图像编辑能力排行榜

图像编辑 · image-edit

本榜收录图像编辑（image-edit）维度在榜的 55 个模型，按 Elo 得分降序排列，当前榜首为 GPT Image 2.5 Sunburst（OpenAI），得分 1520。该维度考察模型在给定原图与编辑指令下改造图片的能力——局部重绘、物体替换、风格迁移、背景处理等，适合设计、电商与内容运营场景参考。

数据同步时间： 每 4 小时同步一次 本榜 55 个模型 共 11 个能力维度 排序依据：Elo 得分 ↓
文本对话 编程开发 视觉理解 文生图 图像编辑 文生视频 图生视频 文档理解 联网搜索 智能体 视频编辑

图像编辑 · 完整榜单（55 个模型）

按 Elo 得分降序
排名 模型 厂商 / 国家 Elo 得分 置信区间 投票数
1 GPT Image 2.5 Sunburst 美国 OpenAI 1520 ±9 6,704
2 GPT Image 2.5 Flare 美国 OpenAI 1491 ±9 5,676
3 gpt-image-2 (medium) 美国 OpenAI 1461 ±3 235,928
4 grok-imagine-image-2.0 (low) 美国 SpaceXAI 1439 ±8 5,941
5 Mai Image 2.6 美国 Microsoft AI 1434 ±8 9,481
6 Muse Image 美国 Meta 1403 ±5 83,408
7 Mai Image 2.5 美国 Microsoft AI 1400 ±4 174,744
8 B Seedream 5.0 Pro 中国 Bytedance 1394 ±4 179,966
9 gemini-3-pro-image-2k (nano-banana-pro) 美国 Google 1390 ±3 556,580
10 grok-imagine-image-quality (20260519) 美国 SpaceXAI 1390 ±6 35,594
11 chatgpt-image-latest-high-fidelity (20251216) 美国 OpenAI 1389 ±3 543,587
12 gemini-3.1-flash-image (nano-banana-2) [web-search] 美国 Google 1387 ±4 157,693
13 gemini-3-pro-image-preview (nano-banana-pro) 美国 Google 1385 ±3 518,495
14 R Reve 2.1 美国 Reve 1375 ±6 19,125
15 GPT Image 1.5 High Fidelity 美国 OpenAI 1370 ±3 566,510
16 R Reve 2.0 美国 Reve 1358 ±7 17,505
17 L Uni 1.1 Max 美国 Luma AI 1333 ±5 40,916
18 Grok Imagine Image 美国 SpaceXAI 1330 ±3 624,951
19 gemini-3.1-flash-lite-image (nano-banana-2-lite) 美国 Google 1314 ±5 59,280
20 L Uni 1.1 美国 Luma AI 1314 ±4 132,966
21 Qwen Image 2.0 Pro 2026 06 22 中国 Alibaba 1304 ±5 50,820
22 Hunyuan Image 3.0 Instruct 中国 Tencent 1302 ±3 307,730
23 Wan2.7 Image Pro 中国 Alibaba 1302 ±4 41,535
24 B Seedream 4.5 中国 Bytedance 1302 ±2 1,100,289
25 Wan2.7 Image 中国 Alibaba 1301 ±4 42,373
26 B Seedream 5.0 Lite 中国 Bytedance 1294 ±3 373,781
27 gemini-2.5-flash-image-preview (nano-banana) 美国 Google 1293 ±2 11,176,305
28 B Seedream 4 2k 中国 Bytedance 1271 ±7 212,663
29 B Flux 2 Max 美国 Black Forest Labs 1262 ±3 352,883
30 R Reve V1.1 美国 Reve 1261 ±3 632,188
31 Kling Image o1 美国 KlingAI 1251 ±4 135,280
32 B Flux 2 Pro 美国 Black Forest Labs 1245 ±3 539,449
33 Qwen Image Edit 中国 Alibaba 1241 ±3 1,981,112
34 Qwen Image Edit 2511 中国 Alibaba 1235 ±3 452,591
35 R Reve V1 美国 Reve 1234 ±5 380,880
36 Wan2.6 Image 中国 Alibaba 1230 ±3 574,912
37 B Flux 2 Dev 美国 Black Forest Labs 1226 ±4 237,559
38 B Flux 2 Flex 美国 Black Forest Labs 1225 ±3 415,750
39 B Flux 2 Klein 9b 美国 Black Forest Labs 1224 ±3 507,078
40 B Seedream 4 High Res Fal 中国 Bytedance 1217 ±3 1,184,097
41 AI P Image Edit 美国 1211 ±3 336,658
42 B Seedream 4 Fal 中国 Bytedance 1210 ±6 153,461
43 R Reve V1.1 Fast 美国 Reve 1207 ±3 521,762
44 R Reve Edit Fast 美国 Reve 1198 ±4 221,481
45 B Flux 2 Klein 4b 美国 Black Forest Labs 1188 ±3 507,119
46 Wan2.5 I2i Preview 中国 Alibaba 1181 ±3 619,267
47 B Flux 1 Kontext Max 美国 Black Forest Labs 1181 ±3 391,207
48 B Flux 1 Kontext Pro 美国 Black Forest Labs 1176 ±3 6,400,334
49 B Flux 1 Kontext Dev 美国 Black Forest Labs 1149 ±3 3,639,708
50 B Seededit 3.0 中国 Bytedance 1139 ±3 4,928,669
51 GPT Image 1 美国 OpenAI 1139 ±3 2,853,022
52 GPT Image 1 Mini 美国 OpenAI 1124 ±3 653,148
53 Gemini 2.0 Flash Preview Image Generation 美国 Google 1081 ±2 4,947,555
54 B Bagel 中国 Bytedance 1026 ±6 13,503
55 S Step1x Edit 中国 StepFun 998 ±4 155,558
置信区间图例：绿色 ±5 以内（样本充足，排名稳定）· 灰色 ±6~10（一般）· 橙色 ±11 以上（样本偏少，排名可能变动）。 厂商 logo 与国旗依据数据源给出的厂商标识匹配，未收录 logo 的厂商显示首字母占位。

本榜国家与厂商分布

图像编辑维度：55 个模型，来自 13 家厂商（按数量列前 8 家）

本维度在榜 55 个模型，来自 13 家厂商，厂商分布较分散，数量最多的 Black Forest Labs 也只占 16%。国家分布上，中国厂商 17 席、美国厂商 38 席；中国厂商占本维度 31%，与全部 11 个维度的整体水平（24%）大致相当。榜首 GPT Image 2.5 Sunburst（OpenAI）得分 1520，领先第 2 名 29 分；在榜模型置信区间均较窄，对战样本相对充足，排名较为稳定。

美国美国
38 席
中国中国
17 席
B Black Forest Labs
9 个模型
B Bytedance
8 个模型
OpenAI
7 个模型
Alibaba
7 个模型
Google
6 个模型
R Reve
6 个模型
SpaceXAI
3 个模型
Microsoft AI
2 个模型

榜单说明

排序依据：按 Elo 得分降序。得分由真实用户在不知模型身份的前提下对两组回答二选一（盲评对战），经 Elo 算法累积计算， 代表相对胜率而非绝对能力值。置信区间越小表示对战样本越充足；投票数为该模型的累计有效对战场次。 不同维度之间的分数不可横向比较（例如编程维度榜首约 1800 分、文本对话维度榜首约 1506 分，并不代表编程模型更强）。 国家标识依据模型归属厂商判定，同一厂商的多个版本归为同一国家。 数据来源：arena-ai-leaderboards 公开接口，最近抓取时间 2026-09-23 00:10:00，本站每日抓取快照并留存历史。 榜单仅反映真实用户偏好，不构成技术评测结论。 相关榜单：社区榜单（工具热度榜与开源模型下载榜）、 模型库（按厂商 / 参数 / 下载量筛选）。

常见问题

图像编辑和文生图该用哪个榜选模型？
看你手上有没有原图。需要从零生成新图看文生图榜；已有素材、要按指令修改（换背景、改风格、局部重绘）看本榜。两者能力不通用，同一模型在两个榜单上的名次也常不一致。
做电商商品图，这个榜该怎么用？
建议重点关注榜单前列中擅长「保留主体、替换背景/场景」的模型。实际测试时准备 5-10 张真实商品图，用相同指令对比边缘处理、文字区域还原与主体一致性，这几项比总分更能决定可用性。
编辑类任务最常踩的坑是什么？
主体一致性与文字区域。模型在改图时容易顺手改掉不该动的主体细节，或破坏图中的文字。测试时建议专门挑含文字和小细节的图，检验模型的「保守程度」。