Sessantasei modelli di immagini, trentatré di video. Leggilo come un menù.

Il catalogo di OpenRouter elenca attualmente 66 modelli che producono immagini e 33 che producono video. Se hai mai provato a sceglierne uno scorrendo una classifica, conosci la sensazione: la classifica ti dice cosa hanno eseguito gli altri, non cosa dovresti eseguire tu.
Così ho tirato giù l'intero scaffale tramite la models API pubblica e l'ho letto come un catalogo. I prezzi qui sotto sono la tariffa per image token convertita in dollari per milione di token, oppure la tariffa video al secondo pubblicata, dove esiste. Niente di questo è un punteggio di benchmark. È la forma del mercato.
Lo scaffale ha otto famiglie, non sessantasei prodotti
Conta le voci e ottieni 66. Conta le discendenze e ne ottieni circa otto: la linea GPT Image di OpenAI, la linea Gemini/Nano Banana di Google, Seedream di ByteDance, la serie Image di Qwen, FLUX di Black Forest Labs, Recraft, Krea e una lunga coda di casi singoli da Sourceful, Microsoft, Meta, Tencent e xAI.
Solo Recraft copre circa sedici dei 66, perché vende la coerenza di stile come prodotto: style ID per richiesta, varianti utility, output vettoriale. Non è riempitivo, è un modello di business diverso: compri un aspetto coerente, non un modello. Stessa storia con FLUX, che appare come FLUX 3 Image, FLUX 3 Image Klein e quattro livelli FLUX.2, perché pesi aperti e hosting API sono due prodotti diversi che condividono un nome.
Conseguenza pratica: quando confronti «66 modelli di immagini», stai per lo più confrontando le strategie di prezzo di otto vendor. Tratta le varianti come livelli dentro una famiglia e la decisione si restringe parecchio.

Immagini: cinque fasce di prezzo, e cosa compra ciascuna
Fascia economica, sotto i 3 dollari per milione di image token. Hy Image 3.5 Preview di Tencent a 1,6, Recraft V4.1 Flash a 1,7, FLUX 3 Image Klein a 1,9, Muse Image di Meta a 2,4. Qui fai esplorazione e miniature. Klein è quello interessante perché è a pesi aperti: l'API è una comodità, non il prodotto. Muse è notevole per essere agentico: pianifica prima di renderizzare, cosa che conta quando il tuo prompt è un paragrafo invece di una frase.
Fascia da lavoro, 4–11 dollari. Qwen Image 2.1 Turbo a 4,4, Seedream 5.0 Flash a 4,3, Krea K3 Edit a 7,2, Seedream 5.0 Lite a 8,4, FLUX 3 Image a 9,8, Qwen Image 2.1 Pro a 11,0. La maggior parte del traffico di produzione dovrebbe stare qui. K3 Edit è quello da annotare: accetta da una a otto immagini di riferimento ed è costruito per modifiche mirate invece che per render nuovi, che è ciò che sono in realtà la maggior parte delle richieste reali.
Fascia premium, 30 dollari. GPT Image 2.6 Sunburst, GPT Image 2.6 Flare, Gemini Nano Banana 2.1. Tutti e tre finiscono sullo stesso numero, il che non è un caso: è un ombrello di prezzo. Paghi il rendering del testo, i layout densi e la coerenza tra le modifiche. Se il tuo output contiene parole che devono essere scritte correttamente, è in questa fascia che il problema si risolve.
Fascia specialistica, 38–120 dollari. Microsoft MAI-Image 2.6 a 38 è posizionato sulla precisione. Gemini 3 Pro Image a 120 costa venti volte la fascia economica, per l'editing conversazionale con il ragionamento allegato.
L'eccezione vettoriale. Recraft V4.1 Vector a 19 e Pro Vector a 50 esistono perché SVG è un deliverable diverso, non un livello di qualità diverso. Se ti serve qualcosa che un designer possa aprire e modificare, il confronto di prezzo con i modelli raster non ha senso.
Video: 33 modelli, quattro lavori
Il prezzo dei video per lo più non è pubblicato nel catalogo, perché ogni provider fattura al secondo. Dove c'è, la scala è istruttiva: Gemini Omni 1.2 Flash costa 0,023 dollari al secondo a 360p, 0,070 a 720p, 0,104 a 1080p, 0,209 a 4K. Una clip di quindici secondi a 720p costa circa 1,05 dollari.
Quella scala ti dice come è strutturata la categoria. Raggruppa i 33 per il lavoro che fanno e la scelta diventa leggibile.
Text-to-video e image-to-video generalisti. Gemini Omni 1.2 e 1.1 Flash, Seedance 2.5, Wan 3.0 e 3.0 Prime, Hailuo 3 e 3 Max, Runway Gen-4.5, Kling 3.0 Pro e Standard, Veo 3.1 e i suoi livelli fast/lite, Grok Imagine Video 1.5. È la parte affollata del mercato, e i differenziatori sono la durata della clip, l'audio nativo e la gestione dei riferimenti, non la fedeltà grezza. Il pitch di Omni è una ripresa da quindici secondi con audio, controllo del primo e ultimo fotogramma ed editing multi-turno tramite l'ID di un job precedente.
Modifica di materiale esistente. Runway Aleph 2.0 prende un video e un'istruzione testuale e cambia qualcosa dentro l'inquadratura. FLUX Video Edit fa lo stesso. FLUX Video Upscale ingrandisce. È la categoria meno glamour e più utile economicamente, perché è rigirare che costa davvero.
Umani che parlano. Avatar IV e HeyGen Video di HeyGen, più i modelli generalisti usati con un ritratto. Formazione aziendale, localizzazione, video esplicativi di prodotto. Noioso, mercato enorme.
Livelli batch e draft. Seedance 2.0 Mini e Fast, Veo 3.1 Fast e Lite, Grok Imagine Video 1.5 Lite, Wan 3.0 Prime. L'esistenza di un livello «fast» in cinque famiglie contemporaneamente è il vero segnale: l'industria ha accettato che generi una bozza economica, la guardi, e poi paghi per un finale.
Come leggere la tabella dei prezzi senza farsi ingannare
Tre trappole, in ordine di frequenza con cui catturano le persone.
Gli image token non sono immagini. Una tariffa di «30 dollari per milione di image token» non ti dice quanto costa un'immagine 1024×1024 finché non sai quanti token consuma quella risoluzione, e questo varia da modello a modello. Il confronto onesto è un'immagine di test fissa a una qualità fissa, prezzata dall'inizio alla fine. Chi cita costi per immagine senza dichiarare la risoluzione sta indovinando.
I prezzi delle bozze non sono prezzi di produzione. Un video a 360p a 0,023 dollari al secondo è un'offerta reale e una base pessima per budgetare una campagna. Fai il budget alla risoluzione con cui consegnerai.
Gli auto router non sono modelli. openrouter/auto e i suoi fratelli accettano testo, immagine, file, audio e video e instradano per te. Utile quando non ti importa; inutile quando stai cercando di attribuire un costo o riprodurre un risultato.
Che cosa sceglierei davvero
Se questa settimana costruissi una pipeline per immagini: Seedream 5.0 Flash o Qwen Image 2.1 Turbo per l'esplorazione, Krea K3 Edit per le revisioni, GPT Image 2.6 Sunburst per qualsiasi cosa con del testo dentro, e FLUX 3 Klein quando il cliente vuole i pesi. Sono quattro modelli, tre fasce di prezzo, e coprono più o meno tutto ciò che un team di contenuti chiede.
Per il video: Omni 1.2 Flash come default, perché quindici secondi con audio coprono la maggior parte dei formati social in una chiamata; Aleph 2.0 per correggere un'inquadratura invece di rigirarla; un livello fast per le bozze. Poi fai il budget a 1080p e accetta che il numero a 360p nel tuo foglio di calcolo era finzione.
Il punto più ampio è che la dimensione del catalogo non è scelta. Sessantasei modelli con otto discendenze e tre fasce di prezzo significano che lo spazio decisionale è piccolo, e la maggior parte delle voci esiste per servire gli acquisti, non il mestiere. Scegli la fascia in base a cosa deve sopravvivere all'output — una miniatura, un poster, un cartellone — e il nome del modello si sistema da solo.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.