APIMODELSAPIMODELS
API 文档

apimodels.app

图片生成 API

全部图片模型与价格

下列所有模型通过统一 API、一个 key 即可调用。点击模型查看完整 playground 与文档。

模型model 参数价格说明
Muse Imagemuse-image$0.02Muse Image 是 Meta 的图片生成模型,即 Meta Superintelligence Labs 的 Muse Image 1.0。Meta 介绍它会先理解提示词再出图,构图准确,文字渲染清晰。在 APIMODELS 上它是统一图片端点里的一个模型名 muse-image(muse-image-1.0 也能用),文生图和改图都走它。 传一段最多 4000 字的提示词,返回一张约 250 万像素的图。再加 1 到 4 张参考图(一张用 image,多张用 images;公网 URL 或 base64 data URI,PNG、JPEG 或 WebP,每张不超过 10 MB、合计不超过 24 MB),同一个请求就变成改图:换画风、换背景,或者把几张图里的东西合到一起。第 1 张是主图,提示词里可以点名其他几张(「把第二张图里的杯子放到桌上」),写清哪些保留、哪些要改。参考图不另收费。不传 aspect_ratio 或传 auto,画幅由模型按提示词决定,我们实测不带尺寸的请求出了 1920×1280。要固定画幅,aspect_ratio 可选 1:1、3:2、2:3、4:3、3:4、5:4、4:5、16:9、9:16、2:1、1:2、21:9、9:21,也可以传 OpenAI 风格的 size,如 2048x1152。size 只决定比例,像素由模型按自己的分辨率定(1:1 约 1600×1600,16:9 约 2048×1152),所以不会和你传的数字完全一样。超过约 260 万像素的尺寸(如 4K、2048x2048)直接返回 400,不会悄悄给你一张更小的图。 每次请求只出一张,n 大于 1 会被拒,批量就并发多发几次。遮罩局部重绘、超过 4 张参考图、透明背景、negative_prompt、seed 都不支持,传了直接返回 400,不会被悄悄忽略。不保证每次都成功:内容可能被模型拒绝,也可能遇到临时错误,失败的请求不扣费。价格每张固定 $0.02,出图成功才计费。
GPT Image 2.6 Flaregpt-image-2.6-flare$0.01 起gpt-image-2.6-flare 是 OpenAI GPT Image 2.6 的默认档:出图快、画质高,光线自然、材质丰富,复杂版式和透明背景都能做,适合搭生产流水线。我们 2026-11-05 在 apimodels.app 上实测:1K low 文生图约 20 秒、1K high 约 27 秒,带一张参考图的 1K low 改图 22–58 秒;2K / 4K(含 high)13–25 秒。 2.6 不是「更清楚的 2.5」,而是一组新能力:GIF 动图输出(2–16 帧、每帧 20–2000 毫秒);由文字生成 SVG 矢量图;用标注图指导改图 —— 在第一张参考图上画圈、箭头、批注的透明 PNG;蒙版(白色改、黑色留);一次最多出 10 张;推理强度 reasoning_effort 可选 low、medium、high 三档,用时间换细节。 尺寸:可以传比例 + 1K / 2K / 4K;也可以传精确的 宽x高(两边 16 的倍数、长边 ≤3840、比例 ≤3:1、总像素 66 万–829 万);或预设名;或 auto。画质 low / medium / high / auto,apimodels.app 默认 medium —— 模型自己的默认是 high,会用掉更多 token。 普通图按「分辨率 × 画质」按张计价:low / medium / high 三档,1K 每张 $0.01 / $0.02 / $0.03,2K $0.03 / $0.035 / $0.045,4K $0.03 / $0.045 / $0.08。1K 和 4K 的 medium / high 与 GPT Image 2.5 同价;2.5 的 2K 是 $0.02 / $0.03 / $0.04,4K low 是 $0.02。定了尺寸的 PNG / JPEG / WebP 都按这张表收费 —— 精确尺寸(1K 指总像素不超过 170 万,例如 1024x1024、1360x768、1536x1024;2K 不超过 460 万;再大就是 4K)、比例 + 分辨率,或者不传尺寸的文生图(缺省 1024x768,按 1K 算);文生图和传了尺寸或分辨率的改图都适用。画质传 auto 按 high 收费,一次出 n 张就是 n 倍,用掉多少 token 都不影响价格。GIF 动图、带蒙版 / 标注图 / 透明背景的请求,以及保持原图尺寸的改图(不传尺寸或 size 为 auto)仍按 token 计费,单价比 OpenAI 官网价低 10%:图像输出每百万 token $27(官网 $30),图像输入 $7.20(缓存 $1.80;官网 $8 / $2),文本输入 $4.50(缓存 $1.125;官网 $5 / $1.25),文本输出 $9(官网 $10),每次请求向上取到 $0.0001。SVG 每张固定 $0.0315,与画质无关。账户折扣在这个价格上另算。提交时先冻结上限,出图后按实际费用结算、其余退回。 接入前请看清限制:SVG 只支持文生图、每次 1 张(n 必须为 1),画质参数对它不起作用,输出是不含脚本、外部资源和内嵌位图的静态矢量,适合图标、Logo、扁平插画,不适合照片级画面;标注图不能和蒙版同用;GIF 的所有帧会拼在一张大图上,这张图要同时满足长边 ≤3840 px、总像素 ≤8,294,400;只传比例 / 分辨率(或不传尺寸)时 apimodels.app 会把每帧自动缩到放得下的最大尺寸,传精确的单帧尺寸时先按原尺寸发送,放不下会按原比例自动缩到放得下的尺寸再出图 —— 想保住指定尺寸,参考 960x960 最多 8 帧、720x720 最多 16 帧。上一代我们实测蒙版只被当作提示、不当硬边界,2.6 还没实测 —— 要严格只改局部,请同时在提示词里点名要改的位置。和所有生成模型一样,成功率不是 100%:审核拒绝、上游报错都会发生,失败不扣费。结果文件保留 30 天。
GPT Image 2.6 Sunburstgpt-image-2.6-sunburst$0.01 起gpt-image-2.6-sunburst 是 OpenAI GPT Image 2.6 的精度档,面向精品视觉:每张图多花时间,把繁复细节做得更精;改图范围严格贴着指令,多轮修改下主体和构图保持不变。我们 2026-11-05 在 apimodels.app 上实测:1K low 文生图约 20 秒、1K high 约 27 秒,带一张参考图的 1K low 改图 22–58 秒;2K / 4K(含 high)13–25 秒。 2.6 的能力它与 Flare 完全相同:GIF 动图(2–16 帧)、由文字生成 SVG、在第一张参考图上画标注来指导改图、蒙版(白改黑留)、最多 16 张参考图、一次最多出 10 张、推理强度 low、medium、high 三档。尺寸可传比例 + 1K / 2K / 4K、精确 宽x高(16 的倍数、长边 ≤3840、比例 ≤3:1)、预设名或 auto。apimodels.app 默认 medium 画质;细节就是这张图的重点时请传 high。 普通图按「分辨率 × 画质」按张计价:low / medium / high 三档,1K 每张 $0.01 / $0.02 / $0.03、2K $0.03 / $0.035 / $0.045,与 Flare 相同;4K $0.03 / $0.085 / $0.16(Flare 是 $0.03 / $0.045 / $0.08)。1K 和 4K 的 medium / high 与 GPT Image 2.5 Sunburst 同价;2.5 的 2K 是 $0.02 / $0.03 / $0.04,4K low 是 $0.02。定了尺寸的 PNG / JPEG / WebP 都按这张表收费 —— 精确尺寸(1K 指总像素不超过 170 万,例如 1024x1024、1360x768、1536x1024;2K 不超过 460 万;再大就是 4K)、比例 + 分辨率,或者不传尺寸的文生图(缺省 1024x768,按 1K 算);文生图和传了尺寸或分辨率的改图都适用。画质传 auto 按 high 收费,一次出 n 张就是 n 倍,用掉多少 token 都不影响价格。GIF 动图、带蒙版 / 标注图 / 透明背景的请求,以及保持原图尺寸的改图(不传尺寸或 size 为 auto)按 token 计费,与 Flare 同价,单价比 OpenAI 官网价低 10%:图像输出每百万 token $27(官网 $30),图像输入 $7.20(缓存 $1.80;官网 $8 / $2),文本输入 $4.50(缓存 $1.125;官网 $5 / $1.25),文本输出 $9(官网 $10),每次请求向上取到 $0.0001。SVG 每张固定 $0.0315。账户折扣在这个价格上另算。提交时冻结上限,出图后按实际费用结算、退回多冻的部分。 限制:SVG 只支持文生图、每次 1 张,画质参数对它不起作用,输出是静态矢量(不含脚本和内嵌位图),适合图标、Logo、扁平插画;标注图和蒙版不能同用;GIF 的所有帧拼在一张大图上,要同时满足长边 ≤3840 px、总像素 ≤8,294,400;只传比例 / 分辨率(或不传尺寸)时 apimodels.app 会自动缩到放得下的最大单帧,传精确尺寸时先原样发送,放不下会按原比例自动缩小再出图;想保住指定尺寸,参考 960x960 最多 8 帧、720x720 最多 16 帧。2.6 对蒙版遵守得多严我们还没实测(上一代只被当作提示),要精确只改局部,请同时在提示词里点名位置。不保证每次都成功;审核拒绝、上游报错都不扣费。结果文件保留 30 天。
GPT Image 2.5 Flaregpt-image-2.5-flare$0.01 - $0.3【Flare 档】走量用的快档:2.5 的全部能力,延迟约为 GPT Image 2 的一半、同一条提示词下约为 Sunburst 的两倍速,默认 medium 画质。1K、2K 同画质档与 Sunburst 同价,选它图的是速度;到了 4K,Flare 的价格更低。价格按「分辨率 × 画质」分十五格(1K $0.01–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.3),只为你要的细节付钱。GPT Image 2.5 是 OpenAI 最新的图像模型。它相比 GPT Image 2 的进步,主要不在「第一张图生成得多好」,而在「改图」这件事上。 过去让 AI 改一个局部,常常牵一发动全身:改服装把脸改了,调背景把整体风格带跑了。2.5 可以指定画面里你不满意的位置,只改那一处,主体、构图和风格保持不动。更关键的是多轮:同一个角色或产品经过很多轮编辑仍然是同一个,不再改几轮就开始走形 —— 这意味着为了稳定而往提示语里塞的那些结构化约束、固定视角、固定光照,大部分可以不写了。 还有一个能立刻验证的差别:2.5 原生支持透明底 PNG,而 GPT Image 2 只能给你一个纯色背景、需要自己抠。所以判断手上跑的是哪一代,最简单的办法就是要一张透明背景的图。 出图更清晰、生成更快,1:1、3:4、4:3、9:16、16:9、21:9 六种画幅都能精确控制。 API 上是两个型号:gpt-image-2.5-flare 是默认档,画质与 2.5 一致而延迟约为 GPT Image 2 的一半,适合社媒内容、电商视觉这类走量场景;gpt-image-2.5-sunburst 用更长的时间换更高的精度。 ⚠️ 手绘 Sketch(在画布上涂抹给模型当参考)、创作模板、在图上直接评论改图,这三项目前只在 ChatGPT 里,API 不提供 —— 按这些能力做集成之前请先确认。
GPT Image 2.5 Sunburstgpt-image-2.5-sunburst$0.01 - $0.47【Sunburst 档】放大看的精度档:每张比 Flare 多花约一倍时间,换来皮肤织物纹理、密集排版、金属反光面这些经得起放大的细节,默认 high 画质。1K、2K 同画质档与 Flare 同价,多付的只是时间;4K 单独定价、比 Flare 高。价格按「分辨率 × 画质」分十五格(1K $0.01–$0.08 / 2K $0.020–$0.15 / 4K $0.02–$0.47),只为你要的细节付钱。GPT Image 2.5 是 OpenAI 最新的图像模型。它相比 GPT Image 2 的进步,主要不在「第一张图生成得多好」,而在「改图」这件事上。 过去让 AI 改一个局部,常常牵一发动全身:改服装把脸改了,调背景把整体风格带跑了。2.5 可以指定画面里你不满意的位置,只改那一处,主体、构图和风格保持不动。更关键的是多轮:同一个角色或产品经过很多轮编辑仍然是同一个,不再改几轮就开始走形 —— 这意味着为了稳定而往提示语里塞的那些结构化约束、固定视角、固定光照,大部分可以不写了。 还有一个能立刻验证的差别:2.5 原生支持透明底 PNG,而 GPT Image 2 只能给你一个纯色背景、需要自己抠。所以判断手上跑的是哪一代,最简单的办法就是要一张透明背景的图。 出图更清晰、生成更快,1:1、3:4、4:3、9:16、16:9、21:9 六种画幅都能精确控制。 API 上是两个型号:gpt-image-2.5-flare 是默认档,画质与 2.5 一致而延迟约为 GPT Image 2 的一半,适合社媒内容、电商视觉这类走量场景;gpt-image-2.5-sunburst 用更长的时间换更高的精度。 ⚠️ 手绘 Sketch(在画布上涂抹给模型当参考)、创作模板、在图上直接评论改图,这三项目前只在 ChatGPT 里,API 不提供 —— 按这些能力做集成之前请先确认。
Gemini 2.5 Flash Imagegemini-2.5-flash-image$0.02Gemini 2.5 Flash Image 是 Google 的快速图像模型,在我们这儿是一口价 $0.02 一张 —— 没有分辨率档、没有画质档,不管你怎么传,一次请求就是这个价,也就没有「该填哪一档」这个需要决策的字段。它同时支持文生图和参考图编辑:不传图就是从提示词生成,传了图就是照着改。这种「单价最低 + 计价最简单」的组合适合走量:批量铺图、快速试稿、把单位成本压到最低的自动化管线,这些地方每张省下的那一分钱,比多出来的那几个百分点画质更要紧。反过来,它的定位也决定了不该拿它当交付档 —— 要更高的画质上限和更稳的图内文字渲染,请用 Nano Banana Pro(Gemini 3 Pro Image);要新一代 Flash 的画质和分辨率分档,看 Nano Banana 2(Gemini 3.1 Flash Image)。这几个模型在我们这儿共用同一个端点和同一把 API Key,换用只改 model 这一个字符串,代码结构不用动。不需要 Google Cloud 项目、不需要给 Google 绑卡、不需要配置区域,注册即可调用,国内可直连,失败不扣费,结果保留 30 天。
GPT Image 2gpt-image-2$0.025+GPT Image 2 是 OpenAI 的图像生成模型,文本排版精确、像素级编辑稳定、prompt 遵从度高。在 APIMODELS 上文生图与图生图都支持(同一 endpoint 按是否携带参考图自动路由),单次最多 16 张参考图做多图融合/编辑,原生 1K / 2K / 4K 分辨率、分档计价 $0.025 / $0.03 / $0.05 每张,可用 aspect ratio(1:1、2:3、3:2、16:9、9:16 等)控制画幅。 这条是「省事」的通道:画质固定跑 medium 档,请求里传 quality 不会生效,所以价格只跟分辨率走、少一个要决策的字段。更便宜的纯 API 通道 gpt-image-2-lite(只有 1K 一档,一口价 $0.01)同理:quality 参数会被忽略。如果你需要自己挑画质,请用同一个底层模型的 gpt-image-2-all —— 它把完整的「分辨率 × 质量」矩阵开放出来(1K/2K/4K × low/medium/high,外加 auto),1K low 低到 $0.01,要极限细节的 high 档也调得到;而且它是 OpenAI SDK 兼容的同步通道,Codex / Cursor 改个 base_url 就能直接调。本页底部「相关模型」里有它的入口。 还有一个差别值得先知道:这条通道的内容审核稍宽松。近 30 天按普通用户口径(每条通道都不计被拒最多的 3 个账号),这里 0.48% 的请求被上游安全系统拒绝,gpt-image-2-all 是 0.83% —— 底层是同一个模型,只是审核口径不同。如果同一段提示词在那边反复被拒,可以先来这条试。被拒的请求不扣费。 一个 API Key 覆盖全部模型,国内可直连,无需 OpenAI 组织认证,失败不扣费,结果托管在 R2、保留 30 天。
Qwen Image 3.0qwen3-image$0.035Qwen Image 3.0 是阿里巴巴的图像生成模型,最见功力的地方是「图里的字」。10px 的小字它能渲染得清晰可辨,12 国语言、20+ 字体原生支持,所以报纸版式、餐厅菜单、试卷、信息图、网页与 UI 稿这类「文字密集又要讲版面」的活,它能一次生成到位,不必事后再往图上贴文字。指令理解也扎实:最长 4.5k token 的提示词它读得完、照着做,复杂图文指令不会做一半丢一半。 在 APIMODELS 上,文生图和图像编辑是同一个模型、同一个端点,靠有没有传参考图自动切换 —— 不传就是文生图,传了(最多 3 张)就是按图编辑或多图融合。输出 1K 或 2K,8 种画幅(1:1、3:2、2:3、4:3、3:4、16:9、9:16、21:9)或 auto 跟随输入图,PNG 格式。异步任务:POST 创建后 GET 轮询,也可以传 callback_url 让我们回调你。 价格 1K 与 2K 同价 $0.035/张,图像编辑时每张参考图另加 $0.004,失败不扣费。出图按我们自己的生产数据:中位 73 秒、九成在 96 秒内,最快见过 36 秒;轮询窗口留 3 分钟足够,别按几十秒就掐。结果文件在我们的存储上保留 30 天,需要长期留存请自行转存。一个 API Key 同时可调图片、视频、大模型与语音,国内可直连。
Qwen Image 3.0 Proqwen3-image-pro$0.037+Qwen Image 3.0 Pro 是 Qwen Image 3.0 更高保真的一档。标准版已经把「图里的字」做得很稳,Pro 在此之上把画质推到照片级:微表情、毛孔、发丝这些细节逼近真实摄影,主图、人像、以及那些「细节一糊就露怯」的密集排版,交给它更稳妥。内容承载力同样在线 —— 最长 4.5k token 提示词、12 国语言与多种字体原生渲染,主流网页、游戏、直播界面的仿真也做得出来。 用法与标准版完全一致:同一个端点,不传参考图就是文生图,传了(最多 3 张)就是编辑或多图融合;输出 1K 或 2K、8 种画幅或 auto,PNG;异步创建后轮询或走 callback_url。想省成本就用 qwen3-image,想要照片级细节或要拿去印刷再换 qwen3-image-pro,切换只改 model 一个字段。 价格按分辨率分档:1K $0.037/张、2K $0.075/张,每张参考图另加 $0.004,失败不扣费。Pro 明显更慢而且尾巴长:我们自己的数据是中位 121 秒,但一成会超过 324 秒、最慢见过 359 秒。轮询窗口至少留 8 分钟 —— 按中位数去设窗口正是「任务卡住」的最常见原因。结果文件保留 30 天。一个 API Key 通调全站模型,国内可直连。
Real-ESRGAN Upscalerreal-esrgan$0.005Real-ESRGAN 是专门为插画、二次元和手绘 / 绘画作品调过的 AI 放大器。它最高能放到 10 倍,足以顶到 4K、8K 乃至 10K 的打印级分辨率,而线条保持锐利、平涂保持干净 —— 这恰恰是扩散式放大器最容易翻车的地方:那一类模型本质是「重绘」,会把线稿画软、在平涂上添出本来没有的笔触和纹理。需要的话可以同时打开 GFPGAN 人脸增强,在放大的同一遍里把脸部细节一起修清楚。适用范围我们说在前面,免得你按错的预期去用:对真人照片,它主要就是「放大」,不去模糊、不修老照片破损、也不降噪 —— 请把它当成「把画作放大到能印、能上高 DPI 屏幕」的工具,而不是照片修复工具;指望它救一张糊掉的旧照片,结果只会是一张更大的糊照片。scale 取 1 到 10,计费是一口价 $0.005 一张,放大倍数和人脸增强都不额外加钱,只对成功的请求扣费。一个 API Key 同时还能调站内的图片、视频、语音与大模型,国内可直连,结果文件保留 30 天,请及时下载或转存。
FLUX.2 Klein 4Bflux-2-klein-4b$0.006FLUX.2 Klein 4B 是 Black Forest Labs 的极速照片级图片模型,大约 1-2 秒出图——适合要量、要快、要写实的场景:草稿迭代、批量出素材、电商与社媒配图。文生图和图生图用同一个模型名:不带参考图就是纯文生,最多带 3 张参考图做图生图(每张会自动压缩到约 1MP),aspect_ratio 传 match_input_image 可跟随参考图比例。输出固定约 2MP,12 种画幅可选,支持 jpg / png / webp。计价是一口价:每张 $0.006,另加每张参考图 $0.0015(最多 3 张)——是平台上最便宜的照片级通道之一。统一图片端点、失败不扣费,详细参数和三语言代码示例见文档页。
Z-Image Spicyz-image-spicy$0.015Z-Image Spicy 是 Z-Image 系列的 Spicy 版本,在 apimodels.app 上作为纯文生图模型提供:发一段提示词,大约 15 秒拿回一张图。输出尺寸由你定:直接传 width / height(或 OpenAI 风格的 size,如 1536x864),单边 256–1536px 任意组合;也可以只传 aspect_ratio(16:9、9:16、4:3 等),长边固定 1536。seed 用来固定结果、方便复现;prompt_extend 默认开启,会先把短提示词扩写再出图,想让模型严格按原文画就传 false。不支持参考图,一次请求只出一张,要批量就并行多发几单。计价是一口价:每张 $0.015,失败不扣费;走统一图片端点,cURL / Python / Node 的调用方式与其它图片模型完全一致,详细参数见文档页。
Z-Image Spicy Proz-image-spicy-pro$0.03Z-Image Spicy Pro 是 Z-Image Spicy 系列的高分辨率档,在 apimodels.app 上和 z-image-spicy 用同一套请求(提示词、可选的 seed 和 prompt_extend),但单边最大能出到 2560px:直接传 width / height(或 OpenAI 风格的 size,如 2560x1440),单边 256–2560px 任意组合;也可以只传 aspect_ratio(16:9、9:16 等),长边固定 2560。我们实测 2560x1440 一张约 16 秒,毛发、苔藓、枝叶这类细节放到原尺寸看仍然扎实。Pro 的 prompt_extend 默认关闭,提示词按原文出图,需要扩写就显式传 true。不支持参考图,一次请求只出一张。计价一口价:每张 $0.03,与尺寸无关,失败不扣费;走统一图片端点,cURL / Python / Node 的调用方式与其它图片模型完全一致。
GPT Image 2 Allgpt-image-2-all$0.01+GPT Image 2(All)是 OpenAI 兼容的图片 API:把 OpenAI SDK、Codex、Cursor 的 base_url 指向 https://api.apimodels.app/v1,model 填 gpt-image-2-all,images.generate() 与 images.edit() 原样就能跑,不用改代码结构。同步返回、无需轮询 taskId,支持文生图与多图编辑(单次最多 16 张参考图)。 它和 gpt-image-2 底层是同一个模型,区别只有两点:接入方式(这条是 OpenAI 兼容的同步通道,那条是异步 taskId 通道),以及画质要不要你自己挑。这条把完整的「分辨率 × 质量」矩阵开放出来 —— 1K/2K/4K 搭配 low / medium / high,另有 auto(按 medium 计费):1K low $0.01、1K medium $0.025、1K high $0.07;2K 依次 $0.025 / $0.03 / $0.10;4K 依次 $0.05 / $0.05 / $0.23。想压成本就用 1K low,要极限细节就上 high。生成速度 low 约 40 秒、medium 约 60-90 秒、high 约 2 分钟。 反过来,如果你不想纠结画质该填什么,用 gpt-image-2 更省事:它固定跑 medium 档,价格只按分辨率分三档($0.025 / $0.03 / $0.05),少一个要决策的字段。本页底部「相关模型」里有它的入口。 再补一个实测差别:这条通道的内容审核稍严。近 30 天按普通用户口径(每条通道都不计被拒最多的 3 个账号),这里 0.83% 的请求被上游安全系统拒绝,gpt-image-2 是 0.48%。两者底层同一个模型,差的是这条通道的审核阈值 —— 做商业素材通常没问题,但涉及人物肖像、品牌标识、证件类版面时更容易被拦。被拒的请求不扣费,换到 gpt-image-2 往往能过。 一个 API Key,国内可直连,无需 OpenAI 组织认证,失败不扣费。
Nanobananapro-gemininanobananapro-gemini$0.03nanobananapro-gemini 是 Gemini 3 Pro Image 的经济渠道版本,$0.03/张,支持文生图与编辑、1K/2K/4K,主打专业素材创作与高保真文字渲染。引擎与 Nano Banana Pro 相同(Gemini 3 Pro),走更便宜的渠道,适合对成本敏感的高量专业出图;要主渠道约 99% 成功率与稳定性,选 nanobananapro。
Nanobanana2-gemininanobanana2-gemini$0.025nanobanana2-gemini 是 Gemini 3.1 Flash Image 的经济渠道版本,$0.025/张,为速度与大批量优化,支持文生图与编辑、1K/2K/4K。引擎与 Nano Banana 2 相同(Gemini 3.1 Flash),走更便宜的渠道,适合海量、低成本的快速出图;要主渠道稳定性选 nanobanana2。
SparkPix Imagesparkpix-image$0.008SparkPix Image 是 SparkPix 面向生产场景的文生图模型,主打亚秒级出图(通常 1 秒内)与极低单价($0.008/张),兼顾画质、提示词遵从与出色的图内文字渲染,并支持 LoRA 定制风格。是平台上最快、最便宜的图片档之一,适合社媒视觉、电商铺图、A/B 创意、快速原型等需要海量出图与快速迭代的场景。要编辑 / 融合已有图片,可搭配 SparkPix Image Edit。
SparkPix Image Editsparkpix-image-edit$0.013SparkPix Image Edit 是 SparkPix 的多图编辑模型,亚秒级(1 秒内)完成、单价低($0.013/张)。它擅长精准提示词控制、出色的图内文字渲染,并支持多图编辑与融合,可嵌进高频生产管线:换背景、商品合成、版式与文字调整、批量改图。从零生成用 SparkPix Image,改图 / 多图融合用 SparkPix Image Edit。
Kling V3 Imagekling-v3-image$0.05Kling V3 Image 是可灵 V3 的图像生成模型,支持文生图,以及「单图参考」的图生图(image_reference,用于锁定主体或人脸),1K / 2K 分辨率,$0.05/张。适合要保持某个主体 / 人脸一致的出图。需要多图参考与融合、元素一致性与组图输出,选 Kling V3 Omni Image。
Kling V3 Omnikling-v2-new$0.05+Kling V3 Omni Image 通过 omni-image 接口提供可灵 V3 的全能图像能力:多图参考与融合(image_list)、元素一致性(element_list,让角色 / 商品 / 道具在多图间保持一致)、单图或组图(series)输出,支持 1K / 2K / 4K(1K/2K $0.05、4K $0.10)。适合复杂的多素材合成与成系列出图——产品系列、分镜、套图。只需单主体一致,用更轻的 Kling V3 Image 即可。
Kling Omni-Imagekling-image-o1$0.05Kling Omni-Image(kling-image-o1)是可灵(Kling)的图像生成与编辑模型,支持 1K / 2K 分辨率,并支持多图输入做创意编辑与合成,$0.05/张。可同时传入多张图做参考与融合,用于创意合成、元素组合、风格借鉴,比单图编辑更灵活,适合在已有素材上做组合与再创作。
豆包 Seedream 5.5doubao-seedream-5-5$0.03 / $0.05Seedream 5.5 是字节跳动豆包 2026 年 11 月发布的图像模型,用一句话描述就能出图、改图、抠图,而且改图是像素级可控的。真实工作里改图比出图多得多,难的是「该改的改对、不该动的一个像素都不动」,5.5 专门为这一点做了训练:你说改哪里,就只动那里,人物、商品、场景细节和比例都保持原样。按字节的实测,连续改上百轮(每一轮都拿上一轮的结果当输入),修改区域之外的主体特征、构图比例和光影风格依然一致,常见的背景漂移、主体变形、画质越改越差都被压住了。 第二个变化是原生 RGBA:可以直接输出带 Alpha 透明通道的图,用文字或参考图生成透明素材,也能把一张图拆成最多 100 层透明图层。抠图和修边这一步基本可以省掉,同一套透明素材能在不同场景里反复用,游戏里还能靠分层做出 2.5D 的动态效果。 第三是写实感:光影、材质和皮肤纹理更接近实拍,过度油亮、过曝明显减少;逆光人像的轮廓光更真实,往实拍画面里加火焰、雾气这类特效时,和原场景的空间关系与光影融合也更自然。密集小字的排版也更准,比如多栏的英文报纸版面。 在 apimodels.app 上,模型名是 doubao-seedream-5-5,一个 API Key 直接调,同一个异步接口有三种用法:不带图就是文生图;带 1 到 10 张参考图就是改图或多图合成;传 layer_decomposition: true 再给一张图,就是拆图层,max_images 设拆出的总张数(含底图,2 到 100,缺省 30),还可以开 text_recognition 识别各层里的文字。每次出 1 张图,分辨率 1K / 1.5K / 2K(缺省 2K),16 种画幅,也可以用 size 自定义尺寸(约 92 万到 462 万像素);缺省 JPEG,可选 PNG,要透明背景时自动用 PNG。我们自己测过 1K 文生图,约 20 秒出图。 价格:每张输出 1K、1.5K $0.03,2K $0.05,每张参考图另加 $0.01;拆图层按实际拆出的张数收费;失败不扣费。不保证每次都成功:提示词或图片可能被内容审核拒掉,拿真人照片做图生图、结果还带着本人长相的请求也可能被拒。没有 4K,也不能一次出多张,要多张请分开发请求。如果要用坐标、框选、手绘标记精确指定改哪里,Seedream 5.0 Pro 更合适。 适合电商营销(同一个模特换不同穿搭)、家装方案比选(同一个房间换不同装修)、广告与海报设计、影视游戏资产、分镜和知识可视化。
MiniMax H3 Imageminimax-h3-image$0.03 / $0.10MiniMax H3 Image 是 MiniMax 的图像生成模型,在 apimodels.app 上一个 API Key 即可调用,模型名 minimax-h3-image(MiniMax 自己的写法 MiniMax-H3-Image 也认)。一个模型同时做文生图和改图:只传提示词就是文生图;再加 1 到 16 张参考图,提示词里按「图1、图2……」指代,就能改照片的局部、换风格,或把几张图合成一张。每次请求出 1 到 10 张。 尺寸有两种定法:按面积档位 1K / 2K / 4K(缺省 2K)加 auto 或 1:3 到 3:1 之间任意比例;或者直接给精确尺寸,面积在 655,360 到 20,000,000 像素之间。缺省输出 JPEG,也可以要 PNG 或 WebP。文生图默认经过模型的提示词增强,不想要可以用 disable_prompt_enhanced 关掉;改图始终增强。我们实测:1K 16:9 文生图约 10 秒,实得 1360×768;带一张参考图的 1K 改图约 16 秒。 价格:1K、2K 每张 $0.03,4K 每张 $0.10(自定义尺寸超过约 500 万像素按 4K 算),每张参考图另加 $0.01;只对实际出成的图收费,整单失败不扣费。超过约 240 万像素的参考图会先等比缩小再发出。不保证每次都成功:提示词或图片可能被内容审核拒掉。不支持遮罩、透明背景、反向提示词和 seed,传了会直接返回 400,不会被悄悄忽略。要更快出图,用 minimax-h3-image-highspeed。
MiniMax H3 Image Highspeedminimax-h3-image-highspeed$0.05 / $0.18MiniMax H3 Image Highspeed 是 MiniMax H3 图像模型的高速版,在 apimodels.app 上模型名 minimax-h3-image-highspeed(MiniMax-H3-Image-Highspeed 也认)。请求写法和 minimax-h3-image 完全一样:只传提示词是文生图,再加 1 到 16 张参考图就是改图、换风格或多图合成;一次 1 到 10 张;面积档位 1K / 2K / 4K(缺省 2K)加 auto 或 1:3 到 3:1 任意比例,或直接给 655,360 到 20,000,000 像素之间的精确尺寸;JPEG、PNG 或 WebP。 我们实测:一张带两行文字的 1K 16:9 海报约 6 秒返回,文字一字不差;同样 1K 的标准版文生图约 10 秒。两边各只测了一次,不算基准测试。 价格:1K、2K 每张 $0.05,4K 每张 $0.18(自定义尺寸超过约 500 万像素按 4K 算),每张参考图另加 $0.015;只对实际出成的图收费。超过约 240 万像素的参考图会先等比缩小再发出。不保证每次都成功:提示词或图片可能被内容审核拒掉。不支持遮罩、透明背景、反向提示词和 seed,传了直接返回 400。不赶时间的话,同样的请求发给 minimax-h3-image 每张 $0.03。
Doubao Seedream 5.0 Lite (Official)doubao-seedream-5-0-260128$0.055Doubao Seedream 5.0 Lite 是字节跳动豆包的图像模型,通过官方火山方舟(Volcano Ark)接口接入,稳定且为第一方画质。一个接口同时覆盖文生图(不传 image)与图生图 / 多图融合编辑(传一张或多张 image),按是否带参考图自动路由。输出 2K 或 4K 的 PNG、无水印,可直接用于电商与设计生产。注意:图生图若产出仍含真实人物身份,会被火山内容审核拒绝(防深伪),请使用合成脸或非真人素材。约 $0.055/张,远低于官方。
Doubao Seedream 5.0 Prodoubao-seedream-5-0-pro$0.03 / $0.06Doubao Seedream 5.0 Pro 是字节跳动豆包的旗舰图像模型,做的是「可控生产」而不是「一发入魂」。最有代表性的能力是交互式编辑:你可以用坐标、框选、箭头,或者干脆在图上手绘一个标记,告诉它要改的就是这一块,它就只动那一处,画面其余部分的构图、光影和风格原样保留。图内文字这一项提升很大,14 种以上语言(中、英、日、韩、俄、阿拉伯、泰、土耳其、西、葡、法、德、越南、印尼等)都能排得准,海报、杂志封面、信息图这类活儿它接得住;提示词写得短它也能读出意图,不必堆一长串约束。一个端点覆盖三种用法:不传 image 就是文生图,传一张是单图编辑,传 2 到 10 张就是多图融合。输出是单张 1K 或 2K、无水印,价格 1K $0.03、2K $0.06 每张;想更省就用同门的 Seedream 5.0 Lite,换档只改 model 一个字段。一个限制要先知道,免得白跑:图生图如果产出仍然带着真实人物的身份,会被内容审核拒掉 —— 这是防深伪的既定规则,我们不绕过,做人像请改用合成脸或非真人素材。
Seedream 5.0 Pro Spicyseedream-5.0-pro-spicy$0.05 / $0.10Seedream 5.0 Pro Spicy 是字节跳动 Seedream 5.0 Pro 的宽松审核版,在 apimodels.app 上用一个 API Key 即可调用。画质与 Seedream 5.0 Pro 一致,都是照片级写实;请求格式也一样:同一个端点,不带 image 就是文生图,带 image(单张)或 images(多张,最多 10 张)就是图生图;画幅同样是 1:1、4:3、3:4、16:9、9:16、3:2、2:3、5:4、4:5、21:9,resolution 传 1K 或 2K(默认 2K)。区别在内容审核:标准版 Seedream 5.0 Pro 会拒掉的一部分提示词和参考图,在这里可以通过。我们自己不加任何过滤,但模型自身的安全系统仍在上游生效,所以它不是「完全不过滤」的端点;对生成内容的审查、遵守法律和所在平台的规则,责任在使用方。没有 4K:传 4K 会直接返回 HTTP 400,不扣费。输出 JPEG,一次一张,通常 40–80 秒出图。价格:1K $0.05/张、2K $0.10/张,只在成功时计费。
Qwen Image Edit Spicyqwen-image-edit-spicy$0.05 - $0.07Qwen Image Edit Spicy 是 Qwen Image Edit 系列的 Spicy 版本,在 apimodels.app 上用一个 API Key 即可调用:把要改的图和一句文字指令一起发过来,拿回一张改好的图,通常 8–20 秒。还可以再加最多 2 张参考图,它们在提示词里就是图 2 和图 3(要编辑的那张是图 1),所以「把图 2 里的夹克穿到图 1 的人身上」这类指令可以直接写。输出与你发送的主图宽高像素完全一致,不用选尺寸或画幅;size、aspect_ratio、resolution 传了也会被忽略,不会报错。seed 可固定结果、方便复现。价格只看参考图张数:只有主图 $0.05、加 1 张参考图 $0.06、加 2 张 $0.07,成功才计费;总数超过 3 张会直接返回 HTTP 400,不扣费。走统一的图片端点,建任务 + 轮询的流程与平台上其它图片模型完全一样。
Doubao Seedream 5.0 Flashdoubao-seedream-5-0-flash$0.03Doubao Seedream 5.0 Flash 是字节跳动豆包 Seedream 5.0 系列里主打速度与成本的一档,这里走的是火山方舟官方通道。它面向高频、大批量的出图场景,在出图速度和单价比画质上限更重要的地方最合适:我们实测 2K 约 13–15 秒、1K 约 10 秒出一张。文生图和图生图共用一个端点,最多可传 10 张参考图做融合编辑。它还能编辑本身就是透明背景的图并保住透明:传一张带透明通道的 PNG,把 background 设为 transparent,返回的仍是带透明通道的 PNG,可以直接放进 banner 或商品模板。输出为 1K 或 2K(这个模型没有 4K),比例从 21:9 到 9:16,每张 $0.03,无水印。它还能把一张图拆成 1 张底图加最多 16 个透明 PNG 图层(文字、主体、道具等),每层都带名称、描述、叠放顺序和在原图中的坐标框;底图是抬走图层后补全的画面,图层 PNG 会比它的坐标框大。图层拆分按输出张数计费,每张 $0.03,比如拆成底图加 11 层就是 $0.36。
Doubao Seedream 4.5doubao-seedream-4-5-251128$0.05Doubao Seedream 4.5 是字节跳动豆包的高质量图像模型,支持文生图与图片编辑,2K / 4K 分辨率,并支持多图输入,$0.05/张,适合电商与设计的高质量出图与改图。Seedream 5.0 Lite 更新(官方火山方舟、无水印 PNG);4.5 为前一代,2K/4K 生成与编辑依旧扎实,是稳妥的高质量备选。
Grok Imagine Imagegrok-imagine-image$0.03Grok Imagine Image 是 xAI Grok 的图像模型,主打快速出图(约 4 秒)的文生图与图片编辑,图内文字渲染较强,并提供非常宽的宽高比集合(方图、常规横竖屏到 20:9 超宽幅等十余种)。它是主打速度与成本的标准档;需要更高精度与细节、要多轮精修时,可上 Grok Imagine Image Pro。常见做法是标准档跑量、关键图用 Pro 精修。
Grok Imagine Image Progrok-imagine-image-profrom $0.08Grok Imagine Image Pro 是 xAI Grok 图像模型的升级档,语义理解更强、细节生成更精细,出图精度更高,并支持多轮优化。适合品牌主视觉、产品精修图、对细节与文字质感要求高的营销素材,以及需要反复打磨的关键画面。只需快速、低成本批量出图时,标准版 Grok Imagine Image 更划算;两者同一接口,可先跑量再精修。
Grok Imagine Image 2.0grok-imagine-image-2$0.03 起Grok Imagine Image 2.0 是 xAI 的图像模型,目标只有一个:做出能直接投入工作的图。它像设计师那样规划排版与版面 —— 我们用一张 2K 海报实测过:指定的标题、日期行和底部小字网址,三处全部逐字正确、清晰可读。它一次调用最多融合 3 张参考图,并且认得清哪个主体该放在哪儿(三个不同物体的融合实测下来,三个都各自可辨,不是照着文字重画的);第 4 张会被明确报错拒绝,而不是静默丢掉 —— 静默丢弃会让你误以为融合成功了。编辑时它保主体也保场景:一张红色茶壶要求改成藏青,壶型、木桌纹理、窗光、窗台植物、背景木椅全部留住,只有颜色变了。 一条实测得出、而非假设的提醒:它是在同一场景下重绘,不是在原图上逐像素修改,所以每次输出的机位、裁切和主体大小都会变。换色、换材质、加减物件、多图融合都很合适;如果你的要求是「只动这一处、其余像素一个都不许变」,那该用 GPT Image 2 或 Nano Banana Pro 那条线。另一条限制同样要说清楚:它做不了透明背景 —— 要求 alpha 通道时,它会把那种灰白棋盘格当成普通像素画出来,返回的 PNG 是 RGB、根本没有 alpha,缩略图上看着像抠好的图,其实不是(2K 编辑和 2K 文生图两条路径我们都试过,结果一样)。需要去背请另接一个专门的抠图步骤。 价格按分辨率 × 质量分四档:1K low $0.03、2K low $0.04、1K medium $0.045、2K medium $0.06(每张)。quality 只有 low 和 medium 两个值、省略即 medium —— 所以不显式传 quality 就是在买 medium 档。四档相对 xAI 官方标价都便宜 25%,其中 2K low 便宜 33%。参考图不额外收费(xAI 按每张输入图 $0.01 加收,我们不转嫁),所以图生图和文生图同价。画幅 14 种,含 19.5:9、9:19.5、20:9、9:20 四种超宽 —— 这四种是逐个实调验过的(19.5:9 实测出 1248×576),不是抄规格表,我们另一条 Grok 渠道恰恰就拒收它们。一个 API Key 直接调,无需单独的 xAI 账号,国内可直连,失败不扣费。
Nanobanana2nanobanana2$0.05+Nano Banana 2 是基于 Google Gemini 3.1 Flash 的快速图像生成与编辑模型,主打出图快、单价低。支持文生图与基于参考图的编辑,覆盖 1K / 2K / 4K,是大批量、对成本敏感场景的首选——社媒视觉、快速迭代、批量创意。需要最高画质与最稳成功率时,可上 Nano Banana Pro(Gemini 3 Pro Image);两者共用同一接口,可自由切换。定价 1K/2K $0.05、4K $0.08。
gemini-3.1-flash-imagegemini-3.1-flash-image$0.04+gemini-3.1-flash-image 是 Google 这个高效图像模型的正式版(GA):画质稳、延迟低,是奔着高并发和快速迭代去的。文生图与对话式编辑走同一个端点、同一个价 —— 传一张参考图加一句「把背景换成傍晚的海边」就是编辑,不传就是从零生成,512 / 1K / 2K / 4K 四档都能编辑,不额外收费。价格按分辨率分档:512 $0.04、1K $0.06、2K $0.06、4K $0.10。这里最值得记住的一条是 2K:Google 官方牌价是 1K $0.067、2K $0.101、4K $0.151,所以我们 2K 这一档便宜 40%、4K 便宜 34%,而 1K 只便宜 10% —— 折扣必须看档位,笼统说一句「便宜四成」放到 1K 上就是虚标。更实用的事实是 1K 和 2K 在我们这儿同为 $0.06,升到 2K 一分钱不加,而在官方那儿 2K 比 1K 贵 50%。速度按我们自己的生产数据说:近 30 天 4,045 次成功调用,中位 38 秒、成功率 99.8%;平均值是 45.5 秒、p90 约 76 秒 —— 少数复杂请求会把均值拉高,所以拿中位数设预期、拿 p90 设超时才准,别按平均值去掐。用它不需要 Google Cloud 项目、不需要给 Google 绑卡、也不用选区域,注册拿一个 API Key 就能调,国内可直连,失败不扣费。要更高的画质上限和更强的图内文字渲染,同一个端点换成 gemini-3-pro-image($0.08 起)即可,改的只是 model 这一个字符串。
gemini-3-pro-imagegemini-3-pro-image$0.08+gemini-3-pro-image 是 Google 高端图像模型的正式版(GA),定位是「成品级」而不是「跑量」:画质上限和图内文字的高保真渲染是它的强项,又带高级推理,复杂的版面和图文指令它会先想明白再画,不容易做一半丢一半。文生图与图像编辑共用一个端点,1K / 2K / 4K 三档都可用。价格按分辨率分档:1K 与 2K 都是 $0.08、4K $0.13 —— 相对 Google 官方牌价,1K/2K 这两档便宜 40%,4K 便宜 46%。怎么在 Pro 和 Flash 之间选,其实一句话就够:要交付的成品、要图里的字一个都不能错,用 Pro;要低延迟、走量、成本敏感,用 gemini-3.1-flash-image(2K 每张 $0.06)。两者在我们这儿是同一个端点、同一把 API Key,切换只改 model 这一个字符串,代码结构不用动 —— 常见做法是日常高频跑 Flash,只有最终交付那一版才走 Pro,这样成本和质量都不浪费。不需要 Google Cloud 项目、不需要绑定结算账号、不需要配置区域,注册即可调用,国内可直连,失败不扣费,结果保留 30 天。
Nanobanana-2-litenanobanana-2-lite$0.025Nano Banana 2 Lite 是 Google Gemini 3.1 Flash Image 家族里最便宜的一档:统一 $0.025/张,没有分辨率档位要算。文生图与改图都支持——只给提示词即可出图,也可带最多 10 张参考图再描述要改成什么样。唯一取舍是分辨率,输出固定 1K;需要 2K/4K 请用 $0.05 的 Nano Banana 2。支持 15 种画面比例,含 21:9 电影宽幅与 8:1 横幅。
Nano Banana 2.1nano-banana-2-1$0.022+Nano Banana 2.1 是 Google 的高效图像生成与编辑模型。按 Google 的说法,这一版在画面质量、提示词遵循、角色一致性、图内文字渲染和多参考图上都有提升,最高输出 4K。在 apimodels.app 上它的模型名是 nano-banana-2-1,走统一图片端点,一个 API Key 即可调用。文生图和改图是同一个模型:只给提示词(最长 20,000 字符)就是从零生成;带上参考图 —— 单张用 image,多张用 image_urls,最多 10 张,URL 或 base64 均可,支持 JPEG / PNG / WebP —— 再描述要怎么改、怎么融合,就是编辑。画面比例 15 种:auto(默认)、1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9,外加适合横幅和长条图的 1:4、4:1、1:8、8:1。resolution 决定档位和价格:1K(默认)$0.022、2K $0.036、4K $0.06 每张;参考图不额外收费,失败不扣费。和站内的 Nano Banana 2 逐档对比,每一档单价都更低:gemini-3.1-flash-image 是 1K/2K $0.06、4K $0.10,nanobanana2 是 $0.05 和 $0.08。2026-10-07 我们第一次实测,16:9、1K 的请求约 20 秒出图,实得 1376×768,招牌上的「NANO BANANA 2.1」一个字母不差。调用是异步的:先建任务,再轮询结果或传 callback_url 接回调。
Gemini 3 Pro Image (Pro)nanobananapro$0.068+Nano Banana Pro 是基于 Google Gemini 3 Pro 的高端图像生成与编辑模型,主打最高画质与可靠性,实测成功率约 99%。既能文生图,也能基于参考图做编辑,支持 1K / 2K / 4K 输出,适合对出图质量和稳定性要求高的生产场景——商品图、营销创意、设计系统等。需要更快、更低单价的量产场景,可搭配基于 Gemini 3.1 Flash 的 Nano Banana 2;两者在同一套接口下调用,可随时切换。定价 1K/2K $0.068、4K $0.13,远低于官方。

常见问题

图片生成 API 多少钱?

按张按模型:Nano Banana 约 $0.02 起,GPT Image 2 为 $0.025(1K)/$0.03(2K)/$0.05(4K),Nano Banana Pro $0.068/$0.13。仅成功扣费,注册送 $0.1。

怎么做图生图 / 编辑?

调 POST /api/v1/images/generations,带 prompt + image(单张)或 images[](GPT Image 2 最多 16 张)。异步:GET ?task_id= 轮询到完成。本页有 cURL/Python/Node 示例。

一把 Key 能调所有图片模型吗?

可以。所有图片模型同一端点、同一把 Key,靠 model 参数切换,无需逐家注册,比各家官方 API 便宜。