返回博客

图像生成该用哪个 AI,按活儿来选

E2X Team··9 分钟阅读
ai-image-generationmodel-selectionnano-bananagpt-image-2image-apidecision-guide

「做图最好的 AI 是哪个」这个问题,形状就不对。它读起来像是想要一个名字,而每一个诚实的答案都是一张表。我们把五个图像模型放在同一个 API 后面跑,每周都要接这个问题。有用的回答从来不变:告诉我们是什么活儿。在透明背景的产品抠像上赢的那个模型,在一千张博客缩略图上输得很难看。

等距模型:青绿、赤陶、赭黄和米色的通道在一块浅色板面上蜿蜒,每条轨道尽头是一个形状各异的方块

「最好」是按活儿成形的,而这些活儿彼此离得很远

把图像模型排在一根轴上,那个排名对一件活儿是对的,对另外六件则悄悄是错的。决定一个项目的是一道能力闸门,不是一条质量梯度。一个模型要么返回透明背景,要么不返回;要么接十四张参考图,要么接三张;要么能到 4K,要么止步 1K。

那些闸门跟价格的对应关系,也不像您预期的那样。我们卖的最便宜的模型带着最贵的那个做不出来的 aspect ratio。而最贵的那个是唯一能在画面里写出一个可读单词的。这些都不符合直觉,所以才有了这张表。

决策表

按 1K 每张计,在 E2X 上,核查日期 2026 年 8 月 26 日。

活儿模型价格
透明背景上的产品抠像GPT Image 2$0.0525
包装、海报,或任何里面有可读文字的东西Nano Banana Pro$0.075
一千张博客缩略图Nano Banana 2 Lite$0.0238
一个角色在二十张图里都是同一个人Nano Banana Pro$0.075
印刷分辨率的 4K 画面Nano Banana 24K 下 $0.08
一张 3:1 或 1:3 的全景横幅GPT Image 2$0.0525
一条 8:1 页头或 1:8 竖长条Nano Banana 2 Lite$0.0238

价格与产品条款可能随时间变化;在做出采购决定前,请核对各家提供商的当前价格。Google 的 Batch 或 Flex 价格在调度、可用容量和处理条件上均有所不同,因此与标准的按需 API request 并不直接等价,已从本对比中排除。这是一次限定范围的对比,并非声称 E2X 在任何配置下都是全球最便宜的选择。

这篇文章余下的部分,是每一行背后的理由。

透明背景:GPT Image 2,别无他选

GPT Image 2 暴露了 background,接受 transparent、opaque 或 auto。要 transparent,您拿到的就是一张带真实 alpha 通道的 PNG。我们目录里没有一个 Google 模型提供这个参数,所以这不是偏好问题。这是唯一的路。

它比听上去更要紧。一张抠好的产品照、一张贴纸表、一个必须压在未知背景上的 logo——每一个要么带着 alpha 到来,要么带着「需要有人去 Photoshop 里处理」到来。把去背景这一步硬接在一个更便宜的模型后面,您买到的是第二次 API 调用、第二种失败模式,以及自动抠图在头发和玻璃边上留下的那圈灰边。

GPT Image 2 上的 quality 在每一档设置上都是 ×7 的乘数,low 和 auto 也不例外,而默认值是 high。真实的 1K 价格是 $0.0075 × 7 = $0.0525,不是目录里那个原始数字。

画面里的可读文字:Nano Banana Pro

如果图像里含有字——包装样稿、海报、菜单牌、图表——Nano Banana Pro 就是 Google 放置可读、带样式、多语言图内文字的地方。它是 gemini-3-pro-image,而这项能力是付 $0.075 而不是 $0.04 的唯一理由。

多语言那一面被低估了。一张做完的英文信息图可以作为参考图再送进去,附上一条要西班牙语文案的请求,而 Pro 会重排文字,不必围绕它重建版式。本地化从一张设计工单变成了一次 API 调用。

老一些的档位从来就不是为此而造的。初代 Nano Banana 是一个 2.5 代的模型,它的字形一直撑得住,直到真的有人去读。如果画面里有一句标题,别想省那 $0.035。

俯视渲染:米色托盘上五个形状各异的物件——一个小方块、一根高柱、一条宽杆、一个玻璃穹顶和一块扁平面板——各自坐在自己的凹槽里

量:Nano Banana 2 Lite

一千张图,是单价不再是舍入误差的地方。Nano Banana 2 Lite 是 $0.0238,对应 $0.042 的市面价,所以那一千张是 $23.80。同样一轮跑在 Pro 上是 $75。

Lite 是 gemini-3.1-flash-lite-image,尽管名字给人的暗示相反,它比它取代的那个没有后缀的模型整整新了一代。更便宜和更新,同时成立。

有两个约束要围着搭。它只有 1K,而且根本没有 resolution 参数——发一个过去是错误,不是被忽略的字段。它的 aspect_ratio 默认值是 1:1,所以请显式设置它,否则一批横幅会悄悄变成一批方图。

一个角色贯穿一整组:Nano Banana Pro

这一行让人意外。它看起来像质量问题,其实是参考图槽位的问题。

Pro 是这里唯一知道每一张参考图是干什么用的档位。十四个槽位,而且它们不可互换:5 个被读作这个人是谁,6 个被读作这个物体长什么样,3 个被读作整件事该怎么处理。

其余每一个都把参考图当成一堆没有区别的东西收下。实际的差别是:一次 Pro request 能同时握住一张脸、那个人手里的物件和整套艺术指导,并且把三者一起交回来。一张广告合成图,一次调用,而不是三轮加一道合成工序。Nano Banana 2 同样接受那十四张,但没法被告知哪张是哪张。在一长串生成里稳住同一张脸,有它自己的指南。

印刷分辨率:Nano Banana 2,画面里带字就用 Pro

Nano Banana 2 能到 4K,乘数是 2K ×1.5、4K ×2,所以 $0.04 变成 $0.06,再变成 $0.08。那是我们目录里最便宜的 4K,而且甩开第二名一大截。

Pro 也能到 4K,最高 4096 乘 4096,$0.15——只有当印刷件里有字时才值得。有一个有用的怪癖:在 Pro 上,1K 和 2K 价格完全相同,都是 $0.075。如果您已经在为 Pro 付钱,要 1K 就是把像素留在了桌上。

有一处 slug 细节值得一个小时的调试时间。这个模型上的生成是 google/nano-banana-2,到此为止——其他模型带的那个能力后缀,这里没有。编辑倒是带一个,google/nano-banana-2/edit-image。在生成 slug 后面加上 /text-to-image,您会拿到 404。

极端画幅:全景用 GPT Image 2,长条用 Lite

GPT Image 2 带着十五种 aspect ratio,是我们卖的范围里最宽的,而且只有它有真正的 3:1、1:3、2:1 和 1:2。一张原生生成的 3:1 主横幅胜过一张裁下来的 21:9,因为模型是照着交给它的那个画框构图的,而不是让主体被切掉一块。

到了真正极端的长条,它又翻回最便宜的模型。只有 Lite 提供 1:4、4:1、1:8 和 8:1。一条 8:1 的站点页头或一条 1:8 的竖侧栏,在其他任何档位都没有替代品,而它花 $0.0238。

这个范围内的默认值各不相同:Nano Banana 2 和 Pro 是 9:16,Lite 是 1:1。在您的 request 模板里把它钉死,然后就别再想它了。

等距渲染:一只浅浅的米色托盘里码着一模一样的方块,其中一个青绿方块被托在一根细底座上高出一截

默认选择,以及什么时候离开它

如果您不打算读那张表,就拿 $0.04 的 Nano Banana 2。它覆盖了我们见到的最宽的一批活儿:想要时有 4K、14 张参考图、除了以排版为主导之外都够用的文字、十种 aspect ratio,以及一个离地板价足够近、不会让您因为量而害怕的价格。大多数上门就要 Pro 的项目,在它上面都没问题。

在四种情况下离开这个默认选择,也只在这四种:

  1. 图像需要透明背景,那就换成 GPT Image 2。
  2. 图里的字就是这张图的重点,那就换成 Pro。
  3. 一个角色或一件产品必须在一长串里保持完全一致,那就为按角色分离的参考图换成 Pro。
  4. 您在以千为单位地生成,而图像很简单,那就换成 Lite,账单下降 40%。

其余一切,留在 Nano Banana 2 上。比起为一件永远用不到 Pro 长处的活儿,把接近两倍价格的 Pro 卖给您,我们宁愿说这句话。

这篇文章刻意不做的两件事

它不是一篇照片级真实感的评测。哪个模型能做出最有说服力的照片,是一个更窄的问题,答案也不同,它在最真实的 AI 图像生成器对比里。

它也不是那篇四个 Nano Banana 的科普。Google 用这个名字发了四个模型——legacy、2、2 Lite 和 Pro——把它们理清楚需要一整篇文章,那就是Nano Banana 模型对比。跨每一档和每一个乘数的价格算术在最便宜的图像生成 API里,而 API 与订阅之争在什么值得付费里。

上面每一个模型都遵守同一份 submit-and-poll 契约,所以在那张表的行与行之间移动,就是 request body 里的一个字符串——在您把自己绑定到某一行之前,这件事值得知道。把它们全都浏览一遍,或者收窄到 text-to-image。prompt 技巧在整个范围里都通用,那是prompt 指南。

常见问题

图像生成最好的 AI 是哪个?

没有单一最好的那一个,因为模型之间的差别是能力闸门,不是质量梯度。对大多数活儿来说,$0.04 的 Nano Banana 2 是对的默认选择。透明背景换 GPT Image 2,可读的图内文字或按角色分离的参考图换 Nano Banana Pro,大批量换 Nano Banana 2 Lite。

哪个 AI 图像模型能做透明背景?

GPT Image 2,它暴露了一个接受 transparent、opaque 或 auto 的 background 参数。截至 2026 年 8 月 26 日,它是 E2X 目录里唯一能一次调用返回真实 alpha 通道的模型,1K 每张 $0.0525。Google 的模型没有对应能力,所以在那边要透明背景就意味着单独一步去背景。

哪个 AI 模型能在图像里写出可读的文字?

Nano Banana Pro,gemini-3-pro-image,它把可读、带样式、多语言的文字作为画面的一部分渲染出来。Nano Banana 2 处理简单的词还算过得去。初代 Nano Banana 完全早于这项能力,因为它是随 Gemini 3 这一代到来的,所以任何以排版为主导的东西都该放在 $0.075 的 Pro 上。

最便宜又还算好用的 AI 图像生成器是哪个?

Lite,每张 $0.0238。它的模型 ID 是 gemini-3.1-flash-lite-image,比它接替的初代 Nano Banana 整整新了一代,所以它在价格上压过那个模型,在能力上又胜过它。不过限制是真实的:只有 1K 输出,而其他档位接受的 resolution 字段在这里会被拒绝。

哪些 AI 图像生成器支持 4K 输出?

Nano Banana 2 和 Nano Banana Pro。Nano Banana 2 在 4K 是 $0.08,也就是它 $0.04 基准价上的 ×2 乘数,这让它成为更便宜的那条路。Nano Banana Pro 能到 4096 乘 4096,$0.15,而且它的 2K 和 1K 同价。

做一致的角色最多能用多少张参考图?

Nano Banana Pro 上十四张,而有用的地方在于 Pro 会把它们分类:5 个槽位被读作角色,6 个作物体,3 个作风格处理。正是这套分类,让一张脸不会在一长串里游走。Nano Banana 2 同样接十四张,但对它们一视同仁,而初代 Nano Banana 止步于三张。

哪个 AI 模型支持 8:1 这样的极端 aspect ratio?

Nano Banana 2 Lite,它是目录里唯一在常规集合之外还提供 1:4、4:1、1:8 和 8:1 的模型。至于宽但不极端的全景,GPT Image 2 带着十五种比例,包括真正的 3:1、1:3、2:1 和 1:2。Google 的 flash 和 pro 档止步于 21:9。