2026年圖像編輯競技場排行榜 — 2月更新

完整排行榜

34個模型。7個機構。數百萬次社群比較。我連結了每個模型，以便你可以親自測試——因為任何評論都不應該讓你只聽信一家之言。

2月變動解析

頂部的差距正在縮小。我在1月份上次撰寫此排行榜時，chatgpt-image-latest-high-fidelity (20251216) 還保持著舒適的領先優勢。現在 gemini-3-pro-image-preview-2k (nano-banana-pro) 緊隨其後——僅相差13分，而前四名的分差僅為23分。考慮到社群投票模式的差異，這基本上是平局。

本月排行榜上出現了四個1月份還沒有的名字。騰訊的 hunyuan-image-3.0-instruct 直接空降第6名——沒有熱身，沒有緩慢攀升，直接進入前十。p-image-edit 來自 Pruna，位列第22，這是一家以模型優化而非模型構建聞名的公司的黑馬。阿里巴巴增加了 wan2.6-image（第18名）和 wan2.5-i2i-preview（第25名），悄然將其圖像編輯版圖擴展到四個模型。Black Forest Labs 現在明確將其 Klein 系列分為 flux-2-klein-9b（第15名）和 flux-2-klein-4b（第24名），使得參數量的權衡變得透明。

但2月的頭條新聞不是誰升誰降了幾位。而是關於一個我無法停止使用的模型。

nano-banana-pro：從業者的首選

我想以排行榜數據無法做到的方式對你誠實。競技場顯示 chatgpt-image-latest-high-fidelity (20251216) 是第一名。但我的編輯歷史顯示了不同的結果。在過去的三週裡，我的客戶工作只用了 gemini-3-pro-image-preview-2k (nano-banana-pro)——每一次背景替換，每一次色彩重整，每一次物體移除，每一次光照修復。發生的事情很簡單：我不再使用其他任何東西。

我一直在密切關注社群。Discord 伺服器，Reddit 帖子，人們在 X 上分享的真實工作流程截圖。當從業者發布他們的編輯前後對比時，不斷出現的模型不是 ChatGPT。是 nano-banana-pro。不是因為它贏得了某種抽象的偏好投票，而是因為人們正用它交付真實的工作。

這裡有一個讓我信服的能力。我給了它一個包含四個部分的指令：“移除車道上停著的汽車，擴展花園以填補空間，匹配新草地上的午後光照，並根據太陽位置添加微妙的鏡頭光暈。” 一次通過四個分層要求。nano-banana-pro 完美搞定了這四個。重建的花園有正確的陰影方向。鏡頭光暈相對於光源的角度也是正確的。我在每個前五名的模型上都試過這個確切的提示詞。大多數在處理兩個指令後連貫性就開始崩潰。ChatGPT 在狀態好時能處理三個。nano-banana-pro 處理四個毫不費力。

2K 變體——gemini-3-pro-image-preview-2k (nano-banana-pro)，目前排名第2——處理高解析度編輯時的從容是我在其他地方未曾見過的。在2K解析度下，許多模型會在銳利邊緣周圍產生振鈴偽影，或在編織物、磚牆或樹冠等重複圖案中丟失細節。nano-banana-pro 保留了它們。排名第3的標準解析度兄弟模型已經積累了超過50萬次社群評估——這種體量告訴你，人們試過一次就會留下來。

我所說的“上下文編輯智能”正是該模型真正領先的地方。它不僅僅執行像素級更改——它掌握場景中元素之間的語義關係。從團體照中移除一個人，它會自然地重建社交間距，調整相鄰主體的肢體語言，而不僅僅是修補一個扁平的補丁。將場景從夏天變為秋天，它不僅修改樹葉，還修改陰影角度、環境光色溫以及表面反射漫射光的方式。這不是提示詞工程的把戲。這是一個已經內化了物理世界外觀的模型。

我預計 nano-banana-pro 會在下一個排名週期內超越 ChatGPT 的榜首位置。這種軌跡是存在的。Google 在 nano-banana 架構上的迭代速度比 OpenAI 在高保真模式上的迭代速度更快，多步驟編輯中的實際優勢賦予了它單一編輯基準測試難以捕捉的動力。

OpenAI 的外科手術式精準

我想對 OpenAI 公平一些，因為他們值得擁有真正的工程卓越讚譽。chatgpt-image-latest-high-fidelity (20251216) 排名第一是有原因的。“高保真”稱號是自上次評論以來的新東西，輸出流程的改進顯而易見。ChatGPT 擅長的是孤立的、外科手術式的編輯。“只把眼睛顏色改成綠色”——它做到這一點，且對周圍膚色零滲透。“替換標誌上的文字而不改變標誌的風化痕跡”——它在交換內容的同時保留了表面紋理。這種特異性確實是無與倫比的。

OpenAI 在前31名中佔據四席：chatgpt-image-latest-high-fidelity 第1，gpt-image-1.5-high-fidelity 第4，gpt-image-1 第29，以及 gpt-image-1-mini 第31。他們最好的和預算層級之間的差距很大——285分——這表明 OpenAI 將其編輯投資集中在頂層，而不是建立廣泛的陣容。如果你使用 OpenAI 進行圖像編輯，你要麼為旗艦付費，要麼就要將就。

新面孔

騰訊的 hunyuan-image-3.0-instruct 是沒人討論的最大驚喜。一經發布即排名第6。那不是緩慢的攀升——那是一個準備就緒的模型。騰訊在中文 AI 領域佔據主導地位多年，但這是混元在全球圖像編輯基準測試中的首次嚴肅亮相。“instruct”（指令）的稱號很重要：這是一個在架構上為編輯命令而非生成而調整的模型。在我的測試中，它能以母語般的流利度處理雙語提示詞——英語和中文——這為跨語言運作的團隊打開了真正的工作流程。

字節跳動繼續擁有最廣泛的陣容。五個模型從 seedream-4.5（第5名）一直延伸到 seededit-3.0（第30名）。seedream-4.5 仍然是他們藝術轉化的皇冠上的寶石——告訴它“讓這幅肖像看起來像倫勃朗的作品”，它不僅會讓顏色變暖；它還會模擬筆觸、明暗對比照明和畫布紋理。seedream-4-2k（第8名）處理高解析度工作，而 seedream-4-fal（第20名）和 seedream-4-high-res-fal（第13名）覆蓋更快的推理路徑。字節跳動不是在打造單一的冠軍——他們是在打造一個完整的工具包。

阿里巴巴悄然擴展到四個模型。qwen-image-edit（第16名）已經積累了超過170萬次社群評估——巨大的自然採用率。較新的 qwen-image-edit-2511（第14名）攀升迅速。而兩個 Wan 模型——wan2.6-image（第18名）和 wan2.5-i2i-preview（第25名）——表明阿里巴巴正在認真投資圖像到圖像轉換，將其作為一個獨立的產品類別。

Reve 在前23名中佔據三席。reve-v1.1（第10名）和 reve-v1（第12名）是稱職的中端編輯器，而 reve-edit-fast（第23名）提供了速度優化的替代方案。Pruna 的 p-image-edit（第22名）值得關注——Pruna 專注於模型壓縮和優化，所以這可能是一種超越其參數權重的蒸餾方法。在第34名，StepFun 的 step1x-edit 作為保持生態系統誠實的開源基準墊底。

開源優勢

對於我們這些在這些模型之上構建產品的人來說，有一個維度是排行榜無法捕捉的：獨立性。Black Forest Labs 現在佔據了 九個席位——比任何其他組織都多。從第9名的 flux-2-max 一直到第28名的 flux-1-kontext-dev，這是一個完整的質量-速度權衡譜系，你可以在自己的基礎設施上運行。

Klein 系列講述了一個有趣的工程故事。flux-2-klein-9b（第15名）和 flux-2-klein-4b（第24名）——名字揭示了參數數量。分別是90億和40億。BFL 正在系統地讓較小的硬體也能使用強大的圖像編輯功能。flux-2-klein-4b 可以在具有 8GB 顯存的消費級 GPU 上運行。這對於無法證明大規模 API 成本合理或需要離線編輯能力的開發人員來說至關重要。Kontext 系列——flux-1-kontext-max（第26名）、flux-1-kontext-pro（第27名）、flux-1-kontext-dev（第28名）——將上下文感知編輯帶到了自託管環境，僅 flux-1-kontext-pro 就積累了超過640萬次社群評估。

未來走向

在這個領域沉浸了三個月，盯著排行榜的變動並將模型推向極限後，我看到四件事正在交匯。

nano-banana-pro 可能會在年中奪得第一。 Google 在 nano-banana 架構上的迭代速度一直無情。2K 變體已經觸手可及，多步驟編輯優勢創造了一個飛輪：採用它的從業者產生更好的結果，分享這些結果，並吸引更多的從業者。OpenAI 將需要發布一些根本性的新東西——而不是漸進式的改進——來保持榜首位置。

指令微調的編輯模型將成為標準範式。 騰訊的 hunyuan-image-3.0-instruct 到達第6名證實了 nano-banana 架構已經暗示的事情：圖像編輯的未來是專為編輯命令構建的模型，而不是為編輯重新調整用途的生成模型。預計 OpenAI 和 BFL 會在夏天之前發布指令特定的變體。

40億參數以下的模型將變得真正具有競爭力。 flux-2-klein-4b 已經證明，一個40億參數的模型可以產生與大十倍的模型在同一競技場競爭的編輯效果。到2026年中期，我預計會看到能在手機上運行的 2-3B 編輯模型。當這種情況發生時，圖像編輯的整個經濟學都會改變——從雲端 API 調用到設備端推理。

圖像編輯和視頻編輯將融合。 那些在圖像編輯中處理時間一致性的模型——當你移動物體時保持物理正確的光照，當你改變背景時保持陰影連貫性——正是逐幀視頻編輯所需要的基礎。今天擁有強大圖像編輯地位的組織將是明天主導視頻編輯的組織。特別關注 Google 和字節跳動。

我的推薦

在通過真實工作流程運行這些模型後——不是基準提示詞，而是真實的客戶交付物——根據你的實際需求，以下是我的建議。