66 个图像模型、33 个视频模型,当成菜单来读

OpenRouter 的目录里现在挂着 66 个能出图的模型,33 个能出视频的。你要是试过靠刷排行榜来挑,就知道那种感觉:排名告诉你别人跑了什么,不告诉你该跑什么。
所以我把整个货架通过公开的 models API 拉下来,当成一份目录读。下面的价格,是图像 token 单价换算成每百万 token 多少美元,或者官方公布的每秒视频价格(有的话)。这里没有一个数字是 benchmark 分数。这里是市场的形状。
货架上只有八个家族,不是 66 个产品
数条目是 66 个。数血统大概八个:OpenAI 的 GPT Image 系、Google 的 Gemini/Nano Banana 系、字节的 Seedream、Qwen 的 Image 系列、Black Forest Labs 的 FLUX、Recraft、Krea,再加一条长尾,来自 Sourceful、微软、Meta、腾讯和 xAI。
光是 Recraft 就占了 66 里的大约十六个,因为它把风格一致性当产品卖:按请求传 style ID、工具型变体、矢量输出。这不是凑数,是另一种商业模式——你买的是一个稳定的观感,不是一个模型。FLUX 也一样,摆出来是 FLUX 3 Image、FLUX 3 Image Klein,加四档 FLUX.2,因为开放权重和 API 托管是两个共用同一个名字的不同产品。
实际后果是:你比“66 个图像模型”的时候,主要是在比八个厂商的定价策略。把变体当成家族里的档位,决策范围一下就小了。

图像:五个价位,各买到什么
预算档,每百万图像 token 3 美元以下。 腾讯 Hy Image 3.5 Preview 1.6 美元,Recraft V4.1 Flash 1.7 美元,FLUX 3 Image Klein 1.9 美元,Meta Muse Image 2.4 美元。这一档用来做探索和缩略图。Klein 有意思在于它是开放权重:API 只是顺手,产品本身在权重里。Muse 值得一提是因为它偏 agentic——先规划再出图,提示词是一段话而不是一个短语的时候,这点很关键。
主力档,4–11 美元。 Qwen Image 2.1 Turbo 4.4 美元,Seedream 5.0 Flash 4.3 美元,Krea K3 Edit 7.2 美元,Seedream 5.0 Lite 8.4 美元,FLUX 3 Image 9.8 美元,Qwen Image 2.1 Pro 11.0 美元。生产流量大部分该住在这里。K3 Edit 要记一下:它吃一到八张参考图,是为定点修改而不是全新生成做的,而真实需求大部分就是定点修改。
高端档,30 美元。 GPT Image 2.6 Sunburst、GPT Image 2.6 Flare、Gemini Nano Banana 2.1。三个都落在这个数上,不是巧合,是一把价格伞。你付钱买的是文字渲染、复杂排版、以及跨轮修改的一致性。如果你的产出里有必须拼对的字,这一档就是解决它的地方。
专业档,38–120 美元。 微软 MAI-Image 2.6 卖 38 美元,定位是精度。Gemini 3 Pro Image 卖 120 美元,是预算档的二十倍,买的是带推理的对话式改图。
矢量这个例外。 Recraft 的 V4.1 Vector 19 美元、Pro Vector 50 美元,存在的原因是 SVG 是另一种交付物,不是另一个质量档。你需要一个设计师能打开能改的东西,跟位图模型比价格就没意义了。
视频:33 个模型,四类活
视频价格在目录里大多不公布,因为各家按秒计费。公布的地方,这个阶梯很有信息量:Gemini Omni 1.2 Flash 360p 每秒 0.023 美元,720p 0.070 美元,1080p 0.104 美元,4K 0.209 美元。一条 15 秒的 720p 大约 1.05 美元。
这个阶梯说明了这一类的结构。把 33 个按它们干的活分组,选择就清楚了。
通用文生视频和图生视频。 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 和 Standard、Veo 3.1 及其 fast/lite 档、Grok Imagine Video 1.5。这是最拥挤的一段,差异点在片长、原生音频、参考素材处理,不在原始画质。Omni 的卖点是 15 秒带声音的一条、首尾帧控制,以及用上一个 job ID 做多轮修改。
改现有素材。 Runway Aleph 2.0 吃一段视频加一句文字指令,改镜头里的某个东西。FLUX Video Edit 干同样的事。FLUX Video Upscale 负责放大。这是最不光鲜、经济上最有用的一类,因为真正花钱的是重拍。
会说话的人。 HeyGen 的 Avatar IV 和 HeyGen Video,加上用一张人像跑的通用模型。企业培训、本地化、产品讲解。无聊,但市场巨大。
批量档和草稿档。 Seedance 2.0 Mini 和 Fast、Veo 3.1 Fast 和 Lite、Grok Imagine Video 1.5 Lite、Wan 3.0 Prime。五个家族同时存在一个“fast”档,这才是真信号:行业已经接受了——先出一版便宜的草稿看一眼,再付钱做终版。
怎么读价格表才不被忽悠
三个坑,按栽进去的频率排序。
图像 token 不是图像。 “每百万图像 token 30 美元”这句话,在你不知道 1024×1024 吃掉多少 token 之前,说明不了一张图多少钱,而这个数因模型而异。诚实的比法是:固定一张测试图、固定质量、端到端算价。任何报单张成本却不说是多少分辨率的人,都在猜。
草稿价不是生产价。 360p 每秒 0.023 美元是真实存在的产品,也是做 campaign 预算的糟糕依据。按你要交付的分辨率做预算。
自动路由不是模型。 openrouter/auto 和它的兄弟们接受文本、图像、文件、音频、视频,然后替你选路。你不在乎的时候好用;你要归因成本或者复现结果的时候没用。
我实际会怎么选
如果我这周要搭一条图像流水线:探索用 Seedream 5.0 Flash 或 Qwen Image 2.1 Turbo,改稿用 Krea K3 Edit,任何带文字的交给 GPT Image 2.6 Sunburst,客户要权重的上 FLUX 3 Klein。四个模型,三个价位,内容团队提的需求基本都能接住。
视频:默认 Omni 1.2 Flash,因为 15 秒带声音、一次调用就覆盖了大部分社媒格式;改一个镜头又不想重拍的用 Aleph 2.0;草稿用 fast 档。然后按 1080p 做预算,接受你表格里那个 360p 的数字是虚构的。
更宏观的一点是:目录大小不是选择。66 个模型、八个血统、三个价位,意味着决策空间很小,而大部分条目存在是为了服务采购,不是手艺。按产出要扛住什么来选档位——缩略图、海报、还是广告牌——模型名字自己会排好。