1 小时跑 16 张博客配图、总成本 $0.92：完整账本与可复制 spec

1 小时跑 16 张博客配图、总成本 $0.92：完整账本与可复制 spec

作者：CodeGateway 团队 · 实测于 2026-05

一句话：写完一批博客文稿，下一步通常是配图。手动找图慢、版权风险、风格不统一；外包贵且要排期。AI 图像 API 看起来是答案，但真正动手前大的疑问是——这玩意儿到底要花多少钱？流程会不会很麻烦？ 本文给一份真实的账本。一次完整的 dogfood：4 篇博客 / 16 张配图 / 5 种上游模型 / 总成本 $0.92 / 全流程不到 1 小时。所有数据来自真实 prod API 调用，没有有利筛选。spec.yaml 与生图脚本都附在文末，可以直接复制改。

目录

1. 起点：4 篇博客缺 16 张图
2. 模型选择决策矩阵：什么图配什么模型
3. Prompt 写法的三个非显然规律
4. Spec 设计：一份 YAML 跑 16 张
5. 真实账本：模型分布、单图成本、时长
6. 踩过的坑：从 1:1 重生 16:9 的代价
7. 可复制 spec 与脚本（直接抄）
8. FAQ
9. 相关资料

起点：4 篇博客缺 16 张图

故事从一个具体场景开始：写完 4 篇 SEO 长文（每篇 8000–12000 字），核对发布前清单时卡在"配图"这一栏。每篇至少需要：

• 1 张 hero（首屏大图，OG 抓图也用）
• 3 张文中插图（架构图 / 信息图 / 步骤图等）

合计 16 张。手动找图大致两条路：

• 免费图库（Unsplash、Pexels）：搜词难、风格东一个西一个、热门词图都被人用过；
• 付费图库（Shutterstock、iStock）：钱能解决但贵，单张 $10–30；
• 设计外包：风格能定但排期 2–3 天起、成本几百美元。

加上 4 篇都是技术博客，免费图库里"开发者面对终端报错"这种概念图基本没有。所以决定上 AI 图像 API。问题变成：用哪几个模型、怎么分配、总成本能压到多少。

模型选择决策矩阵：什么图配什么模型

CodeGateway 当前有 6 个图像生成模型可用，分两条上游通路：

按博客配图的几种典型用途，我用了一张矩阵决定模型分配：

图里有大段中文文字标注？      → gemini-2.5-flash-image
是写实概念插画 / 抽象 hero？  → imagen-4.0-fast-generate-001（首选）
hero 想要 16:9 横版？         → gpt-image-2 medium 1536x1024
重要的旗舰单图？              → imagen-4.0-generate-001（标准）
其他都不合适？                → 上 ultra 或换思路

实际分配到 16 张：

• 4 张 hero（首版用 imagen-4.0-generate-001 标准画质 $0.04 × 4 = $0.16）
• 3 张写实插画（imagen-4.0-fast-generate-001 $0.02 × 3 = $0.06）
• 9 张含中文标注的信息图 / 步骤图（gemini-2.5-flash-image ~$0.06 × 9 = $0.54）

预估总成本约 $0.76。最后实际跑完是 $0.76（精确）+ $0.16 hero 重生（后面会讲为什么重生）= $0.92。

Prompt 写法的三个非显然规律

写了 16 张后体感强项的三条规律：

1. 颜色用形容词，不写 hex

写 #8B5CF6 这种十六进制颜色码，模型有不低的概率会把字符直接渲染到图里——你会得到一张图，主体上漂着 #8B5CF6 几个字母数字。

正确写法：deep violet purple / lavender gradient / emerald green accent。颜色描述用形容词，模型理解的色感更接近设计师的描述习惯。

2. 拒绝 emoji 装饰

prompt 里写"with rocket emoji 🚀"或"festive ✨ vibe"会让模型试图渲染 emoji 字符，结果是模糊的字形或乱码。

替代：用具体视觉元素描述。"a small upward arrow"、"a subtle sparkle effect"、"warm celebratory tone"——把语义传给模型，让它自己出图。

3. 比例与"宽屏构图"要写两遍

Imagen 4 的 backend 写死 1024×1024，请求里加 aspect_ratio: "16:9" 不会被识别（被忽略）。即便走 gpt-image-2 + size: 1536x1024，prompt 里仍然建议写 wide cinematic horizontal composition，让模型在构图上预期横版，避免主体被挤在中间。

Spec 设计：一份 YAML 跑 16 张

我们写了一个小生图工具，输入是 YAML spec、输出是按 spec 跑完的 PNG + 成本账单。Spec 长这样：

- name: 297-hero
  model: imagen-4.0-generate-001
  prompt: |
    A minimalist flat illustration showing a frustrated developer at a laptop,
    the laptop screen displaying a terminal window with red Connection Timeout
    error text, soft purple gradient background...
  aspect: "16:9"
  size: "1792x1024"
  out: /tmp/sprint4b-images/297-hero.png

- name: 297-arch
  model: gemini-2.5-flash-image
  prompt: |
    A clean three-layer architecture diagram, horizontally stacked panels:
    top panel labeled "网络链路层" (purple stripe),
    middle panel labeled "TLS 层" (lighter violet),
    bottom panel labeled "模型推理层" (deep violet)...
  aspect: "1:1"
  out: /tmp/sprint4b-images/297-arch.png

# ... 共 16 条

为什么用 YAML 而不是直接写代码：

• 可读。审稿和改 prompt 的时候，spec 是文字编辑而不是改 Python。
• 可版本控制。spec 进 git，和文章一起评审、一起回滚。
• 可二次跑。改一条 prompt 重跑那一条，其他不动。
• 可分批。dry-run 模式先看预算，OK 再实际跑。

跑 spec 的命令一行：

python3 generate.py --spec image-spec.yaml --api-key "$CODEGATEWAY_PROD_API_KEY"

整个生图阶段不到 5 分钟（多 prompt 串行跑，单图快 7 秒慢 18 秒）。

真实账本：模型分布、单图成本、时长

第一批：16 张（首版）

时间维度：API 调用累计约 2 分 30 秒（串行）。如果改并发能压到 30 秒级，但博客配图这种轻量任务串行就够。

第二批：4 张 hero 16:9 重生

首版 hero 用 imagen-4.0-generate-001，固定 1024×1024。但博客模板的 hero 容器是 16:9，1:1 渲染时上下被裁，看起来有损。所以重生 4 张 16:9 横版，切到 gpt-image-2 medium：

gpt-image-2 比 Imagen 慢——大约 6 倍。但 16:9 横版只有 OpenAI 通路原生支持，权衡值得。

总账

首版 16 张:        $0.760
hero 重生 4 张:    $0.164
─────────────────────────
总计:              $0.924   (向上取 $0.92)

人均 / 单图:       ~$0.046

外加从写 spec 到验收的人工时间 ~30–45 分钟（包含 prompt 调优、转 JPEG、上传 CMS、设 cover）。完整闭环不到 1 小时。

踩过的坑：从 1:1 重生 16:9 的代价

这次 dogfood 大的教训是 hero 的 aspect ratio 没在第一批就规划好。

具体踩坑过程：

1. 首版 spec 写了 aspect: "16:9"，但 Imagen 4 backend 把这个字段标记为 "accepted but ignored"——文档和实现都说接收但不处理（backend/src/proxy-vertex-image.ts 注释里明确写了）。结果 4 张 hero 全部 1024×1024。
2. 上传 CMS 后，前端 hero 容器按 16:9 渲染，1:1 源图上下被裁，主体被切。
3. 重新选模型——切到 gpt-image-2 size=1536×1024。但 gpt-image-2 单图 60 秒级，4 张要 4 分钟，比 Imagen 慢一截。
4. 多花 $0.16 + 4 分钟。

教训：

• 第一批 spec 前，先确认目标渲染容器的比例。Hero 容器 16:9 / 文中插图容器 1:1 / OG 抓图 1.91:1（接近 16:9）。
• 比例不被某个模型支持就第一批就换模型，不要等渲染验收发现再返工。
• 不同模型的 size 参数语义不一致（Imagen aspect_ratio 被忽略，gpt-image-2 用 size 字符串），spec 工具要在 dispatch 时分流，写工具的时候多花 5 分钟做这件事，省后面几小时。

可复制 spec 与脚本（直接抄）

小生图脚本（单文件，零依赖外部库）

#!/usr/bin/env python3
"""Minimal image gen runner. Reads YAML spec, calls /v1/images/generations,
saves PNG to disk, prints cost totals. Public domain."""

import argparse, base64, json, os, sys, time
import urllib.request
from pathlib import Path

def post(url, body, headers):
    data = json.dumps(body, ensure_ascii=False).encode("utf-8")
    req = urllib.request.Request(url, data=data, headers=headers, method="POST")
    with urllib.request.urlopen(req, timeout=180) as resp:
        return json.loads(resp.read().decode("utf-8"))

def build_body(entry):
    body = {
        "model": entry["model"],
        "prompt": entry["prompt"],
        "n": int(entry.get("n", 1)),
        "response_format": "b64_json",
    }
    # OpenAI route: size; Vertex route: aspect_ratio
    if entry["model"].startswith("gpt-image"):
        if "size" in entry: body["size"] = entry["size"]
        if "quality" in entry: body["quality"] = entry["quality"]
    else:
        if "aspect" in entry: body["aspect_ratio"] = entry["aspect"]
    return body

def main():
    ap = argparse.ArgumentParser()
    ap.add_argument("--spec", required=True)
    ap.add_argument("--api-key", default=os.environ.get("CODEGATEWAY_PROD_API_KEY"))
    args = ap.parse_args()

    # ... YAML parser + main loop, see full source in workspace

完整版（含成本估算、dry-run、错误处理、模型自动 dispatch、~280 行）开源在 Whitedit/code-gateway-cookbook — 一份 generate.py + 一份 spec-example.yaml，MIT 许可证，复制即用。

Spec 模板（直接改 prompt 跑）

# Hero 横版 16:9（OpenAI 通路才支持原生横版）
- name: my-hero
  model: gpt-image-2
  quality: medium
  size: "1536x1024"
  prompt: |
    A wide cinematic flat editorial illustration of <YOUR SCENE>,
    soft purple gradient background, modern minimal tech aesthetic,
    no chinese text, no logos, professional editorial composition.
  out: /tmp/images/my-hero.png

# 文中写实插图 / 概念图（性价比高）
- name: my-concept
  model: imagen-4.0-fast-generate-001
  prompt: |
    A minimal abstract <SUBJECT>, soft purple gradient,
    clean editorial style, no text.
  aspect: "1:1"
  out: /tmp/images/my-concept.png

# 含中文标注的信息图（Gemini 强项）
- name: my-infographic
  model: gemini-2.5-flash-image
  prompt: |
    A clean infographic on white background:
    <STEP 1 标题>, <STEP 2 标题>, <STEP 3 标题>,
    purple connecting lines, modern minimal flat design.
  aspect: "1:1"
  out: /tmp/images/my-infographic.png

接入 API

export CODEGATEWAY_PROD_API_KEY="sk-cg-xxx"  # https://www.codegateway.dev 注册即可拿
python3 generate.py --spec image-spec.yaml --api-key "$CODEGATEWAY_PROD_API_KEY"

新账户送 $2 起步额度——按本文成本结构折算约两轮完整 dogfood（每轮 16 张）。够把流程跑顺、validate prompt 风格、再决定要不要充值跑生产规模。

FAQ

Q：能不能只用一个模型省心？

A：能，但代价是风格单一 + 部分场景出不了。Imagen 4 fast 适合写实概念，但中文文字渲染弱；gemini-2.5-flash-image 适合标注信息图，但纯审美写实不如 Imagen；gpt-image-2 适合 UI 卡通，速度慢且贵。多模型混搭是博客配图的推荐方案。

Q：成本能不能再压？

A：可以。把所有 hero 切到 imagen-4.0-fast（$0.02 vs std $0.04），16 张全部 fast：$0.32。但 hero 是首屏首图，建议保留 std 画质——多出 $0.16 在 SEO 与社媒分享 CTR 上的回报值得。

Q：图像 API 是不是按 token 计费？

A：分两种。Imagen 系列按图固定计费（$0.02 / $0.04 / $0.06），不管 prompt 多长、分辨率多大。Gemini 2.5 Flash Image 按 token（输入 + 文本输出 + 图像输出 modality 各一档），实际单图通常落在 $0.04–$0.08。GPT Image 按 quality × aspect 矩阵计价，同样固定。

Q：批量跑 100 张以上怎么办？

A：spec 文件不变，跑批多花点时间。或者改并发：generate.py 默认串行，加几行 asyncio 改并发后单批 100 张能压到 1–2 分钟。注意 RPM 限制（看你的 CodeGateway 阶梯）。

Q：风格如何保持一致？

A：两条路：

• 同一篇文章的图固定一个模型 + 固定 prompt 模板（颜色、构图、视觉风格描述每次都一样，只换主体）。
• 用同一张参考图（gemini-2.5-flash-image 支持多 5 张参考图）做风格锚点，后续生成全部以其为风格基准。

Q：版权风险？

A：看上游模型的服务条款。Anthropic / Google / OpenAI 的图像 API 商用条款大体允许商用（具体读各自最新 ToS）。CodeGateway 网关本身不主张图像版权——你生成的图归你。

Q：生成失败重跑会不会被收两次费？

A：不会。Failed request（4xx/5xx）不计费。只有成功返回 b64_json / url 的请求才扣余额。本文 16 张全部一次过，没遇到失败重跑。

Q：可以走 dry-run 不出图先看预算吗？

A：可以。generate.py --dry-run 模式只读 spec、按定价表算总成本，不发 API 请求。预算不对就改 spec。

相关资料

• 充值费用指南 —— 阶梯倍率、$2 起步额度、Stripe 充值
• 阶梯倍率详解 —— 90 天滚动累计、至少 1.2x
• 图像生成 API 使用指南（即将上线）—— 完整接口参考
• Anthropic Claude API 文档
• Google Imagen 4 模型卡
• OpenAI Image Generation 文档
• 本文用到的 generate.py 完整脚本：Whitedit/code-gateway-cookbook · image-gen/

写技术博客的人都明白：内容是 80%、配图是 10%、链接和 SEO 元数据是 10%。配图这 10%以前要么压榨设计组、要么自己折腾几小时手画，现在 1 小时 / $1 / 一份 spec 就能搞定。把工具流程跑顺，剩下的精力就能投回内容本身——这才是工具该干的事。