兩場發佈只隔 5 天：GPT Image 2.6 在 11 月 4 日發佈並加入 Arena，Seedream 5.5 在 11 月 9 日發佈。這是 11 月圖像模型的兩場主角，也是 Google Trends 上互相出現的相關搜索。本文用 AA 分數、功能差異與實測數據回答：該選哪一個。
Artificial Analysis 雙榜（11 月 11–12 日快照）：文生圖 GPT Image 2.6 Sunburst (max) 1261，對 Seedream 5.5 的 1135（第 10 名），差距 126 分；編輯 2.6 Sunburst 1209–1210，對 5.5 的 1159（第 6 名），差距約 50 分。Rapidata/Benchmark.ai 的綜合 Elo：5.5 爲 1103（第 10 名）。分數上 2.6 明顯領先——但 AA 榜單測的是單次生成與單次編輯的偏好，不測多輪重複編輯，所以分數不能回答「100 輪」的問題。
5.5 的獨有能力是 100 輪編輯、原生 RGBA 透明 PNG 與約 100 層的圖層拆分。2.6 的獨有能力是原生 GIF（2–16 幀，默認 9 幀）、SVG 導出、complexity 規劃強度與渲染質量分開控制，以及標記層指哪改哪 + 已保存參考圖。兩者都支持透明背景。簡單說：5.5 押注「同一張圖反覆改」，2.6 押注「更多輸出格式與更精確的指改」。
輸出上限也不同：5.5 最高 2K、無 4K；2.6 的 4K 已由第三方實測證實（mxchat 測到 3840×2160 出圖），但官方指南的尺寸段落點名的是 2.5 模型，未單獨列明 2.6 上限（見本站 GPT Image 2.6 專題）。參考圖方面：5.5 每次最多 10 張，每次只出 1 張圖，無會話記憶。
Quantslant 在 11 月 9 日晚用同 5 個提示詞對 GPT-Image-2.6 Sunburst (high) 做了對照：389 字符中 5.5 錯 3 處、GPT 錯 1 處，費用 $0.114 vs $0.214。5.5 的波蘭語文字 11 張圖 823 字符共 10 處錯誤（6 張零錯誤）。樣本都很小，不能外推爲「2.6 文字更準」的定論，但至少說明 5.5 的 0.4% 嚴重崩壞率（廠商自報）在小樣本實測裏沒有明顯優勢。字節跳動自報在文字結構上領先 GPT Image 2.5 Sunburst 與 Nano Banana 2.1——注意點名的是 2.5，不是 2.6。
XenoSpectrum 在 11 月 9 日指出了一個關鍵問題：字節跳動點名的 GPT Image 2.5 Sunburst 於 9 月 8 日加入 Arena，其繼任者 GPT-Image-2.6 Sunburst 已於 11 月 4 日加入 Arena，比 5.5 發佈早 5 天。但博客措辭是「leading models such as GPT Image 2.5 Sunburst and Nano Banana 2.1」，並未說比較僅限這兩款——2.6 是否在對比集合內無法確認，也無依據認定字節跳動刻意選了舊代。廠商宣稱的領先只在已披露的對比條件下成立，與最新一代的對比未經證實。這也是爲什麼 AA 分數重要：它是同一個榜單上的直接對照。
5.5 按張計費：火山方舟 ¥0.13/¥0.23 + ¥0.05/輸入圖，2K 編輯約 ¥0.28；第三方 $0.02/$0.035 + $0.008/輸入圖。2.6 按 token 計費：圖像輸出 $30/百萬 tokens（MaverickFrame）。兩種計費方式不能直接換算——按張計費的成本可預測，按 token 計費的成本隨分辨率與質量檔變化。Quantslant 的實測費用可作參考：同 5 個提示詞，5.5 花 $0.114，2.6 Sunburst (high) 花 $0.214，約貴一倍。但這只是 5 個提示詞的小樣本。
MaverickFrame 與 BeatAPI 的結論一致：長反饋鏈 + 透明素材 + 密集中文選 5.5；GIF/SVG/精確指改選 2.6。展開說：如果你要對同一張圖反覆修改幾十輪、要直接出透明 PNG 素材進設計流程、要處理密集中文小字——5.5 是目前唯一把這三件事都做進產品裏的模型。如果你要生成動圖、導出 SVG 矢量、或者用標記層精確指定「改這裏」——只有 2.6 有這些功能。分數上 2.6 領先，但分數測的是單次生成偏好，不是你的具體工作流。兩個模型都沒有公開權重，都是純託管。
參考來源：BeatAPI — Seedream 5.5 vs GPT Image 2.6（本站改寫整理，事實以官方來源爲準）