珂艾网关图像模型使用指南

一句话定位：这是珂艾网关在架图像类模型的全景使用指南——覆盖 11 大阵营、共 52 个模型 ID，回答四个问题：每个模型是什么、多少钱、怎么调、什么场景选哪个。价格与在架状态为 2026-10-24 逐条核对，模型迭代快，实际以网关价格页实时显示为准。
整理日期：2026-10-24 ｜单模型深度介绍见文末互链

一、全景速查：11 大家族一张表

珂艾网关的图像模型按厂商分 11 条线。先分清两种调用形态：大多数家族是「同步返回」的 OpenAI 兼容接口，发请求就拿图；Midjourney、可灵图像、Vidu 图像是「异步任务」，要提交后轮询拿结果。

家族	模型 ID（数量）	一句话定位	调用形态	计费
Google Gemini Nano Banana 系	`gemini-3-pro-image` 等 7 个	综合最强：对话式修图 + 2K/4K 直出 + 文字渲染	同步（Gemini 原生 / OpenAI 双协议）	按张
OpenAI GPT Image 系	`gpt-image-2` 等 9 个	指令遵循标杆、生态最广；`-c` 后缀是按张版	同步（OpenAI 兼容）	按量 / 按张
字节豆包 Seedream 系	`doubao-seedream-4-5-251128` 等 5 个	中文语义强、最多 10 图融合编辑	同步（OpenAI 兼容）	按张
阿里通义 Qwen-Image 系	`qwen-image-3.0-pro` 等 6 个	中英文字渲染 + 密集版面排版，性价比路线	同步（OpenAI 兼容）	按张
Midjourney 动作系	`mj_imagine` 等 14 个	艺术感天花板，垫图/放大/扩写全动作	异步任务	按次
快手可灵图像	`aigc-image-kling` 等 3 个	影视级叙事画面，2K/4K 超清直出	异步任务	按张
xAI Grok Imagine	`grok-imagine-image-2.0` 等 3 个	画质档位可调，输入图极便宜	同步（OpenAI 兼容）	按张
Black Forest Labs FLUX	`flux.1-kontext-pro` 等 2 个	老牌劲旅，Kontext 指令编辑强	同步（OpenAI 兼容）	按张
生数科技 Vidu	`vidu-image-q2`	电影级画质，多参考图联合控图	异步任务	按张
阿里万相 Wan	`wan2.7-image-pro`	图生图集 + 多参考生成 + 交互编辑	同步（OpenAI 兼容）	按张
阿里 Z-Image	`z-image-turbo`	开源文生图榜第一，6B 参数 8 步极速	同步（OpenAI 兼容）	按张

📌 选型三步：先按「要不要文字渲染 / 要不要多图参考 / 能不能接受异步」筛掉一半家族；再看目标分辨率与画质档位（1K/2K/4K 价差可达 3 倍以上）；最后查自己在哪个分组、按分组单价挑模型。第五节按场景直接给答案。

二、各家族介绍与特点

2.1 Google Gemini Nano Banana 系 —— 综合最强的全家桶

是什么：Google 的图像生成与对话式修图系列，网关上 7 个 ID 分四档，是唯一同时支持 Gemini 原生协议和 OpenAI 兼容协议的图像家族（价格页每个模型的「端点类型」里有标注）。

模型 ID	定位	关键规格
`gemini-3-pro-image`（`-preview` 同价）	Nano Banana Pro 旗舰	原生 2K/4K 输出，推理驱动精度，官方定位复杂平面设计、高保真产品图、基于真实信息的数据可视化
`gemini-nano-banana-2.1`	2.1 主力更新版	1K/2K/4K，最多 14 张参考图（维持 4 角色 + 10 物体一致性），支持搜索接地生成，Google 官方建议新项目都用这档
`gemini-3.1-flash-image`（`-preview` 同价）	Nano Banana 2 高效版	低延迟、高吞吐，对话式编辑
`gemini-3.1-flash-lite-image`	Lite 效率版	超低延迟、最便宜，⚠️ 仅支持 1K
`gemini-2.5-flash-image`	上一代标准版	生成 + 对话式多轮编辑

核心优势

对话式修图是独一档：「把左边的人去掉」「背景换成傍晚」这类多轮自然语言修改，不用重新写提示词，出图连续性最好；

文字渲染与信息图布局准：海报、标签、信息图场景返工率低；

分组选择最多（9 个）：最低分组 1K 一张不到两分钱（见 3.2），高价分组画质交付也更稳；

双协议：已有 OpenAI 代码的项目零成本接入，Gemini 原生用户也不用改习惯。

劣势与注意

⚠️ 分组差价极大：同一个 gemini-3-pro-image，最低分组 $0.0303/张、最高分组 $0.3943/张，差 13 倍——下单前务必确认自己在哪个分组；

-preview 与正式版同价同能力，优先选不带 preview 的正式版；

Lite 只有 1K，要 4K 交付别选它；

输入与思考 token 单独计费（按量口径家族），长对话修图成本要按账单核算。

深度实测、Elo 与参考图上限细节：Gemini Nano Banana 2.1 模型介绍

2.2 OpenAI GPT Image 系 —— 指令遵循标杆，两种计费口径

是什么：OpenAI 的图像模型线，网关上 9 个 ID，按计费方式分两类：

类型	模型 ID	说明
按量（token）	`gpt-image-1-mini`、`gpt-image-1`、`gpt-image-1.5`、`gpt-image-2`、`gpt-image-2.5-flare`、`gpt-image-2.5-sunburst`	支持 `/v1/images/generations` 与 `/v1/images/edits` 全部参数，按消耗的 tokens 结算
按张	`gpt-image-2-c`、`gpt-image-2.5-flare-c`、`gpt-image-2.5-sunburst-c`	珂艾按张计费版本，支持返回 url 或 base64；⚠️ 分辨率能力绑定分组：`Gpt-Image-1` 分组只支持 1K，`Gpt-Image-2` / `Gpt-Image-3` 分组才支持 1K/2K/4K；⚠️ 暂不支持 `n` 参数（一次一张）

档位从轻到重：gpt-image-1-mini（轻量低价）→ gpt-image-1 / 1.5 / 2（主力）→ gpt-image-2.5-flare（均衡低延迟，适合批量）→ gpt-image-2.5-sunburst（同系列高精度，细节与提示词还原更强，面向精品商业图）。

核心优势

指令遵循和参数完整度全场最高：尺寸、画质、背景、mask 编辑全参数开放，OpenAI 生态工具（SDK、各家客户端）即插即用；

按张版（-c）单价极低：最低分组一张一分一厘钱起，批量出图成本可控；

图像编辑（inpainting / 扩写）成熟稳定。

劣势与注意

按量口径单价不直观：要按「每张图消耗的图像 tokens」折算（见 3.4），做预算建议直接选 -c 按张版；

-c 系列一次只能出一张、分辨率看分组，别按官方版预期用；

按量版在 Azure / OpenAI 两套分组间有价差，以自己分组为准。

4 档画质差异、档位下移陷阱与多轮编辑衰减实测：GPT-Image-2.5 系列模型介绍

2.3 字节豆包 Seedream 即梦系 —— 中文语义与多图融合

是什么：豆包大模型的图像系列，网关上 5 个 ID、四代同堂，全部走 OpenAI 兼容端点（dall-e-3 格式），接入零成本。

模型 ID	定位	关键规格
`doubao-seedream-5-0-pro-260628`	最新代 Pro	按张分 1K/2K（输出 ≤236 万像素为 1K，超出按 2K），⚠️ 参考图第 2 张起每张另计
`doubao-seedream-5-0-260128`	最新代 Lite	复杂指令解析、参考一致性、专业场景生成
`doubao-seedream-4-5-251128`	4.5	文本 + 单图 + 多图输入，主体一致性多图融合、图序列生成
`doubao-seedream-4-0-250828`	4.0	文生图 + 编辑 + 多图合成统一框架，单次最多 10 张图输入
`doubao-seedream-3-0-t2i-250415`	3.0 基础款	中英双语基础模型，原生高分辨率，小字生成与文字排版优化

核心优势：中文提示词语义理解好、小字渲染稳、多图融合上限高（10 张）；三档分组差价平缓（约 1.4 倍），选组压力小。

劣势与注意：版本梯度多，选型时盯准日期后缀（250415 / 250828 / 251128 / 260128 / 260628）；5.0-pro 的参考图第 2 张起另收费，多图场景要把这笔算进去。

2.4 阿里通义 Qwen-Image 系 —— 文字渲染与密集版面专家

是什么：通义实验室的图像系列，网关上 6 个 ID：

模型 ID	定位	关键规格
`qwen-image-3.0-pro`	3.0 高配	最大 4.5k token 指令输入；图中图密集排版（报纸、分镜、菜单、试卷一次生成）；10px 小字、12 国语言、多种字体原生渲染；输出按 1K/2K 分价
`qwen-image-3.0`	3.0 标准	同样 4.5k token 输入 + 10px 小字 + 12 国语言，主打海报/网页/界面批量生成，成本更优
`qwen-image-2.0-2026-03-03`	2.0 加速版	图文一体，专业文字渲染（1k token 指令），写实细节与语义遵循增强
`qwen-image-edit-2509`	图像编辑专用	指令式修图
`qwen-image-max` / `-max-2025-12-30`	Max 系列	显著弱化「AI 感」，人像纹理更真实、文字渲染更好

核心优势：中文文字渲染是第一梯队——10px 小字、多语言、多字体都能出，信息图 / 界面仿真 / 密集排版场景几乎是唯一选择；3.0 系单价低（输出一张不到三分钱）。

劣势与注意：⚠️ 3.0 / 3.0-pro 只有 Alibaba-image-2 一个分组，没有低价分组可选；3.0 系的参考图每张另计（约 $0.0029/张）。

2.5 Midjourney 动作系 —— 艺术感天花板

是什么：Midjourney 的完整动作集，网关上 14 个 ID，全部是异步任务、统一走 MJ-3 一个分组：

动作	模型 ID	价格页显示（每次）
出图 / 变体 / 扩写 / 平移 / 重roll / 混合 / 高低变体 / modal	`mj_imagine`、`mj_variation`、`mj_zoom`、`mj_pan`、`mj_reroll`、`mj_blend`、`mj_high_variation`、`mj_low_variation`、`mj_modal`	约 $0.0551
放大 / 反推提示词	`mj_upscale`、`mj_describe`	约 $0.0276
局部重绘 / 自定义缩放	`mj_inpaint`、`mj_custom_zoom`	价格页显示 0
图片上传	`mj_upload`	约 $0.0006

核心优势：艺术感、质感、审美上限仍是商业模型里最高的，垫图（blend）、放大、扩写、局部重绘一套工作流完整；mj_describe 可以反推提示词，学习成本低。

劣势与注意：单分组没有比价空间；异步轮询开发成本；提示词风格与 OpenAI 系差异大（短描述 + 参数后缀）；中文提示词理解弱于国产家族。

2.6 快手可灵图像 —— 影视级叙事画面

是什么：快手可灵的图像线，网关上 3 个 ID，异步任务：

模型 ID	定位	关键规格
`aigc-image-kling`	可灵图片 3.0	文生图 / 图生图 / 多图参考 / 风格转绘 / 人像角色参考 / 局部重绘；2K/4K 超清直出；⚠️ 调用时 `resolution` 传大写 `"2K"` 或 `"4K"`、模型名传 `"kling"`
`kling-omni-image`	Omni 图像	按张计费，`n` 参数 1–9；覆盖 `kling-image-o1` 与 `kling-v3-omni` 两个版本，1K/2K 同价、4K 翻倍
`kling-image-recognize`	识图	分析识别上传图片内容，提取关键信息、对象、场景

核心优势：影视分镜、概念原画、电商海报、商业插画这类「要叙事感」的场景表现突出；4K 直出 + 多图参考 + 局部重绘齐备。

劣势与注意：⚠️ 价格异常提醒：aigc-image-kling 价格页显示约 $0.0016/张（Kling-2 分组），显著低于可灵官方渠道价，疑似站点配置问题——建议先小额度试跑、以账单明细为准，大用量前找客服确认；主力分组只有 Kling-2 一个档。

2.7 xAI Grok Imagine —— 画质档位可调

是什么：xAI 的图像线，3 个 ID：

模型 ID	定位	关键规格
`grok-imagine-image-2.0`	新一代通用	文生图 + 图生图编辑，最高 2K，画质档位可调（Low/Medium），速度与质量自主平衡
`grok-imagine-image-quality`	高品质版	成品画质优化：超高清晰度、精细细节、真实光影、精准构图，内置文字生成
`grok-imagine-image`	上一代	文生图，dall-e-3 格式

核心优势：输入图便宜到几乎白送（约 $0.0041/张），图生图场景成本优势巨大；画质档位可调，批量试错用 Low 档。

劣势与注意：2.0 / quality 只有 Xai-Grok-1 一个分组且单价比同档模型偏高，输出价并不算低；上一代 grok-imagine-image 在 Azure / X 两套分组间差价 6 倍，注意分组。

2.8 其余四家速览

家族	模型 ID	一句话定位与要点
FLUX（Black Forest Labs）	`flux.1-kontext-pro`、`flux-1.1-pro`	老牌劲旅：Kontext 版官方称画质对标 Midjourney、超越 Stable Diffusion，指令编辑强；1.1 Pro 细节与色彩浓郁，适合营销素材
Vidu（生数科技）	`vidu-image-q2`	电影级图像生成与编辑：文生图 / 参考生图，最高 4K 影视级超清，多张参考图联合控图、主体一致性极强；异步任务；按「能力 × 参考图数量 × 分辨率」分档计价
万相 Wan（阿里）	`wan2.7-image-pro`	旗舰图像生成编辑：文生图、图生图集、多参考生成、交互编辑，文字渲染与复杂指令遵循增强
Z-Image（阿里通义开源）	`z-image-turbo`	6B 参数 + 8 步推理，Artificial Analysis 文生图开源榜第一（2025-12-08，总榜第八），中英双语文字渲染强，Apache 2.0 可本地部署（16GB 消费卡可跑）

三、计价方式与价格

3.1 两种计费粒度，先看懂再下单

计价货币：美元（USD）——珂艾网关账户以美元充值结算，下表单价均为美元；折算人民币按当期汇率（约 7.1）。

计费标注	含义	哪些家族
按张计费	每生成一张图扣一次费	Gemini 全系、Seedream 全系、Qwen-Image 全系、可灵图像、Grok Imagine、FLUX、Vidu、万相、Z-Image、GPT Image 的 `-c` 系列
按次计费	每次调用扣一次费（与张数无关）	Midjourney 全系动作、`kling-image-recognize`
按量计费（token）	按消耗的图像 tokens 结算	GPT Image 非 `-c` 系列（`gpt-image-1` / `-mini` / `-1.5` / `-2` / `-2.5-flare` / `-2.5-sunburst`）

五条通用规则：

同一个模型，不同分组单价不同——差价最高超过 13 倍（Gemini 系）；⚠️ 价格页默认按「最低价分组」展示，你实际在哪个分组，以账户分组和账单明细为准；

分辨率经常是价格变量——gemini-nano-banana-2.1 的 4K 是 1K 的 3.375 倍、kling-omni-image 的 4K 是 1K/2K 的 2 倍、doubao-seedream-5-0-pro 的 2K 是 1K 的 2 倍，做预算按目标分辨率算；

参考图可能另计——doubao-seedream-5-0-pro 参考图第 2 张起每张另收、qwen-image-3.0 系参考图每张另收（约 $0.0029/张）；

-c 系列分辨率能力绑定分组——Gpt-Image-1 分组只有 1K，Gpt-Image-2 / Gpt-Image-3 才有 2K/4K；

卡片上的起价只是摘要，展开模型的「分组价格」详情表才是权威，分档模型的每秒/每张分档价都在详情表里。

3.2 主力模型价格表（价格页 2026-10-24 显示，单位：美元）

Gemini 系（按张，1K 档）

模型 ID	各分组实际单价（每张）
`gemini-3.1-flash-image`（+`-preview`）	`Discounted-Banana-1` $0.0152 ｜ `Discounted-Banana-2` $0.0213 ｜ `Aistudio-Gemini-1` $0.0365 ｜ `Vertex-Gemini-3` $0.1862
`gemini-nano-banana-2.1`	`Discounted-Banana-2` $0.0166 ｜ `Aistudio-Gemini-1` $0.0285 ｜ `Vertex-Gemini-2` $0.0485 ｜ `Vertex-Gemini-3` $0.1454（⚠️ 无 `Discounted-Banana-1` 分组）
`gemini-3.1-flash-lite-image`	`Aistudio-Gemini-1` $0.0285 ｜ `Vertex-Gemini-2` $0.0485 ｜ `Vertex-Gemini-3` $0.1454（仅 1K）
`gemini-2.5-flash-image`	`Aistudio-Gemini-1` $0.0331 ｜ `Vertex-Gemini-1` $0.0375 ｜ `Aistudio-Gemini-3` $0.0827 ｜ `Aistudio-Gemini-4` $0.1792
`gemini-3-pro-image`（+`-preview`）	`Discounted-Banana-1` $0.0303 ｜ `Discounted-Banana-2` $0.0425 ｜ `Aistudio-Gemini-1` $0.0728 ｜ `Vertex-Gemini-3` $0.3713 ｜ `Aistudio-Gemini-4` $0.3943

gemini-nano-banana-2.1 的 2K / 4K 另算：1K × 1、2K × 1.5、4K × 3.375。例如 Discounted-Banana-2 分组 1K $0.0166、2K $0.0249、4K $0.0561。官方口径 1K $0.0336 / 2K $0.0504 / 4K $0.0756，最低分组比官方便宜一半以上。

GPT Image 按张系（-c 系列）

模型 ID	各分组实际单价（每张，1K）
`gpt-image-2-c`	`Gpt-Image-1` $0.0110 ｜ `Gpt-Image-2` $0.0138 ｜ `Gpt-Image-3` $0.0207
`gpt-image-2.5-flare-c`	`Gpt-Image-1` $0.0147 ｜ `Gpt-Image-2` $0.0184 ｜ `Gpt-Image-3` $0.0276
`gpt-image-2.5-sunburst-c`	`Gpt-Image-1` $0.0147 ｜ `Gpt-Image-2` $0.0184 ｜ `Gpt-Image-3` $0.0276

豆包 Seedream 系（按张）

模型 ID	各分组实际单价（每张）
`doubao-seedream-3-0-t2i-250415`	`Doubao-1` $0.0094 ｜ `Doubao-2` $0.0141 ｜ `Doubao-3` $0.0206
`doubao-seedream-4-0-250828`	`Doubao-1` $0.0187 ｜ `Doubao-2` $0.0281 ｜ `Doubao-3` $0.0412
`doubao-seedream-4-5-251128`	`Doubao-1` $0.0234 ｜ `Doubao-2` $0.0352 ｜ `Doubao-3` $0.0516
`doubao-seedream-5-0-260128`（Lite）	`Doubao-1` $0.0206 ｜ `Doubao-2` $0.0309
`doubao-seedream-5-0-pro-260628`	`doubao-image-1`：1K $0.0408 / 2K $0.0816，参考图第 2 张起 $0.0027/张

通义 Qwen-Image 系（按张）

模型 ID	各分组实际单价（每张）
`qwen-image-edit-2509`	`Alibaba-1` $0.0009 ｜ `Alibaba-2` $0.0014 ｜ `Alibaba-3` $0.0020
`qwen-image-3.0`	`Alibaba-image-2`：输出 $0.0265，参考图 $0.0029/张
`qwen-image-3.0-pro`	`Alibaba-image-2`：1K $0.0368 / 2K $0.0735，参考图 $0.0029/张
`qwen-image-2.0-2026-03-03`	`Alibaba-image-1` $0.0239 ｜ `Alibaba-image-2` $0.0294
`qwen-image-max`（+`-2025-12-30`）	`Alibaba-image-1` $0.0609
`wan2.7-image-pro`	`Alibaba-image-1` $0.0597 ｜ `Alibaba-image-2` $0.0735
`z-image-turbo`	`Alibaba-1` $0.0094 ｜ `Alibaba-2` $0.0141 ｜ `Alibaba-3` $0.0206（阿里云百炼官方原价 0.1 元/张起，网关最低档约 0.067 元/张）

可灵 / Grok / FLUX / Vidu（按张，异步或同步）

模型 ID	计费	分组与实际单价
`kling-omni-image`	按张	`Kling-2`：1K/2K $0.0313、4K $0.0625（`n` 参数 1–9，一次多张乘倍数）
`kling-image-recognize`	按次	`Kling-2`：约 $0.0156/次
`aigc-image-kling`	按张	`Kling-2`：价格页显示约 $0.0016 ⚠️ 异常低价，以账单明细为准（见 2.6）
`grok-imagine-image-2.0`	按张	`Xai-Grok-1`：1K-Low $0.0165 / 1K-Medium $0.0248 / 2K-Low $0.0248 / 2K-Medium $0.0331；输入图 $0.0041/张
`grok-imagine-image-quality`	按张	`Xai-Grok-1`：1K $0.0207 / 2K $0.0290；输入图 $0.0041/张
`grok-imagine-image`	按张	`Azure-Grok-1` $0.0191 ｜ `Azure-Grok-2` $0.0287 ｜ `Xai-Grok-1` $0.1147
`flux.1-kontext-pro`	按张	`Azure-Gpt-3` $0.0330 ｜ `Azure-Gpt-4` $0.0660
`flux-1.1-pro`	按张	`Azure-Gpt-3` $0.0825 ｜ `Azure-Gpt-4` $0.1650
`vidu-image-q2`	按张	`Vidu-2`：文生图 1080P $0.0276 / 2K $0.0368 / 4K $0.0460；参考生图 1–3 张 1080P $0.0368 / 2K $0.0551 / 4K $0.0919；参考生图 4–7 张 1080P $0.0460 / 2K $0.0735 / 4K $0.1379

Midjourney 系（按次，全部 MJ-3 分组）

模型 ID	价格页显示（每次）
`mj_imagine` / `mj_variation` / `mj_zoom` / `mj_pan` / `mj_reroll` / `mj_blend` / `mj_high_variation` / `mj_low_variation` / `mj_modal`	约 $0.0551
`mj_upscale` / `mj_describe`	约 $0.0276
`mj_inpaint` / `mj_custom_zoom`	价格页显示 0
`mj_upload`	约 $0.0006

3.3 按量计费（token）的 GPT Image 怎么核算

非 -c 的 GPT Image 按 tokens 结算，价目是「每百万 tokens」：

模型 ID	输入 / 输出价（每百万 tokens）
`gpt-image-2` / `-2.5-flare` / `-2.5-sunburst`	`Openai-Gpt-1`：入 $3.68 / 出 $22.06 ｜ `Azure-Gpt-4`：入 $2.75 / 出 $16.50
`gpt-image-1.5`	`Openai-Gpt-1`：入 $3.68 / 出 $23.53 ｜ `Azure-Gpt-4`：入 $2.75 / 出 $17.60
`gpt-image-1`	`Openai-Gpt-1`：入 $3.68 / 出 $29.41 ｜ `Azure-Gpt-4`：入 $2.75 / 出 $22.00
`gpt-image-1-mini`	`Azure-Gpt-4`：入 $1.10 / 出 $4.40 ｜ `Azure-Gpt-5`：入 $1.50 / 出 $6.00

折算参考：一张 1024×1024 中等画质图约消耗一千余个图像 tokens——gpt-image-2 约 $0.023/张、gpt-image-1 约 $0.031/张、gpt-image-1-mini 约 $0.006/张；低画质约为三分之一、高画质约为 4 倍。⚠️ 折算值随尺寸与画质档位浮动，精确成本以账单明细为准；想要可预期的单价，直接用 -c 按张版。

四、调用方式：在哪里、怎么调用

4.1 三种调用形态，先分清再动手

形态	哪些家族	特征
OpenAI 兼容（同步）	Seedream、Qwen-Image、FLUX、万相、Z-Image、Grok Imagine、GPT Image	一个 POST 拿结果，`/v1/images/generations` 出图、`/v1/images/edits` 修图；base_url 带 `/v1`
Gemini 双协议（同步）	Gemini 全系	同时支持 Gemini 原生端点与 OpenAI 兼容端点（价格页「端点类型」有标注），已有 OpenAI 代码可直接跑
异步任务	Midjourney、可灵图像、Vidu 图像	「提交 → 轮询 → 读结果」三步，接口文档里出现 `task_id` 就是异步

轮询建议：间隔 3–10 秒（低于 1 秒是无效请求）、总超时 10–30 分钟、超时重试前先查一次已有任务避免重复扣费、产物链接拿到就转存自己的对象存储。完整状态机与错误对照：异步任务通用说明 · 各平台任务状态值对照表

4.2 最小可跑示例（Python）

换模型只换 model 字段和端点路径；kling-omni-image 可用 n 参数一次出 1–9 张，gpt-image-2-c 不支持 n。

4.3 在哪里调用：三条路径

直接调 API（最推荐）：出图天然是「一次请求一张」，脚本 / 服务端 / 批量流水线都顺，上面 4.2 就是最小骨架；

支持绘图的第三方客户端：Cherry Studio、LobeChat、Chatbox、NextChat 等都能接网关画图（模型列表里选图像模型即可），免开发做单张出图与修图；

ComfyUI / 本地工作流：适合 z-image-turbo 这类开源权重模型（6B、16GB 消费卡可跑、Apache 2.0），数据不出内网；其余闭源家族只能走 API。

桌面客户端主要面向对话与绘图，不内置 Midjourney / 可灵 / Vidu 的异步任务界面，这三家的工作流只能走 API 自己轮询。

五、按场景选型

原则：先用低价档试错，锁定后再上质量档；能修图的不要重出图。 下表价格为价格页 2026-10-24 显示的实际单价（取各模型最低分组）。

5.1 电商产品图 / 广告海报（要文字准、要质感）

环节	选择	理由
主力	`gemini-3-pro-image`	官方定位就是高保真产品视觉 + 数据可视化，2K/4K 直出，文字与细节最稳
性价比	`doubao-seedream-4-5-251128` 或 `qwen-image-3.0-pro`	中文语义强、小字准；4.5 支持多图融合做场景合成，3.0-pro 密集排版适合信息图海报
精品终版	`gpt-image-2.5-sunburst-c`	同系列高精度版，提示词还原最强；按张 $0.0147 起
修图补救	`flux.1-kontext-pro` 或 `qwen-image-edit-2509`	指令式局部修改，不用整张重生成

5.2 中文海报 / 信息图 / 界面仿真（文字渲染第一优先）

需求	选择	理由
dense 版面（报纸/分镜/菜单/试卷）	`qwen-image-3.0-pro`	4.5k token 指令 + 图中图密集排版，10px 小字、12 国语言、多字体原生渲染
日常批量海报	`qwen-image-3.0`	同族文字能力，输出 $0.0265/张，成本更优
双语（中英）场景	`z-image-turbo`	开源榜第一的中英双语文字渲染，$0.0094/张起，还能本地部署
备用	`gemini-nano-banana-2.1` 或 `doubao-seedream-4-5-251128`	文字准确度同样在第一梯队，且支持对话式修图改字

5.3 人像精修 / 写真 / 角色一致性

需求	选择	理由
对话式多轮修图	`gemini-nano-banana-2.1`	14 张参考图维持 4 角色 + 10 物体一致性，多轮自然语言修改不断档
真实感人像	`qwen-image-max`	官方明确「弱化 AI 感、人像纹理更真实」
多图参考锁角色	`vidu-image-q2`	参考生图支持 4–7 张联合控图，主体一致性极强，最高 4K
换装/换场景	`kling-omni-image`	人像/角色参考 + 风格转绘，1K/2K $0.0313/张

5.4 批量素材 / 抽卡试错（成本优先）

需求	选择	理由
最便宜抽卡	`qwen-image-edit-2509`（$0.0009/张起）或 `doubao-seedream-3-0-t2i-250415`（$0.0094/张）	单价最低档，适合「广撒网」式试提示词
速度优先	`z-image-turbo`（8 步推理）或 `gemini-3.1-flash-lite-image`（超低延迟，仅 1K）	出图快才能批量；lite 注意只有 1K
图生图批量	`grok-imagine-image-2.0`	输入图 $0.0041/张，Low 档输出 $0.0165/张
稳定批量	`gpt-image-2.5-flare-c`	均衡低延迟定位就是批量快速出图，按张 $0.0147 起

5.5 艺术感 / 风格化创作（Midjourney 工作流）

环节	选择	说明
出图	`mj_imagine`	艺术感与审美上限，$0.0551/次
垫图融合	`mj_blend`	两张图融一张
挑满意的放大/变体	`mj_upscale` / `mj_variation` / `mj_high_variation`	放大 $0.0276、变体 $0.0551
改构图	`mj_zoom` / `mj_pan` / `mj_custom_zoom`	扩写与平移改构图
局部重绘	`mj_inpaint`	价格页显示 0
学提示词	`mj_describe`	上传图片反推提示词，$0.0276/次

5.6 影视分镜 / 概念原画 / 4K 交付

需求	选择	理由
4K 直出	`aigc-image-kling`（2K/4K）或 `kling-omni-image`（4K $0.0625/张）	可灵图片 3.0 影视级叙事表达；⚠️ aigc 通道先小额度核对价格
电影级 + 多参考	`vidu-image-q2`	4K $0.0460/张（文生图），参考生图最高 4K $0.1379
分镜草稿	`gemini-3.1-flash-image`	低延迟高吞吐，$0.0152/张起

5.7 识图 / 图片内容理解

需求	选择	说明
识别图片内容、提取对象场景	`kling-image-recognize`	$0.0156/次，异步
边聊边看图	任意多模态对话模型（如 Gemini / GPT / Claude 系）	图像理解是对话模型的能力，不必用图像生成模型

六、推荐总结

推荐给谁

你的情况	建议
日常主力出图 + 修图，想要一个模型包打	`gemini-nano-banana-2.1`（最低 $0.0166/张，14 图参考，官方推荐新项目首选）
电商产品图 / 广告终版，要 4K 与质感	`gemini-3-pro-image`（$0.0303/张起）或 `gpt-image-2.5-sunburst-c`（$0.0147/张起）
中文海报 / 信息图 / 界面仿真	`qwen-image-3.0-pro`（$0.0368/张起），批量用 `qwen-image-3.0`（$0.0265/张）
批量抽卡、成本第一	`doubao-seedream-3-0-t2i-250415` / `z-image-turbo`（均 $0.0094/张起）
图生图 / 修图为主	`grok-imagine-image-2.0`（输入图 $0.0041/张）或 `flux.1-kontext-pro`
人像真实感	`qwen-image-max`（$0.0609/张）
角色/产品多图参考一致性	`vidu-image-q2` 或 `kling-omni-image`
艺术感 / 风格化，接受异步轮询	Midjourney 全家（`mj_imagine` $0.0551/次起）
数据不出内网 / 有自有 GPU	`z-image-turbo` 本地部署（Apache 2.0，16GB 卡）
只识图不出图	`kling-image-recognize`（$0.0156/次）

一句话建议：图像选型先看「文字渲染 / 参考控制 / 同步还是异步」三个硬约束，再看分辨率档位，最后才按分组比价——而比价一定要按「自己所在分组 + 目标分辨率 + 参考图是否另计」三个维度一起算。批量上手前，先用最低档分组跑 20 张验证链路（出图 → 修图 → 转存 → 计费核对），链路顺了再放量。

七、相关阅读

Gemini Nano Banana 2.1 模型介绍（对话式修图深度实测）

GPT-Image-2.5 系列模型介绍（画质档位与多轮编辑衰减）

珂艾网关视频模型使用指南（图像之外的多媒体选型）

按任务选模型（按任务反查选型）

近期新模型总览（文本模型排位与搭配）

异步任务通用说明 · 各平台任务状态值对照表

配置三要素 · 在 Cherry Studio 里使用珂艾网关

八、来源

官方 / 一方

Google — Gemini API 图像生成说明（Nano Banana Pro / 2 / 2.1 / Lite 各档规格、2K/4K 输出、14 张参考图与搜索接地，2026-10 核对）

OpenAI — Images API 文档（/v1/images/generations 与 /v1/images/edits 参数、按 token 计费口径）

火山引擎 / 字节跳动 — Seedream 3.0 / 4.0 / 4.5 / 5.0 模型说明（多图输入上限、融合编辑、按张计费）

阿里云百炼 — Qwen-Image 2.0 / 3.0 系列模型页与 z-image-turbo 模型页（4.5k token 指令、10px 小字与 12 国语言渲染；Z-Image 官方原价 0.1 元/张起）

Artificial Analysis — Text-to-Image 榜单（Z-Image-Turbo 开源榜第一、总榜第八，2025-12-08）

快手可灵 — 可灵图片 3.0 能力说明（文生图 / 多图参考 / 2K/4K 直出 / 异步任务）

生数科技 — Vidu Q2 Image 说明（文生图 / 参考生图、4K、多图联合控图）

xAI — Grok Imagine Image 系列说明（2K 输出、画质档位）

Black Forest Labs — FLUX 1.1 Pro / Kontext Pro 模型说明

10.

Midjourney — 各动作（imagine / blend / describe / upscale / variation / zoom / pan / inpaint）官方功能说明

网关

11.

珂艾网关 — 当前在架模型与价格页（52 个图像模型 ID、端点类型、分组与实际单价均以价格页实时显示为准，本文核对时间 2026-10-24）

12.

珂艾网关 — 异步任务接口文档（Midjourney / 可灵 / Vidu 图像的提交与轮询）

说明：各模型规格与价格为厂商自报或第三方引述（已逐条标注），预览版与分档计价口径可能调整；榜单随时间漂移，引用时注意版本。最终以官方页面与珂艾网关价格页实时显示为准。

珂艾网关【图像类模型】全景使用指南

珂艾网关图像模型使用指南#

一、全景速查：11 大家族一张表#

二、各家族介绍与特点#

2.1 Google Gemini Nano Banana 系 —— 综合最强的全家桶#

2.2 OpenAI GPT Image 系 —— 指令遵循标杆，两种计费口径#

2.3 字节豆包 Seedream 即梦系 —— 中文语义与多图融合#

2.4 阿里通义 Qwen-Image 系 —— 文字渲染与密集版面专家#

2.5 Midjourney 动作系 —— 艺术感天花板#

2.6 快手可灵图像 —— 影视级叙事画面#

2.7 xAI Grok Imagine —— 画质档位可调#

2.8 其余四家速览#

三、计价方式与价格#

3.1 两种计费粒度，先看懂再下单#

3.2 主力模型价格表（价格页 2026-10-24 显示，单位：美元）#

3.3 按量计费（token）的 GPT Image 怎么核算#

四、调用方式：在哪里、怎么调用#

4.1 三种调用形态，先分清再动手#

4.2 最小可跑示例（Python）#

4.3 在哪里调用：三条路径#

五、按场景选型#

5.1 电商产品图 / 广告海报（要文字准、要质感）#

5.2 中文海报 / 信息图 / 界面仿真（文字渲染第一优先）#

5.3 人像精修 / 写真 / 角色一致性#

5.4 批量素材 / 抽卡试错（成本优先）#

5.5 艺术感 / 风格化创作（Midjourney 工作流）#

5.6 影视分镜 / 概念原画 / 4K 交付#

5.7 识图 / 图片内容理解#

六、推荐总结#

七、相关阅读#

八、来源#