← Retour au blog
AiEnviron 8 min de lecture

Le catalogue OpenRouter des modèles d'image et de vidéo, lu comme un rayon

Publié le 7 nov. 2026
Le catalogue OpenRouter des modèles d'image et de vidéo, lu comme un rayon

Le catalogue d'OpenRouter recense actuellement 66 modèles qui produisent des images et 33 qui produisent de la vidéo. Si vous avez déjà essayé d'en choisir un en faisant défiler un classement, vous connaissez la sensation : le classement vous dit ce que les autres ont lancé, pas ce que vous devriez lancer.

J'ai donc tiré tout le rayon via l'API publique des modèles et je l'ai lu comme un catalogue. Les prix ci-dessous sont le tarif par token d'image converti en dollars par million de tokens, ou le tarif publié à la seconde pour la vidéo quand il existe. Rien ici n'est un score de benchmark. C'est la forme du marché.

Le rayon compte huit familles, pas soixante-six produits

Comptez les entrées : 66. Comptez les lignages : environ huit. La ligne GPT Image d'OpenAI, la ligne Gemini/Nano Banana de Google, Seedream de ByteDance, la série Image de Qwen, FLUX de Black Forest Labs, Recraft, Krea, et une longue traîne de cas isolés chez Sourceful, Microsoft, Meta, Tencent et xAI.

Recraft représente à lui seul seize des 66, parce qu'il vend la cohérence de style comme produit : identifiants de style par requête, variantes utilitaires, sortie vectorielle. Ce n'est pas du remplissage, c'est un autre modèle économique — vous achetez une apparence cohérente, pas un modèle. Même histoire chez FLUX, qui apparaît en FLUX 3 Image, FLUX 3 Image Klein et quatre paliers FLUX.2, parce que les poids ouverts et l'hébergement d'API sont deux produits distincts partageant un nom.

Conséquence pratique : quand vous comparez « 66 modèles d'image », vous comparez surtout les stratégies tarifaires de huit éditeurs. Traitez les variantes comme des paliers à l'intérieur d'une famille, et la décision devient beaucoup plus petite.

A photographic contact sheet on a light table with one frame circled

Images : cinq tranches de prix, et ce que chacune achète

Tranche économique, moins de 3 dollars par million de tokens d'image. Hy Image 3.5 Preview de Tencent à 1,6 dollar, Recraft V4.1 Flash à 1,7, FLUX 3 Image Klein à 1,9, Muse Image de Meta à 2,4. C'est ici qu'on explore et qu'on fabrique des vignettes. Klein est le plus intéressant parce qu'il est à poids ouverts : l'API est une commodité, pas le produit. Muse se distingue par son côté agentique — il planifie avant de rendre, ce qui compte quand votre prompt est un paragraphe plutôt qu'une expression.

Tranche de travail, 4 à 11 dollars. Qwen Image 2.1 Turbo à 4,4, Seedream 5.0 Flash à 4,3, Krea K3 Edit à 7,2, Seedream 5.0 Lite à 8,4, FLUX 3 Image à 9,8, Qwen Image 2.1 Pro à 11,0. L'essentiel du trafic de production devrait vivre ici. K3 Edit mérite un mot : il accepte de une à huit images de référence et est conçu pour des retouches ciblées plutôt que des rendus neufs, ce qui correspond à la plupart des demandes réelles.

Tranche premium, 30 dollars. GPT Image 2.6 Sunburst, GPT Image 2.6 Flare, Gemini Nano Banana 2.1. Les trois tombent sur le même chiffre, ce qui n'est pas un hasard : c'est un parapluie tarifaire. Vous payez le rendu de texte, les mises en page denses et la cohérence d'une retouche à l'autre. Si votre sortie contient des mots qui doivent être correctement orthographiés, c'est dans cette tranche que cela se règle.

Tranche spécialisée, 38 à 120 dollars. Microsoft MAI-Image 2.6 à 38 dollars est positionné sur la précision. Gemini 3 Pro Image à 120 dollars, vingt fois la tranche économique, vise la retouche conversationnelle avec raisonnement intégré.

L'exception vectorielle. Les V4.1 Vector à 19 dollars et Pro Vector à 50 dollars de Recraft existent parce que le SVG est un livrable différent, pas un palier de qualité différent. S'il vous faut quelque chose qu'un designer peut ouvrir et modifier, la comparaison de prix avec les modèles raster n'a aucun sens.

Vidéo : 33 modèles, quatre métiers

Les prix vidéo sont rarement publiés dans le catalogue, parce que chaque fournisseur facture à la seconde. Là où ils le sont, l'échelle est instructive : Gemini Omni 1.2 Flash coûte 0,023 dollar par seconde en 360p, 0,070 en 720p, 0,104 en 1080p, 0,209 en 4K. Un clip de quinze secondes en 720p revient à environ 1,05 dollar.

Cette échelle dit comment la catégorie est structurée. Regroupez les 33 modèles par métier, et le choix devient lisible.

Texte-vers-vidéo et image-vers-vidéo généraux. Gemini Omni 1.2 et 1.1 Flash, Seedance 2.5, Wan 3.0 et 3.0 Prime, Hailuo 3 et 3 Max, Runway Gen-4.5, Kling 3.0 Pro et Standard, Veo 3.1 et ses paliers fast/lite, Grok Imagine Video 1.5. C'est la partie encombrée du marché, et les différenciateurs sont la durée du plan, l'audio natif et la gestion des références plutôt que la fidélité brute. L'argument d'Omni : une prise de quinze secondes avec son, le contrôle de la première et de la dernière image, et la retouche multi-tours via l'identifiant d'une tâche précédente.

Retouche de séquences existantes. Runway Aleph 2.0 prend une vidéo et une instruction textuelle et modifie quelque chose dans le plan. FLUX Video Edit fait de même. FLUX Video Upscale agrandit. C'est la catégorie la moins glamour et la plus utile économiquement, parce que ce qui coûte vraiment cher, c'est de retourner.

Humains qui parlent. Avatar IV et HeyGen Video de HeyGen, plus les modèles généraux utilisés avec un portrait. Formation interne, localisation, vidéos explicatives produit. Ennuyeux, marché énorme.

Paliers de lot et de brouillon. Seedance 2.0 Mini et Fast, Veo 3.1 Fast et Lite, Grok Imagine Video 1.5 Lite, Wan 3.0 Prime. L'existence d'un palier « fast » dans cinq familles à la fois est le vrai signal : l'industrie a accepté qu'on génère un brouillon bon marché, qu'on le regarde, puis qu'on paie pour un final.

Comment lire le tableau des prix sans se faire avoir

Trois pièges, par ordre de fréquence.

Les tokens d'image ne sont pas des images. Un tarif de « 30 dollars par million de tokens d'image » ne vous dit pas le prix d'une image en 1024×1024 tant que vous ignorez combien de tokens cette résolution consomme, et cela varie selon le modèle. La comparaison honnête, c'est une image de test fixe à une qualité fixe, chiffrée de bout en bout. Quiconque cite un coût par image sans nommer la résolution devine.

Les prix de brouillon ne sont pas des prix de production. Une vidéo en 360p à 0,023 dollar la seconde est une offre réelle et une base désastreuse pour budgéter une campagne. Budgétez à la résolution que vous livrerez.

Les routeurs automatiques ne sont pas des modèles. openrouter/auto et ses frères acceptent texte, image, fichier, audio et vidéo et routent pour vous. Utile quand la question ne vous intéresse pas ; inutile quand vous cherchez à imputer un coût ou à reproduire un résultat.

Ce que je choisirais vraiment

S'il fallait monter un pipeline d'images cette semaine : Seedream 5.0 Flash ou Qwen Image 2.1 Turbo pour l'exploration, Krea K3 Edit pour les révisions, GPT Image 2.6 Sunburst dès qu'il y a du texte dans l'image, et FLUX 3 Klein quand le client veut les poids. Cela fait quatre modèles, trois tranches de prix, et cela couvre à peu près tout ce qu'une équipe de contenu demande.

Pour la vidéo : Omni 1.2 Flash par défaut, parce que quinze secondes avec son couvrent la plupart des formats sociaux en un appel ; Aleph 2.0 pour corriger un plan au lieu de le retourner ; un palier rapide pour les brouillons. Puis budgétez en 1080p et acceptez que le chiffre en 360p de votre tableur était de la fiction.

Le point plus large, c'est que la taille du catalogue n'est pas le choix. Soixante-six modèles, huit lignages et trois tranches de prix signifient que l'espace de décision est petit, et que la plupart des entrées existent pour servir les achats, pas le métier. Choisissez la tranche selon ce que la sortie doit survivre — une vignette, une affiche, un panneau — et le nom du modèle se trie tout seul.

Articles associés