Jedna twarz w 10 modelach AI: który najwierniej oddaje prawdziwą osobę (ranking z liczbami)

👁 118 przeczytań

Waco, czyli Wacław Gołdanowski, producent muzyczny, przysłał mi dziewięć zdjęć z telefonu. Zwykłe zdjęcia z pokoju: skośny sufit, biały regał, czarna walizka na półce, on w ciemnej welurowej bluzie z logo i w spodniach moro. Na pięciu widać twarz, na pozostałych plecy i dłonie. Z takim materiałem zaczyna prawie każdy, kto chce zrobić sobie zdjęcia promo w AI. Mało kto ma sesję od fotografa, telefon ma każdy.

Zadałem proste pytanie: który generator obrazów zrobi z tych zdjęć portrety, na których znajomi od razu poznają Waco? Dałem dziesięciu modelom te same trzy referencje i te same dziesięć promptów. Jeden model, GPT Image 2.6 Flare, sprawdziłem dwiema drogami do API, więc w tabeli jest 11 wierszy. Wyszło 175 obrazów. Każdy zmierzyłem tym samym algorytmem rozpoznawania twarzy, a koszt i czas policzyłem z logów API. Waco zgodził się na publikację swojego wizerunku w tym tekście.

W skrócie

• Najwierniej twarz trzymają modele GPT. GPT Image 2.5 Flare i GPT Image 2.6 Flare przez OpenRouter mają po 0,617 w mojej skali podobieństwa (o skali niżej). GPT Image 2.5 był przy tym najtańszy w całym teście: 0,021 USD za obraz.
• Nano Banana Pro i 2.1 są na samym końcu (0,471 i 0,440), ale zrobiły najbardziej wiarygodną Polskę: peron, panoramę Warszawy, prawdziwy szkic ołówkiem.
• Wysoki wynik bywa kopią referencji. Qwen Image 3 Pro wkleja w tło pokój ze zdjęć Waco, a „rysunek ołówkiem” od GPT to w praktyce jego zdjęcie z filtrem.
• FLUX 2 Max kosztuje 0,432 USD za obraz, ponad 20 razy więcej niż GPT Image 2.5, i wylądował w dolnej połowie tabeli.
• Cały test kosztował 11,38 USD za 165 obrazów przez API. Do tego 10 obrazów z generatora w ChatGPT / Codex (OpenAI) w ramach abonamentu.

Metoda: 9 zdjęć z telefonu, 3 referencje, te same 10 promptów

Z dziewięciu zdjęć wybrałem trzy referencje, które dostał każdy model: twarz z przodu (zdjęcie 09), ujęcie 3/4 (zdjęcie 10) i całą sylwetkę od tyłu (zdjęcie 12). Przed wysłaniem zmniejszyłem je do 1536 pikseli na dłuższym boku. Jeśli robisz to sam, wystarczy do tego nasza kompresja zdjęć. Pozostałe trzy zdjęcia z twarzą (06, 07 i 08) schowałem. Nie widział ich żaden model, służyły tylko do pomiaru.

Prompty napisałem po angielsku i każdy zaczyna się od tego samego zdania: użyj załączonych zdjęć jako blokady tożsamości, ten sam mężczyzna, ta sama twarz, bez upiększania. Potem dziesięć różnych sytuacji: portret studyjny, deszczowa ulica w Warszawie nocą, studio z samplerem Akai MPC Live III, czarno-biały portret pod blokiem, makro twarzy, peron o świcie, polaroid z imprezy, profil, okładka płyty na dachu kamienicy i portret ołówkiem. Pełne prompty są w ściągawce na końcu.

Każdy model dostał każdy prompt dosłownie, w proporcjach 4:5 tam, gdzie się dało. Siedem modeli zrobiło po dwie próby na prompt. FLUX 2 Max (bo drogi), GPT Image 2.6 przez OpenRouter, Seedream 5.5 i generator w ChatGPT / Codex zrobiły po jednej. Niczego nie wybierałem i nie poprawiałem. Każda próba jest wynikiem, także ta nieudana.

Jak mierzyłem podobieństwo

Użyłem ArcFace, czyli otwartego modelu rozpoznawania twarzy z biblioteki insightface (wersja w600k_r50). Liczyłem go na swojej karcie RTX 4090. Algorytm zamienia twarz w ciąg liczb, a porównanie dwóch takich ciągów daje wynik od -1 do 1. Im wyżej, tym bardziej podobne twarze. Żeby było wiadomo, co znaczą liczby: każde zdjęcie Waco porównane z pozostałymi jego zdjęciami daje średnio 0,73, a najmniej 0,63. Fikcyjne postacie AI z moich innych projektów dają wobec Waco od -0,07 do 0,07, czyli zero. Na każdym obrazie liczyłem największą twarz w kadrze, nie tę najlepiej pasującą, żeby nie zawyżać wyników.

Dlaczego liczę tylko na zdjęciach, których model nie dostał

Bo modele kopiują referencje. Jeśli model weźmie twarz ze zdjęcia 09 z tą samą pozą, tym samym światłem i tym samym kątem głowy, to porównanie właśnie ze zdjęciem 09 wyjdzie bardzo wysoko. Model niczego wtedy nie „zrozumiał” o twarzy Waco, tylko przekleił piksele. Dlatego główna kolumna rankingu porównuje obrazy wyłącznie ze zdjęciami 06, 07 i 08, których żaden model nie widział. To jak egzamin z pytaniami spoza zbioru ćwiczeń. Wynik „cała baza” (wobec wszystkich pięciu zdjęć z twarzą, razem z referencjami) też podaję, ale on nagradza kopiowanie.

Ranking: podobieństwo, koszt za obraz, czas

Wszystkie liczby pochodzą z mojego testu z 9 listopada 2026. Koszt to kwota zapisana w logu każdego zlecenia, a nie cena z cennika. Czas wymaga komentarza. Pośrednik API, przez którego szła większość modeli, ustawia zlecenia w kolejce. W pierwszej rundzie wysłałem 80 zadań naraz i czasy wyszły zawyżone. Dlatego w tabeli jest mediana z drugiej rundy, w której szło po 10 zleceń jednego modelu. FLUX 2 Max ma tylko pierwszą rundę, więc jego 111 sekund to górna granica. OpenRouter i WaveSpeed dostawały zapytania po kolei. Czas ChatGPT / Codex to czas wygenerowania obrazu w Codexie, a nie przez API.

Różnice na górze są małe. Między pierwszym a piątym miejscem jest 0,03, a przy 10 promptach to mniej więcej tyle, ile zmienia jedna gorsza próba. Uczciwie mogę powiedzieć tyle: modele GPT i Qwen Image 3 Pro trzymają twarz wyraźnie lepiej niż Nano Banana, a środek tabeli (Wan, Seedream, FLUX) leży blisko siebie.

Seedream 5.5 to nowość z 9 listopada i ma tylko 5 obrazów (prompty A1, A2, A5, A6 i A8), bo saldo na koncie WaveSpeed wystarczyło dokładnie na pięć zleceń po 0,044 USD. Na tych samych pięciu promptach liderzy wypadają tak (wynik „cała baza”): GPT Image 2.6 przez OpenRouter 0,755, GPT Image 2.5 0,754, Qwen Image 3 Pro 0,737, a Seedream 5.5 0,632. Nowy Seedream trzyma twarz na poziomie Seedream 5.0 Pro, za to jest szybszy i tańszy. Więcej o nim w przewodniku po Seedream 5.5.

Wysoki wynik bywa kopią referencji

Najbardziej pouczający był prompt A10: ręcznie rysowany portret ołówkiem na fakturowanym papierze. Wszystkie trzy drogi do GPT oddały to samo. Na „rysunku” jest dokładnie zdjęcie 09, z tą samą pozą głowy i tą samą kurtką, tylko przepuszczone przez filtr ołówka. Seedream 5.0 Pro poszedł dalej i „narysował” cały pokój z referencji: regał, walizkę, krzesło. Oba wyniki są wysokie, około 0,7.

Nano Banana Pro zrobił to, o co prosił prompt. Na kartce jest prawdziwy szkic z kreską i rozmazaniami, a twarz ma proporcje rysunku, a nie zdjęcia. Jego wynik spadł do 0,25-0,36. Gdybym patrzył tylko na liczby, uznałbym go za najgorszy. A to jedyny model, który w A10 naprawdę wykonał zadanie.

Qwen Image 3 Pro ma najwyższe wyniki w promptach A3, A5 i A7 z tego samego powodu. W makro twarzy (A5) w tle stoi pokój Waco ze skośnym sufitem, a w „studiu muzycznym” (A3) ten sam regał i walizka. To w praktyce przerobione zdjęcie z referencji, stąd 0,81.

Wniosek praktyczny: żadna metryka podobieństwa nie powie ci, czy model wykonał polecenie. Jeśli chcesz rysunku albo innego stylu, oceniaj okiem. Liczby nadają się do porównania twarzy, i to tylko wtedy, gdy wykluczysz z bazy zdjęcia, które model dostał.

Nano Banana najsłabiej trzyma twarz, ale najlepiej oddaje Polskę

Oba modele Nano Banana zajęły dwa ostatnie miejsca: Pro 0,471, a 2.1 0,440. W portretach twarz wychodzi pełniejsza i szersza niż u Waco. Kto go zna, zobaczy podobnego faceta, a nie jego. Gdy postać jest daleko, jak na peronie, wynik spada jeszcze bardziej.

Za to tło. Na prompt „pusty peron w Polsce o świcie” Nano Banana Pro postawił najbardziej wiarygodną polską stację w całym teście. Na dachu kamienicy oba modele Nano Banana pokazały prawdziwą panoramę Warszawy, z Pałacem Kultury i Varsem, a pod nogami Waco dachówkę albo papę. Seedream 5.0 Pro i Qwen Image 3 Pro zrobiły w tym samym prompcie miasto ogólnoeuropejskie, a GPT postawił Pałac Kultury pod słońcem i przesycił wszystko na pomarańczowo. W deszczowej ulicy (A2) Nano Banana Pro dał wiarygodną ulicę z tramwajem, tylko twarz była mała i mniej podobna.

Nano Banana Pro i 2.1 kosztowały w teście tyle samo: 0,025 USD za obraz, czyli prawie tyle co GPT. Jeśli zależy ci na scenie, w której twarz jest mała albo jej nie widać, to dobry wybór. Do portretu prasowego się nie nadają. Ceny Nano Banana u różnych dostawców zebrałem w tekście Nano Banana API: cena za obraz, a sam model opisuję w przewodniku po Nano Banana.

Ubrania przeciekają z referencji

Zdjęcie sylwetki od tyłu miało pokazać modelom wzrost i budowę ciała. Pokazało też spodnie moro i welurową bluzę z logo Adidasa. I to przeszło do obrazów. Moro pojawia się u prawie wszystkich modeli w promptach A2, A4, A6 i A9, choć żaden z nich nie mówi o spodniach. W A6 prompt wprost zamawia długi ciemny płaszcz. Modele dały płaszcz, a pod nim te same moro. GPT w czarno-białym portrecie pod blokiem (A4) dorysował znak Adidasa i trzy paski na rękawach, a generator w ChatGPT / Codex też dał logo z bluzy.

Na zdjęciu promo to realny problem. Cudze logo na zdjęciu prasowym może przeszkadzać, a moro do płaszcza wygląda dziwnie. Na następny raz poproszę o zdjęcie sylwetki w gładkim ubraniu, bez nadruków. Jeśli nie masz takiego zdjęcia, opisz strój w prompcie dokładniej, od butów po kołnierz. W tym teście tego nie robiłem, bo prompty miały być identyczne dla wszystkich.

GPT dopisuje napisy i miejsca, o które nikt nie prosił

Prompt A2 mówi tylko „deszczowa ulica w Warszawie”. GPT Image 2.6 dodał tabliczkę „ul. Marszałkowska” i Pałac Kultury w tle, a przez OpenRouter także flagę Polski. Prompt A6 mówi „peron w Polsce”. Wszystkie trzy drogi do GPT Image (2.6 przez OpenRouter, 2.6 przez innego pośrednika i 2.5) zrobiły z tego Kraków Główny, z szyldem i zegarem. Generator w ChatGPT / Codex dopisał tabliczkę „Peron 2”.

Najzabawniej wyszła kaseta w polaroidzie z imprezy (A7). Na kasecie jest zawsze odręczna etykieta, choć prompt o niej milczy. We wszystkich trzech obrazach GPT Image 2.6, z obu dróg do API, napis brzmi „GOOD TIMES”. W obu obrazach GPT Image 2.5: „GOOD VIBES”. W ChatGPT / Codex: „HOUSE PARTY ’03”. Ten sam model ma ten sam pomysł, niezależnie od tego, którędy idzie zapytanie. W tle polaroidów GPT widać zresztą fioletowe ściany i skos sufitu z pokoju Waco, czyli znowu referencję.

Nie tylko GPT to robi. Nano Banana 2.1 w drugiej próbie A2 postawił tabliczkę „ul. Nowy Świat”, a Nano Banana Pro dopisał na polaroidzie datę. Ale u GPT to reguła, a nie wypadek. Jest i dobra wiadomość: w A9 prompt zawierał zdanie „no text on the image” i w pierwszych próbach żaden model nie dopisał napisu. Jeśli więc robisz zdjęcie, na którym nie chcesz szyldów, napisz to wprost. O tym, jak GPT radzi sobie z polskim tekstem, gdy go zamawiasz, pisałem w tekście GPT Image po polsku.

Ten sam model, inna droga do API, inna cena

GPT Image 2.6 Flare puściłem dwiema drogami: przez OpenRouter i przez innego pośrednika API. Model ten sam, prompty i referencje te same. Przez OpenRouter obraz kosztował 0,084 USD, u drugiego pośrednika 0,023 USD. W rozliczeniu OpenRoutera doszła opłata za trzy obrazy wejściowe, czyli za referencje. Przy 100 portretach to 8,42 USD zamiast 2,30 USD.

Twarz wyszła prawie taka sama: 0,617 przez OpenRouter i 0,599 u drugiego pośrednika, a przy 10 promptach to różnica w granicach rozrzutu. OpenRouter był za to najszybszy w całym teście: mediana 17,5 sekundy, wobec 37,2 sekundy u pośrednika z kolejką. OpenRouter nie przyjął też proporcji 4:5, więc użyłem 3:4 i dostałem obrazy 1152 na 1536 pikseli.

Lekcja: zanim wybierzesz model, sprawdź cenę drogi, którą do niego idziesz. Ta sama nazwa modelu może kosztować kilka razy więcej u różnych dostawców. Szczegóły o obu wersjach GPT Image są w tekstach GPT Image 2.5: test Sunburst i Flare oraz ChatGPT Images 2.6.

Co nie wyszło

Wszystko poniżej to pierwsza albo druga próba, bez poprawek. Nie naprawiałem tych obrazów, bo test miał pokazać, co dostajesz od razu.

• Dwóch Waco przy bloku. Qwen Image 3 Pro w czarno-białym portrecie pod blokiem (A4) postawił obok siebie dwóch identycznych mężczyzn. W obu próbach. To najbardziej widowiskowa wpadka całego testu.
• „AKAR MCC Live III”. Wan 2.7 Image Pro w studiu (A3) napisał na samplerze właśnie to i zmienił Waco strój. W drugiej próbie zmyślił urządzenie z 32 padami. Nano Banana Pro napisał „MPC LIVE II” zamiast III, a FLUX 2 Max „Mpc Live” na urządzeniu, które nie istnieje.
• Zlane dłonie. FLUX 2 Max w polaroidzie (A7) zlał dłonie z kasetą, a w kadrze pojawiła się cudza ręka. Wan 2.7 też zlał kasetę z czarnym pudełkiem.
• Dopisane daty. Nano Banana Pro podpisał polaroid „OCT 9, ’92”, a w drugiej próbie dał kasetę „MIXTAPE ’98”. ChatGPT / Codex dopisał „HOUSE PARTY ’03”. Żaden prompt nie mówił o roku.
• Rozjechana twarz i żuchwa. Nano Banana 2.1 w drugiej próbie A3 dał najniższy wynik w tym prompcie (0,38), a Wan 2.7 w makro (A5) zniekształcił żuchwę.
• Proporcje. Generator w ChatGPT / Codex w A2, A3 i A5 zrobił kadr poziomy zamiast 4:5. Za to tylko on w A9 posłuchał zdania o kwadracie w środku kadru 4:5 i dodał czarne pasy.

Były też moje błędy. FLUX 2 Max nie przyjmuje proporcji „4:5” jako parametru, działa dopiero wymiar 1536 na 1920 pikseli. Qwen Image 3.0 Pro nie obsługuje 4:5 wcale (do wyboru ma 1:1, 4:3, 3:4, 16:9, 9:16, 3:2 i 2:3), więc dostał 3:4. Te odrzucone zlecenia nic nie kosztowały. Ogólnie o tym, czemu modele zmieniają twarz, piszę w tekście dlaczego AI zmienia twarz.

Ograniczenia: czego ten test nie mówi

To pomiar podobieństwa, a nie dowód tożsamości. Sprawdziłem to na zdjęciach innego, podobnego mężczyzny (nie pokazuję ich, bo to nie Waco i nie mam jego zgody). Jego zdjęcia dają wobec bazy Waco średnio 0,58, a najwyżej 0,64. Każde prawdziwe zdjęcie Waco porównane z pozostałymi daje od 0,63 do 0,80. Te przedziały na siebie zachodzą. Z tej metryki nie da się więc wyznaczyć progu „to on” albo „to nie on”. Wynik 0,6 nie znaczy, że obraz przedstawia Waco. Znaczy tylko, że jeden model trzymał twarz bliżej niż drugi przy tych samych promptach i referencjach. Ostatnie słowo i tak ma człowiek, który Waco zna.

Próbka jest mała. Dziesięć promptów, jedna albo dwie próby, jedna osoba, jeden zestaw zdjęć. Na innej twarzy, na przykład kobiecej albo z okularami, kolejność może wyjść inna. Różnica 0,01-0,02 na górze tabeli nie rozstrzyga niczego.

Seedream 5.5 ma tylko 5 promptów, więc jego miejsce jest mniej pewne niż reszty.

Mała twarz w kadrze obniża wynik u każdego modelu. Na peronie (A6) i w deszczowej ulicy (A2), gdzie widać całą postać, twarz ma kilkadziesiąt pikseli i algorytm widzi ją gorzej. Podobnie z profilem (A8). Dlatego modele porównuję w obrębie tego samego promptu, a nie prompty między sobą.

Który model do czego

Szerzej o wyborze generatora, nie tylko do twarzy, piszę w tekście Generator obrazów AI: co wybrać do czego. Seedream 5.0 Pro opisuję w przewodniku po Seedream, a rodzinę Qwen w tekście Qwen: co to jest i jak korzystać po polsku.

Wszystkie 10 promptów obok siebie

Poniżej każdy prompt w osobnej planszy: pierwsza próba każdego modelu, pod obrazem wynik „cała baza” i „bez refów” oraz moja notatka z obejrzenia. Kliknij planszę, żeby otworzyć ją w pełnym rozmiarze.

Ściągawka: 10 promptów do skopiowania

Prompty są po angielsku, dokładnie w tej wersji, której użyłem. Do każdego dołącz 2-3 swoje zdjęcia jako referencje. Proporcje: 4:5, a jeśli model ich nie ma, 3:4.

A1. Use the attached reference photos as the identity lock (same man, same face, no beautification). Editorial studio portrait of the man, 85mm lens, f/2, soft key light from the left, dark grey seamless background, natural skin texture with visible pores, black t-shirt, calm direct gaze into the camera.

A2. Use the attached reference photos as the identity lock (same man, same face, no beautification). The man at night on a rainy Warsaw street under a sodium streetlight, 35mm documentary photo, Kodak Portra 800 grain, wet asphalt reflections, hands in the pockets of a dark jacket, candid moment.

A3. Use the attached reference photos as the identity lock (same man, same face, no beautification). The man in his music studio working on an Akai MPC Live III sampler, warm practical lamps, cables, acoustic foam, shot from slightly above, 28mm, natural colours, he is concentrated and looking down at the pads.

A4. Use the attached reference photos as the identity lock (same man, same face, no beautification). Black and white high-contrast portrait in the style of 1990s hip-hop magazine photography, wide-angle 24mm from a low angle, the man leaning against a concrete block of flats, strong midday sun, deep shadows.

A5. Use the attached reference photos as the identity lock (same man, same face, no beautification). Tight close-up of the face, 100mm macro-like framing, eyes in sharp focus, window light, shallow depth of field, neutral expression, no retouching.

A6. Use the attached reference photos as the identity lock (same man, same face, no beautification). Full-body photo of the man walking towards the camera on an empty railway platform in Poland at dawn, fog, 50mm, cinematic but realistic colour grade, wearing a long dark coat.

A7. Use the attached reference photos as the identity lock (same man, same face, no beautification). Polaroid snapshot with a hard on-camera flash: the man at a small house party, laughing, holding a cassette tape, slight motion blur in the background, authentic amateur look.

A8. Use the attached reference photos as the identity lock (same man, same face, no beautification). Profile portrait (exact side view, facing left) against a plain off-white wall, soft daylight, minimalistic composition, for a passport-style character reference.

A9. Use the attached reference photos as the identity lock (same man, same face, no beautification). Album cover photo, square crop in the middle of a 4:5 frame: the man sitting on the roof of an old Warsaw tenement at golden hour, city in the background, headphones around the neck, no text on the image.

A10. Use the attached reference photos as the identity lock (same man, same face, no beautification). Hand-drawn graphite pencil portrait of the man on textured paper, realistic proportions, visible pencil strokes and smudges, the likeness must be clearly recognisable.

Jak dobrać referencje (wnioski z tego testu)

• Trzy zdjęcia: przód, 3/4 i cała sylwetka. Przód i 3/4 dają twarz z dwóch stron, sylwetka wzrost i budowę. Mniejszej liczby referencji w tym teście nie sprawdzałem.
• Gładkie ubranie na zdjęciu sylwetki. Logo i moro przeciekają do obrazów, nawet gdy prompt zamawia inny strój. Jeśli nie masz takiego zdjęcia, opisz strój w prompcie.
• Neutralne tło. Qwen i Seedream przenosiły pokój z referencji do studia, do makro i do „rysunku”. Zdjęcie na tle gładkiej ściany jest bezpieczniejsze. Możesz też wyciąć tło z referencji, na przykład w naszym usuwaniu tła. Czy to pomaga, sprawdzę w kolejnym teście, w tym go nie robiłem.
• 1536 pikseli na dłuższym boku wystarczyło. Tyle miały moje referencje i żaden model ich nie odrzucił.
• Zakazy wpisz wprost. „No text on the image” zadziałało w A9. Jeśli nie chcesz szyldów, logo i dat, dopisz je do promptu.
• Chcesz liczyć jak ja? Schowaj 2-3 zdjęcia. Porównuj wyniki tylko z nimi, nie z referencjami.

Dane do pobrania: ranking-twarzy-10-modeli-ai.json (ok. 53 KB). W pliku jest metoda, wszystkie 10 promptów, ranking i wynik każdego z 175 obrazów: model, prompt, próba, oba wyniki podobieństwa, koszt, czas i moja notatka. Możesz z niego cytować z linkiem do tego tekstu. Zdjęć i wizerunku Waco nie używaj do własnych generacji.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Najczęstsze pytania

Czy Waco zgodził się na publikację?

Tak. Waco zgodził się na użycie swoich zdjęć i wygenerowanych obrazów ze swoją twarzą w poradnikach na promptowy.com, w tym w tym tekście. Bez takiej zgody nie zrobiłbym tego testu na prawdziwej osobie. Dlatego zdjęć innego mężczyzny, którego użyłem do kalibracji, nie pokazuję.

Czy mogę wrzucić do generatora zdjęcie innej osoby i opublikować wynik?

To nie jest porada prawna, tylko ogólny zarys. W Polsce rozpowszechnianie czyjegoś wizerunku co do zasady wymaga zgody tej osoby. Mówi o tym art. 81 ustawy o prawie autorskim i prawach pokrewnych, z wyjątkami między innymi dla osób powszechnie znanych, gdy wizerunek zrobiono w związku z ich funkcją publiczną, i dla osoby, która jest tylko szczegółem większej całości, jak zgromadzenie czy krajobraz. Wizerunek jest też dobrem osobistym chronionym przez kodeks cywilny. Wygenerowany obraz, na którym da się kogoś rozpoznać, to nadal jego wizerunek. Do tego każdy generator ma własny regulamin dotyczący prawdziwych osób. Jeśli chcesz coś publikować albo użyć komercyjnie, poproś o zgodę na piśmie, a w razie wątpliwości zapytaj prawnika. Jak modele radzą sobie ze znanymi osobami, pokazałem w tekście Chopin, Skłodowska i Lewandowski w GPT-Image-2.6.

Który model był najtańszy?

GPT Image 2.5 Flare: 0,021 USD za obraz u innego pośrednika API, i to on wygrał ranking. Zaraz za nim GPT Image 2.6 Flare u tego samego pośrednika (0,023 USD) oraz oba Nano Banana (0,025 USD). Najdroższy był FLUX 2 Max: 0,432 USD. To ceny z mojego logu z 9 listopada 2026, u innych dostawców mogą być inne.

Czy da się to zrobić za darmo?

Częściowo. Generator obrazów w ChatGPT działa też w darmowym planie, a w aplikacji Gemini obrazy robi Nano Banana. Oba mają jednak limity, które dostawcy często zmieniają, więc sprawdź je u siebie. W moim teście ChatGPT / Codex szedł w ramach płatnego abonamentu, darmowych planów nie testowałem. Druga droga to model otwarty na własnej karcie graficznej, na przykład Qwen-Image 2.1. Płacisz wtedy tylko za prąd, ale tej wersji w teście twarzy nie było.

Czy wynik 0,6 oznacza, że to na pewno on?

Nie. Inny, podobny mężczyzna dostał wobec zdjęć Waco do 0,64, czyli więcej niż najsłabiej pasujące prawdziwe zdjęcie Waco (0,63). Ta liczba służy do porównania modeli między sobą przy tych samych promptach, a nie do potwierdzania tożsamości.

Ile prób potrzeba do dobrego wyniku?

W tym teście druga próba dawała niewiele. Gdy z dwóch prób brałem lepszą, GPT Image 2.5 podnosił wynik „cała baza” z 0,727 do 0,742, a Nano Banana 2.1 z 0,508 do 0,547. Kolejności to nie zmienia. Słabego modelu dodatkowe próby nie uratują. Wpadek też nie zawsze: Qwen Image 3 Pro podwoił Waco przy bloku w obu próbach.

Cały test kosztował mnie 11,38 USD za 165 obrazów przez API i jeden wieczór liczenia. Najważniejsza lekcja nie dotyczy jednak żadnego modelu: zanim uwierzysz liczbie podobieństwa, sprawdź, czy model nie skopiował po prostu twojego zdjęcia.