加载中…
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。
合计 16 张。手动找图大致两条路：
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。
CodeGateway 当前有 6 个图像生成模型可用，分两条上游通路：
模型 ID | 通路 | 计费 | 强项 |
|---|---|---|---|
| Vertex (Imagen) | $0.02/图 | 速度、性价比、写实/概念插画 |
| Vertex (Imagen) | $0.04/图 | 标准画质 |
| Vertex (Imagen) | $0.06/图 | 高画质 |
| Vertex (Gemini) | 按 token (~$0.04–0.08/图) | 中文文字渲染、信息图标注 |
| OpenAI | $0.005–$0.211/图（按质量×比例） | UI / 卡通、支持 16:9 横版 |
| OpenAI | $0.009–$0.200/图 | 同上略弱 |
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（推荐）
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：
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）= $0.92。
写了 16 张后体感强项的三条规律：
写 #8B5CF6 这种十六进制颜色码，模型有不低的概率会把字符直接渲染到图里——你会得到一张图，主体上漂着 #8B5CF6 几个字母数字。
正确写法：deep violet purple / lavender gradient / emerald green accent。颜色描述用形容词，模型理解的色感更接近设计师的描述习惯。
prompt 里写"with rocket emoji 🚀"或"festive ✨ vibe"会让模型试图渲染 emoji 字符，结果是模糊的字形或乱码。
替代：用具体视觉元素描述。"a small upward arrow"、"a subtle sparkle effect"、"warm celebratory tone"——把语义传给模型，让它自己出图。
Imagen 4 的 backend 写死 1024×1024，请求里加 aspect_ratio: "16:9" 不会被识别（被忽略）。即便走 gpt-image-2 + size: 1536x1024，prompt 里仍然建议写 wide cinematic horizontal composition，让模型在构图上预期横版，避免主体被挤在中间。
我们写了一个小生图工具，输入是 YAML spec、输出是按 spec 跑完的 PNG + 成本账单。Spec 长这样：
- name: 297-hero
model: imagen-4.0-generate-001
prompt: |
A minimalist flat illustration showing a frustrated developer at a laptop,
the laptop screen displaying a terminal window with red Connection Timeout
error text, soft purple gradient background...
aspect: "16:9"
size: "1792x1024"
out: /tmp/sprint4b-images/297-hero.png
- name: 297-arch
model: gemini-2.5-flash-image
prompt: |
A clean three-layer architecture diagram, horizontally stacked panels:
top panel labeled "网络链路层" (purple stripe),
middle panel labeled "TLS 层" (lighter violet),
bottom panel labeled "模型推理层" (deep violet)...
aspect: "1:1"
out: /tmp/sprint4b-images/297-arch.png
# ... 共 16 条为什么用 YAML 而不是直接写代码：
跑 spec 的命令一行：
python3 generate.py --spec image-spec.yaml --api-key "$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）。
模型 | 张数 | 单价 | 小计 | 平均时长 |
|---|---|---|---|---|
imagen-4.0-generate-001 | 4 | $0.040 | $0.160 | 10–12 s |
imagen-4.0-fast-generate-001 | 3 | $0.020 | $0.060 | 7–9 s |
gemini-2.5-flash-image | 9 | ~$0.060 | $0.540 | 8–17 s |
首版小计 | 16 | — | $0.760 | 平均 ~10 s |
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。
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：
模型 | 张数 | 单价 | 小计 | 平均时长 |
|---|---|---|---|---|
gpt-image-2 medium 1536×1024 | 4 | $0.041 | $0.164 | 56–71 s |
重生小计 | 4 | — | $0.164 | 平均 ~62 s |
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。
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。
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：
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。教训：
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。#!/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。
# 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.pngexport 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。
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：
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。
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。