12 倍差距：按目录规模算，AI 图像生成到底要花多少钱

榜单不是账单

随便问一屋子设计师哪个图像模型最好，你多半会得到一个笃定的答案，通常是在竞技场榜单上排第一的那个。再问同一屋子人，他们公司该在大规模生产里真正跑哪个模型，笃定立刻消散。这是两个不同的问题，而在十月，两者之间的鸿沟扩大到了看起来几乎像市场失灵的程度。

本月发布的一份定价拆解给这个问题配上了真实数字。一支每月生成 5 万张商品图、分辨率约 1K、每次请求出一张的团队，若在其自认都算合理选择的多个模型间切换，月账单从约 $840到约 $10,550不等。这还是在任何人把重试算进去之前的 12.5 倍差距。同样的工作量，同样的分辨率，同样的活。

把价目表翻译成人话

按单张看，差距最容易看清。便宜的一端，一个快速的批量模型大约每张 1K 图 $0.007。Nano Banana 2.1 在批量模式下约 $0.0168，标准模式下约 $0.0336。FLUX.2 [pro] 起价约 $0.03，MAI-Image-2.6 按竞技场估算约 $0.039，Grok Imagine Image 2.0 约 $0.04，Seedream 5.0 Pro 约 $0.045，而 FLUX 3 Image 在 1K 下约 $0.048。

接着价格陡然攀升。GPT-Image-2 在中等强度下接近每张 $0.053，Nano Banana Pro 接近 $0.134，GPT-Image-2 在高强度下接近每张 $0.211。在同样的 5 万张工作量上，最便宜又靠谱的选项与最贵选项之间的差额，是一笔房贷，甚至几笔。

最离谱的地方，是分辨率眨眼间就能重排名次。在 1K 下，排前几名的模型彼此几乎贴身。到了 4K，同样的 5 万张图，用 Nano Banana 2.1 约 $3,780，用 FLUX 3 Image 约 $30,350。一个在目录分辨率下看着像捡了便宜的模型，一旦需求改成印刷级质量，可能立刻变得无法承受。

为什么更便宜常常赢，有时又不

当某个模型“只落后竞技场两个档位”时，人的本能是把这点差距当成噪声。对商品目录而言，这种本能通常是对的。如果你的验收标准是“干净、符合品牌、产品正确”，更便宜的模型达标率往往比榜单所显示的更高，省下的钱就能回过头去拍更多角度、测更多方案。

但换成要上广告牌的主视觉图，这笔账就翻了过来。一张被退回的图，成本不在于生成费用，而在于设计师的时间、重拍、错过的截止日期。赌注这么高时，每张多花四倍的钱是便宜的保险，榜单也就不再是虚荣指标。

多数团队正在靠拢的务实答案是：别再只挑一个模型。用便宜的那个跑你自己 50 款产品的批量，再用贵的那个跑同样的 50 款，然后数一数有多少张一次通过。决定你价目表的，是那个数字，而不是竞技场分数。

这条建议里藏着一个有用的不对称。便宜的模型错得很明显，而明显的错抓起来成本低。贵的模型错得很隐蔽：logo 微微不对，阴影方向反了，多出一根手指的手。这类错误抓起来更贵，因为它们能骗过第一眼，而这恰恰是团队当初愿意为贵模型付钱的原因。问题从来不是这笔溢价在抽象意义上值不值，而是更便宜的模型所犯的那些具体错误，是否正好是你的审核人本来就会漏掉的。

重试是隐藏的乘数

AI 图像生成里最被低估的一项成本，是重试。上面的定价模型假设每次请求出一张。真实工作流并非如此。如果一支团队每张合格图平均要试 1.5 次，账单会在单价不变的情况下上涨 50%。于是一个需要试两次的便宜模型，突然比一个只试一次的贵模型更花钱。

这就是为什么在任何对比表上，“验收率”都该和“每张价格”并列。一个一次通过率 60% 的模型，实际成本是标价的 1.67 倍。一个 90% 的模型则是 1.11 倍。两个模型实际价格之间的差距，可能比它们标价之间的差距更大，而且方向还不一样。

把表两端的数字算一算，结论更清晰。每张 $0.02、验收率 50% 的模型，折算到每张合格图是 $0.04。每张 $0.05、验收率 85% 的模型，每张合格图约 $0.059。那个“贵”模型在实践里只贵了一半，还替人省下了好几轮审核。一旦把投入这些重试的人力时间也算进价格，差距可能彻底抹平。标价只是起点，不是答案。

弃用也是一条账目

十月又添了一类不出现在任何价目表上的成本：被迫迁移。Google 把早前的 Gemini 图像端点退役安排在了十月下旬，逼着还停留在上一代的人无论愿不愿意都得迁移。按上面的工作流，从旧端点迁到 Nano Banana 2.1，月账单几乎减半，还落到一个排名更高的模型上。一场由截止日期送达的免费胜利。

这是弃用的好版本。坏版本是你没计划、模型又没法锁定、价格也没建模的那种迁移。如果你的图像流水线依赖某个特定端点，那么日历如今和价目表一样，都是你成本结构的一部分。

算的是经济账，不是审美

这一切并不是在说便宜的模型看起来一样好。它们经常不是。它说的是，对任何大规模产出图像的人而言，“哪个模型最好”是个错误的问题。对的问题更窄，也更不浪漫：我的验收标准是什么，我的重试率是多少，交付物实际需要什么分辨率，以及当分辨率变化时我的账单会怎样。

12 倍差距不是市场的 bug。它是市场在告诉你，图像生成已经成熟到有了分层的程度，就像它之前的云存储和视频编码一样。把图像生成当作采购问题来对待、盯着验收率和单位经济的团队，花费只会是那些把它当作品味问题来对待的团队的一小部分。关于哪张图更好看，两边都可能是对的。但只有一边能解释那张发票。