OpenRouter 实测对比 20 款图像生成模型的成本、编辑与质量

我们通过 同一个 API 路由 50 多个图像生成模型。我们用同一个提示词测试了其中 20 个模型，并记录了每次调用的收费金额、返回的内容以及所接受的参数。

成本是最麻烦的部分，因为这些模型的计费单位并不相同。FLUX.2 按兆像素计价。Gemini、OpenAI 和 Microsoft MAI 按 token 计价。Grok、Recraft、Riverflow、Qwen 和 Seedream 按图像计价，且费率会随你所要求的画质和分辨率而变化。每个模型页面在自己的单位下都是正确的，所以仅把两个模型的价格并排对比是行不通的。

我们把它们放在同一标准下比较。我们测试的 20 个模型都收到了相同尺寸的同一提示词，并从每次响应中读取 usage.cost 字段，也就是我们实际被收取的金额。

本页上的每个价格都来自一次真实的生成，测量于 2026 年 9 月 11 日。价格和模型经常变化，因此任何超过一个月的数字只能当作参考，而非预算依据。你可以通过 GET /api/v1/images/models 重新获取当前接受的参数，通过 GET /api/v1/images/models/{model}/endpoints 获取标明计费单位的价格信息。

总结

• 从 openai/gpt-image-2 开始。它在短提示词上的收费是 $0.006，在较长提示词上是 $0.0135，是我们测量中最便宜的模型，而且它正确渲染了我们的两行标签和参考编辑。
• 当图像难以生成到位时，可以再考虑 $0.064 的 sourceful/riverflow-v2.5-pro；当回复需要文字配上图片时，用 $0.134 的 google/gemini-3-pro-image；当需要可编辑的 SVG 而非像素时，用 $0.08 的 recraft/recraft-v4.1-vector。
• 在我们测量的 20 个模型中，默认设置下生成一张图片的收费在 $0.006 到 $0.134 之间，相差 22 倍。
• 每个模型页面都以自己的单位报价，实际收费可能与列出的费率不同。比较两个模型的方法是各生成一张图片，然后从响应中读取 usage.cost。
• 在 OpenAI 模型上，quality 设置让同一张图片的价格从 $0.006 变成了 $0.211。
• n，即一次调用返回的图像数量，在 FLUX.2、Gemini、Grok、Riverflow 和 MAI 上上限为 1。seed 在 Gemini、Grok、OpenAI、Riverflow、Recraft 和 MAI 上不存在。在支持它的 FLUX.2 Klein 上，相同的 seed 逐字节复现了图像。
• 在我们要求生成可读文字的六个模型中，有五个正确渲染了文字，其中包括最便宜的那个。
• 原始 API 返回 data[0].b64_json。TypeScript SDK 返回 data[0].b64Json。

各模型向我们收取的费用

我们向这 20 个模型分别发送了提示词 “A studio packshot of a glass bottle, hard key light, no text.”，仅附带 aspect_ratio: "1:1"、无其他设置，然后从响应中读取 usage.cost。本文表格中的 usage.cost 保留四位小数。计费单位一列是每个端点定价记录中的 unit 字段。

图 1. 相同的价格，已排序。三种计费单位在整个价格区间内交错出现，因此计费单位并不能告诉你某个模型处于区间的哪个位置。

在根据此表做预算之前，有三件事需要了解。

1. 当我们不设置 resolution 时，两个 Seedream 模型都返回了 2048x2048 而不是 1024x1024。Seedream 5.0 Lite 将 2K 列为其接受的最低分辨率。Seedream 5.0 Pro 接受 1K，但其默认调用返回了 2K，并按 $0.09 的高分辨率费率计费，而不是 $0.045 的基础费率。Seedream 5.0 Lite 只需 $0.035 就能给你四百万像素，因此按像素计算它比表格看起来更便宜。
2. FLUX.2、Grok 和 Seedream 返回 JPEG。OpenAI、Qwen、Microsoft 和 Krea 返回 PNG。Sourceful 和 Recraft 返回 WebP，而 Recraft 的矢量模型返回 SVG。我们测试的三个 Gemini 模型不接受 output_format，而且它们返回的格式并不完全相同，因此不要硬编码文件扩展名。在支持 output_format 的目录模型上设置它。在不支持的模型上，请读取每次响应中返回的 media_type 字段。
3. 用相同的请求体调用 sourceful/riverflow-v2.5-fast 两次，分别计费 $0.017623 和 $0.017639。做预算时应依据多次调用的平均值，而不是单次调用。

quality 设置会让价格相差 35 倍

在 OpenAI 模型上，quality 对账单的影响比任何其他设置都大。我们用相同的提示词、相同的 1024x1024 尺寸运行 gpt-image-2，分别在不设置 quality、将其设为 low 以及设为 high 的情况下进行测试。

不设置 quality 时，我们得到的 token 数量和账单与 low 相同。当图像质量很重要时，请显式设置 quality；对于 OpenAI 模型，除非报价中指明了质量档位，否则每张图片的价格信息都应视为不完整。high 的调用还耗时 123 秒才返回，而默认调用只需 12 秒。

宽高比对账单的影响要小得多

对于按百万像素计费的模型，你请求的画幅会改变账单金额，但变化幅度小于像素数量所暗示的程度。我们以两种画幅运行了 black-forest-labs/flux.2-klein-4b。21:9 的调用返回了 2400x1024，即 2.46 百万像素，而正方形为 1.05 百万像素。正方形计费 $0.014，宽幅裁切计费 $0.016。

标示费率与实际计费金额可能不一致

每个模型都会在其页面和 API 的 endpoints 路由上公布费率。这些费率只是一个规划参考数字，你实际支付的是响应中的金额。2026 年 9 月 11 日，sourceful/riverflow-v2.5-pro 在其默认分辨率下标示每张图片 $0.13，而实际向我们计费 $0.064。black-forest-labs/flux.2-flex 标示每百万像素 $0.06，一张一百万像素的图片向我们计费 $0.05。black-forest-labs/flux.2-max 标示 $0.07，实际计费正好 $0.07。krea/krea-2-medium 在其端点上没有公布定价记录，向我们计费 $0.03。

当两者不一致时，请查看 usage.cost，而不是用标示费率乘以估算值。

已完成的图像请求我们会全额计费，失败的请求则不收取任何费用。Image API 计费文档说明了哪些结果会被计费。

参考、格式与限制

价格是一个维度。以下是其他维度，其中有两个在成本产生影响之前就直接将模型排除了。这些数值来自各端点于2026年9月11日的supported_parameters。

参考图像是你随请求一并发送、供模型作为依据的图像，既可以是想要编辑的图像，也可以是想要匹配的风格或产品示例。可发送数量的限制是硬性上限。Grok 最多三张，Gemini 最多十四张，所以一个包含六张图像的品牌套件还没等你比较其他因素，就先把 Grok 排除掉了。

输出模态一栏是第二个维度。这些模型中的大多数接受文本和图像输入，且只返回图像字节。Gemini 图像模型和 OpenAI 的 gpt-5-image 模型还能在同一条回复中返回文字，如果你想让模型解释它生成的内容，这一点很重要。我们在后文测试了它们做到这一点的可靠程度。

任何带有 GET /api/v1/images/models 的模型都可以重新拉取此表，其中公布了各模型接受的参数及其取值范围。supported_parameters 中没有出现的参数，即该端点不支持。

Seed 在 FLUX.2 Klein 上精确复现了同一张图像

seed 是你为让结果可复现而发送的数字。我们目录中的每一款 Gemini、Grok、OpenAI、Riverflow、Recraft 和 MAI 图像模型都缺少它。FLUX.2、Seedream、Qwen 和 Krea 上则有该参数。

我们用相同的提示词和 seed: 424242 运行了 black-forest-labs/flux.2-klein-4b 两次。两次响应逐字节完全一致，且均计费 $0.014。我们只测试了 Klein，因此其他支持 seed 的模型应视为未经测试，不要假设它们表现相同。作为对比，两次不带 seed 参数的 sourceful/riverflow-v2.5-fast 调用在请求体相同的情况下返回了两张不同的图像。

排行榜怎么说

我们在每个模型页面显示 Design Arena 评分。2026 年 9 月 11 日通过我们的 benchmarks API 拉取当前评分时，sourceful/riverflow-v2.5-pro 在图像榜和图像编辑榜上均排名第一。微软的 MAI Image 2.6 模型和谷歌的 Gemini 图像模型在图像榜上紧随其后，而 black-forest-labs/flux.2-klein-4b 在两个榜单所列模型中评分最低。

这些评分来自模型之间的两两对战投票，Design Arena 将其转换为 Elo 评分——模型在对战中获胜时上升、落败时下降的分数。

两点注意。Gemini 的评分挂在那些 slug 的 -preview 版本上，而不是本页链接的正式发布 slug。此外，Elo 告诉你投票者在他们自己的提示词上偏好什么，而不是在你的提示词上。在我们这次测试中，评分最高的模型每张图像计费 $0.064，评分最低的计费 $0.014。先从榜单中筛出候选，再根据你自己的提示词做决定。

我们在六个模型上运行了同一条提示词

我们向横跨价格区间的六个模型发送了同一条提示词，并把账单金额标在每张图像下方。我们要求生成一个印有两行文字的哑光黑色咖啡袋。

提示词

在纯白背景上拍摄的一只哑光黑色咖啡袋的工作室产品照，硬质主光。袋子正面以简洁的无衬线大写字母印着 OPENROUTER ROASTERS 字样，其下方以较小的大写字母印着 SINGLE ORIGIN。

我们选择可读的词语是因为它们容易评判。袋子上要么写着你要求的内容，要么没有。

图 2. 相同的提示词通过六个模型运行，以及每次调用的实测成本。

六个模型中有五个正确印出了两行文字。例外是 black-forest-labs/flux.2-klein-4b，它正确渲染了品牌名称，却把第二行拼错为 SINGLE ORISION。

最有用的比较是 Design Arena 排行榜上最便宜的模型与最贵的模型之间的对比。openai/gpt-image-2 计费 $0.0135，sourceful/riverflow-v2.5-pro 计费 $0.0654，两者都生成了正确、可用的产品照。多花约五倍的钱带来的是不同的观感，而不是更好的文字。

这并不意味着 Riverflow 定价过高。它领跑 Design Arena 排行榜，在更难的图像、不寻常的构图或更长的文字串上，差距可能会显现。它真正说明的是，无论是排行榜还是价格栏都无法预测这个提示词的结果，只有实际运行提示词才能做到。

同一测试还得出了两个较小的发现。在按 token 计费的模型上，提示词长度会改变你的账单，因为 openai/gpt-image-2 在之前的单行提示词上计费 $0.006，而在这条更长的提示词上计费 $0.0135。而且每个模型对 “studio packshot” 的理解都不同，从硬阴影产品照到柔光产品照，所以构图是一种需要测试的风格选择。

按任务选择

根据对你来说最紧的约束来选择模型。这可能是大批量下的成本、图像是否必须包含可读文字、你需要发送多少张参考图，或者回复是否需要附带文字。

大批量、普通提示词

从 openai/gpt-image-2 开始。它在成本表中的短提示词上计费 $0.006，在较长的咖啡袋提示词上计费 $0.0135，因为它是按 token 计价的，你的提示词也是账单的一部分。对类似长度的产品提示词，可按这个范围做预算。它是我们实测中最便宜的模型，并且以最少的钱正确渲染了我们的文字。

black-forest-labs/flux.2-klein-4b 价格为 $0.014，是另一个便宜的选择，但有一个实测发现的问题。它是六个模型中唯一把标签拼错的，并且在两个排行榜上的模型中它的 Design Arena 评分最低。在画面中没有可读文字的大批量工作中可以使用它。当产品名称必须正确时不要使用它。

OpenAI 的数字假设你不设置 quality。把它改为 high 使我们账单中的那一项乘以了 35。Klein 没有 quality 设置，因此它的成本更容易预测，而且当你需要更好的结果时也没有设置可调。

在咖啡袋提示词上，两者分别计费 $0.0135 和 $0.014，也就是一万张图片 $135 对 $140。到这个程度，价格已不起决定作用，所以把你自己的提示词在两者上都跑一遍，让输出结果来做决定。

关于 Klein 的一条运营提示。Black Forest Labs 在 Hugging Face 上发布其权重，那里的仓库名为 black-forest-labs/FLUX.2-klein-4B，而不是使用我们 slug 的大小写形式。你现在可以通过我们调用它，以后再迁移到内部部署，而无需更改你所围绕构建的模型系列。

图片中的文字

一旦模型把产品名称搞乱，包装、UI 原型图、幻灯片和海报就会失败。

Five of the six models we tested handled a two-line label with no help, so pick on cost and style, then check the result against your own words rather than ours.

black-forest-labs/flux.2-flex rendered our label correctly, billed $0.05 for the image, and takes up to eight reference images. If you are already on FLUX.2 and the words matter, it is the FLUX.2 model to move to. If you are not committed to a family, openai/gpt-image-2 did the same job for about a quarter of the price.

Before you settle, look at recraft/recraft-v4.1-vector, which solves the problem differently. It returns SVG rather than pixels, and its endpoint accepts style, controls, and text_layout as passthrough parameters under provider.options. For a logo or a label that has to scale and stay editable, vector output beats a sharper raster, and $0.08 an image gets you a file you can open in a design tool.

Reference-consistent brand work

Here, the same object has to look the same everywhere it appears. A bottle on the product page and the same bottle in a campaign image should not drift apart.

We tested this. We took the coffee bag openai/gpt-image-2 had already made, sent it back as an input_references image, and asked four models to keep the bag and its printed label exactly as they were while replacing the white background with a dark walnut counter under warm side light.

Figure 3. One source image, one instruction, four models, with the measured cost of each edit.

All four kept the wording and the typeface. All four also changed the bag’s shape, proportions, or lighting to some degree, and none reproduced the source bag pixel for pixel, so if every image in a campaign has to match one hero shot, compare the outputs against the source rather than reading the label alone.

To compare editing against generating fairly, we also ran the generate side using the edit instruction as the prompt, so both columns come from the same wording. That matters because two of these models bill per token, where a longer prompt is a bigger bill on its own.

black-forest-labs/flux.2-pro billed half as much again for the edit. Its edit response reported 4,096 prompt tokens where the generate response reported 34, which is the reference image being counted as input, and its endpoint lists a rate for output megapixels only, so the listed rate alone does not predict the edit price. sourceful/riverflow-v2.5-pro billed 18 percent more for the edit. On openai/gpt-image-2 and google/gemini-3-pro-image the gap was under 7 percent. These are single runs, so read the small gaps as approximate rather than as precise premiums.

Two numbers narrow the field for editing, namely how many reference images the model accepts and how it rates on the Design Arena image editing board.

black-forest-labs/flux.2-pro takes eight references and billed $0.03 to generate and $0.045 to edit. black-forest-labs/flux.2-max gives you the same eight references at $0.07 per generated image.

If your brand kit runs past eight images, FLUX.2 cannot take it. The Gemini 3.x image models and Seedream 5.0 take fourteen, and the OpenAI image models take sixteen. Grok caps at three.

A reply with both a picture and text

Sometimes the user is in a conversation and the answer should include an image and a written explanation. Nine of the image models on our catalog list text among their output modalities, and they are the ones that can do this. They are the Gemini image models and OpenAI’s gpt-5-image models.

能够返回文本和真正做到是两回事。我们从九个中选取了四个，通过带有 modalities: ["image", "text"] 的 chat completions 端点向每个模型发送相同的请求，要求返回一张图片加上两句解释，并统计两者同时返回的频率。这些成本高于同一模型在成本表中的数字，因为回复中包含文本，而在按 token 计费的模型上，两者都要付费。

这些调用每一次都至少返回了一张图片。google/gemini-3-pro-image 每次调用返回两张图片。差别在于书面文字这一半，而两个较便宜的 Gemini 模型大多跳过了它，尽管提示词直接要求了这一点。

如果文本是可选的，google/gemini-3.1-flash-image 价格为 $0.067，可以用，并由你来处理空结果的情况。如果你的产品没有文本就无法运行，google/gemini-3-pro-image 约 $0.139，是我们测试中四个模型里唯一每次都以文本作答的模型。

我们建议新的图像工作使用专门的 Image API 而不是 chat completions，因为新的图像模型只会添加到 Image API，而聊天路线提供的参数更少。openai/gpt-5-image 也是这里最贵的选择，每次调用 $0.20 至 $0.28，且三次调用中有两次返回了文本。这些聊天调用除了图像之外还要按提示和补全 token 计费，因此长指令加长回答的成本会高于按图计价的数字。

三项任务，两个端点

生成、编辑和聊天看起来相似，但它们是不同的请求。生成和编辑使用 images 端点，仅在一个字段上有所不同。聊天则改用 chat completions 端点，而且只有上述九个具备文本能力的模型才能做到。我们的OpenRouter 上的图像生成模型教程涵盖了这两个端点的完整请求和响应约定。

图 4. 生成和编辑是同一个端点，只是请求体不同。聊天是另一个端点。

生成是 POST /api/v1/images，带上一个 model 和一个 prompt。你会得到图像字节。

编辑是同一端点再加上 input_references，因为你是在修改已有图像而不是创建新图像。

聊天向 POST /api/v1/chat/completions 发送一个 messages 数组。文本和图像传入，文本和图像都可以返回。

在 OpenRouter 上调用

images 路由是 POST https://openrouter.ai/api/v1/images。唯一必需的字段是 model 和 prompt。

curl https://openrouter.ai/api/v1/images \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "black-forest-labs/flux.2-klein-4b",
    "prompt": "A studio packshot of a glass bottle, hard key light, no text.",
    "aspect_ratio": "1:1"
  }'

响应中包含图像及其成本。以下是我们于 2026 年 9 月 11 日针对该请求收到的响应，仅保留本文讨论的字段，并移除了图像字节。

{
  "data": [
    {
      "b64_json": "<base64>",
      "media_type": "image/jpeg"
    }
  ],
  "usage": {
    "prompt_tokens": 16,
    "completion_tokens": 4096,
    "total_tokens": 4112,
    "cost": 0.014,
    "completion_tokens_details": {
      "image_tokens": 4096
    }
  }
}

若要改为编辑图像，请在同一请求体中添加一个 input_references 数组。每个条目都是一个 image_url 对象，携带 HTTP(S) URL 或 base64 数据 URL。

{
  "model": "black-forest-labs/flux.2-pro",
  "prompt": "Keep the bag and its printed label exactly as they are. Replace the white background with a dark walnut counter under warm side light.",
  "aspect_ratio": "1:1",
  "input_references": [
    {
      "type": "image_url",
      "image_url": {
        "url": "data:image/png;base64,<base64>"
      }
    }
  ]
}

我们的TypeScript SDK 封装了同一路由并将字段名改为驼峰命名，因此 b64_json 变为 b64Json，media_type 变为 mediaType，aspect_ratio 变为 aspectRatio。generate 方法的返回类型也涵盖了流式情况，因此在读取之前请先对 data 属性进行类型收窄。

import { OpenRouter } from '@openrouter/sdk';

const openRouter = new OpenRouter({ apiKey: process.env.OPENROUTER_API_KEY ?? '' });

const result = await openRouter.images.generate({
  imageGenerationRequest: {
    model: 'black-forest-labs/flux.2-klein-4b',
    prompt: 'A studio packshot of a glass bottle, hard key light, no text.',
    aspectRatio: '1:1',
  },
});

if (!('data' in result)) {
  throw new Error('Expected a non-streaming image response');
}

const image = result.data[0]?.b64Json;
const mediaType = result.data[0]?.mediaType;
const cost = result.usage?.cost;

常见问题

2026 年最好的图像生成模型是什么？

没有单一的最佳模型，请按任务选择。在我们 2026 年 9 月 11 日的测试中，openai/gpt-image-2是我们测得的最便宜模型，每张图 $0.006 到 $0.0135，取决于提示词长度，并且它正确渲染了两行标签和一次参考编辑。sourceful/riverflow-v2.5-pro在 Design Arena 的图像和图像编辑榜单上排名第一，收费为每张图 $0.064。recraft/recraft-v4.1-vector可返回可编辑的 SVG，价格为每张图 $0.08。

OpenRouter 上最便宜的图像生成模型是哪个？

在我们以默认设置、1024x1024 分辨率测量的 20 个模型中，openai/gpt-image-2收费最低，一行提示词仅需 $0.006。black-forest-labs/flux.2-klein-4b收费 $0.014，sourceful/riverflow-v2.5-fast收费 $0.0176。对于按 token 计费的模型，提示词长度会影响账单；而对于 OpenAI 模型，quality设置使同一张图的费用从 $0.006 变为 $0.211。

哪些图像模型可以编辑现有图像？

任何端点列出input_references的模型都可以通过POST /api/v1/images接受参考图像。上限因模型而异。2026 年 9 月 11 日，OpenAI 图像模型可接受 16 张，Gemini 3.x 图像模型和 Seedream 5.0 可接受 14 张，sourceful/riverflow-v2.5-pro可接受 10 张，FLUX.2 Flex、Pro 和 Max 可接受 8 张，FLUX.2 Klein 和 Qwen Image 3 可接受 4 张，Grok Imagine 可接受 3 张，Recraft、Krea 和 MAI Image 可接受 1 张。请查阅GET /api/v1/images/models/{model}/endpoints了解当前数值。

哪些图像模型可以同时回复文本和图像？

输出模态包含文本的模型。2026 年 9 月 11 日，我们目录中 52 个图像模型里有 9 个属于此类，即所有 Gemini 图像模型和 OpenAI gpt-5-image 模型。请通过POST /api/v1/chat/completions调用它们。在我们的测试中，google/gemini-3-pro-image在 3 次调用中有 3 次返回了文本，openai/gpt-5-image在 3 次中有 2 次，google/gemini-3.1-flash-image在 4 次中有 1 次，google/gemini-3.1-flash-lite-image在 2 次中有 0 次。

Image API 返回什么图像格式？

这取决于模型。在我们的测试中，FLUX.2、Grok 和 Seedream 返回 JPEG，OpenAI、Qwen、Microsoft 和 Krea 返回 PNG，Sourceful 和 Recraft 返回 WebP，而recraft/recraft-v4.1-vector返回 SVG。目录中有十多个模型接受output_format参数。请读取每个响应中的media_type字段，而不要假设文件扩展名。