核对日期：2026-10-10
先对应具体端点，再比较模型名称
fal 列出了 Nano Banana 2.1 和 GPT Image 2.5；GPT Image 2.5 还按工作流与变体区分端点，其 Flare 文生图示例使用 openai/gpt-image-2.5/flare/text-to-image。测试时记录实际端点，不把不同 GPT Image 变体视为同一个设置。
本站模型服务仍接 fal。发布对比文章不会自动在生成器中启用新模型。提交前查看实时模型列表与连接状态，再确认对应模型是否可以在本站使用。
准备三种相同输入的测试任务
第一项是商品图：一只哑光蓝瓶放在浅色石面上，侧光，不增加文字。第二项是海报：准确标题“WEEKEND MARKET”，留出清晰的大标题区，不添加其他字。第三项是编辑已获授权的参考图，只替换背景。
两边保存同一份提示词与参考文件，尽量选择相同尺寸和画幅；无法对应的参数要写入记录。若接口提供种子，可以记录它，但不同模型中的同一个种子数字并不代表相同的生成条件。
逐项验收文件，而不是随意打总分
检查商品几何形状、拼写、字间距、边缘和未要求的新增元素。参考图编辑需与原图比较主体。验收表按每个约束分别填写通过、未通过或需要人工修正，无需给出缺乏依据的综合质量分。
预览时统一展示尺寸，并查看下载的原文件。多次测试可以观察结果波动，但继续抽样前先确定费用上限。本站没有测得这些任务的统一赢家。
把修正、格式与交付算进成本
记录端点当前报价、质量设置、输出数量和后续请求，统计审查后真正可用的图片。服务商计费与本站积分是两个口径，不能把公开 API 单价直接写成本站订阅成本。
需要透明素材时，检查下载文件是否有透明通道，并放到彩色背景上查看。画进图片的棋盘格不等于透明背景。付费前确认所选端点是否提供需要的输出格式。
为重复工作做选择
商品图任务看是否保留产品细节、是否减少修正；海报任务看文字和布局是否准确；参考图任务看是否满足保留清单而没有重建主体。这些是选择规则，不是对模型优劣的预设结论。
保存通过验收的提示词、设置、端点、日期和结果，工作需求或接口选项变化时重新比较。在两个指定端点都产生真实输出前，内容应称为测试方案，而不是实测榜单。
开始前的常见问题
哪个模型文字更准确？
目前没有针对你的文字的受控结果。用相同标题与布局生成，再逐字检查和核对最终导出文件。
本站已经支持 GPT Image 2.5 吗？
这篇对比页没有新增 GPT 端点。能否生成取决于生成器实时模型列表和已连接的 fal 配置。
可以用一个固定数字比较价格吗？
不可以。端点、质量、输出设置和修正次数都会影响成本。对相同任务记录当前报价，并区分服务商费用与本站积分。