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-turbo1.0×1.4s0.4%一般gemini-2.5-flash-image2.0×3.2s0.6%一般qwen-image-2.0-2026-03-031.8×2.6s0.9%优秀doubao-seedream-5-0-2601282.2×5.1s1.1%良好gemini-3-pro-image5.0×6.8s0.8%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。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_typerandom.choice([poster, thumbnail, kv]), require_text_heavyrandom.random() 0.5, require_4kFalse, require_photorealrandom.random() 0.5, budget_left_pctrandom.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。