加载中…
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。
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：
5 个 prompt 测试，每 prompt 同时投给 3 个模型，对比效果。
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.
模型 | 中文渲染 | 备注 |
|---|---|---|
Imagen 4 (std) | ⚠️ 中文常变形或缺笔 | 写实强，但文字弱 |
Gemini 2.5 Flash Image | ✅ 中文清晰可读 | 中文场景可用 |
GPT Image 2 | ✅ 中文更准确 | 这个场景的推荐方案 |
结论：含中文文字标注 → GPT Image 2 优选，Gemini 备选，Imagen 4 不适合。
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.
模型 | 视觉质感 | 备注 |
|---|---|---|
Imagen 4 std | ✅ Editorial 感顶级 | 概念插画的天花板 |
Gemini 2.5 Flash Image | ⚠️ 偏图标化、缺 editorial 质感 | 不是这个 strength |
GPT Image 2 medium | ✅ 风格干净 + 原生支持 16:9 横版 | hero 容器友好 |
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。
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.
模型 | UI 质感 | 备注 |
|---|---|---|
Imagen 4 | ⚠️ 偏插画感 | 不在 strength 区 |
Gemini 2.5 Flash Image | ✅ 数字渲染准 + 清晰 | 数据卡片场景强 |
GPT Image 2 medium | ✅ 最像真实产品 UI | UI mockup 的推荐方案 |
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。
A minimal abstract illustration with soft purple gradient,
overlapping geometric shapes, no text, subtle grain texture,
modern editorial style.
模型 | 美学 | 备注 |
|---|---|---|
Imagen 4 fast | ✅ 性价比顶级 | $0.02/图，装饰图较合适 |
Gemini 2.5 Flash Image | ⚠️ 偏功能化、缺艺术感 | 错位 |
GPT Image 2 | ✅ 美学 OK | 但慢且贵 |
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。
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.
模型 | 编号渲染 | 中文渲染 | 备注 |
|---|---|---|---|
Imagen 4 | ⚠️ 数字 OK / 中文乱 | 不适合 | — |
Gemini 2.5 Flash Image | ✅ 数字 + 中文都准 | ✅ | 备选 |
GPT Image 2 | ✅ 数字 + 中文更准 | ✅ | 步骤图推荐 |
结论：步骤图 / 编号信息图（含中文）→ GPT Image 2 优选，Gemini 备选。
把上面 5 个 prompt 的表现归并到 5 个评分维度（1-5 分制）：
维度 | Imagen 4 fast | Imagen 4 std | Gemini 2.5 Flash Image | GPT Image 2 medium |
|---|---|---|---|---|
中文文字渲染 | 1 | 2 | 4 | 5 |
写实/概念插画 | 4 | 5 | 2 | 4 |
卡通 / UI 风格 | 2 | 3 | 3 | 5 |
速度（端到端） | 5 (~7-9s) | 4 (~10-12s) | 3 (~8-17s) | 1 (~56-71s) |
成本（按图） | 5 ($0.02) | 4 ($0.04) | 3 (~$0.06) | 4 ($0.041) |
场景适配总分 | 17 | 18 | 16 | 17 |
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。
CodeGateway 把 4 个模型的真实计费透传：
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）。
直接抄到你的 spec 决策注释里：
场景 | 推荐 | 备选 | 单图成本 |
|---|---|---|---|
博客 hero（1:1） | Imagen 4 std | Imagen 4 fast | $0.04 / $0.02 |
博客 hero（16:9 横版） | GPT Image 2 medium | — | $0.041 |
博客文中插图（写实） | Imagen 4 fast | Imagen 4 std | $0.02 / $0.04 |
博客文中信息图（含中文标注） | GPT Image 2 medium | Gemini 2.5 Flash Image | $0.041 |
博客文中步骤图 / 流程图 | GPT Image 2 medium | Gemini 2.5 Flash Image | $0.041 |
产品 UI mockup / 卡片模拟 | GPT Image 2 medium | Gemini | $0.041 |
纯装饰 / 抽象 / 背景图 | Imagen 4 fast | — | $0.02 |
OG 抓图（1.91:1 接近 16:9） | GPT Image 2 medium | Imagen 4 std + 客户端裁切 | $0.041 |
Logo / 品牌图（精确还原） | 不要用 AI 生图 | — | — |
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。
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。
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"}'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）。
Sprint 4b 博客配图 dogfood 跑了 4 篇博客 / 16 张图 / 4 个模型混用：
模型 | 张数 | 用途 | 成本 |
|---|---|---|---|
Imagen 4 std | 4 | hero（1024×1024） | $0.16 |
Imagen 4 fast | 3 | 文中写实插图 | $0.06 |
Gemini 2.5 Flash Image | 9 | 信息图 / 步骤图（含中文标注） | $0.54 |
GPT Image 2 medium | 4 | hero 16:9 重生 | $0.164 |
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：
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"。
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：
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。
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。