AI 图像生成成本对比：20 个模型同一张图实际扣了多少

OpenRouter 用同一个提示词跑了 20 个图像生成模型，并记录下每一次调用的实际账单：同样一张 1:1 图片，最便宜只要 $0.006，最贵要 $0.134——价差 22 倍。 最便宜的是 OpenAI 的 gpt-image-2，最贵的是 Google 的 Gemini 3 Pro Image。最离谱的是：这两个数字，你从官方标价里根本算不出来。

这项测量发布于 2026 年 9 月 18 日的 OpenRouter 官方博客，可能是图像生成领域目前最诚实的一份成本对比。原因很简单：每个模型页面的标价单位都不一样——有的按 token、有的按兆像素、有的按张——把两个标价摆在一起看，几乎什么都说明不了。而账单，全部是美元。

这篇文章会带你过一遍 20 个模型的真实账单，解释为什么标价不可信、哪些设置会悄悄放大成本，以及怎么把这些数字变成一个符合你预算的选型决定。

核心结论

• 同样一张默认设置的图片，20 个模型的实际账单在 $0.006–$0.134 之间，价差 22 倍（2026 年 9 月 11 日实测）。
• 图像模型按 三种互不可换算的单位 计费：按 token、按兆像素、按张。标价没法横向比，账单里的 usage.cost 才能比。
• 在 OpenAI 模型上，仅 quality 一个设置就能把同一张图从 $0.006 变成 $0.211——单个模型内部的 35 倍波动，比整张榜单首尾的 22 倍价差还大。
• 六个受测模型里有五个正确渲染了两行产品标签。图内文字已经接近"标配"，而不是"高级功能"。
• Design Arena 榜首模型单张 $0.064，垫底模型 $0.014。榜单和价格都预测不了效果——只有跑你自己的提示词才知道。

20 个模型各被扣了多少钱

测试方法简单且可复现：一个提示词——"A studio packshot of a glass bottle, hard key light, no text."——发给 OpenRouter 所路由的 52 个图像模型中的 20 个，统一 1:1 画幅、不加任何其他设置，然后把每个响应里 usage.cost 字段（也就是实际扣掉的金额）记下来。完整榜单如下，按成本排序。

OpenRouter 的成本排序图：三种计费单位从低到高交错分布。来源：OpenRouter 博客《Image Generation Models Compared》（2026 年 9 月 18 日）。

注意计费单位那一列：从便宜到贵，三种单位完全混着排。按张计费的可以很便宜，按 token 计费的也可以很贵。单位本身说明不了任何位置。

从这张表做预算之前，还有两个脚注。第一，单次调用之间有微小浮动：两次完全相同的 riverflow-v2.5-fast 请求分别被扣了 $0.017623 和 $0.017639，所以多跑几次取平均，别信单次。第二，这些数字保质期很短——原始报告自己就说，超过一个月的数字只当参考，别当预算。另外两个 Seedream 模型默认返回 2048x2048，这件事比看起来更重要（后面细说）。

为什么标价骗人：三种计费单位

图像模型卖法像三种完全不同的商品：

• 按 token——OpenAI、Gemini、微软 MAI。图片和提示词都会变成账单上的 token。
• 按兆像素——FLUX.2 系列。画幅越大，像素越多，账单越贵。
• 按张——Grok、Recraft、Riverflow、Qwen、Seedream。一口价，但费率随你要的画质和分辨率变化。

每个模型页面在自己的单位里都是对的。但"每兆像素 $0.06"和"每张 $0.06"不是同一个价格，你在两个模型页面之间做再多算术，也算不出哪张对你的图更便宜。这就是为什么任何基于标价的 AI 图像生成成本对比，从源头就是坏的。

标价甚至会在同一种单位里失真。测试当天，Riverflow v2.5 Pro 标价每张 $0.13，实际只扣了 $0.064；FLUX.2 Flex 标价每兆像素 $0.06，一张一百万像素的图实扣 $0.05；Krea 2 Medium 压根没公布定价记录，实扣 $0.03。只有 FLUX.2 Max 和标价分毫不差。响应才是你真正付的钱，页面只是个参考数。

设置比选型更影响账单

有一个数字应该改变你做预算的方式：在 gpt-image-2 上，仅 quality 这一个设置就把同一张 1024x1024 的图从 $0.006（不设或 low——两者账单完全一样）推到 high 档的 $0.211。单个模型内部 35 倍的乘数，比表里最便宜和最贵模型之间 22 倍的价差还大。high 档还花了 123 秒才返回，默认档只要 12 秒。

这个规律可以推广：默认值本身就是定价决定。 上量之前，这几个默认值值得逐个检查：

• 提示词长度在按 token 计费的模型上会计费——gpt-image-2 对一句话提示词收 $0.006，对更长的产品提示词收 $0.0135。
• 画幅在按兆像素计费的模型上涨得比像素少：FLUX.2 Klein 对 105 万像素的正方形收 $0.014，对 246 万像素的 21:9 宽幅只收 $0.016。
• 默认分辨率可能让你的费率翻倍：Seedream 5.0 Pro 明明接受 1K，默认却返回 2K，按 $0.09 的高分辨率档扣费而不是 $0.045 的基础档。Seedream 5.0 Lite 的最低档就是 2K——等于 $0.035 买四百万像素，按像素算反而便宜，但你得知道自己买了张大图。

多花的钱买到了什么

成本对比只有在"价格能预测质量"时才有用。OpenRouter 做了三项检查。

图内文字。 测试提示词要求一个哑光黑咖啡袋，印两行字——"OPENROUTER ROASTERS / SINGLE ORIGIN"——因为文字对错一眼可判。六个受测模型里五个把两行都印对了。唯一翻车的是最便宜的 FLUX.2 Klein，把第二行拼成了"SINGLE ORISION"。

六个模型中五个正确印出两行标签，只有 FLUX.2 Klein 拼错了。来源：OpenRouter 博客《Image Generation Models Compared》（2026 年 9 月 18 日）。

最有意思的对比在这：同一个长提示词，gpt-image-2 扣 $0.0135，Riverflow v2.5 Pro 扣 $0.0654——贵了大约 5 倍——但两张都是正确可用的产品图。多花的钱买到的是不同的风格，不是更对的文字。（Riverflow 并不虚高：它排在 Design Arena 图像榜和图像编辑榜的第一，难度更高的构图上差距可能才会显现。这只是说明：榜单和价格都预测不了这一次的结果。）

编辑已有图片。 受测的四个模型——gpt-image-2、FLUX.2 Pro、Gemini 3 Pro Image、Riverflow v2.5 Pro——都保住了标签的文字和字体，同时换掉了背景，也没有一个能一像素不差地还原原图。每个模型的编辑都比生成略贵，但原因不同：FLUX.2 Pro 编辑收 $0.045、生成收 $0.030，因为参考图被算成了 4,096 个输入 token；Riverflow Pro 贵了 18%；gpt-image-2 和 Gemini 3 Pro Image 的差价不到 7%。这些都是单次运行——小差距只能当约数看。

图文一起回。 52 个模型里只有 9 个能在回图的同时回文字（Gemini 图像模型和 OpenAI 的 gpt-5-image 系列）。实测稳定性差别巨大：

如果文字说明可有可无，便宜的 Gemini 也能用，漏掉的那几次自己兜底。如果你的产品没这段文字就跑不通，Gemini 3 Pro Image 是唯一一个每次都带文字回答的模型。

按任务选型

二十个价格点没有决策规则就是废纸。选模型，看哪个约束对你最紧：

高跑量、普通提示词。 从 gpt-image-2 开始（$0.006–$0.0135，取决于提示词长度）——测试里最便宜，而且以最低的价格把文字渲染对了。FLUX.2 Klein 的 $0.014 是另一个便宜选项，但有一个实测的坑：它是唯一拼错标签的模型，凡是画面里出现产品名的活儿都别给它。在更长的咖啡袋提示词上，两者账单是 $0.0135 对 $0.014——一万张也只差 5 美元左右；就算按一句话提示词的低价算，全部差距也只有 80 美元上下。拿你自己的提示词把两个都跑一遍，让效果说话。

画面里要有字。 包装、UI 样机、海报，产品名一乱就全废。六个模型里五个不借助任何技巧就把两行标签印对了，所以先按成本和风格筛选——再拿你自己的文案去验收。FLUX.2 Flex 以 $0.05 正确渲染了标签；gpt-image-2 用大约四分之一的价格干了同样的活。要 logo 和必须无限放大、还要能继续编辑的标签，recraft-v4.1-vector 以 $0.08 直接给 SVG——那是能在设计工具里打开继续改的文件，不是更清晰的位图。

参考图一致的品牌物料。 如果同一个产品必须在整个 campaign 里长一个样，参考图数量上限会在价格之前先筛掉一批模型：OpenAI 系列接受 16 张参考图，Gemini 3.x 和 Seedream 5.0 接受 14 张，Riverflow Pro 10 张，FLUX.2 Flex/Pro/Max 8 张，Grok 只收 3 张，Recraft、Krea、MAI 只收 1 张。一套六张图的品牌物料就已经淘汰了其中四个系列。幸存者里，实测编辑价从约 $0.014（gpt-image-2），经 FLUX.2 Pro 的 $0.045、Riverflow Pro 的 $0.076，一直到约 $0.136（Gemini 3 Pro Image）。

要图也要字。 Gemini 3 Pro Image 单次约 $0.139，是唯一每次都图文双全的模型。

如果这些看起来已经像一份兼职工程工作——比计费单位、盯画质档位、反复拉取端点定价——那这是一种合理结论。另一种结论是把这一切交给平台：SketchTo 用积分计费，生成之前就明示这一次要花多少积分，把多模型的计费细节收拢成一个余额。

自己动手比一遍

这份数据最值钱的地方是方法可以照抄，每个模型一次 API 调用就够。生成和编辑共用一个端点——POST /api/v1/images——必填只有 model 和 prompt；编辑多加一个 input_references 数组装你的原图。响应里图片和成本是一起回来的：

{
  "data": [
    { "b64_json": "<base64>", "media_type": "image/jpeg" }
  ],
  "usage": {
    "total_tokens": 4112,
    "cost": 0.014
  }
}

看 usage.cost，别看模型页面。测试里有两个坑值得记住：seed 参数在 Gemini、Grok、OpenAI、Riverflow、Recraft、MAI 的图像模型上根本不存在，这些模型的输出没法逐字节复现（支持 seed 的 FLUX.2 Klein，两次完全相同的调用复现了逐字节一致的图）；已完成的请求会全额扣费，失败的请求分文不收。当前支持的参数和各模型定价随时可以用 GET /api/v1/images/models 重新拉取。

账单才是预算

最便宜和最贵图像模型之间 22 倍的价差，看起来像一份排名。它不是。它是二十个模型对二十种任务的二十种答案，用三种互不可换算的单位标价，再被能把任何一张账单放大 35 倍的设置过滤一遍。

所以 2026 年做 AI 图像生成成本对比的正确方法很短：按任务列候选名单，每个候选生成一张图，读 usage.cost。模型页面负责估算，只有响应知道答案。一旦你知道了自己真实的单张成本，量化的数学就诚实了——$0.006 对 $0.134，一千张就是 6 美元对 134 美元，四舍五入的零头和账单上的一行，区别就在这里。