66 個圖像模型、33 個影片模型,把它當菜單讀

OpenRouter 的目錄目前列出 66 個會輸出圖片的模型、33 個會輸出影片的模型。如果你曾經試著靠滑排行榜來挑一個,你就知道那種感覺:排名告訴你別人跑了什麼,不是告訴你該跑什麼。
所以我把整個架上的東西透過公開的 models API 抓下來,改用「目錄」的方式讀它。下面的價格是把 image-token 費率換算成每百萬 token 的美元,或是有公布的話,影片的每秒費率。這裡沒有任何 benchmark 分數,這裡講的是市場的形狀。
這個架上有八個家族,不是六十六個產品
數條目會數到 66。數血統,大概八個:OpenAI 的 GPT Image 系列、Google 的 Gemini/Nano Banana 系列、字節跳動的 Seedream、Qwen 的 Image 系列、Black Forest Labs 的 FLUX、Recraft、Krea,還有一條長尾,來自 Sourceful、Microsoft、Meta、Tencent 和 xAI 的一次性產品。
光是 Recraft 就占了 66 個裡的大約 16 個,因為它賣的是風格一致性:每次請求的 style ID、工具型變體、向量輸出。那不是湊數,那是另一種商業模式——你買的是一致的外觀,不是一個模型。FLUX 也一樣,它以 FLUX 3 Image、FLUX 3 Image Klein,加上四個 FLUX.2 等級出現,因為開放權重和 API 託管是兩個共用同一個名字的不同產品。
實務上的結論:當你在比較「66 個圖像模型」時,你其實主要在比較八家廠商的定價策略。把變體看成同一家族裡的等級,決策空間就小多了。

圖片:五個價格帶,各自買到什麼
預算帶,每百萬 image token 低於 $3。 Tencent 的 Hy Image 3.5 Preview 是 $1.6,Recraft V4.1 Flash 是 $1.7,FLUX 3 Image Klein 是 $1.9,Meta 的 Muse Image 是 $2.4。這是拿來做探索和縮圖的地方。Klein 有意思,因為它是開放權重:API 只是方便,不是產品本體。Muse 值得注意的是 agentic——它先規劃再算圖,當你的提示詞是一段話而不是一個詞組時,這就有差。
主力帶,$4–11。 Qwen Image 2.1 Turbo $4.4,Seedream 5.0 Flash $4.3,Krea K3 Edit $7.2,Seedream 5.0 Lite $8.4,FLUX 3 Image $9.8,Qwen Image 2.1 Pro $11.0。多數生產流量應該落在這裡。K3 Edit 值得注意:它接受一到八張參考圖,是為針對性修改而設計的,不是為了從零生成——而真實的需求大多正是這一種。
高階帶,$30。 GPT Image 2.6 Sunburst、GPT Image 2.6 Flare、Gemini Nano Banana 2.1。三個都落在同一個數字上,這不是巧合,這是價格保護傘。你付的錢是為了文字渲染、密集版面,以及跨編輯的一致性。如果你的成品裡有字,而且必須拼對,這一帶就是解決它的地方。
專業帶,$38–120。 Microsoft MAI-Image 2.6 定價 $38,主打精準。Gemini 3 Pro Image 定價 $120,是預算帶的二十倍,賣的是帶推理的對話式編輯。
向量例外。 Recraft 的 V4.1 Vector 要 $19、Pro Vector 要 $50,存在的理由是 SVG 是另一種交付物,不是另一個品質等級。如果你要的是設計師能打開來改的東西,拿它跟點陣模型比價格是沒有意義的。
影片:33 個模型,四種工作
影片的價格在目錄裡大多沒公布,因為各家都是按秒計費。有公布的地方,那個階梯很有啟發性:Gemini Omni 1.2 Flash 在 360p 是每秒 $0.023,720p 是 $0.070,1080p 是 $0.104,4K 是 $0.209。一支十五秒的 720p 片段大約 $1.05。
那個階梯告訴你這個類別是怎麼組成的。把 33 個按它們做的工作分組,選擇就看得懂了。
通用文生影片與圖生影片。 Gemini Omni 1.2 和 1.1 Flash、Seedance 2.5、Wan 3.0 和 3.0 Prime、Hailuo 3 和 3 Max、Runway Gen-4.5、Kling 3.0 Pro 與 Standard、Veo 3.1 及其 fast/lite 等級、Grok Imagine Video 1.5。這是市場最擠的一塊,差異化在片長、原生音訊和參考素材處理,而不是單純的擬真度。Omni 的賣點是一段十五秒、帶聲音的鏡頭,首尾格控制,以及可以透過上一個 job ID 做多輪編輯。
編輯既有素材。 Runway Aleph 2.0 吃一段影片和一句文字指令,改掉鏡頭裡的某個東西。FLUX Video Edit 做一樣的事。FLUX Video Upscale 負責放大。這是最不炫、但在經濟上最有用的一類,因為真正花錢的是重拍。
會說話的人。 HeyGen 的 Avatar IV 和 HeyGen Video,加上搭配人像使用的通用模型。企業訓練、在地化、產品解說。很無聊,市場很大。
批次與草稿等級。 Seedance 2.0 Mini 與 Fast、Veo 3.1 Fast 與 Lite、Grok Imagine Video 1.5 Lite、Wan 3.0 Prime。五個家族同時存在一個「fast」等級,這才是真正的訊號:產業已經接受,你先生成便宜的草稿、看一眼,再付錢做定稿。
怎麼讀價格表才不會被騙
三個陷阱,按它們騙到人的頻率排序。
image token 不是圖片。 「每百萬 image token $30」這種費率,在你還不知道 1024×1024 會消耗多少 token 之前,根本沒告訴你那張圖要多少錢——而這因模型而異。誠實的比較方式是:固定一張測試圖、固定品質,從頭到尾算一次價。任何報「每張多少錢」卻沒講解析度的人,都是在猜。
草稿價不是生產價。 360p、每秒 $0.023 的影片是真實的產品,卻是很糟的預算基礎。請用你會出貨的解析度編預算。
自動路由不是模型。 openrouter/auto 和它的兄弟們接受文字、圖片、檔案、音訊和影片,然後幫你路由。你不在乎用哪個模型時很好用;你要歸屬成本或重現結果時,完全沒用。
我實際會怎麼選
如果我這週要建一條圖片流程:探索用 Seedream 5.0 Flash 或 Qwen Image 2.1 Turbo,修改用 Krea K3 Edit,任何有字的東西用 GPT Image 2.6 Sunburst,客戶想要權重時用 FLUX 3 Klein。四個模型、三個價格帶,大致涵蓋一個內容團隊會提出的所有需求。
影片的話:預設用 Omni 1.2 Flash,因為十五秒帶聲音,一次呼叫就能涵蓋多數社群格式;Aleph 2.0 用來修一個鏡頭而不是重拍;草稿用 fast 等級。然後用 1080p 編預算,並接受你試算表裡那個 360p 數字是小說。
更廣的一點是:目錄大小不等於選擇。66 個模型、八條血統、三個價格帶,意味著決策空間其實很小,而多數條目存在的目的是服務採購,不是服務工藝。按「成品必須撐過什麼」來選價格帶——縮圖、海報、看板——模型名稱自己會歸位。