影像榜前十名，有六個是同一個模型家族

OpenRouter 截至 10 月 26 日那一週的影像排行榜，讀起來像產品型錄而不是一場競賽。前十名有六個席次屬於同一個模型家族。第一名有 157 萬次請求。第十名有 25.3 萬。

名單依序是：Nano Banana 2（Gemini 3.1 Flash Image）157 萬，週增 13%；GPT Image 2.5 Sunburst 125 萬，增 6%；Meta 的 Muse Image 82.4 萬，增 23%；GPT Image 2.5 Flare 79.3 萬，增 26%；Nano Banana 2 Lite 72.6 萬，增 18%；GPT Image 2 63.3 萬，減 4%；Nano Banana 45 萬，持平；Nano Banana Pro 41.7 萬，增 5%；Nano Banana 2.1 38.3 萬，增 21%；以及預覽版形式的 Nano Banana 2 25.3 萬，減 14%。

依作者分，10 月 19 日開始那一週是這樣切的：Google 占影像請求 43.3%，OpenAI 33.2%，Meta 7.8%，Black Forest Labs 4.8%，ByteDance Seed 3.9%，Recraft 1.8%，SpaceXAI 1.8%，Tencent 1.1%，Qwen 0.9%。

兩家公司拿走四分之三的請求。那是故事，而它比藏在分級結構裡的那個故事還不有趣。

同一個模型的五個級別

Google 的項目不是五個互相競爭的模型。它們是同一條模型血脈按價格與能力切片：Nano Banana 2 在最上，Nano Banana 2 Lite 在其下，品質更高的 Nano Banana Pro 在其上，Nano Banana 2.1 是中階，而上一代樸素的 Nano Banana 仍每週拉進 45 萬次請求。

OpenAI 用兩個項目做同一件事：Sunburst 和 Flare 都是 GPT Image 2.5，放在不同的速度與價格位置，合起來占第二與第四名。

這不是花招。分級是服務一個市場的方法：有客戶要一張 4K 主視覺，另一個客戶要在午餐前拿到 900 張縮圖。但它也意味著排行榜測的是模型品質以外的東西。有四個級別的供應商，用一個模型占四個位子。有一個好模型的供應商只占一個位子。

證明這些是通路決策而非品質決策最清楚的證據，是第十名：預覽版形式的 Nano Banana 2，在正式版出貨九週後仍每週收到 25.3 萬次請求。沒有人會刻意選預覽模型。是某人的 pipeline 對著那個模型字串建起來，之後沒人動過。請求量測的是慣性，和偏好一樣多。

唯一不屬於 Google 或 OpenAI 的那個數字

Meta 的 Muse Image 82.4 萬，是前四名裡唯一不屬於兩強的項目，而它一週成長 23%，比兩強都快。Meta 對 Muse 的賣點是它在渲染前先規劃構圖，那和 Canva 這週用 Craft 押的架構賭注相同。兩家公司在同一個月抵達「先規劃再渲染」值得注意，雖然這可能更多說明容易的進展在哪裡，而不是共享的洞見。

另一個突出的數字是 Black Forest Labs 的 4.8%，週增 83%。那是榜上最快的成長率，而且差距很大，但它仍低於 5%。低量而快速上升，通常是某個大客戶剛接上的跡象，不是市場轉向。值得觀察，不值得據此下結論。 表格的尾巴才是有趣的缺席所在。Recraft 1.8%，增 29%；Tencent 1.1%；Qwen 0.9%；SpaceXAI 1.8%。這些不是失敗。它們是有特定任務的模型：Recraft 一直是向量與品牌一致性素材的選擇，Tencent 的影像模型在中文產品裡有意義，而 Qwen 的開放權重跑在客戶自己的硬體上，這意味著請求根本不會出現在這裡。 最後那點是任何 router 排行榜最大的盲區。一個以開放權重散布的模型可能被極廣泛使用，卻在這份資料裡隱形，因為跑它的人是自己跑。請求計數衡量的是託管採用，那是開發者便利性的代理指標，不是總部署量。

請求數不會告訴你的事

這是請求計數，不是營收，也不是 token。Lite 級別的一次請求可能只花 Pro 級別一次請求的一小部分，所以一個有便宜預設值的供應商可以登上榜首，每次呼叫卻賺得比第三名少。OpenRouter 也正因如此另外提供支出占比視圖，而兩者並不總是吻合。

還有第二個缺口：OpenRouter 是一個 router。它看到的是開發者透過它路由的流量，那偏向正在做產品、代理與批次工作的人。它看不到直接進到供應商自家 app 的流量，也看不到像 Canva 或 Photoshop 這類工具內部的龐大消費量。Google 在這裡以 43.3% 領先，是一句關於開發者預設值的陳述，不是關於哪個模型在地球上做出最多圖片的陳述。

開發者該從中帶走什麼

如果你這週要選一個影像模型，排行榜對三件事是合理的代理指標：哪些模型有最多範例與社群解答、哪些不太可能無預警被下架、以及你未來的新人大概已經用過哪些。

對你真正在意的事，它是很差的代理指標，那就是這個模型能不能處理你那些特定影像。157 萬次請求的領先完全不會告訴你它怎麼渲染你產品的包裝。

資料裡更有用的模式是分級本身。如果兩家供應商現在對同一個底層模型推出四個和五個價位，那麼價格以一種一年前沒有的方式可談，而正確的做法是先測便宜的那一級。大多數生產工作不需要 Pro 模型。它需要 Lite 模型加上一個還不錯的放大。

而第十名的預覽項目，是給所有維護 pipeline 的人的小提醒：你三月硬寫進去的模型還在跑、還在計費，而且大概還是預覽版。檢查它只花一個下午。

沒人想過的那一級的成本

這個結構裡藏著一種更安靜的成本。每一級額外級別，都是某人終究得做的一次額外遷移，而各級別老化的速度不同。一家對同一血脈推出五個價位的供應商，會先淘汰最底層的，因為那些在商業上最不受防守。停在 25.3 萬次請求的預覽版今天不是問題。它會在某天停止接受呼叫時變成問題。

處理得好的團隊只做一件無聊的事：他們維護一份簡短清單，記錄每個產品用哪個模型字串、誰負責、備援是什麼。那不是有趣的工作。它是週二下午和週二停機之間的差別。