两场发布只隔 5 天：GPT Image 2.6 在 11 月 4 日发布并加入 Arena，Seedream 5.5 在 11 月 9 日发布。这是 11 月图像模型的两场主角，也是 Google Trends 上互相出现的相关搜索。本文用 AA 分数、功能差异与实测数据回答：该选哪一个。
Artificial Analysis 双榜（11 月 11–12 日快照）：文生图 GPT Image 2.6 Sunburst (max) 1261，对 Seedream 5.5 的 1135（第 10 名），差距 126 分；编辑 2.6 Sunburst 1209–1210，对 5.5 的 1159（第 6 名），差距约 50 分。Rapidata/Benchmark.ai 的综合 Elo：5.5 为 1103（第 10 名）。分数上 2.6 明显领先——但 AA 榜单测的是单次生成与单次编辑的偏好，不测多轮重复编辑，所以分数不能回答「100 轮」的问题。
5.5 的独有能力是 100 轮编辑、原生 RGBA 透明 PNG 与约 100 层的图层拆分。2.6 的独有能力是原生 GIF（2–16 帧，默认 9 帧）、SVG 导出、complexity 规划强度与渲染质量分开控制，以及标记层指哪改哪 + 已保存参考图。两者都支持透明背景。简单说：5.5 押注「同一张图反复改」，2.6 押注「更多输出格式与更精确的指改」。
输出上限也不同：5.5 最高 2K、无 4K；2.6 的 4K 已由第三方实测证实（mxchat 测到 3840×2160 出图），但官方指南的尺寸段落点名的是 2.5 模型，未单独列明 2.6 上限（见本站 GPT Image 2.6 专题）。参考图方面：5.5 每次最多 10 张，每次只出 1 张图，无会话记忆。
Quantslant 在 11 月 9 日晚用同 5 个提示词对 GPT-Image-2.6 Sunburst (high) 做了对照：389 字符中 5.5 错 3 处、GPT 错 1 处，费用 $0.114 vs $0.214。5.5 的波兰语文字 11 张图 823 字符共 10 处错误（6 张零错误）。样本都很小，不能外推为「2.6 文字更准」的定论，但至少说明 5.5 的 0.4% 严重崩坏率（厂商自报）在小样本实测里没有明显优势。字节跳动自报在文字结构上领先 GPT Image 2.5 Sunburst 与 Nano Banana 2.1——注意点名的是 2.5，不是 2.6。
XenoSpectrum 在 11 月 9 日指出了一个关键问题：字节跳动点名的 GPT Image 2.5 Sunburst 于 9 月 8 日加入 Arena，其继任者 GPT-Image-2.6 Sunburst 已于 11 月 4 日加入 Arena，比 5.5 发布早 5 天。但博客措辞是「leading models such as GPT Image 2.5 Sunburst and Nano Banana 2.1」，并未说比较仅限这两款——2.6 是否在对比集合内无法确认，也无依据认定字节跳动刻意选了旧代。厂商宣称的领先只在已披露的对比条件下成立，与最新一代的对比未经证实。这也是为什么 AA 分数重要：它是同一个榜单上的直接对照。
5.5 按张计费：火山方舟 ¥0.13/¥0.23 + ¥0.05/输入图，2K 编辑约 ¥0.28；第三方 $0.02/$0.035 + $0.008/输入图。2.6 按 token 计费：图像输出 $30/百万 tokens（MaverickFrame）。两种计费方式不能直接换算——按张计费的成本可预测，按 token 计费的成本随分辨率与质量档变化。Quantslant 的实测费用可作参考：同 5 个提示词，5.5 花 $0.114，2.6 Sunburst (high) 花 $0.214，约贵一倍。但这只是 5 个提示词的小样本。
MaverickFrame 与 BeatAPI 的结论一致：长反馈链 + 透明素材 + 密集中文选 5.5；GIF/SVG/精确指改选 2.6。展开说：如果你要对同一张图反复修改几十轮、要直接出透明 PNG 素材进设计流程、要处理密集中文小字——5.5 是目前唯一把这三件事都做进产品里的模型。如果你要生成动图、导出 SVG 矢量、或者用标记层精确指定「改这里」——只有 2.6 有这些功能。分数上 2.6 领先，但分数测的是单次生成偏好，不是你的具体工作流。两个模型都没有公开权重，都是纯托管。
参考来源：BeatAPI — Seedream 5.5 vs GPT Image 2.6（本站改写整理，事实以官方来源为准）