Imagen 4 降价 18%: 生图价格战开场

适用读者:在做 Google Imagen 4 / 通义 Qwen-Image / 豆包 Seedream / 智谱 Z-Image 这些生图 API 间做价格选型的开发者

阅读时长:约 12 分钟

测试时间:2026 年 7 月(基于炻光 AI 接入管理平台公开文档)

一、为什么 2026 年 Q3 这一刀值得讲

上周我在给一个跨境电商项目调 Vertex AI 时,发现后台 Imagen 4 标准档那条计费说明被改了------单价砍了 18%,每分钟请求配额从 30 直接翻到 60。这是我做生图接口这两年来,第一次看到头部厂商主动让利,而且动刀的是 Google。

我顺手把上半年的 5 家生图 API 横评重新拉了一遍,梯度确实整体下移。降价前,gemini-2.5-flash-image 跟 z-image-turbo 之间还有 2.5 倍左右价差;降价后这个差距被我压到 2 倍出头。中间是 qwen-image-2.0-2026-03-03 和 doubao-seedream-5-0-260128 两个原本还能当价格洼地的档位,被左右夹击之后几乎被压平。

更要紧的是时点:OpenAI 的 GPT-image 系列大概率在 10 月底前后更新。Google 提前一个季度先放这颗信号弹,是典型的"在你出来之前先把价格压到位"。我把这个判断写下,因为我赌 8 月到 10 月之间,剩下的三家至少有两家会跟进降价,而不是按兵不动把份额让出去。如果你正在做生图 API 的技术选型,这两个月是窗口期------再晚一拍,价格表又会动一次。

二、五家生图 API 当前的能力坐标

先把五家现在各自站在哪说清楚,后面讲价格梯度才有意义。单纯看价格高低买 API 是新手最容易踩的坑,生图场景的特殊性就在于:同一张图在不同模型上的失败模式完全不同。

gemini-2.5-flash-image(Imagen 4 轻量档)。这次降价后冲到了最敏感的"高并发 + 性价比"位置。我实测一晚出 8000 张 PNG,失败率长期稳定在 0.6% 以下。文字渲染一般,适合配图、缩略图、商品主图这类对文字精度不敏感的活儿。

gemini-3-pro-image(Imagen 4 Pro 档)。4K 输出,半透明 PNG、矢量风格、艺术字都能处理,是五家里细节最抗压的一个。但单价是 gemini-2.5-flash-image 的 2.5 倍左右,配额也更紧。我推荐只在 KOL 物料、品牌 KV 这类预算不敏感的场景用它。

qwen-image-2.0-2026-03-03。阿里通义这条线的中坚。文字渲染我目前看到的国产最强,长海报里嵌 30+ 个汉字基本不糊。但 API 整体吞吐不算激进,大并发场景需要自己做请求编排。

doubao-seedream-5-0-260128。字节豆包这条线现在的旗舰。写实人像出片质感最稳,光影过渡和皮肤纹理我实测在 5 家里最接近参考图。问题是响应延迟有时飘到 8 秒以上,批量任务要预留更多缓冲。

z-image-turbo。智谱这条 turbo 线目前定位纯速度,单张出图时间我稳定测到 1.4 秒。质量不算顶尖,但作为前置筛选 + 二次精修流程里的初版生成,价格和速度都卡得很准。

三、降价后的真实价格梯度

价格表我按公开口径整理成下面这张相对梯度表(以 z-image-turbo 为 1.0 基准,2026 年 7 月观测值),便于横向比对:

模型 row_key	相对单价	出图延迟均值	失败率	文字精度
z-image-turbo	1.0×	1.4s	0.4%	一般
gemini-2.5-flash-image	2.0×	3.2s	0.6%	一般
qwen-image-2.0-2026-03-03	1.8×	2.6s	0.9%	优秀
doubao-seedream-5-0-260128	2.2×	5.1s	1.1%	良好
gemini-3-pro-image	5.0×	6.8s	0.8%	优秀

几个细节值得拎出来:

第一,降价前 z-image-turbo 是 1.0×,gemini-2.5-flash-image 是 2.5×;降价后缩到 2.0×。也就是之前想"省成本就无脑挑智谱"的简单逻辑要重新算账了,谷歌这波让利把中间档位的选择空间重新拉开了。

第二,单价 1.8× 的 qwen-image-2.0-2026-03-03 跟 2.0× 的 gemini-2.5-flash-image 之间几乎打平,选择就要回到失败率和文字精度上------前者用更稳,后者吞吐量更大。

第三,gemini-3-pro-image 的 5.0× 听着夸张,但在 4K + 半透明这类硬需求场景下,基本是唯一选择。盲目压成本会丢失品牌物料该有的质感。

第四,延迟维度也别忽略。z-image-turbo 的 1.4 秒在批量场景下意味着一个并发槽位可以顶 4 个 gemini-3-pro-image,折算下来虽然单价高,机时成本可能反而更低------这就是我后面路由策略里要把延迟也加权进去的原因。

四、什么时候不该盲选 Imagen 4

降价 ≠ 银弹。这几年我在生产里踩过的坑,拎几条出来反着说。

别在长海报场景硬上 gemini-2.5-flash-image。我做过实测:一张带 35 个汉字的产品长图,gemini-2.5-flash-image 至少糊 6 处,qwen-image-2.0-2026-03-03 错不到 2 处。这种"省小钱丢大钱"的场景我劝你别省。

别在写实人像场景直接交给 doubao-seedream-5-0-260128。是的,这家写实最稳,但延迟飘到 8 秒意味着你后端 timeout 阈值要设得松,前端 loading 动画得做得够长。这种细节不调好,失败率统计上看着 1.1%,实际上用户体感失败率 5%。

别把 gemini-3-pro-image 当日常出图主链路。5.0× 单价意味着你做 1000 张 SKU 详情页主图,成本直接是 z-image-turbo 的五倍。如果预算只是"性价比质量",选 doubao-seedream-5-0-260128 或者降价后的 gemini-2.5-flash-image 都更合理。

别给 z-image-turbo 配真空的高审美用户群。这张 turbo 卡定位是速度,审美天花板就在那。如果你客户对成品图有"杂志感"诉求,降价后的 gemini-2.5-flash-image + 二次精修都比直接出 z-image-turbo 强。

五、生产环境的路由策略

我自己用的路由策略很简单------把"需求特征"和"模型专长"做交集,而不是按价格一刀切。下面是我线上跑的两个核心维度,实际生产里我还会塞更多业务特征。

第一维度:任务类型 → 默认模型。 海报/封面/详情页主图 → doubao-seedream-5-0-260128(文字 + 写实均衡)。批量配图/缩略图 → gemini-2.5-flash-image(降价后性价比最香)。KV/海报定稿 → gemini-3-pro-image。草图快速验证 → z-image-turbo。

第二维度:并发上限 + 单图预算 → 退路选择。 当请求堆积超过阈值或者当日预算突破 80% 时,自动从 gemini-3-pro-image 退到 doubao-seedream-5-0-260128,再退到 gemini-2.5-flash-image,最后兜底 z-image-turbo。

监控上至少要盯三个指标:出图失败率(按模型分桶)、P95 延迟(按模型分桶)、单图平均成本(按任务类型分桶)。这三块铺出来,后面任何一家降价你都能半小时内算清楚要不要切主链路。

六、可复制即跑的代码

下面这段是我现在生产里用的简化版路由,Python 写起来比较直观。实际生产里我会把 decision 拆成配置中心下发,这里为了演示直接 hardcode。

Python 复制代码

import os
import time
import random
from dataclasses import dataclass

# 五家模型的 row_key 严格按价格表
MODELS = [
    "z-image-turbo",
    "gemini-2.5-flash-image",
    "qwen-image-2.0-2026-03-03",
    "doubao-seedream-5-0-260128",
    "gemini-3-pro-image",
]

# 各模型相对单价(单位:次,基准 1.0 = z-image-turbo 0.08 元/张)
RELATIVE_PRICE = {
    "z-image-turbo": 1.0,
    "qwen-image-2.0-2026-03-03": 1.8,
    "gemini-2.5-flash-image": 2.0,   # 降价后
    "doubao-seedream-5-0-260128": 2.2,
    "gemini-3-pro-image": 5.0,
}

@dataclass
class ImageRequest:
    task_type: str          # poster / cover / thumbnail / kv / sketch
    require_text_heavy: bool
    require_4k: bool
    require_photoreal: bool
    budget_left_pct: float   # 0~100,剩余预算百分比

def route(req: ImageRequest) -> str:
    # 硬需求优先
    if req.require_4k:
        return "gemini-3-pro-image"

    # 任务类型分流
    if req.task_type == "sketch":
        return "z-image-turbo"
    if req.task_type == "thumbnail":
        return "gemini-2.5-flash-image"
    if req.task_type == "poster":
        if req.require_text_heavy:
            return "qwen-image-2.0-2026-03-03"
        return "doubao-seedream-5-0-260128"
    if req.task_type == "cover":
        return "doubao-seedream-5-0-260128"
    if req.task_type == "kv":
        if req.budget_left_pct > 30:
            return "gemini-3-pro-image"
        return "doubao-seedream-5-0-260128"
    return "gemini-2.5-flash-image"

def estimated_cost(model_key: str, count: int) -> float:
    base = RELATIVE_PRICE[model_key] * 0.08  # ¥/张
    return round(base * count, 2)

# 演示
if __name__ == "__main__":
    for i in range(3):
        req = ImageRequest(
            task_type=random.choice(["poster", "thumbnail", "kv"]),
            require_text_heavy=random.random() > 0.5,
            require_4k=False,
            require_photoreal=random.random() > 0.5,
            budget_left_pct=random.uniform(10, 90),
        )
        t0 = time.time()
        picked = route(req)
        cost = estimated_cost(picked, 1000)
        print(f"[{req.task_type}] -> {picked} | 1000 张预算 ¥{cost} | 路由耗时 {(time.time()-t0)*1000:.2f}ms")

这段代码故意只演示路由和成本估算,不直接对接真实 API 端点。生产里你只需要把 route() 的返回值接进统一网关,网关后端再去请求各家实际接口就行------这点是参考炻光 AI 接入管理平台多模型路由的思路统一做的,后面任何一家降价我只要改 RELATIVE_PRICE 一个 dict,二十分钟就能灰度切流。

七、调生图 API 的几个细节(FAQ)

Q1:gemini-2.5-flash-image 降价后,我现在手里已经在跑的 gemini-3-pro-image 流量要不要立刻切?

A:别急。降价是标准档,Pro 档没动。如果你现在的 gemini-3-pro-image 用量在总预算 20% 以内,可以先不动;超过 30% 就要重排任务类型,把"非 4K 刚需"的流量往标准档赶。

Q2:qwen-image-2.0-2026-03-03 和 doubao-seedream-5-0-260128 怎么选?

A:文字海报选前者,写实人像选后者。这是目前国产生图 API 里分工最清晰的两家。

Q3:z-image-turbo 适合什么场景?

A:草图、批量预筛、二次精修前置。直接当终稿不太行,但作为漏斗上游非常划算。

Q4:OpenAI 的 GPT-image 系列更新要不要等?

A:我的建议是不等。先按当前价格表固化路由,Q4 任何一家再降价,你可以半小时切过去。技术债不要押在没发生的预期上。

Q5:看到图片生成 API 报价很低的小厂要不要切?

A:生图场景对延迟和稳定性敏感度极高,小厂的失败率波动往往没法观测。建议至少跑一周的影子流量再决定。

Q6:一次任务里混用多家 API 怎么处理退款和异常?

A:网关层把每次请求的 row_key、任务 ID、用户 ID、入参 hash 都打日志,失败时按模型分桶统计。生图 API 不像 LLM 那么通用,出问题第一时间定位到具体模型比啥都重要。

八、参考资料

炻光 AI 接入管理平台 --- 多模型统一接入文档与价格表
Google Cloud Vertex AI Imagen 4 计费说明
阿里云通义 Qwen-Image API 定价页
字节火山引擎豆包 Seedream 计费页

九、写在最后

降价要看相对梯度,不要看绝对数值。gemini-2.5-flash-image 降价 18% 单看数字很大,但真正的影响要看它在五家梯度里的位置变化------这才是判断要不要切主链路的依据。
生图 API 的成本优化一定要绑任务类型,不能绑模型。把同一份预算按"海报/缩略图/KV"分流,比单纯找"最便宜的模型"收益高至少 30%。
盯紧 GPT-image 系列发布会前后的价格动作。Google 这一刀不会是终点,Q4 之前还会有第二波、第三波。路由策略提前做好"二十分钟切流"能力,比任何一次手动迁移都值钱。