是奶油色羊毛地毯，右边一扇挂纱帘的大窗，下午有阳光。三个模型拿到的是同一个文件。

• GPT Image 2.5 Sunburst（43.1 s）：沙发变成深绿丝绒。左边多了一盆高的琴叶榕，装在编织篮里。墙、两幅挂画、窗、纱帘、靠垫、毯子、圆橡木茶几、两本书、书脊上的小字、地毯、光线和机位都和原图一致。原图最左边的书架没了，植物就站在那个位置。
• GPT Image 2.5 Flare（37.5 s）：和 Sunburst 一样。绿丝绒沙发，琴叶榕在左边，列出的每一样和书脊小字都保住，书架同样没了。
• Nano Banana 2.1（33.2 s）：深绿丝绒沙发，琴叶榕装在白盆里放在左边，书架还留着。但它把沙发改短了，左端往右缩给植物让位，毯子和靠垫也跟着挪了；书脊上的小字变成了认不出的别的字母。茶几、地毯、窗和光线保住了。

结论：打平，Sunburst 和 Flare。两个都保住了提示词列出的每一样，连书脊上的小字都在，靠去掉书架给植物腾地方。Nano 留住了书架，却把沙发改短，书脊的字也变了，而提示词要求书保持不变。

每项结果

每张菜单每个字和价格都对，所以菜单这一项比的是版式：GPT 把破折号当成分隔符，把价格对齐；Nano 把破折号留着。三个模型也都各漏了一句要求。Sunburst 拍成了生活照，不是产品图。Flare 在菜单上多画了东西。Nano 在"不要文字"的图里放了像文字的霓虹。

价格和速度

OpenAI 按 token 给 GPT Image 2.5 计价，没有公布每张图的价格。下面的数字是我们这些图实际计费的 token 乘以 OpenAI 的单价。

OpenAI 的图片输出是每百万 token $30。一张高质量图就是 16,640 × $30 / 1,000,000 = $0.4992。再加 79–160 个文本输入 token（每百万 $5），最多 $0.0008。

在手机上看三张差不多；放大到原尺寸，low 那张稍微软一点。这只是一条提示词的结果，当作参考。

Sunburst 和 Flare 同档画质计费的 token 一样：high 16,640，medium 4,224。高质量改图另外收了 1,659 个输入图片 token（每百万 $8）和 56 个文本 token。一张改图约 $0.51。

Google 的官方单价在 2026 年 10 月 25 日核对。图片输出每百万 token $30，文本和思考输出每百万 $7.50，输入每百万 $1.50。

我们的 Nano 改图用了 258 个思考 token 和 1,120 个输入图片 token，约 $0.054。高质量下，GPT Image 2.5 每张 2K 图约是 Nano Banana 2.1 的 9 倍。medium 约 2.3 倍，low 反而更便宜：$0.033 对 $0.056。

Nano 比 Google 标的图片价贵，是因为它默认按 medium 档开着思考。思考 token 按文本输出每百万 $7.50 计费。我们的 Qwen Image 3 vs Nano Banana 2.1 实测也量到了同样的情况。

两家的 Batch 都按标准价的一半收费。

画质调低也没让 GPT 变快。low 和 medium 的菜单在 Sunburst 上都用了 37.3 s，Flare 的 medium 用了 37.8 s。OmniaKey 现在的价格，看 Sunburst、Flare 和 Nano Banana 2.1 三个模型页。

Sunburst 还是 Flare？

文字、版式和数数选 Sunburst，产品图选 Flare，两者的 token 单价一样。OpenAI 自己的说法是 "Choose Sunburst for workflows where editing precision matters most, and Flare for fast, high-quality everyday image generation."，意思是改图精度最要紧时选 Sunburst，日常快速出高质量图选 Flare。模型页上，Sunburst 标 "Highest"，速度 "Medium"。Flare 标 "Higher"，速度 "Very fast"。

这次两者计费的 token 完全相同，改图结果几乎一样，产品图 Flare 最好。但 Flare 在菜单上多画了东西，两个罐子都数错，中位数 41.8 s，是三者里最慢的。OpenAI 的文档还有 xhigh 和 max 两档画质，这两档我们没测。和上一代的差别见 GPT Image 2.5 vs GPT Image 2。

优缺点

GPT Image 2.5 Sunburst

• 优点：两次菜单全对且价格对齐，弹珠数对，改图保住了列出的每一样，中位数最快，35.5 s。
• 缺点：把鞋穿到了人脚上，多藏了第四个柠檬，菜单画面里多了咖啡杯和水杯，高质量 2K 图约 $0.50。

GPT Image 2.5 Flare

• 优点：产品图最好，改图和 Sunburst 一样好。
• 缺点：菜单上多画了一座没要求的灯塔，两个罐子都数错。中位数 41.8 s，三者里最慢，虽然 OpenAI 标的是 "Very fast"。

Nano Banana 2.1

• 优点：每个字都对，正好三个柠檬，迷迭香放在要求的位置，书架保住，含思考 token 每张 2K 图约 $0.056。Google 文档写明支持 4K 和最多 14 张参考图。和 Pro 的对比见 Nano Banana 2.1 vs Pro。
• 缺点：留着长破折号，价格对不齐。五颗弹珠画成了七颗。"不要文字"的图里有像文字的霓虹。改图把沙发改短，书脊的字也变了。每张图都要多付思考 token。

什么任务选哪个

国内怎么用

OmniaKey 支持人民币直充（支付宝、微信支付）。一个 key 就能调用 GPT Image 2.5 Sunburst、Flare 和 Nano Banana 2.1，不用分别开 OpenAI 和 Google 的账号。菜单和海报先试 Sunburst，产品图先试 Flare，量大的批量出图先考虑 Nano Banana 2.1。模型页：Sunburst、Flare 和 Nano Banana 2.1。

用同一个接口跑一遍

下面这个请求把测试 1 的菜单提示词发给 Sunburst，2048×2048、高质量，和我们测试时的参数一样：

curl https://api.omniakey.com/v1/media/tasks \
  -H "Authorization: Bearer $OMNIAKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: harbor-cafe-menu-001" \
  -d '{
    "model": "gpt-image-2.5-sunburst",
    "type": "image",
    "operation": "generate",
    "input": {"prompt": "A printed café menu card lying flat on a marble table, shot from directly above. The card is cream paper with dark green ink. At the top, a large heading reads \"HARBOR CAFÉ\". Below it, six items, each on its own line with the price aligned to the right: \"Flat White — $4.50\", \"Oat Latte — $5.25\", \"Cardamom Bun — $3.75\", \"Avocado Toast — $9.00\", \"Shakshuka — $11.50\", \"Lemon Tart — $4.25\". At the bottom, in small italic text: \"Open daily 7am–3pm\". Natural window light, soft shadows, a sprig of rosemary at one corner of the card."},
    "parameters": {"size": "2048x2048", "quality": "high"}
  }'

1. 返回 202 和一个任务 id。
2. 每隔几秒查一次 https://api.omniakey.com/v1/media/tasks/{id}，直到 status 变成 succeeded。
3. 从 assets[0].url 下载图片。

换成 Flare，把 model 改成 gpt-image-2.5-flare。OmniaKey 的 quality 可以填 low、medium、high 或 auto。改成 medium 后，我们的输出 token 从 16,640 降到了 4,224。

换成 Nano Banana 2.1，把 model 改成 gemini-nano-banana-2.1，parameters 改成 {"aspect_ratio": "1:1", "image_size": "2K"}，因为 OmniaKey 会拒绝这个模型的 size 参数。改图把 operation 改成 edit，原图以 {"data": "<base64>", "mime_type": "image/jpeg"} 的形式放进 input.image，整个请求不超过 1 MiB。GPT Image 模型返回 PNG，Gemini 模型一般返回 JPEG。

从 GPT Image 2.5 Sunburst、GPT Image 2.5 Flare 和 Nano Banana 2.1 模型页开始跑。每个参数的说明见图像 API 文档。

常见问题

GPT Image 2.5 比 Nano Banana 2.1 好吗？

看哪一项：菜单 Sunburst 赢，产品图 Flare 赢，数数和改图打平。价格反过来，GPT 高质量 2K 图约 $0.50 一张，Nano 约 $0.056。版式和必须保住场景的改图用 GPT，账单更要紧就用 Nano。

GPT Image 2.5 Sunburst 和 Flare 差在哪？

OpenAI 把 Sunburst 定位在改图精度，Flare 定位在快速的日常出图。模型页上，Sunburst 标 "Highest"，速度 "Medium"；Flare 标 "Higher"，速度 "Very fast"。两者 token 单价一样，这次同档画质计费的 token 也一样。Flare 的产品图最好，Sunburst 的菜单版式最干净。

一张 GPT Image 2.5 图用多少 token？

2048×2048 下，我们的图在 low、medium、high 三档分别计了 1,088、4,224 和 16,640 个输出 token。改图另加 1,659 个输入图片 token。OpenAI 的计算器估不了 2.5 的 token 用量。所以先跑一小批量一下，再按每百万输出 token $30 去乘。

Nano Banana 2.1 为什么比标的图片价贵？

因为它默认按 medium 档开着思考，思考 token 按文本输出每百万 $7.50 计费。我们四次生成的思考 token 中位数是 730，在 $0.0504 的图片价上多出约 $0.0055。

gpt-image-2 被弃用了吗？

没有。OpenAI 的弃用页面里没有 gpt-image-2，图像指南里也还有它的说明。更老的 gpt-image-1-mini、gpt-image-1.5 和 chatgpt-image-latest 会在 2026 年 12 月 1 日从 API 下线，替代品是 Sunburst 或 Flare。gpt-image-1 已经在 2026 年 10 月 23 日关停。

更新记录

• 2026 年 10 月 26 日：第一版，四项同提示词测试当天完成。