发布于 Nov 3, 2026
简短回答: 生成一张约 100 万像素的图像,费用在 233 到 17,472 积分之间 —— 折合每张图像不到 1 美分到约 17 美分。在目录中的 87 个图像模型中,存在 75 倍的价差,中位数位于 2,210 积分。您选择哪种模型,比您更改任何设置都要重要得多 —— 但有两个例外值得您了解,因为其中一个与几乎所有指南所说的恰恰相反。
披露:我们开发了 CombiChat 并销售这些模型的访问权限,因此我们显然希望您相信 AI 图像是便宜的。此处的每一个数字都是我们自己的计费系统针对一次生成所收取的积分 —— 这不是估算值,也不是供应商的价格表。积分是方案计费的单位,100,000 积分等于 1 美元。计算方法见文末。验证日期:2026 年 11 月 3 日;此类别价格变动频繁。
我们目录中所有已启用的图像模型,按标准约 100 万像素输出定价:
| 每张图片消耗的点数 | 大约 | |
|---|---|---|
| 最便宜 | 233 | 不到 1 美分 |
| 第 25 百分位数 | 1,300 | ~$0.01 |
| 中位数 | 2,210 | ~$0.02 |
| 第 75 百分位数 | 5,200 | ~$0.05 |
| 最昂贵 | 17,472 | ~$0.17 |
最便宜与最昂贵之间的差距:75 倍。针对相同的提示词。
该分布并非正态分布(钟形曲线)——它向低价端倾斜,并带有一个长而细的尾部:
共 87 个模型,定价基于约一百万像素,并按每张图片的积分进行分组。条形图的长度代表模型数量,而非价格。
积分是指每次生成从您的余额中扣除的数量。100,000 积分等于 1 美元,因此下方的数值范围从远低于一美分到约 17 美元不等。
| 最便宜 | 每张图片的积分 |
|---|---|
| Tencent Hy Image 3.5 Preview | 233 |
| Recraft V4.1 Flash | 245 |
| FLUX.3 Image Klein | 280 |
| Pruna P-Image Ideogram (Very Low) | 390 |
| MiniMax Image-01 | 455 |
| Krea 2 Medium Turbo | 522 |
| Seedream 5.0 Flash | 627 |
| Qwen Image 2.1 Turbo | 642 |
| 最昂贵 | 每张图片的积分 |
|---|---|
| Nano Banana Pro (Gemini 3 Pro Image) | 17,472 |
| MAI-Image-2.5 Pro | 15,725 |
| Recraft V4.1 Pro Vector | 10,463 |
| Recraft V4 Pro Vector | 10,463 |
| Stable Image Ultra | 10,400 |
| Nano Banana 2 (Gemini 3.1 Flash Image) | 9,609 |
| FLUX.2 Max | 9,100 |
| Nano Banana Pro (Preview route) | 8,736 |
有趣的地方在于第一个表格的最后一行与第二个表格的第一行对比:Nano Banana Pro 的价格是 Hy Image 3.5 的 75 倍。 它是否真的好用了 75 倍,这取决于您对图片的质量要求,而非价格表本身 —— 但如果您只是在生成一张没人会多看一眼的缩略图,那么您就是在为毫无意义的东西支付 75 倍的价格。
这是几乎从未被解释过的部分,它决定了您的设置是否会对账单产生任何影响。
| 计费方式 | 模型 | 质量或尺寸是否会改变价格? |
|---|---|---|
| 固定按张计费 | 27 | 否。 无论您提出何种要求,价格都一样。 |
| 按输出图像 Token 计费 | 60 | 有时会——请参见下文。 |
固定按张计费模式(大多数 Stability、Ideogram 和 MiniMax 路由)无论您请求什么,都收取统一价格。提高质量是免费的;降低质量也不会为您节省任何费用。
按 Token 计费的模式则根据图像解码后的 Token 数量进行收费。这可能会追踪分辨率——但经测量,它在很大程度上并不像人们假设的那样追踪分辨率。
我们对 15 种模型进行了测量的 Token 计数。以下是所有发布版本存在差异的模型及其真实的倍数关系:
| 模型 | 测量阶梯 | 跨度 | 积分范围 |
|---|---|---|---|
| GPT Image 2.5 (Flare / Sunburst) | 低 196 → 中 439 → 高 1,756 → 超高 3,122 → 最高 7,024 | 35.8× | 767 → 27,391 |
| GPT Image 1 / 1 Mini | 低 272 → 中 1,056 → 高 4,160 | 15.3× | 1,417 → 21,632 |
| Nano Banana 2 | 512px 747 → 1K 1,120 → 2K 1,680 → 4K 2,520 | 3.37× | 6,409 → 21,619 |
| Nano Banana Pro | 1K 1,120 → 2K 1,120 → 4K 2,000 | 1.79× | 17,472 → 31,200 |
| FLUX.3 Image | 1024×1024, 1024×1536, 1536×1024 — 全部为 4,175 | 1.00× | 固定 5,330 |
阅读完该表格,结论便不言而喻:质量设置才是影响费用的关键,而分辨率设置的影响则相对有限。
单一模型。五个质量阶梯。36倍的价格。
GPT Image 2.5,测量的 Token 数量。柱状图的长度表示在该质量下生成一张图像所需的积分。
通常的说法是,2K 的成本是 1K 的四倍,因为它的像素是四倍。我们进行了实测。对于大家实际使用的模型来说,情况并非如此:
像素和 Token 并不是同一种货币。模型会使用其自身的编码器对图像进行 Token 化处理,而这些编码器在高分辨率端会进行深度压缩。如果您是为了节省费用而选择分辨率,您通常是在优化错误的参数 —— 并且在一些最热门的模型上,您优化的参数甚至根本不起作用。
CombiChat Plus 方案每月 19 美元,包含 2,000,000 个积分。按照上述价格计算:
| 如果您使用以下模型生成 | 每月生成的图片数量 |
|---|---|
| 最便宜的模型 | ~8,600 |
| 中端模型 | ~900 |
| 最昂贵的模型 | ~114 |
同样的 19 美元,在产品目录的两端所能购买的图片数量相差 75 倍。这正是提供多种图像模型存在的意义所在:适合作为主图的模型并不适合用于生成 400 张缩略图,而如果一个产品仅为您提供一种模型,那它实际上是在替您做决定 —— 这也是为什么不建议向三个不同的实验室各支付 20 美元的原因。
最后那个分支才是人们容易忽略的地方。即便每张图片花费 233 credit,40 次重试的总成本仍然低于一次 Nano Banana Pro 的生成——但您的时间是有成本的,在廉价模型上失败四次所花费的时间,比在昂贵模型上成功一次更为昂贵。
值得一提,因为大多数关于定价的文章都不会说明这一点。
已知的局限之处:对于那 72 个没有测量 Token 表的模型,~1 MP 的假设仅为一个估算值,因此如果某个模型的编码器异常密集或稀疏,其数值会略有偏差。但这并不会改变分布的形态,也完全不会影响那 27 个采用统一定价的模型。
在 2026 年生成一张 AI 图像需要多少费用? 生成一张约一百万像素的图像,费用在 233 到 17,472 积分之间——即不到一美分到约十七美分不等——这完全取决于所使用的模型。87 个模型的费用中位数为 2,210 积分,约为两美分。大多数人的直觉往往倾向于高价端,因为那些知名的模型通常价格昂贵。
为什么不同模型之间存在 75 倍的差异? 这主要是由模型大小和去噪步数决定的。同一个家族中的 Turbo 或 Flash 版本所运行的步数远少于 Pro 版本,其价格几乎与计算成本完全同步。这并非供应商收取的质量税,而是生成图像实际产生的成本。
以更高分辨率生成会更贵吗? 有时会,但费用远低于您的预期。Nano Banana Pro 对 1K 和 2K 的计费方式完全相同。Nano Banana 2 在生成 2K 图像时收取 1.5 倍费用。在 87 个模型中,有 27 个模型无论您的请求为何种分辨率,都收取统一价格。如果模型提供质量设置选项,该设置对费用的影响要大得多——在 GPT Image 2.5 上,费用差异可达 36 倍。
哪种 AI 图像模型最便宜? Tencent Hy Image 3.5 Preview 最便宜,每张图像仅需 233 积分——远低于一美分——其次是 Recraft V4.1 Flash 和 FLUX.3 Image Klein,价格约为 250 积分。这三种模型都是快速、低步数的模型,适用于草稿和批量工作,而非最终艺术创作。
昂贵的模型总是更好的吗? 不一定,但它通常在那些由于其昂贵而具备的特定能力上表现更佳——例如在长指令下的提示词遵循能力、图像内清晰可读的文本,以及在多次编辑中保持人脸或产品的一致性。对于风景背景或抽象纹理,这种差距几乎可以忽略不计,而您却在为未使用的功能付费。
每月支付 19 美元可以生成多少张图像? 使用最便宜的模型大约可以生成 8,600 张,使用中端模型大约 900 张,而使用最昂贵的模型大约 114 张。这种差异正是为什么要保留多种模型供您选择,而不是仅绑定于某一个模型的原因。