3 个图像 API 实测：Imagen 4 / Gemini 2.5 Flash Image / GPT Image，谁更适合谁的活

3 个图像 API 实测：Imagen 4 / Gemini 2.5 Flash Image / GPT Image，谁更适合谁的活

作者：CodeGateway 团队 · 实测于 2026-05

一句话：选图像 API 的大坑是看官方 demo——它们都好看。真实场景下，写实风格、卡通、信息图、UI 模拟、含中文文字标注，每个 API 在各自的强项区差距其实显著得离谱。

本文是一次真实评测。同一个 Key 调 3 个上游图像 API（Google Imagen 4、Google Gemini 2.5 Flash Image、OpenAI GPT Image），用同样的 prompt 和场景跑 16 张图，按 5 个维度横向比。出图素材来自Sprint 4b 真实博客配图 dogfood。结论用一张推荐表收——不绕弯子。

目录

1. 评测维度：5 个真实场景里关心的事
2. 同 prompt 三家横向比
3. 按维度逐项打分
4. 场景推荐速查表
5. 一个 Key 切三家：实操配置
6. 实战 16 张图的成本回顾
7. FAQ
8. 相关资料

评测维度：5 个真实场景里关心的事

不评"通用画质"——那是榜单数据 + 主观感受。评 5 个开发者真实在用的维度：

1. 中文文字渲染：图里要写中文标注（信息图、步骤图、对比图）。中文字符特别考验模型——错字、模糊、字形怪异是常见雷区。
2. 写实 / 概念插画：博客 hero、产品 landing 图、稿件配图。这类图不要 cartoon 感，要 editorial 干净专业。
3. 卡通 / UI 风格：mockup、moodboard、demo 截图。要有"产品级 UI"质感，不是手绘卡通。
4. 速度：API 调用从发请求到 base64 返回的端到端延迟。批量任务时这是瓶颈。
5. 成本：按图固定 vs 按 token，10-100 张时哪种结构有优势。

同 prompt 三家横向比

5 个 prompt 测试，每 prompt 同时投给 3 个模型，对比效果。

Prompt 1：含中文文字的信息图

A clean three-layer architecture diagram, horizontally stacked panels:
top panel labeled "网络链路层" (purple #8B5CF6 stripe),
middle panel labeled "TLS 层" (lighter violet stripe),
bottom panel labeled "模型推理层" (deep violet stripe).
Each panel has a small icon. Modern minimal infographic.

结论：含中文文字标注 → GPT Image 2 优选，Gemini 备选，Imagen 4 不适合。

Prompt 2：博客 hero 写实概念插画

A minimalist flat illustration showing a frustrated developer at a laptop,
the laptop screen displaying a terminal window with red error text,
soft purple gradient background, clean modern tech aesthetic, no text,
professional editorial composition.

结论：写实概念博客 hero → Imagen 4 std 默认，需要 16:9 横版用 GPT Image 2 medium。Gemini 在这场景偏弱。

Prompt 3：UI 卡片 mockup

A clean mockup of a developer dashboard card showing API usage stats:
"Total Tokens" header, a number "1,234,567", a small bar chart trend line,
rounded corners, soft shadow, dark mode with purple accent.

结论：产品 UI mockup / 卡片 / 模拟截图 → GPT Image 2 medium 优先；含数字标注的卡片 → Gemini 也行。

Prompt 4：抽象/纹理/装饰图

A minimal abstract illustration with soft purple gradient,
overlapping geometric shapes, no text, subtle grain texture,
modern editorial style.

结论：纯装饰 / 抽象插画 / 背景图 → Imagen 4 fast。$0.02/图、画面干净、批量友好。

Prompt 5：步骤流程图（带 1-2-3 编号 + 简短中文文字）

A 3-step horizontal flowchart on white background,
three circles connected by arrows in purple color scheme,
each circle labeled "1 注册"、"2 配置"、"3 上线",
modern minimal flat design.

结论：步骤图 / 编号信息图（含中文）→ GPT Image 2 优选，Gemini 备选。

按维度逐项打分

把上面 5 个 prompt 的表现归并到 5 个评分维度（1-5 分制）：

总分相近，但单项差距大 — 这正是"按场景选"而不是"选强项综合"的依据。

价格补充说明

CodeGateway 把 4 个模型的真实计费透传：

• Imagen 4 fast：$0.02 / 图（按图固定，不随 prompt / 分辨率变）
• Imagen 4 std：$0.04 / 图
• Imagen 4 ultra：$0.06 / 图（旗舰单图）
• Gemini 2.5 Flash Image：按 token（输入 $0.30/MTok + 文本输出 $2.50/MTok + 图像输出 $30/MTok）实测单图 ~$0.04-0.08
• GPT Image 2：按 quality × aspect 矩阵（low $0.005-0.006、medium $0.041-0.053、high $0.165-0.211）

加上 CodeGateway 的 1.2x-1.5x 阶梯倍率，混用比单边消费更快下倍率档（详见 阶梯倍率详解）。

场景推荐速查表

直接抄到你的 spec 决策注释里：

最后一行强调：logo / 商标 / 品牌识别物从不用 AI 生图。版权、风险、保真度都不合格——用真实设计文件。

一个 Key 切三家：实操配置

CodeGateway 一把 sk-cg- 开头的 Key 三家上游通吃——不需要分别去 Google / OpenAI 注册账号、绑国际信用卡、配 service account。

Endpoint 共用

POST https://api.codegateway.dev/v1/images/generations

不同模型靠请求 body 里的 model 字段分流：

# Imagen 4 fast
curl -X POST https://api.codegateway.dev/v1/images/generations \
  -H "Authorization: Bearer $CODEGATEWAY_PROD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"imagen-4.0-fast-generate-001","prompt":"...","n":1,"response_format":"b64_json"}'

# Gemini 2.5 Flash Image
curl -X POST https://api.codegateway.dev/v1/images/generations \
  -H "Authorization: Bearer $CODEGATEWAY_PROD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gemini-2.5-flash-image","prompt":"...","aspect_ratio":"1:1","response_format":"b64_json"}'

# GPT Image 2 medium 1536x1024
curl -X POST https://api.codegateway.dev/v1/images/generations \
  -H "Authorization: Bearer $CODEGATEWAY_PROD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-image-2","prompt":"...","size":"1536x1024","quality":"medium","response_format":"b64_json"}'

Spec 文件里混搭三家

实战中的 yaml spec 直接按场景指定模型，工具自动路由：

- name: blog-hero
  model: gpt-image-2
  quality: medium
  size: "1536x1024"
  prompt: A wide cinematic editorial illustration...
  out: /tmp/blog-hero.png

- name: architecture-diagram
  model: gemini-2.5-flash-image
  aspect: "1:1"
  prompt: |
    A clean three-layer architecture diagram, labeled "网络层" / "TLS 层" / "模型层"...
  out: /tmp/architecture.png

- name: hero-decoration
  model: imagen-4.0-fast-generate-001
  aspect: "1:1"
  prompt: A minimal abstract purple gradient...
  out: /tmp/decoration.png

完整 spec 工具开源在 Whitedit/code-gateway-cookbook · image-gen/——一份 generate.py 自动按 model 字段路由到正确的请求 body 形态（Imagen 用 aspect_ratio、GPT Image 用 size+quality）。

实战 16 张图的成本回顾

Sprint 4b 博客配图 dogfood 跑了 4 篇博客 / 16 张图 / 4 个模型混用：

总账：$0.92 / 16 张图 / 跨 4 模型 / 1 把 Key。

如果上面任何一个模型单独跑全 16 张：

• 全 Imagen 4 fast：$0.32（性价比高，但中文文字标注图直接挂）
• 全 Gemini 2.5 Flash Image：~$0.96（中文标注好，但 hero 写实弱）
• 全 GPT Image 2 medium：~$0.66（速度慢、UI 风格强）

混搭比单一便宜，且质量落在每个场景的推荐区——这是为什么"按场景选"。

FAQ

Q：Imagen 4 真的 backend 写死 1024×1024 吗？没法横版？

A：是。backend/src/proxy-vertex-image.ts 的注释明确写 aspect_ratio 是"accepted but ignored"。要 16:9 / 9:16 横竖版必须切 GPT Image 2（OpenAI 通路原生支持 size 参数）。这是为什么 Sprint 4b dogfood 重生了 4 张 hero。

Q：Gemini 2.5 Flash Image 按 token 计费 vs Imagen 按图固定，哪个更划算？

A：Gemini 单图通常 ~$0.04-0.08，Imagen std 固定 $0.04。实战上 Gemini 中文渲染稳定，GPT Image 2 实测略胜一筹。如果 prompt 极短 + 不需要中文，Imagen 更稳；prompt 长 + 含中文标注，GPT Image 2 优选，Gemini 备选。

Q：GPT Image 2 那么慢（~60s/图）值得用吗？

A：看场景。批量装饰图肯定不用 GPT Image 2——慢且对装饰图没优势。只在两个场景值得：(1) 必须 16:9 / 9:16 横竖版（其他模型不支持原生）；(2) 产品 UI mockup（GPT Image 2 在这场景明显强于其他）。

Q：可以同 prompt 投三家然后选好的吗？

A：能，但成本飙升。dogfood 16 张图如果同 prompt 投三家做 best-of-3，成本变 ~$2.76 而不是 $0.92。值不值看 stake——博客封面 hero 值得 best-of-3，文中插图不值得。

Q：Imagen 4 ultra 比 std 贵 50%（$0.06 vs $0.04），值得用吗？

A：绝大多数场景不值得。除非是网站首屏 / 营销主视觉这种"看一万次"的图。日常博客 hero 用 std 完全够，差值花在出 best-of-3 反而 ROI 高。

Q：CodeGateway 的 Key 在 Cursor / Figma 之类工具里能用吗？

A：图像 API 端口走 OpenAI 协议（/v1/images/generations）+ Vertex 透传，所以任何兼容 OpenAI Images API 协议的工具都能直接接。Cursor、Aider 之类编程工具，把 OPENAI_BASE_URL 指向 https://api.codegateway.dev/v1 + OPENAI_API_KEY 改成 sk-cg-xxx 就行。

Q：模型会不会突然下线 / 涨价？

A：上游 Google / OpenAI 自己有公告周期。CodeGateway 网关会跟随上游变化——上游改价我们改 CMS 价格表，新价格在 /pricing 实时生效。已下达但未完成的请求按下达时刻的价格结算。

Q：图像版权归谁？

A：取决于上游模型的 ToS：

• Imagen / Gemini：Google 的 Generative AI Terms，商用大部分允许，部分内容（涉及人物）有限制。
• GPT Image：OpenAI 的 Usage Policies，用户拥有生成内容的所有权。

CodeGateway 网关不主张图像版权——你生成的图归你。但版权不等于合规——别用来生成公众人物 / 商标侵权 / 违反平台 ToS 的内容。

相关资料

• 博客配图 1 小时 16 张 $0.92 真实账本 —— 本文素材来源、完整 dogfood 复盘
• Codex CLI vs Claude Code 怎么选 —— 同样"按场景选"的工具对比
• 充值费用指南
• 阶梯倍率详解
• Google Cloud：Imagen 4 model card
• Google Cloud：Gemini 2.5 Flash Image
• OpenAI：Image Generation guide
• 实战脚本与 spec 模板：Whitedit/code-gateway-cookbook · image-gen/

选图像 API 跟选 AI 编程工具一样——别比综合，比单项。中文标注 → Gemini；写实 hero → Imagen；UI mockup → GPT Image；纯装饰 → Imagen 4 fast。把这张推荐表贴在 spec 注释里，下次写 prompt 时少几次返工。