2026-09-09，OpenAI 发布 ChatGPT Images 2.5，API 侧同步推出 Flare 与 Sunburst 两个档位；同一周，蚂蚁旗下的开源组织 inclusionAI 放出 6B 文生图模型 LLaDA-Image（Base 50 步、Turbo 4 步 Twin-DMD 蒸馏）。一件是闭源 API 越来越快、越来越强，一件是开源权重终于能体面地自部署。文生图正式进入「闭源 API 速度档 vs 开源权重可控性」的分野期。
先说和站内已有文章的分工，避免重复。本站 8-26 已有一篇推理式图像模型能力横评，那篇比的是 GPT Image 2、Nano Banana Pro、Seedream、Ideogram、FLUX.2 的「能力上限」——谁会思考、谁中文不乱码、谁编辑不洗牌。本篇不重复那场比武，我们换一本账：同一张图，闭源 API 按张付费 vs 开源权重自部署，到底谁更省、谁更可控、谁更适合你。顺带，本批同发的热点稿讲 ChatGPT Images 2.5 的能力与定位，资源稿盘点 LLaDA-Image 的权重与生态，部署 SOP给本地跑通的实操步骤，本文是那条「成本与可控性」的主线。
边界先讲清：以下为代表性对比，非亲自压测。成本按公开价格推算，并写明口径。第三方平台（Replicate / fal.ai）价格取官网 2026-09 快照；闭源 API 直营单价与国产云 API 单价官网未在本轮快照中给出具体数字，一律标「以官网为准」，绝不编造。显卡门槛、吞吐、电费为工程估算口径，并非官方数据，仅供量级参考。
一、同周两件事：文生图进入分野期
过去两年文生图的主叙事是「谁画得更好」。GPT Image 2 把推理式生图做成标配，Seedream 把中文小字拉到可用线，Nano Banana Pro 坐稳编辑口碑。但当能力差距被快速抹平，真正的分叉出现在另一个维度：这张图是怎么来的，以及它花了多少钱、受谁控制。
闭源阵营的打法是「API 越来越快」：你不用管显卡、不用管队列、不用管模型更新，发一条请求，最新最强的权重在厂商机房里跑完把图返给你。开源阵营的打法是「权重给你」：LLaDA-Image 6B、FLUX 系、Stable Diffusion 系把 checkpoint 开源，你自己找显卡、自己部署、自己微调。两条路不是谁取代谁，而是把用户按「量」和「控制权」切成了两半。
为什么是 2026 年才出现这个分野？前两年开源阵营的痛点不是「不能跑」，而是「跑出来不够好」——文字鬼画符、构图不稳、风格不可控，商用基本要返工。LLaDA-Image 这类 6B 开源模型的意义在于，它把质量拉到了闭源三年前的水准线以上，同时把显存门槛降到一张消费卡就能扛。当质量差可以被接受、而成本差和可控性差无法被忽略时，分野就发生了。对技术从业者来说，这正是把「该不该自己搭一套」提上日程的时机。
这个分野对技术从业者尤其重要，因为你们既不是纯玩票的用户，也不是有无限预算的大厂。你们要算的是：我这批图，到底该调 API，还是该买张卡自己跑。
二、五条路线：先看清账本长什么样
把市面上的选择摊开，其实是五条路线，成本结构完全不同：
| 路线 | 代表 | 计费方式 | 运维负担 | 可控性 |
|---|---|---|---|---|
| 闭源 API 直连 | OpenAI ChatGPT Images 2.5 / Google Imagen 系 / 即梦 Seedream 系 | 按张或按 token，单价以官网为准 | 零 | 低，不可微调 |
| 开源权重自部署 | 蚂蚁 LLaDA-Image 6B、FLUX 系、SD 系 | 显卡摊销 + 电费 + 运维（固定为主） | 高 | 高，可 LoRA/微调 |
| 第三方推理平台 | Replicate / fal.ai 托管的开源模型 | 按秒或按张，官网 2026-09 快照 | 低 | 中，可调参数不可改权 |
| 本地消费级硬件 | 单张 4090/5090 等 | 一次性显卡 + 电费，边际趋零 | 中 | 高 |
| 国产云 API | 阿里云百炼 / 腾讯云 / 火山方舟 | 按张或按 token，单价以官网为准 | 零 | 中，数据境内 |
第一条和第五条本质是同一种「租算力」逻辑，区别在数据与合规；第二条和第四条是同一种「买算力」逻辑，区别在是不是消费级；第三条是两者的折中——你不用养卡，但付的是平台托管费，且模型选择权受限。
理解这五条的关键，是看清成本曲线的形状：租算力是线性的（出一张付一张），买算力是固定的（卡先买了，出多少张边际成本趋零）。当你的量足够大，固定成本被摊薄，买算力的单位成本会一路下穿租算力。问题只是：你的量够不够大，以及你能不能忍受买算力背后的运维。
顺便纠正一个常见误解：自部署不等于「免费」。它把显性成本（按张付费）转成了隐性成本（硬件折旧、电费、显存优化、模型更新、故障排查）。算账时要把工程师的时间也算进去——一张卡省下的 API 账单，可能抵不过你花在调环境和救显存上的工时。这也是第三方平台和国产云存在的意义：它们把隐性成本重新打包成可以按量付的显性账单，只是单价里含了平台溢价。
三、一张图到底多少钱：两档量级推算
把账算清楚，分两档量级：低频的「100 张/天」（约 3000 张/月）和高频的「10000 张/天」（约 30 万张/月）。成本按公开价格推算，口径见表格下方说明。
| 路线 | 100 张/天（约 3000 张/月）月成本 | 10000 张/天（约 30 万张/月）月成本 | 成本结构 |
|---|---|---|---|
| 闭源 API 直连 | 约 $150（按 $0.05/张 推算，单价以官网为准） | 约 $15,000 | 纯线性，零运维 |
| 第三方平台托管开源 | 约 $75（flux-dev $0.025/张，官网 2026-09 快照） | 约 $7,500 | 按张/按秒，含冷启动 |
| 开源自部署（单张 4090） | 固定约 ¥600–1500/月（工程估算） | 固定约 ¥600–1500/月（Turbo 4 步吞吐可覆盖） | 固定成本为主 |
| 国产云 API | 与闭源直连同量级或略低，单价以官网为准 | 同左 | 线性，数据境内 |
| 本地消费级硬件 | 一次性显卡 + 电费，边际趋零 | 多卡或排队，工程估算 | 固定 + 时间 |
推算口径说明：闭源 API 直连按 $0.05/张做保守中值（实际单价以官网为准，不同档位与分辨率差异大）；第三方平台取 Replicate 官网 2026-09 快照中 flux-dev 的 $0.025/输出图；自部署按单张 RTX 4090（约 ¥13000，三年摊销约 ¥360/月）+ 电费（400W、约 ¥60/月，工程估算）+ 轻量运维折算，月固定约 ¥600–1500；fal.ai 官网 2026-09 快照显示 H100 无服务器低至 $1.89/h，也可作为自托管托管价的参考。以上均为代表性对比，非亲自压测。
这张表最值得记住的结论只有一句：自部署是固定成本，闭源 API 是线性成本，日产百张上下就是分水岭。按 $0.05/张估，闭源 API 月成本在 2000 张（约 67 张/天）处就追上自部署的月固定开销；越过这个点，每多画一张，自部署都在「白赚」。反过来，如果你一个月只画几百张，养张卡的电费加摊销都回不了本，不如直接调 API。
四、大对比表与分场景选型
把五条路线在七个维度上摊开，方便直接对照：
| 维度 | 闭源 API | 开源自部署 | 第三方平台 | 本地消费级 | 国产云 API |
|---|---|---|---|---|---|
| 单张成本（规模化后） | 线性下降有限 | 趋零 | 中等 | 趋零 | 线性 |
| 出图延迟 | 低（厂商优化） | 取决于显卡 | 中（含排队） | 取决于显卡 | 低 |
| 可控性（LoRA/ControlNet） | 不可 | 完全可控 | 部分 | 完全可控 | 部分 |
| 合规与数据出境 | 有出境风险 | 数据不出门 | 视平台属地 | 数据不出门 | 数据境内 |
| 中文文字渲染 | 强（GPT/Seedream） | LLaDA 中英可用 | 看底层模型 | 看底层模型 | 强 |
| 迭代速度 | 厂商更新即最新 | 自己跟社区 | 平台更新 | 自己跟社区 | 厂商更新 |
| 适合人群 | 重时效轻运维 | 重可控重批量 | 折中 | 极客/隐私 | 合规敏感 |
落到具体场景，选型其实不复杂：
- 个人玩票 / 低频尝鲜：闭源 API 直连或第三方平台。零门槛、不养显卡，画几十张的成本还不够一杯咖啡。
- 电商批量出图（日万张级）：开源自部署（LLaDA-Image Turbo / FLUX 量化）或国产云 API。越过线性成本拐点后，单位成本断崖式下降，这是自部署最舒服的区间。
- 数据敏感行业（医疗/金融/政务）：自部署或国产云 API。闭源 API 数据可能出境，敏感素材优先数据不出门或数据境内的方案。
- 需要微调品牌风格：开源权重。闭源 API 不能改权，品牌色、固定版式、专属画风只能靠 LoRA 或微调在开源模型上实现。
- 追求最强画质与最新能力：闭源 API（ChatGPT Images 2.5 / Imagen / Seedream 系）。能力上限仍由闭源把持，且厂商更新即最新。
再补一张本地硬件对照，帮你判断「买什么卡」：
| 显卡 | 显存 | 可跑模型（工程估算口径） |
|---|---|---|
| RTX 4060 | 8GB | SD1.5 / SDXL 量化，6B 偏紧张 |
| RTX 4070 / 4080 | 16GB | SDXL / SD3、FLUX 量化版 |
| RTX 4090 / 5090 | 24GB | LLaDA-Image 6B BF16/FP8、FLUX-dev 量化，Turbo 流畅 |
| L40S / A6000 | 48GB | FLUX 全精度 + LLaDA 多实例并行 |
| A100 / H100 | 80GB | 批量化、微调训练、多模型并行 |
工程估算：LLaDA-Image 6B 的 BF16 权重约 12GB、FP8 约 6GB，单张 24GB 消费卡即可载入；Base 50 步较慢，Turbo 4 步 Twin-DMD 蒸馏吞吐更高，单卡覆盖日万张级在工程上可行。官方未给显存下限，以上为量级参考。选卡还有一个隐藏约束：功耗与噪音。24GB 卡里 4090 功耗高、机箱与电源都要跟上；5090 显存相同但能效更好；如果你在办公室而非机房跑，L40S 无风扇版本更适合长期开机。显存不是唯一指标，吞吐、功耗、驱动稳定性同样决定你每天能稳定出多少张。
五、四个避坑
坑一：许可证未标注。 这是本篇最想敲黑板的变量。LLaDA-Image 仓库在发布时的 license 字段为 null，即未标注许可证。这意味着你在商用前必须先确认授权范围——开源权重不等于可免费商用。FLUX 系、SD 系各有明确许可证，选型时要把「许可证是否允许我的用法」当成硬指标，而不是事后才想。具体到 LLaDA-Image，仓库 license 为 null 不代表「可以随便用」，也不代表「禁止商用」，而是「授权未声明、风险由使用者承担」。在把它接进生产链路前，建议先联系 inclusionAI 或等待官方补发许可证，或用 FLUX/SD 等许可证明确的模型做商业兜底。
坑二：按秒计费的冷启动。 Replicate 私有模型按实例在线时长计费，含启动与空闲时间（官网 2026-09 快照明确：私有模型计费覆盖 setup、idle、active 三段）；fal.ai 无服务器按调用/输出计费，H100 低至 $1.89/h。差别在于：如果你用 Replicate 私有部署长期挂实例，哪怕没在出图也在烧钱。批量前务必压测真实延迟与账单，别只看单价。
坑三：中文渲染仍有梯度。 闭源 API（GPT Image 2 / Seedream 系）中文小字已接近可用线；LLaDA-Image 中英文字渲染均支持，Qwen-Image-Bench 英文 53.53、中文 53.38。但密集信息图、多语言海报与顶级闭源仍有差距，别直接批量下单，先小批量打样看错字率。
坑四：数据出境与合规。 闭源 API 的请求与图可能出境，医疗、金融、政务等敏感行业优先国产云 API（数据境内）或自部署（数据不出门）。国产云与闭源直营单价均以官网为准，本批资源稿与部署 SOP可配合使用。
一句话收尾：文生图的竞争已经不在「谁画得更好」，而在「同一张图，你愿意为速度付线性账单，还是为可控性付固定账单」。先把量算清楚，再决定调 API 还是买卡——这道题没有标准答案，只有适合你那档量的答案。
常见问题
Q1：闭源 API 和开源自部署，到底谁更省？ A1：看量。按 $0.05/张（以官网为准）估算，闭源 API 月成本随量线性增长；自部署是固定成本（显卡摊销 + 电费 + 运维），约日产百张即越过拐点。低频用 API，批量来自部署。代表性对比，非亲自压测。
Q2：LLaDA-Image 6B 要什么显卡才能跑？ A2：工程估算口径：6B BF16 权重约 12GB、FP8 约 6GB，单张 24GB 消费卡（4090/5090）可跑；Base 50 步较慢，Turbo 4 步 Twin-DMD 蒸馏吞吐更高，单卡覆盖日万张级可行。官方未给显存下限，以上为工程估算。另：仓库 license 为 null，商用须先确认授权。
Q3：第三方平台按秒/按张计费有什么坑？ A3：Replicate 私有模型按实例在线时长计费，含启动与空闲（官网 2026-09 快照）；fal 无服务器按调用/输出计费，H100 低至 $1.89/h。冷启动、预热、最小计费单位都要算进成本，批量前先压测延迟与单价。
Q4：中文文字渲染，闭源和开源差多少？ A4：闭源 API（GPT Image 2 / Seedream 系）中文小字已接近可用；LLaDA-Image 支持中英文字渲染，Qwen-Image-Bench 中文 53.38、英文 53.53。密集信息图与多语言海报先小批量打样，别直接批量下单。
Q5：数据合规与出境怎么选？ A5：闭源 API 数据可能出境，敏感行业（医疗/金融/政务）优先国产云 API（数据境内）或自部署（数据不出门）。国产云与闭源直营单价均以官网为准。自部署还要确认模型许可证——LLaDA-Image 未标注 license，商用前务必确权。