Google 圖片價格砍半，傳送參考圖成本卻變三倍
Google 於 10 月 6 日發布 Nano Banana 2.1。最受矚目的是降價：1K 圖片從 6.70 美分降至 3.36 美分，4K 圖片從 15.10 美分降至 7.56 美分。批次定價再砍半，讓 1K 生成降至 1.68 美分。對任何大量執行圖片生成的人來說，這種變化會改變什麼才值得打造。
較少人注意的部分在輸入端。Google 將每百萬輸出符元的價格從 60 美元砍半至 30 美元，並將每百萬輸入符元從 0.50 美元提高到 1.50 美元。文字與思考輸出則從每百萬 3 美元漲到 7.50 美元。不過，每張圖的價格只是客戶實際支付費用的一小部分。
為什麼輸入端的變化很重要
一個圖片請求所承載的遠不只是輸出。它是一個提示詞，再加上越來越常見的參考圖。Nano Banana 2.1 在單一請求中最多接受 14 張參考圖，而每張輸入圖片大約消耗 1,120 個符元。若某個工作流程會融合十幾張參考圖，以確保產品在不同變體之間保持一致，那麼每個輸出都會送出大量輸入。
當輸入價格提高為三倍，高度依賴參考圖的工作流程所看到的節省，可能遠比每張圖的數字所暗示的還少。最能從這次發布受益的團隊，是那些以短提示詞大規模進行文字轉圖像的團隊。需要先自行試算數字的團隊，則是從事多參考圖編輯的團隊，因為這正是輸入端占主導的地方。
Google 自家的說明並未掩飾這一點。定價頁面列出每張 4K 圖片 3,780 個符元，換算下來更接近 11 美分，而不是報導中流傳的 7.56 美分。在假設帳單會減半之前，請先用自己的工作負載算一遍。
實際的建模方式是：計算每月各解析度的圖片數量，乘以新的每張輸出價格，然後加上輸入成本；輸入成本等於每次請求的平均參考圖數量，乘以每張圖片的符元數，再乘以新的輸入價格。對於使用短提示詞的文字轉圖像工作負載，節省幅度會接近新聞標題所述。對於每次呼叫都送出十幾張參考圖的編輯密集型工作負載，輸入端可能吃掉大部分節省。這次發布獎勵一種工作型態，並對另一種課稅，而定價頁面是唯一能看出這種區別的地方。
實際上改善了什麼
能力面的故事比價格面的故事更具體。該模型在融合最多 14 張參考圖時，能讓四個角色與十個物件保持一致，這正是產品目錄、分鏡腳本與品牌活動所看重的功能。主體在多次編輯回合之間的一致性，一直是圖像工具中較令人沮喪的失敗點之一，而這次直接針對這一點下手。
圖片中的文字也進步了。Google 自家的資訊圖表事實性分數從 0.179 躍升至 0.521，該公司表示已修正寬幅長寬比中出現的拼接假影。輸出可達 1K、2K 與 4K，長寬比最寬可達 8:1。
可透過 Google Web 與 Image Search 進行接地（grounding），思考層級則可設定為最低、中等與高。該模型也帶有 C2PA Content Credentials 以追蹤來源；隨著平台與監管機構推動生成圖片的來源出處，這變得更加重要。
在將代理程式移植過來之前，有一些值得了解的限制。不支援音訊生成、快取、程式碼執行、檔案搜尋、函式呼叫、Maps grounding、Live API、結構化輸出與 URL 上下文。如果你的流程在圖片步驟前後依賴函式呼叫或結構化輸出，那段邏輯就必須放在另一次文字模型呼叫中。支援 Batch API。
首日發布通路就很廣：Gemini 應用程式、搜尋中的 AI 模式、Google AI Studio、Google Flow、Stitch、Google Ads 與企業平台都會在發布時取得該模型。這很重要，因為這表示這些改進會同時觸及消費性產品與開發者 API。開發者可以針對一個數百萬人已透過不同介面使用的模型推出功能，這縮短了產品決策與使用者反應之間的回饋循環。
有一項限制沿用自業界其他業者。企業平台層級不提供生成真實人物。這對某些使用案例會有影響，也提醒我們：能力問題與權限問題是兩回事，即使對大型平台供應商也是如此。
遷移期限比看起來更寬鬆
有幾篇報導把 10 月 29 日列為前一代模型 gemini-3.1-flash-image 停止回應的日子。Google 自家的變更記錄則說它已遭淘汰，但未公布關閉日期。任何把遷移安排在 10 月 29 日前後的人，都是依據供應商並未公布的數字在工作。
這並不代表遷移是可選的。已淘汰的模型會繼續運作，直到供應商另行宣布；而相對於替代方案，繼續使用它的成本已經翻倍。舊模型現在等於對相同輸出收取固定的 50% 附加費。
更大的格局是一場價格戰
Google、OpenAI 與中國的開放權重實驗室都在爭奪那些將圖片功能建入應用程式的開發者。OpenAI 於 10 月 23 日將 gpt-image-1 從其 API 移除，並引導使用者改用 GPT Image 2.5 Sunburst 或 Flare。在獨立的 Arena 文字轉圖像排行榜上，Nano Banana 2.1 排名第五，落後於 OpenAI 模型的好幾個版本。
這個排名是解讀這次降價時必須對照的背景。在獨立排行榜上，Google 落後於品質領導者。它在通路方面領先，因為該模型同一天在消費性介面與開發者 API 上推出，而且它選擇在價格上競爭，而不是在偏好投票中爭奪第一名。對一家已經擁有使用者的公司來說，這是連貫的策略。這也釋出一個訊號：對市場中段而言，夠好又便宜勝過最好但昂貴。
與此同時，開放權重選項持續從下方縮小差距。像 Qwen-Image 與那些圖層分解的發布版本，根本不收取每張圖片的費用，這設下一個沒有任何代管供應商能削價突破的地板。每張圖片的價格戰正在免費開放權重與頂級付費層之間的空間開打，而這個空間每一季都在變窄。
更便宜的輸出與更好的文字渲染，把 AI 圖片進一步推向過去每次修改都需要設計師的工作：本地化橫幅、菜單卡片、簡單資訊圖表。這就是這次降價所指的方向。每個團隊必須自己回答的問題是：自家流程的輸入端是否讓他們能收到這份好處。
更廣泛的影響在於什麼才算合理的產品功能。當一張生成圖片只要三美分、幾秒內就能送達，一項每次工作階段為每位使用者產生一張圖片的功能，就會變得比去年更負擔得起。個人化插圖、各據點的行銷素材與生成的佔位素材，全都從昂貴的想法變成實作細節。這種層級的價格變化，不只降低既有工作的成本。它們讓新類別的工作成為可能，因為過去排除這些工作的算術已不再適用。
Google 決定調降輸出價格、同時將輸入價格提高為三倍，是在押注哪一種工作型態將成為主流。它假設團隊會做更多生成、較少大量參考圖的編輯，並據此定價。做相反事情的團隊應該先測試再遷移，而不是假設新聞標題適用於自己。