# Seedream 5.5 vs GPT Image 2.6：连续改稿和透明 PNG 实测

> 连续改同一张图、要直接能用的透明 PNG，选 Seedream 5.5；要 GIF、SVG、4K 或透光玻璃选 GPT Image 2.6，其透明图需先清理 alpha。

- URL: https://blog.laozhang.ai/zh/posts/seedream-5-5-vs-gpt-image-2-6
- Published: 2026-11-12
- Updated: 2026-11-12
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: 模型对比
- Tags: Seedream 5.5, GPT Image 2.6, 透明 PNG, AI 图片生成, 模型对比

---
截至 2026 年 11 月 12 日，按手上的活儿选：同一张图要连续改好几轮（换商品、改价格、改招牌字），或者要一张拿来就能叠到别的画面上的透明 PNG，选 **Seedream 5.5**；要 GIF 动图、SVG 矢量图、原生 4K，或者透明素材里要有真正透光的玻璃，选 **GPT Image 2.6**。只出一张新图或一张英文海报，两者都能用，差别不足以决定选哪个。

这个分法来自几组实测。Veevid 在 2026 年 11 月 11 日让两个模型按同样的 20 条指令连续改同一张图，GPT Image 2.6 Flare 从第一轮就开始漂移，第 20 轮时背景墙的色差接近 Seedream 5.5 的 6 倍。2026 年 11 月 12 日，用 Segmind 公开的 Seedream 5.5 样片原提示词让 GPT Image 2.6 出透明图，再用同一个脚本量两边的 alpha：GPT Image 2.6 的三张透明图里没有一个像素完全不透明；其中法术特效还带一层肉眼看不见、铺到画布四条边的薄雾，自动裁切因此保留了整张画布，背包和玻璃瓶裁完也比实际主体多留出一圈。所以用 GPT Image 2.6 出透明素材，先按下文的步骤检查、清理 alpha 再用。

有两个前提会改变结论。字节发布 Seedream 5.5 时放出的对比图，对手是 GPT Image 2.5 Sunburst，不是 2.6；Veevid 的 20 轮测试只测了 2.6 的 Flare，Sunburst 没有进这组。另外，Seedream 5.5 截至 11 月 12 日还没有官方 API 模型 ID，要用 API 只能走 Kie、WaveSpeed、Segmind 这类第三方平台，不写代码的话就在即梦、豆包里出图。

## 连续改稿哪个更稳：Seedream 5.5，20 轮后色差小得多

连续改稿选 Seedream 5.5。在 [Veevid 的 20 轮改图测试](https://veevid.ai/blog/seedream-5-5-vs-gpt-image-2-6)里，第 20 轮时三处从没被要求改动的区域（人脸、黑板标题、背景墙），GPT Image 2.6 Flare 的色差是 Seedream 5.5 的 3.5–5.7 倍；Veevid 给的参照是，色差（ΔE2000）到 2–3 时，两张图并排就能看出差别。下表把三组设置不同的测试放在一起，它们测的模型、轮数和量法都不一样，要逐行看。

| 测试 | 模型与设置 | 轮数 | 结果 |
| --- | --- | --- | --- |
| Veevid，2026 年 11 月 11 日 | Seedream 5.5 对 GPT Image 2.6 Flare；同一张起始图、同样的指令按顺序链式修改，1K 方图 PNG，各一条链，只取第一次结果 | 20 | 未改区域色差从第 1 轮到第 20 轮：人脸 5.5 为 0.3→3.7，2.6 为 2.5→14.8；黑板标题 0.3→3.6 对 3.1→12.7；背景墙 0.2→4.3 对 2.7→24.4。5.5 三次改字全对；2.6 前几轮就把镜头拉远、整体变暗，第 15 轮把 ICED MOCHA 写成 "OCED MCHA 4.25"，还把没让改的 4.95 弄成 "4.?5" |
| Segmind，2026 年 11 月 11 日 | 只测 Seedream 5.5，一张球鞋图 | 12 | 背景没有像素跳变，但整幅图每轮均匀变暗约半级 |
| 自测，2026 年 11 月 5 日 | GPT Image 2.6 Sunburst 和 Flare，经 LaoZhang 按档线路，1024，high；同一张照片，每个模型两条链 | 3 | 外套改色、招牌改字、去掉自行车，三轮都改对；未改区域的平均亮度三轮后从 113.9 降了 4.2–5.5 级，约 3.7%–4.8%，作对照的 GPT Image 2.5 Sunburst 在约 1% 以内 |

![Veevid 20 轮改图中人脸、黑板标题、背景墙的色差：第 20 轮 Seedream 5.5 为 3.6–4.3，GPT Image 2.6 Flare 为 12.7–24.4](https://blog.laozhang.ai/posts/zh/seedream-5-5-vs-gpt-image-2-6/img/edit-drift-20-rounds.webp)

Veevid 的数字要带着两个条件看。它只测了 Flare，没测 Sunburst，而按 Veevid 的说法，OpenAI 主打一致性的是 Sunburst；2.6 色差高，有一部分来自镜头被拉远后区域对不齐，不全是颜色变了。不过 Veevid 的看法也成立：换一个杯子整张图就跟着动，后面每一轮都从错的位置开始改。自测的 3 轮里，Sunburst 和 Flare 的变暗幅度相近，Sunburst 没有显出优势。Veevid 和 Segmind 都在自己的平台上卖这些模型，测试也都只跑了一条链。

字节说 Seedream 5.5 能"改 100 次不漂移"。据 Veevid 和 Kie 转述，这个说法出自字节 Seed 的发布文《Introducing Seedream 5.5》：同一张图连续改 100 轮，未改的部分保持不变，但发布文没有公布漂移的测量值；[字节 Seed 的 Seedream 5.5 模型页](https://seed.bytedance.com/en/seedream5_5)写的是多轮编辑时未修改区域"在像素级别保持不变"。两份第三方测量都显示 5.5 有缓慢、稳定的漂移：Veevid 里大多数轮次每处只增加 0.1–0.2 的色差，第 14 轮换咖啡机时三处一起跳了一下；Segmind 按每轮半级推算，100 轮后整图会暗约 50 级。"漂移很小"成立，"像素级不变"不成立。实际用的时候，改到 10 轮左右和原图并排比一次，如果偏暖或变暗，就回到原图，把改动合并成更少的指令重新改。

用 GPT Image 2.6 做链式修改，更要隔几轮就回到原图，而不是一直改上一轮的输出，因为变暗和移位会一轮轮累积。网上有帖子称 GPT Image 2.6"改到第 3 轮以后就崩了"（出自一条给 Higgsfield 做推广的 Instagram 帖），两组测量都不支持这个说法：自测的 3 轮全部改对，只是整体变暗；Veevid 里 Flare 的前两次改字也是对的，到第 15 轮才写错。真正的风险是累积的变暗、移位，以及后几轮改字出错。如果在用 GPT Image 2.5 Sunburst 改图，它在上面那组测试里漂移更小，两代的其他区别见 [GPT Image 2.6 和 2.5 区别：low/medium 贵 3–4 倍，high 档起同价](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-vs-2-5)。

## GPT Image 2.6 能出透明背景吗：能，但最高 alpha 只到 254

能。按 [OpenAI 的 Images 2.6 发布页](https://openai.com/index/introducing-images-2-6/)，GPT Image 2.6 的 Flare 和 Sunburst 都支持透明背景，API 里传 `background: "transparent"` 就返回带 alpha 通道的 PNG。但在 2026 年 11 月 12 日的同提示词测试里，GPT Image 2.6 的三张透明图没有一个像素的 alpha 到 255，最高只有 253 或 254，主体本身会透出一点底色；Seedream 5.5 的实心部分正好是 255，几乎没有薄雾。

测试是这样做的。Seedream 5.5 一侧用 [Segmind 的 Seedream 5.5 测评](https://blog.segmind.com/seedream-5-5-is-here-edit-in-rounds-transparent-pngs-and-layers/)在 2026 年 11 月 11 日公开的原文件：背包抠图、游戏法术特效、香水瓶。GPT Image 2.6 一侧用其中两条原提示词（背包、法术特效），加一条自写的透光玻璃香水瓶提示词，经 LaoZhang 的按次线路 `gpt-image-2.6-web` 生成，`quality: "high"`、输出 PNG，每条一张，每次 $0.03。这条线路不能指定 Flare 或 Sunburst；同一时段能指定档位的 `-sunburst-vip` 和 `-flare-vip` 线路 10 次请求都返回 HTTP 408，所以没有分档结果。两边的文件用同一个脚本统计 alpha。

| 测量项 | GPT Image 2.6 | Seedream 5.5 |
| --- | --- | --- |
| 文件里最高的 alpha | 法术特效 253，背包和玻璃瓶 254 | 三个文件都是 255 |
| 背包抠图的实心主体 | 67.40% 的像素落在 alpha 251–254，alpha 255 一个都没有 | 44.44% 的像素是 alpha 255，251–254 只有 0.34% |
| 法术特效里 alpha 1–3 的薄雾 | 占 10.09% 的像素，一直铺到画布四条边，四个角的 alpha 为 1、0、1、0 | 0.00% |
| 法术特效的半透明像素（alpha 1–254） | 66.39% | 30.51% |
| 玻璃瓶（两边提示词不同） | 空瓶真的透光：画面中间三分之一平均 alpha 35.5，放到红底上瓶身透出红色 | 香水瓶玻璃画成了不透明：画面中间三分之一全部是 alpha 255 |

alpha 251–254 意味着主体会透出约 0.4%–1.6% 的底色，放到画面上肉眼看不出来，但凡是按"alpha 等于 255 才算实心"来选区、做蒙版的脚本或工具，都会认为这张图没有一个实心像素。alpha 1–3 的薄雾同样看不见，麻烦在下一节说的自动裁切。两次测量的结果并列如下：2026 年 11 月 12 日经 `-web` 线路，GPT Image 2.6 的最高 alpha 是 253 或 254；2026 年 10 月 19 日经按档线路，GPT Image 2.5 Sunburst 的最高 alpha 是 254。OpenAI 官方接口没有测过，所以这个现象出在模型本身还是出在这两条线路上，目前无法确定。

玻璃是 GPT Image 2.6 占上风的地方。Segmind 自己也写了，它两次要求 Seedream 5.5 画透光玻璃，一次香水瓶、一次药水瓶，玻璃都被画成了不透明；不过 Segmind 没公开香水瓶的提示词，两边提示词不同，这一行只能看方向。完全透明的像素下面藏着的颜色，两边也不一样：Seedream 5.5 的三个文件 98% 以上是纯黑；GPT Image 2.6 只有法术特效下面全是纯黑，背包和玻璃瓶下面是接近主体的颜色，纯黑只占 0.28% 和 2.18%。所以把透明 PNG 转成 JPEG 或丢掉 alpha 通道后，露出来的是黑底还是一片接近主体的色块，要看具体文件。每条提示词各一张，Segmind 的背包和香水瓶是博客里缩到 825×1100 的版本。Seedream 5.5 在即梦和 API 里怎么打开透明背景，见 [Seedream 5.5 透明背景怎么开：即梦开关、API 参数和真透明检查](https://blog.laozhang.ai/zh/posts/seedream-5-5-transparent-background)。

## 透明 PNG 用之前怎么检查：换四种底色看，再把 alpha 清理干净

拿到任一模型的透明 PNG，先确认文件真有 alpha 通道，再看 alpha 的分布和换底色后的边缘；主体不满 255 或者有薄雾，就清理之后再裁切。GPT Image 2.6 的文件基本都要清理一次，原因是自动裁切会被薄雾骗过去。2026 年 11 月 12 日用 Pillow 的 `getchannel('A').getbbox()` 去裁（很多"裁掉透明像素"的功能就是这个逻辑），GPT Image 2.6 的法术特效返回的是整张 1024×1024 画布，而 alpha ≥ 4 的真实范围只占画布的 88.3%；玻璃瓶是 93.6% 对 69.7%，背包是 94.2% 对 89.5%。Seedream 5.5 的法术特效，裁切框和 alpha ≥ 4 的范围完全一致，背包和香水瓶每边只多 2–3 像素。Photoshop 和 Figma 的修剪功能没有测。

![GPT Image 2.6 法术特效清理 alpha 前后：自动裁切框从整张 1024×1024 画布缩到 (27, 27, 996, 983)](https://blog.laozhang.ai/posts/zh/seedream-5-5-vs-gpt-image-2-6/img/alpha-clean-trim-box.webp)

1. 确认文件模式是 RGBA（或 LA、带 transparency 信息）。下面的脚本遇到没有 alpha 通道的文件会直接提示，这时看到的棋盘格是画进像素里的图案，只能重新生成。
2. 运行 `python check_edges.py image.png`，看五个数：alpha 0、alpha 255、alpha 1–254、alpha 1–3 薄雾各占多少，以及文件里最高的 alpha。最高 alpha 小于 255，或者薄雾占到百分之几，就要清理。
3. 打开同目录下生成的 `.preview.png`，它把同一张图叠在黑、白、红、灰四种底色上。看边缘有没有白边或黑边，玻璃和光效是否在每种底色上都按预期透出底色。
4. 运行 `python check_edges.py image.png --clean`，得到 `.clean.png`：alpha 小于 4 的记为 0，大于 250 的记为 255，然后再裁切。法术特效清理后，alpha 范围变成 0–255，裁切框从整张画布回到 (27, 27, 996, 983)。
5. 保存成 PNG 或带 alpha 的 WebP，不要转 JPEG。丢掉 alpha 后，透明处会露出文件里藏着的颜色，可能是黑底，也可能是一片和主体相近的色块。

脚本 48 行，需要先 `pip install pillow numpy`：

```python
"""check_edges.py — inspect a transparent PNG/WebP before you use it.

    python check_edges.py image.png            # report + preview sheet
    python check_edges.py image.png --clean    # also write image.clean.png

Needs: pip install pillow numpy
"""
import sys

import numpy as np
from PIL import Image

path = sys.argv[1]
im = Image.open(path)
if im.mode not in ("RGBA", "LA") and "transparency" not in im.info:
    sys.exit(f"{path}: mode {im.mode}, no alpha channel. Any checkerboard you see is painted pixels.")

rgba = im.convert("RGBA")
a = np.asarray(rgba)[..., 3]
total = a.size
print(f"{path}: {im.size[0]}x{im.size[1]}, mode {im.mode}")
print(f"  fully transparent (alpha 0):     {100 * (a == 0).sum() / total:5.1f}%")
print(f"  fully opaque (alpha 255):        {100 * (a == 255).sum() / total:5.1f}%")
print(f"  partly transparent (1-254):      {100 * ((a > 0) & (a < 255)).sum() / total:5.1f}%")
print(f"  near-invisible haze (alpha 1-3): {100 * ((a > 0) & (a < 4)).sum() / total:5.1f}%")
print(f"  highest alpha in the file:       {a.max()}")
if a.max() < 255:
    print("  note: no pixel is fully opaque; the whole subject lets a little of the background through")

# Preview: the same image on black, white, red and a mid grey
w, h = rgba.size
sheet = Image.new("RGB", (w * 4, h))
for i, color in enumerate([(0, 0, 0), (255, 255, 255), (200, 30, 40), (128, 128, 128)]):
    bg = Image.new("RGBA", (w, h), color + (255,))
    bg.alpha_composite(rgba)
    sheet.paste(bg.convert("RGB"), (i * w, 0))
out = path.rsplit(".", 1)[0] + ".preview.png"
sheet.save(out)
print(f"  preview on black / white / red / grey: {out}")

if "--clean" in sys.argv:
    arr = np.asarray(rgba).copy()
    alpha = arr[..., 3]
    alpha[alpha < 4] = 0      # drop the invisible haze
    alpha[alpha > 250] = 255  # make the solid core really solid
    clean = path.rsplit(".", 1)[0] + ".clean.png"
    Image.fromarray(arr, "RGBA").save(clean)
    print(f"  cleaned copy: {clean}")
```

两个阈值只动肉眼分辨不出的像素：alpha 3 的不透明度约 1.2%，alpha 251 已经是约 98.4%。光效外缘那层几乎看不见的雾会被去掉，玻璃、烟雾这类真正的半透明区域（alpha 4–250）保持原样。

## 海报文字谁更准：英文四行字两边都逐字正确

一张英文海报上两边打平。2026 年 11 月 12 日，用 Segmind 公开的咖啡海报提示词，经 `gpt-image-2.6-web` 出了一张 1024×1536 的 GPT Image 2.6 海报，30.8 秒返回。提示词指定四行字："Brewed for the Monsoon"、"Cold brew, slow-steeped for 18 hours"、"Order by 1 December" 和 "KAAPI & CO."，并要求不要其他文字；成图四行逐字正确，`&` 也在，没有多余文字，只多画了一盆提示词没要求的绿植。Segmind 公开的 Seedream 5.5 同提示词海报（1.5K、3:4）逐字读过，同样四行全对，多画了倒奶、铜壶和一块橙色布。各一张、只取第一次结果，算不上文字基准。

其他语言只有 5.5 一侧的数据：Segmind 的测试里，Seedream 5.5 把海报改成日语和西班牙语都对，印地语小字错了两处。上面这些测试都没有中文海报，要出中文字，先拿自己的文案在两边各跑几张再定。如果文字要在同一张图上反复改，比如菜单价格、促销横幅，就回到上一节：Veevid 的链式测试里，GPT Image 2.6 Flare 到第 15 轮写错了字，还改动了一个没让改的价格，Seedream 5.5 三次改字全对。

## Seedream 5.5 和 GPT Image 2.6 一张多少钱：1K 方图 $0.018 起对 $0.0527

同样出一张 1K 方图，Seedream 5.5 在第三方 API 平台上每张 $0.018–$0.021（积分制的 Higgsfield 折算约 $0.12），GPT Image 2.6 直连 OpenAI 的 high 档约 $0.0527，是 Kie 上 5.5 价格的约 2.9 倍；经 LaoZhang 的按次线路是每张 $0.03。字节官方 API 的 Seedream 5.5 价目表截至 2026 年 11 月 12 日还没有公布，BytePlus 的产品页写的是"每张 $0.02 起"（CellCog 转述）。下表是 2026 年 11 月 12 日各平台的标价，平台价随时会调。

| 模型与平台 | 1K / 1024 方图 | 2K | 计价方式 |
| --- | --- | --- | --- |
| Seedream 5.5 · Kie | $0.018 | $0.0315 | 按张 |
| Seedream 5.5 · WaveSpeed | $0.02 | $0.035 | 按张，最高 2K |
| Seedream 5.5 · Segmind | $0.021164 | $0.037037 | 按张；每张参考图另收 $0.0084656，透明输出不加价 |
| Seedream 5.5 · Higgsfield | 约 $0.12 | 约 $0.17 | 积分制，按 1,000 积分 $49 折算 |
| GPT Image 2.6 · OpenAI 官方 | low 约 $0.0247，medium 约 $0.0435，high 约 $0.0527 | 随尺寸的 token 数变化 | 按 token，Flare 与 Sunburst 同价 |
| GPT Image 2.6 · LaoZhang 按档线路（`-flare-vip`、`-sunburst-vip`） | $0.03 | $0.03 | 按张，画质最高 high |
| GPT Image 2.6 · LaoZhang `gpt-image-2.6-web` | $0.03 | $0.03 | 按次，不能选 Flare 或 Sunburst |

GPT Image 2.6 的官方价是按 token 算出来的：图像输出每百万 token $30，2026 年 11 月 5 日直连实测一张 1024×1024 high 输出 1,756 个 token，1,756 × $30 ÷ 1,000,000 ≈ $0.0527；low 是 824 个 token，medium 是 1,449 个。这些是同一条短提示词的单次样本，提示词写得很细时 token 会多得多，同一组测试里一条不设 quality 的详细提示用了约 5,795 个 token，约 $0.17。所以拿 2.6 做预算，先用自己的提示词跑几张看 `usage`。各档画质、改图、GIF 和 SVG 的单张费用，见 [GPT Image 2.6 价格：Sunburst 与 Flare 同价，一张 $0.025–$0.21](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-pricing)。

## GIF、SVG 和 4K：只有 GPT Image 2.6 能出动图和矢量图

要动图或矢量图，只能选 GPT Image 2.6，它在 2026 年 11 月 4 日发布时就带了原生 GIF 和 SVG 输出，经 LaoZhang 的 `gpt-image-2.6-web` 出 GIF 每次 $0.03，这条线路自 2026 年 11 月 10 日起也能出 SVG。Seedream 5.5 只出静态图，字节宣传的"连续动作逐帧透明图层"是一组静态帧，不是动图，也没有 SVG。

4K 同样是 2.6 占优。GPT Image 2.6 经 LaoZhang 按档线路验证过原生 3840×2160 输出，`-web` 线路的 4K 则是由约 2K 放大而来；截至 2026 年 11 月 12 日，托管 Seedream 5.5 的第三方平台预设尺寸最高 2K，WaveSpeed 和 Higgsfield 都没有 4K 档，Kie 的自定义尺寸最高 4.62 MP。

GIF 的参数和帧数上限见 [GPT Image 2.6 GIF API 教程：生成动图的参数、帧数上限和成本](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-gif-api)，三条出 SVG 的线路怎么选见 [GPT Image 2.6 导出 SVG 矢量图：三条线路怎么选，附 Python 脚本](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-svg-output)。2.6 还新增了在图上画圈标注来改图的 markup 功能，调用方法和按次线路上的表现见 [GPT Image 2.6 markup 标注改图怎么调用：按次中转线路实测不生效](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-image-markup-api)。

## Seedream 5.5 能用 API 调吗：官方还没有模型 ID，第三方平台已上线

截至 2026 年 11 月 12 日，Seedream 5.5 在字节官方的 BytePlus ModelArk 和火山方舟文档里都没有模型 ID，`background` 透明参数也只写在 Seedream 5.0 Pro 和 5.0 Flash 下面。能用 API 调 5.5 的是第三方托管平台：Kie、WaveSpeed、Segmind、Runware 和 Higgsfield 都已上线，透明参数的写法一致，`background` 取 `auto`、`transparent` 或 `opaque`，选 `transparent` 时输出必须是 PNG。LaoZhang 的 `/v1/models` 同一天只有 Seedream 5.0 Flash、5.0 Pro、5.0、4.5 和 4.0，没有 5.5。

所以第三方平台上标着 "Seedream" 的模型，先看模型 ID 里是不是 5.5，很多平台目前只有 5.0 Pro 或 5.0 Flash，拿 5.0 的结果当 5.5 来比会得出错误结论。不写代码的话，国内在即梦、豆包、火山方舟体验中心和剪映里能用到 Seedream 5.5，海外是 Dreamina、CapCut 和 BytePlus，都要登录。这也是上面的透明测试里，Seedream 5.5 一侧用 Segmind 公开文件的原因：官方 API 没有 ID，网关没有上架，即梦和豆包需要登录账号。

GPT Image 2.6 则有两个 API 模型 ID：`gpt-image-2.6-flare` 和 `gpt-image-2.6-sunburst`，没有带日期的快照。它们是两个模型，不是同一个模型的画质档位，token 单价相同，都支持生成、改图和透明背景。按 OpenAI 的发布说明，Sunburst 出图质量更高、多次改图时更一致，Flare 是更小的模型，面向对速度敏感的工作流。模型 ID 怎么填、GIF 和 SVG 怎么传，见 [GPT Image 2.6 API 调用教程：模型 ID 填哪个、GIF/SVG 怎么传](https://blog.laozhang.ai/zh/posts/gpt-image-2-6-api)。

## 哪个更快：第三方测得 Seedream 5.5 每次改图约 17 秒，2.6 Flare 约 31 秒

Seedream 5.5 在第三方平台上更快一些，但两边都没有官方的速度数据，现有数字都和平台、线路有关。Veevid 2026 年 11 月 11 日的 20 轮改图里，Seedream 5.5 平均每次编辑约 17 秒，GPT Image 2.6 Flare 约 31 秒；Segmind 测得 5.5 单张图平均约 24 秒。

GPT Image 2.6 的耗时随模型和画质变化很大。2026 年 11 月 5 日直连 OpenAI、出 1024 方图，Flare 从 low 到 max 是 8–39 秒，Sunburst 是 34–157 秒。2026 年 11 月 12 日经 `gpt-image-2.6-web` 出透明图和海报用了 19.6–53.7 秒，这是这条按次线路的耗时，包含排队，不代表模型本身的速度。如果在意等待时间又要用 2.6，选 Flare，画质用 low 或 medium；Sunburst 开到 max 时一张图要等 157 秒。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-11-12。

- [Veevid 的 20 轮改图测试](https://veevid.ai/blog/seedream-5-5-vs-gpt-image-2-6) (veevid.ai)
- [字节 Seed 的 Seedream 5.5 模型页](https://seed.bytedance.com/en/seedream5_5) (seed.bytedance.com)
- [OpenAI 的 Images 2.6 发布页](https://openai.com/index/introducing-images-2-6/) (openai.com)
- [Segmind 的 Seedream 5.5 测评](https://blog.segmind.com/seedream-5-5-is-here-edit-in-rounds-transparent-pngs-and-layers/) (blog.segmind.com)