如果你在 2026 年 9 月比较 GPT Image vs Imagen API：定价单位与请求检查，先纠正一点：Imagen 已不再是 Gemini API 中当前的 Google 图像生成路径。Google 的弃用页面列出了 Imagen 4 API 模型已于 2026 年 8 月 17 日关闭，而 gemini-3.1-flash-image 是推荐替代方案。Google 现在将 Nano Banana 作为 Gemini 的原生图像生成系列。
这改变了采购问题。一个更有用的比较不是“哪个仍在运行的端点有更漂亮的示例画廊？”，而是：OpenAI 的 GPT Image 单位与 Google 当前的 Nano Banana 单位如何比较，以及在迁移流量之前，媒体或产品团队应该运行哪些请求检查？
本指南使用了截至 2026 年 9 月 13 日检查的第一方文档：
- OpenAI 针对
gpt-image-2.5-sunburst、gpt-image-2.5-flare和gpt-image-2的当前图像生成与定价文档。 - Google 针对 Nano Banana、Gemini 图像定价、速率限制和 Imagen 弃用的当前 Gemini API 文档。
- Flatkey 的实时模型/定价数据源以及用于路由、计费和端点系列检查的公开产品页面。
快速结论
对于新工作，请将 GPT Image 与 Google 当前的 Nano Banana 模型进行比较，而不是与已退役的 Imagen 4 路由进行比较。
| Decision point | GPT Image | Google image generation after Imagen | What to check before launch |
|---|---|---|---|
| Current image family | OpenAI 文档中的 gpt-image-2.5-sunburst、gpt-image-2.5-flare 和 gpt-image-2 |
Nano Banana 模型，例如 gemini-3.1-flash-image、gemini-3.1-flash-lite-image 和 gemini-3-pro-image |
在你上线当天确认模型 ID、路由、账户访问权限和弃用状态 |
| Pricing unit | 按每 100 万 token 计费的文本和图像 token 费率 | 文本/图像 token 费率加上基于分辨率的图像输出等价单位 | 按已接受的图像而不是仅按提供商标价来归一化成本 |
| Single-shot generation | OpenAI Image API | 带有图像输出的 Gemini Interactions API | 验证必填字段、宽高比、图像大小、输出格式和输出数量行为 |
| Iterative edits | OpenAI Responses API 图像工具或 Image Edits 端点 | 带有 previous_interaction_id 的 Gemini 多轮交互 |
仅在需要迭代时存储之前的响应或交互 ID |
| Rate-limit shape | 可能适用 RPM、RPD、TPM、TPD、IPM 和账户/项目限制 | 可能适用 RPM、TPM、RPD 和 IPM，其中 Nano Banana 图像模型适用 IPM | 将速率限制视为路由策略的一部分，而不是事后才考虑 |
| Migration risk | GPT Image 系列内的模型/版本变更 | 旧版 Imagen API 路由已经过了 2026 年 8 月 17 日的关闭日期 | 在生产检查中阻止旧的 imagen-4.0-* 路由 |
如果你需要一份实用的图像 API 上线指南，可以将这篇对比与 Flatkey 的 图像生成 API 指南搭配阅读。如果你正在跨多个 AI 家族建模支出，也可以使用 Gemini API 定价指南和多模态路由手册。
为什么 Imagen 现在需要做迁移检查
搜索用户仍然会使用“Imagen API”，因为 Imagen 曾是 Google 命名的文本到图像 API 线路。但 Google 目前的文档告诉团队要把重心转向 Nano Banana。
迁移检查很具体：
| 旧模型家族 | Google 状态（核查于 2026 年 9 月 13 日） | Google 文档中推荐的替代项 | 实际结果 |
|---|---|---|---|
imagen-4.0-generate-001 |
已于 2026 年 8 月 17 日停止服务 | gemini-3.1-flash-image |
不要基于此路由构建新的生产流量 |
imagen-4.0-ultra-generate-001 |
已于 2026 年 8 月 17 日停止服务 | gemini-3.1-flash-image |
将旧请求模板视为迁移债务 |
imagen-4.0-fast-generate-001 |
已于 2026 年 8 月 17 日停止服务 | gemini-3.1-flash-image |
使用当前的 Gemini 图像模型进行新的评估 |
gemini-2.5-flash-image |
已弃用，停止服务日期为 2026 年 10 月 2 日 | gemini-3.1-flash-image 或 gemini-3.1-flash-lite-image |
在关闭窗口结束前完成迁移 |
这就是任何 GPT Image vs Imagen API：定价单位与请求检查 工作流中的第一项请求检查：确保对比中的“Imagen”一侧不是已经退役的模型 ID。
定价单位：GPT Image
OpenAI 按模态对当前 GPT Image 模型定价。2026 年 9 月 13 日核查的定价表列出了图像和文本表面的每 100 万 token 价格。
| OpenAI 模型 | 模态 | 输入 | 缓存输入 | 输出 |
|---|---|---|---|---|
gpt-image-2.5-sunburst |
图像 | $8.00 / 100万 tokens | $2.00 / 100万 tokens | $30.00 / 100万 tokens |
gpt-image-2.5-sunburst |
文本 | $5.00 / 100万 tokens | $1.25 / 100万 tokens | 未列出 |
gpt-image-2.5-flare |
图像 | $8.00 / 100万 tokens | $2.00 / 100万 tokens | $30.00 / 100万 tokens |
gpt-image-2.5-flare |
文本 | $5.00 / 100万 tokens | $1.25 / 100万 tokens | 未列出 |
gpt-image-2 |
图像 | $8.00 / 100万 tokens | $2.00 / 100万 tokens | $30.00 / 100万 tokens |
gpt-image-2 |
文本 | $5.00 / 100万 tokens | $1.25 / 100万 tokens | 未列出 |
OpenAI 的定价页面还显示了 gpt-image-2 的 Batch 定价，其中图像输入、缓存输入和输出分别列为每 100万 tokens $4.00、$1.00 和 $15.00。除非你在审核日期的实时定价页面 Batch 选项卡下看到这些模型，否则不要将该 Batch 行应用到 gpt-image-2.5-sunburst 或 gpt-image-2.5-flare。
关键点在于单位形式：GPT Image 的定价不是一个简单的“按请求”固定数字。产品团队需要估算提示文本、在编辑或使用参考图时的图像输入、生成的图像输出、缓存行为，以及工作负载是否能够接受 Batch 延迟。
定价单位：Google 在 Imagen 之后的情况
Google 当前的 Gemini 图像生成文档将 Nano Banana 描述为 Gemini 的原生图像生成能力。当前定价页面将图像输出按 tokens 计费，然后根据输出分辨率给出按图像计算的等价价格。
| Google 模型 | 付费输入单位 | 付费输出单位 | Google 显示的单图等价价格 |
|---|---|---|---|
gemini-3.1-flash-image / Nano Banana 2 |
文本/图像输入 $0.50 / 100万 tokens | 图像输出 $60.00 / 100万 tokens | 0.5K 时 $0.045，1K 时 $0.067，2K 时 $0.101，4K 时 $0.151 |
gemini-3.1-flash-lite-image / Nano Banana 2 Lite |
文本/图像/视频输入 $0.25 / 100万 tokens | 图像输出 $30.00 / 100万 tokens | 1K 时 $0.0336 |
gemini-3-pro-image / Nano Banana Pro |
文本/图像输入 $2.00 / 100万 tokens，图像输入等价为每张 $0.0011 | 图像输出 $120.00 / 100万 tokens | 1K/2K 时 $0.134，4K 时 $0.24 |
Google 也列出了当前 Gemini 图像模型的 Batch 定价。例如，定价页面显示 gemini-3.1-flash-image 的 Batch 图像输出为每 100万 tokens $30.00，而 gemini-3.1-flash-lite-image 的 Batch 图像输出为每 100万 tokens $15.00。这对于不需要交互式延迟的大批量创意变体任务可能很重要。
单位规则与 GPT Image 类似，但并不完全相同。OpenAI 将 GPT Image 表示为文本和图像 token 定价。Google 将 Nano Banana 表示为 token 定价加上基于分辨率的图像等价单位。如果你的仪表板只统计“请求”，它就会隐藏真正推动账单变化的成本驱动因素。
比较结果前的请求检查
在你进行质量对比测试之前，先让双方通过同一份请求检查清单。
| 检查项 | GPT Image | Google 当前图像路径 | 重要原因 |
|---|---|---|---|
| 有效模型 ID | 使用 gpt-image-2.5-sunburst、gpt-image-2.5-flare，或其他当前文档中列出的 GPT Image 模型 |
使用当前的 Nano Banana 模型，例如 gemini-3.1-flash-image；屏蔽已退役的 imagen-4.0-* ID |
避免将实时路由与已弃用或已关闭的路由进行比较 |
| API 形态 | 单次生成/编辑使用 Image API；多轮流程使用 Responses API | 图像生成、编辑和多轮工作流使用 Gemini Interactions API | API 形态会改变状态处理和重试策略 |
| 输出约束 | 检查 n、quality、size、format、compression，以及是否需要组织验证 |
检查 response_format、aspect_ratio、image_size、输出模态和模型特定限制 |
错误的参数默认值会扭曲成本和质量测试 |
| 参考图像 | 确认用于编辑或 Responses API 工作流时的图像输入处理方式 | 确认所选模型的 MIME 类型、base64 载荷和参考图像数量限制 | 创意和电商工作流往往依赖参考图像 |
| 安全与权利 | 对上传资产和生成输出应用策略检查 | 应用 Google 的权利/安全指导以及 SynthID 水印预期 | 媒体团队需要的是审核路径，而不只是生成文件 |
| 速率限制 | 检查 RPM、RPD、TPM、TPD、IPM、项目/组织限制，以及 Retry-After 行为 |
检查 RPM、TPM、RPD、IPM、项目级限制，以及预览模型限制 | 一个表现出色的测试提示词不等于生产容量方案 |
| 用量核算 | 记录输入文本、图像输入、图像输出、缓存、失败，以及已接受图像状态 | 记录输入单位、输出图像分辨率、图像 token 等价量、如有使用则记录搜索 grounding 费用、失败，以及已接受图像状态 | 财务需要的是每个已接受资产的成本，而不是每次尝试的成本 |
先执行这些检查。如果它们失败，模型比较就会产生误导。
每张已接受图像的成本优于每次请求的成本
图像生成成本并不会在提供商返回文件时就结束。对于媒体工作流而言，“成功”的请求通常意味着图像已通过审核并可被使用。
使用这个归一化指标：
cost_per_accepted_image =
(all_generation_cost + edit_cost + retry_cost + grounding_or_tool_cost)
/ accepted_images
然后将其拆分：
| 细分场景 | 衡量什么 |
|---|---|
| 草稿生成 | 每个可用概念的成本、首个结果的延迟、提示词被拒率 |
| 图像编辑 | 每次被接受的编辑成本、参考一致性、迭代次数 |
| 活动变体 | 每个获批变体的成本、批量排队时间、人工审核负载 |
| 产品图片 | 错误对象率、品牌规则失败率、所需修图量 |
| 代理生成媒体 | 按任务计的成本、回退率，以及代理是否盲目重试 |
这就是多模型路由器发挥作用的地方。Flatkey 的定位是一个 key、一个余额、以及一份跨模型和工具调用的使用总账。对于同时运行图像生成、聊天、视频、语音或代理工作流的团队来说，运营上的优势不只是接入模型，而是能在一个地方看到每个请求、令牌类型、端点家族和失败情况。
Flatkey 如何适配这项对比
不应把 Flatkey 描述成适用于所有图像工作流的神奇折扣开关。更有力的说法更简单，也有来源支撑：Flatkey 为众多官方模型和工具提供一个 API 层、一个余额、一张发票，以及一份模型和工具使用总账。
就这个主题而言，Flatkey 有用的检查项是：
| Flatkey 检查项 | 2026 年 9 月 13 日实时数据结果 | 如何使用 |
|---|---|---|
| 端点家族 | image-generation 与 POST /v1/images/generations 一同列出 |
确认公共路由器数据流中存在图像生成路由家族 |
| GPT Image 行 | gpt-image-2.5-sunburst、gpt-image-2.5-flare 和 gpt-image-2 出现在 image-generation/OpenAI-compatible 端点类型下 |
当你希望 GPT Image 流量与其他 AI 路由共享同一计费和总账层时，使用 Flatkey |
| Gemini 图像行 | gemini-3.1-flash-image、gemini-3.1-flash-lite-image、gemini-3-pro-image 和 gemini-2.5-flash-image 出现在 Gemini/OpenAI-compatible 端点类型下 |
使用该数据流验证当前 Google 侧模型可用性，避免过时的 Imagen 假设 |
| 已退役的 Imagen 行 | 在数据流检查中未确认当前存在 imagen-4.0-* 图像生成路由 |
除非未来的数据流检查予以确认，否则不要暗示 Flatkey 路由承载已退役的 Imagen API 流量 |
如果工作流只是一个独立的 GPT Image 原型，直接接入提供商可能就够了。如果工作流位于更广泛的生产栈中，包含聊天提示、图像编辑、使用上限、重试和成本审查，那么像 Flatkey 这样的网关能让团队在一个地方标准化请求检查和支出。
有关模型可用性和计费审查，请从 Flatkey 模型目录 和 Flatkey 定价 开始。
实用评估工作流
在将生产流量路由之前，请使用此工作流来评估 GPT Image vs Imagen API：定价单位与请求检查。
- 替换过时的 Imagen 语言。 如果规范、工单或提示词中写的是
imagen-4.0-*，请将其更新为当前正在测试的 Google 模型，通常是 Nano Banana 模型。 - 冻结三个代表性任务。 包括一个简单生成、一个基于参考的编辑，以及一个多轮创意修订。
- 标准化输出要求。 在测试前固定宽高比、图像尺寸、格式、分辨率和审核标准。
- 估算提供方单位。 对于 GPT Image，按文本和图像 token 建模。对于 Nano Banana，按输入 token 和输出分辨率等效值建模。
- 记录失败尝试。 分别统计无效请求、安全拦截、速率限制、超时和审核失败。
- 计算已接受图片的经济性。 使用每个已接受资产的成本，而不是每个原始请求的成本。
- 检查路由可用性。 在上线当天确认模型 ID、端点系列、账户层级、组织/项目限制以及弃用状态。
- 决定路由策略。 对于窄范围的单一提供方测试，保留直接集成；当多个模型、团队或预算共享工作流时，使用网关。
媒体团队应该选择哪个 API？
如果你的团队想使用 OpenAI 当前的图像模型，或者现有应用已经采用 OpenAI SDK 模式，或者工作流需要区分 Image API 和 Responses API，那么应首先选择 GPT Image。
如果你的团队已经在 Gemini 中构建，需要 Gemini 的图像特定功能，或者在 Imagen 下线后想测试 Google 当前的图像模型，那么应首先选择 Google 当前的 Nano Banana 路径。
当答案不止一个提供方时，使用 Flatkey。对于媒体团队来说，这种情况很常见，因为真实的生产栈会混合图像生成、编辑、聊天提示、素材审核、活动变体和成本报告。共享路由层可以让团队在测试提供方的同时，保持使用控制和核算的一致性。
常见问题
Imagen API 在 Gemini API 中还在运行吗？
Google 于 2026 年 9 月 13 日查看的弃用页面列出了 Imagen 4 生成模型，关闭日期为 2026 年 8 月 17 日。对于新的 Google 图像生成工作，请使用 Gemini 图像生成下记录的当前 Nano Banana 模型系列。
GPT Image 的计费是按图片还是按 token？
OpenAI 当前的 GPT Image 定价表按模态列出图像生成模型，并以每 100 万 token 的文本和图像费率计费。成本估算应包括提示文本、用于编辑或参考的图像输入、生成的图像输出、缓存行为以及任何批处理假设。
为什么 Google 的定价页面显示按图片计价的数字？
Google 先按 token 列出 Nano Banana 图像输出，再根据输出分辨率给出每张图片的等效值。例如，gemini-3.1-flash-image 的图像输出价格为每 100 万 token 60 美元，并列出了 0.5K、1K、2K 和 4K 图像的对应等效值。
在图像 API 对比中我应该记录什么？
记录模型 ID、端点、提示文本长度、参考图像数量、输出尺寸、图像 token 输出或每张图片等效值、速率限制头或错误、重试原因、审核结果以及已接受图片状态。
Flatkey 在哪里有帮助？
当图像生成只是更广泛的 AI 产品工作流中的一部分时，Flatkey 会派上用场。团队无需分别跟踪不同的提供商密钥、发票和使用情况仪表板，而是可以通过一个密钥路由模型调用，并从一个共享余额和账本中查看用量。
已检查的来源
- OpenAI API 定价：https://developers.openai.com/api/docs/pricing
- OpenAI 图像生成指南：https://developers.openai.com/api/docs/guides/image-generation
- OpenAI 速率限制指南：https://developers.openai.com/api/docs/guides/rate-limits
- Google Gemini 图像生成指南：https://ai.google.dev/gemini-api/docs/image-generation
- Google Gemini 定价：https://ai.google.dev/gemini-api/docs/pricing
- Google Gemini 弃用说明：https://ai.google.dev/gemini-api/docs/deprecations
- Google Gemini 速率限制：https://ai.google.dev/gemini-api/docs/rate-limits
- Flatkey 首页和产品概览：https://flatkey.ai/
- Flatkey 模型目录：https://flatkey.ai/models
- Flatkey 定价：https://flatkey.ai/pricing
