Model and Modality Playbooks2026年9月14日Flatkey Team

GPT Image vs Gemini Image API：在选择前先确认路由与定价问题

对比 GPT Image 与 Gemini Image API 的路由、定价单位、模型状态、速率限制，以及上线前的按接受图片计费成本。

更新日期：2026年9月14日

GPT Image vs Gemini Image API：在选择前先确认路由与定价问题并不是一个简单的模型质量对比。对于创作者平台、媒体工作流或产品团队来说，更难的决定通常是运营层面的：哪个端点形态适合你的应用，哪种计费单位便于财务审计，哪些模型 ID 处于可用状态，以及当请求失败时你能多快切换回退。

在将真实的创意工作负载迁移到 GPT Image、Gemini 图像模型或通过 Flatkey 的网关路由之前，可将本文作为生产检查清单。下方价格和模型状态均来自官方提供方页面，是截至 2026 年 9 月 14 日核对的某一时点规划输入。在上线前，请核实当前提供方页面、Flatkey 模型行、路由状态、使用日志，以及一次真实的冒烟测试。

Flatkey 在这一工作流中的角色是运营层：一个密钥访问模型、一个共享模型目录、价格可见性、路由检查以及使用证据。它并不能替代对提供方行为、安全策略、输出质量以及你具体图像工作流计费单位的验证。

快速答案：GPT Image vs Gemini Image API

当团队已经不再停留于“这个模型能不能生成图片？”而是需要知道哪条路由可以定价、监控、重试和回滚时，请使用GPT Image vs Gemini Image API：在选择前先确认路由与定价问题。

决策点	GPT Image API 路径	Gemini Image API 路径	Flatkey 检查
主要 API 形态	OpenAI 文档说明可通过 Images API 直接进行图像生成，也可在 Responses API 内作为工具进行图像生成。	Google 在 Nano Banana 系列下文档说明了原生 Gemini 图像生成，包括 Gemini 3.1 Flash Image、Gemini 3.1 Flash Lite Image 和 Gemini 3 Pro Image。	确认你的路由使用的是图像生成端点、OpenAI 兼容路径、Gemini 原生路径，还是 Responses 风格的工具路径。
计费单位	OpenAI 将图像成本围绕文本输入 token、图像输入 token、缓存图像输入 token 和图像输出 token 来定义。	Google 按不同 Gemini 图像模型、分辨率和处理模式列出 token 价格及每张图片的等效价格。	将一切统一换算为每张被接受图片的成本，而不是每次生成尝试的成本。
工作流适配度	如果你的应用已经围绕 OpenAI SDK、Images API 调用，或可调用图像生成功能的 Responses 工作流构建，GPT Image 是很强的适配选择。	如果你想要 Google 当前的原生图像路由、Nano Banana 模型选项、SynthID 水印，以及明确的宽高比或图像尺寸控制，Gemini 图像模型是很强的适配选择。	对每条候选路由运行相同的提示词、参考图、重试以及被接受输出测试。
迁移风险	请求形态会因你使用的是 Images API 还是 Responses API 图像生成工具而变化。	较旧的 Gemini 图像条目和 Imagen 时代的工作流需要主动检查弃用情况。	在上线文档中保留路由状态快照、当前模型 ID、错误处理行为和回滚路由。

实际答案是：不要仅凭一段演示输出就在 GPT Image 和 Gemini Image API 之间做选择。只有在你能展示精确的请求形态、实际使用的模型行、计费单位、安全失败行为、限流行为以及被接受图像成本之后，再做选择。

OpenAI 的 GPT Image 文档确认了什么

OpenAI 的图像生成指南将直接的 Images API 与 Responses API 中的图像生成区分开来。这一区别很重要，因为直接调用图像端点的应用，其请求、响应和成本结构，与让主模型调用图像生成工具的应用是不同的。

对于 GPT Image vs Gemini Image API：在选择前先确认路由与定价问题，请记录这些 OpenAI 实现细节：

OpenAI 项目	需要验证什么
模型 ID	当前文档和定价页面提到了 GPT Image 2.5 模型，例如 `gpt-image-2.5-sunburst` 和 `gpt-image-2.5-flare`，以及 `gpt-image-2` 示例。请在测试日志中保留精确的模型 ID。
端点家族	确认你的实现使用的是 `/v1/images/generations`、编辑/参考图像流程，还是 Responses API 的图像生成工具。
质量和尺寸	OpenAI 的指南为 GPT Image 2.5 模型记录了 low、medium、high、xhigh 和 max 质量选项；为 GPT Image 2 记录了 low、medium、high 和 auto。
输入图像	编辑和参考图像工作流会增加图像输入 token。GPT Image 2 会自动以高保真处理图像输入。
流式局部输出	如果你请求流式的部分图像，每个部分图像都会增加图像输出 token。
错误	请记录 HTTP 状态、请求 ID、提供方错误代码以及审核阻断详情，而不是盲目重试。

在 2026 年 9 月 14 日的来源检查中，OpenAI 的 GPT Image 2.5 成本部分列出了两个 GPT Image 2.5 模型的价格：每 100 万图像输入 token 8 美元、每 100 万缓存图像输入 token 2 美元、每 100 万图像输出 token 30 美元、每 100 万文本输入 token 5 美元，以及每 100 万缓存文本输入 token 1.25 美元。该指南同时提醒：相同的 token 单价并不意味着每张图像的最终成本相同，因为 token 消耗会因模型、质量设置、尺寸和工作流而不同。

重要的运营要点不是“OpenAI 每张图像收 X 美元”。而是：你的应用必须为每个工作流捕获文本输入 token、图像输入 token、图像输出 token、重试、部分输出以及已接受的图像。

Google 的 Gemini 图像文档确认了什么

Google 的 Gemini 图像文档目前围绕 Nano Banana 系列来提供图像生成。这个命名很容易看错，因此一份 GPT Image vs Gemini Image API：在选择前先确认路由与定价问题 工作表应同时记录营销系列名称和精确的模型 ID。

Google 图像模型	Google 文档中的当前角色	价格行（2026 年 9 月 14 日核对）
`gemini-3.1-flash-image`	Gemini 3.1 Flash Image，也称为 Nano Banana 2。	标准付费层级：每 100 万文本/图像输入 token 收费 $0.50；图像输出每 100 万 token 收费 $60，列出的等价价格为每 0.5K 图像 $0.045、每 1K 图像 $0.067、每 2K 图像 $0.101、每 4K 图像 $0.151。
`gemini-3.1-flash-lite-image`	Gemini 3.1 Flash Lite Image，描述为 Nano Banana 2 Lite。	标准付费层级：每 100 万文本/图像/视频输入 token 收费 $0.25；图像输出每 100 万 token 收费 $30，列出的等价价格为每 1K 图像 $0.0336。
`gemini-3-pro-image`	Gemini 3 Pro Image，描述为 Nano Banana Pro。	标准付费层级：每 100 万文本/图像输入 token 收费 $2.00；图像输出每 100 万 token 收费 $120，列出的等价价格为每 1K/2K 图像 $0.134、每 4K 图像 $0.24。
`gemini-2.5-flash-image`	旧版 Nano Banana 条目。	Google 将其标记为已弃用，并计划于 2026 年 10 月 2 日关闭，同时建议迁移到 Gemini 3.1 Flash Image 或 Gemini 3.1 Flash Lite Image。

Google 还说明，生成的图像包含 SynthID 水印。其文档在图像响应格式下展示了 aspect_ratio 和 image_size 控制项，这对需要统一素材规格的媒体团队很重要，例如 1:1 的电商素材、16:9 的编辑类素材，以及 9:16 的社交视频封面。

弃用问题并非学术讨论。Google 的图像生成指南还说明，Imagen 模型已被弃用，关闭日期为 2026 年 8 月 17 日，并建议使用 Nano Banana 模型进行图像生成。如果旧工作流或模型目录仍将 Imagen 作为默认对比对象，在将其用于采购决策之前，请先更新迁移说明。

在选择之前的路由问题

GPT Image vs Gemini Image API：在选择前先确认路由与定价问题 最适合用作一份路由评分表。在更改生产流量之前，先问这些问题。

问题	为什么它会改变选择	需要保存的证据
应用将调用哪一类端点？	OpenAI Images API、OpenAI Responses 图像工具、Gemini 原生生成，以及网关图像路由，可能会暴露不同的请求和响应结构。	基础 URL、端点路径、SDK 方法、模型 ID、请求体、响应图像格式，以及已测试的代码片段。
模型今天是否可用且可路由？	博客文章中的模型名称并不足够。提供商文档、公开目录行和网关路由状态的变化速度可能并不一致。	提供商源页面、Flatkey 模型行、路由状态、可见时的可用性时间戳，以及一次单图烟雾测试。
使用了哪些输入类型？	仅文本生成、图像编辑、蒙版、参考图像和多轮编辑会产生不同的 token 和延迟特征。	提示词 tokens、图像输入 tokens、参考图像数量、蒙版行为以及输出尺寸。
什么算成功？	创意工作流通常会拒绝那些技术上已经返回 HTTP 200 的输出。	接受的图像数量、拒绝原因、重新生成次数、审核者决定以及最终资产 ID。
安全失败的表现如何？	图像提示可能在生成前失败，或在输出审核后失败。盲目重试会增加成本和用户摩擦。	错误代码、如有提供则包括审核阶段、修订后的提示策略，以及面向用户的文案。
回退路径是什么？	如果回退路由会改变宽高比、水印行为或编辑保真度，即使它返回了一张图像，也可能破坏产品。	主路由、回退路由、触发条件、最大重试次数，以及质量门槛。
财务如何审计支出？	token 示例和按图计费示例并不能显示是哪支团队、哪个客户或哪把密钥导致了账单。	用量日志行、密钥归属者、模型 ID、计费单位、已接受图像数量，以及对账日期。

对于 Flatkey 用户来说，路由决策应从实时的模型目录和定价页面开始。先搜索精确的模型 ID，然后在将生产流量路由之前，检查端点类型、定价展示、路由状态以及真实请求记录。

定价单位检查清单

在工作流定义之前，GPT Image vs Gemini Image API：在选择前先确认路由与定价问题表格中不应出现单独的“每张图片价格”单元格。请为生成、编辑、参考图像、批量、优先级和回退行为分别使用不同的行。

规范化 GPT Image

对于 GPT Image，请从以下结构开始：

成本组成	为何重要
文本输入 tokens	提示长度、系统指令和样式约束可能因模板而异。
图像输入 tokens	编辑和参考图像工作流在实质上可能不同于仅文本生成。
缓存的图像输入 tokens	如果启用缓存，应将其与新的输入 tokens 单独衡量。
图像输出 tokens	尺寸和质量设置会影响输出 tokens 消耗和延迟。
部分图像	流式传输的部分图像会增加输出 tokens，不应隐藏在重试成本中。
主线模型 tokens	Responses API 的图像工具工作流除了图像生成成本之外，还可能包含主线模型 tokens 用量。

规范化 Gemini 图像

对于 Gemini 图像模型，将模型行与处理模式分开：

成本组成	为何重要
模型家族	Gemini 3.1 Flash Image、Gemini 3.1 Flash Lite Image、Gemini 3 Pro Image 以及旧版 Gemini 2.5 Flash Image 具有不同的定价行和生命周期状态。
分辨率	Google 在适用情况下，为 0.5K、1K、2K 和 4K 行列出了不同的单图等效值。
批量或标准	批量行可能与标准行不同，因此不要将它们混在同一个基准测试中。
Grounding	启用搜索 grounding 时，可能会增加按请求计费的费用。
水印	SynthID 水印可能会影响生成媒体的下游审核或合规要求。

规范化已接受图像成本

对两个提供商都使用这个公式：

accepted_image_cost =
  (all generated attempts + retries + fallback attempts + edit attempts + partial-output cost)
  / accepted final images

然后再跟踪第二个数值：

accepted_campaign_cost =
  accepted_image_cost
  + human review cost
  + storage and delivery cost
  + any provider-specific grounding or priority charges

这样可以保持比较的客观性。某条路由单次生成看起来更便宜，但如果接受率更低、编辑重试更多，或者回退请求在仪表板中不可见，那么它最终可能更昂贵。

Flatkey 验证路径

Flatkey 在 GPT Image vs Gemini Image API：在选择前先确认路由与定价问题 的上线过程中很有用，因为团队可以集中管理路由检查、模型行、使用证据和账单审核。在上线前使用这条路径：

打开 Flatkey 模型目录，搜索准确的图像模型 ID。
检查该行是否提供图像生成端点、OpenAI 兼容端点、Gemini 端点，或多种端点族。
打开 Flatkey 定价页面，并记录同一模型当前对应的行或定价表达式。
通过预期路由发送一次低风险请求。
保存请求 ID、响应格式、输出大小、失败模式和计费使用单位。
检查 Flatkey 使用日志，确认该请求是否出现在预期的 key、团队、模型和路由下。
如果你的产品使用引用，再用一次编辑或参考图像场景重复测试。
定义回滚方案：直接调用提供商、备用 Flatkey 路由、更低分辨率路由，或人工队列。

如果你仍在设计图像工作流，请先阅读 Image Generation API practical guide。如果你需要 KPI 框架，请使用 Image Generation API Metrics That Actually Matter。如需更广泛的回退策略，请阅读 multimodal agent routing。

决策矩阵

如果你的优先事项是...	更倾向于...	但要验证...
直接控制 OpenAI 图像端点	通过 Images API 使用 GPT Image	当前模型访问权限、尺寸和质量设置、图像输入 token 成本、流式部分输出，以及审核行为。
在更广泛的 OpenAI agent 或响应流程中进行图像生成	通过 Responses API 的图像生成工具使用 GPT Image	主模型 token 用量、该模型的工具支持、对话状态，以及总请求成本。
使用当前 Nano Banana 模型家族进行 Gemini 原生图像生成	Gemini Image API	准确的模型 ID、图像尺寸控制、SynthID 影响、若启用时的 grounding 费用，以及弃用状态。
更低成本的 1K 图像吞吐量	Gemini 3.1 Flash Lite Image 或其他当前效率路由	接受率、延迟、编辑保真度、批处理可用性，以及输出质量是否足以满足你的用例。
高分辨率或高端创意审核	GPT Image 2.5 或 Gemini 3 Pro Image 候选项	在所需分辨率下每张已接受图像的成本、编辑重试、审核失败，以及审核通过率。
基于网关的治理与支出审查	在 smoke test 之后使用 Flatkey 路由	端点支持、模型行的新鲜度、使用日志、路由健康状况以及计费对账。

结论是有意设为条件性的。GPT Image vs Gemini Image API：在选择前先确认路由与定价问题 应该以路由策略结束，而不是得出一个放之四海而皆准的赢家。

上线检查清单

在你选择生产路由之前，请确保上线文档回答了以下事项：

模型 ID：准确的提供商和 Flatkey 模型名称。
端点：直接提供商端点、OpenAI 兼容路由、Gemini 路由或 Flatkey 路由。
输入：仅文本、编辑、参考图像、遮罩、多轮或带依据的请求。
输出：图像尺寸、质量、格式、透明度需求、水印预期以及存储格式。
计费单位：文本输入、图像输入、缓存输入、图像输出、按单张图等价、批量、优先级或 grounding。
速率限制：RPM、TPM、IPM、提供商配额、网关配额、重试策略和退避行为。
审核：被拦截提示的处理、被拦截输出的处理以及支持升级处理。
验收：审查标准、可接受图像比例、被拒图像原因以及回退触发条件。
证据：请求 ID、使用日志、提供商价格页、Flatkey 价格行以及审查日期。

常见问题

GPT Image 比 Gemini Image API 更便宜吗？

不能只看标题比较。GPT Image 的定价基于 token，覆盖文本输入、图像输入、缓存输入和图像输出。Gemini 图像定价包含 token 行和按图像等价的计费方式，且会因模型、分辨率和模式而变化。请按你的工作流比较每张可接受图像的成本。

Gemini 2.5 Flash Image 现在还是安全的选择吗？

请将其视为旧版条目。Google 的定价页面将 gemini-2.5-flash-image 标记为已弃用，关闭日期为 2026 年 10 月 2 日。对于新工作，请改为测试当前的 Gemini 3.1 Flash Image 或 Gemini 3.1 Flash Lite Image 候选项。

我是否应该改为比较 Gemini 和 Imagen？

只有在你维护的是较旧的 Imagen 工作流时才这样做。Google 的图像生成指南说明 Imagen 模型已于 2026 年 8 月 17 日弃用并将在该日关闭，同时建议图像生成任务使用 Nano Banana 模型。对于 2026 年 9 月的新决策，Gemini 图像模型条目是更有用的比较集合。