圖片生成 API 成本：5 個模型實測比較（$0.006–$0.039）

我們在原本用於文字 LLM 的閘道加入圖片生成功能，並針對模型、解析度、圖片數量與品質這 4 個變因實測成本。影響最大的是品質。多數圖片 API 都提供這項參數，但大部分呼叫端都直接沿用預設值。解析度、prompt 快取與批次處理的影響，遠低於一般預期。

TL;DR

• gpt-image 的 quality 設定在相同解析度下，可讓費用相差約 36 倍：1024x1024 的 low／medium／high 分別計費 196／1,756／7,024 個輸出 token（$0.0060／$0.053／$0.211）。
• 選擇不同模型可讓成本相差 6.4 倍：gpt-image-2 的 low 品質每張 $0.0060，gemini-2.5-flash-image 則是 $0.0387。
• 解析度影響很小：gpt-image-2 從 1024x1024 提升到 2048x2048，每張成本僅增加為 2 倍。
• 圖片生成不支援 prompt 快取，而且 n=4 會對 prompt 重複計費 4 次。輸出低於約 1,000 個 token 時，按 token 計費較便宜；超過後則是每張固定計費較有利。

圖片模型有哪些差異

圖片模型不能直接互換。它們在多個面向上都有差異，其中只有計費方式直接涉及價格。目前可用的模型概況如下：

如果假設所有模型的行為都相同，以下幾個差異很容易造成問題：

• 計費方式。 可分為按 token 計費（gpt-image、gemini）與每張固定計費（qwen、wan、seedream）。這項差異直接決定帳單，下一節會詳細說明。
• quality 設定。 只有 gpt-image 提供這項設定（low／medium／high）。Gemini 透過模型層級（flash 到 pro）或 image_size 調整品質；固定計費模型則沒有類似選項。單是這個設定就能讓費用相差約 36×，因此它是最主要的成本變因，後文會進一步分析。
• 並非所有模型都支援批次（n>1）。 gpt-image、qwen 與 wan 一次呼叫可回傳多張圖片。所有 Gemini 與 Seedream 圖片模型每次呼叫只能產生 1 張圖片：設定 n=2 會回傳 400，因此需要送出 N 個請求，並自行協調批次流程。
• 解析度限制不只設上限，也可能設下限。 gemini-2.5-flash-image 上限為 1K（1 MP），gemini-3 則可達 2K／4K（帳單從 1K 到 4K 約增加為 2 倍）。Seedream 4.5/5.0 的最低解析度約為 1920²，更小的尺寸會被拒絕。qwen-image 支援 512²–2048²。較高的解析度不一定可用，也不一定能靠降低解析度省錢。
• 控制參數與以圖生圖能力不同。 只有部分模型支援 seed、negative_prompt 或 guidance_scale。圖片編輯可接受的參考圖片上限，則從 3 張（gemini-2.5）到 16 張（gpt-image）不等。

quality 有一個不容易看出的特性。對 gpt-image 而言，輸出 token 是計費單位，不代表實際取得的檔案大小。OpenAI 根據公開的（quality × size）費率表指定 token 數量。例如 gpt-image-1 在 1024² 下，low／medium／high 分別是 272／1,056／4,160 個 token。因此，token 數量由 quality 決定，而不是根據回傳的位元組數計算。我們已實際驗證：同一個 prompt 在 1024² 下使用 3 種品質，產生的都是相同 1024×1024、檔案大小相近（約 0.9 MB）的 PNG，但分別計費 196、1,756 與 7,024 個 token。解析度與位元組大小相同，成本卻相差 36×。你付的是渲染所需的運算成本，不是像素數量。因此應查看 usage，不能只憑輸出結果判斷。

這些模型全都不支援 prompt 快取，而這通常是大家最先想到的省錢方式。圖片生成是無狀態的：沒有對話或 KV 狀態可以重用，usage 物件也不包含快取欄位。根據後面的實測，批次處理同樣不會共用 prompt。快取是聊天功能，不適用於圖片生成，因此無法用這種常見做法降低圖片成本。

實測結果

我們透過閘道執行實際生成，使用同一個電商風格的商品 prompt，並依各模型的公開費率與回傳的 usage 計算成本。以下 5 項結論分別來自不同的測試。

1. 成本來自圖片，不是 prompt。 在文字生成圖片的流程中（輸入 prompt、輸出圖片），帳單有 97–100% 來自輸出 token：gpt-image-2 生成一張 1024² 圖片時，輸入為 21 個 token、輸出為 196 個 token（約 $0.0001 加 $0.0059）；gemini-2.5-flash-image 的輸入則是 10 個 token。文字 prompt 的成本幾乎可以忽略，但這只因為輸入是文字。若改為輸入圖片，例如以圖生圖的「把這個馬克杯改成藍色」，輸入 token 就會大幅增加：

輸入量會增加 50–130×，而且呈線性成長：gpt-image-2 每增加一張參考圖，約多出 1,025 個 token。實測 1、2、3 張參考圖時，分別為 1,043、2,068 與 3,093 個 token。在 low 品質下，這些輸入 token 是生成輸出的 5 倍。不論是哪種流程，成本都來自圖片，無論圖片是由模型生成還是由你提供；prompt 本身從來不是主要成本。本文其餘內容聚焦於文字生成圖片；以圖生圖的完整成本分析會另文說明。

2. 選擇模型可讓成本相差 6×。 使用相同的 1024² 請求與預設品質：

最便宜與最昂貴的方案相差 6.4×，差異完全來自各模型產生的輸出 token 數量。

3. 解析度對成本影響很小。 將 gpt-image-2 從 1024² 調到 2048²，每張成本大致維持在同一個量級（$0.0060 到 $0.0121）；輸出 token 不會與像素數量成正比。無論要求哪種尺寸，gemini-2.5-flash-image 都回傳相同的 1,290 個 token，因為它只支援 1K，size 只會改變長寬比。（gemini-3 圖片模型確實會依 image_size 調整，成本從 1K 到 4K 約增加為 2 倍；但本文測試的 2.5-flash-image 不會。）每張固定計費的模型，成本本來就與解析度無關。到這裡為止，按 token 計費的模式看來很難被超越。

4. 品質會讓成本優勢反轉。 以下是 gpt-image-2 在各品質層級的測試結果：

輸出 token 從 low 到 medium 約增加 9×，從 low 到 high 則約增加 36×。在 low 品質下，按 token 計費最便宜；到了 medium 或 high，就會超過每張固定價格（$0.03–0.035）。依計算結果，交叉點約在 1,000 個輸出 token（$0.03 ÷ $30/M）：low 低於這個門檻，medium 則高於門檻。這也修正了我們先前的結論。「按 token 計費永遠最便宜」只是因為當時測試的是預設 low 品質。

相同的 prompt、gpt-image-2、1024²。low／medium／high 分別計費 196／1,756／7,024 個輸出 token，即 $0.006／$0.053／$0.215：解析度相同，成本卻相差 36×。像這種背景乾淨的商品照，3 種品質很難看出差別，因此最便宜的層級通常已經足夠。應依工作需求設定 quality，不要一律預設使用 high。

5. 多張圖片不能共用 prompt。 單次呼叫生成 n 張圖片，不會分攤 prompt 成本。gpt-image-2 會將 prompt 計費 N 次：n=4 時，輸入 token 從 28 增加到 112；使用較長的品牌 prompt 時，則從 499 增加到 1,996。n=1 與 n=4 的每張成本完全相同。圖片生成既沒有快取，也沒有任何可共用 prompt 成本的機制。每張輸出圖片都要付費，prompt 也會逐張重新計費。

選擇方式

對文字生成圖片而言，真正的決定因素是品質，而不是一般人直覺想到的項目：

• Low／草稿／縮圖品質： 選擇依品質按 token 計費的模型（gpt-image，約 $0.006–0.012）。解析度在約 2K 以下時都最便宜。
• Medium／high 品質： 選擇每次請求固定計費（seedream／qwen，$0.03–0.035）。按 token 計費會快速攀升（本次測試為 $0.05–0.43），固定計費不只更便宜，也不受品質影響。
• gemini（預設 1K 約 $0.039）很少是成本最優的選擇。 Low 品質有更便宜的 gpt-image，medium 與 high 則有每次請求固定計費的模型。它沒有 quality 設定；若要提升輸出品質，應選 Pro 層級或更高的 image_size，而不是期待價格優勢。
• 同一品質層級內，解析度最多讓成本增加約 2×， 不足以改變模型選擇。品質才會。
• n>1、快取與批次處理都不會降低每張成本。 沒有任何成本可以共用。
• 以圖生圖：預設選擇每張固定計費。 參考圖片屬於輸入，只有按 token 計費的模型會加收費用（每張約 1,025 個 token）；固定計費模型則免費包含。因此圖片編輯通常由 seedream／qwen 勝出。只有在 low 品質且參考圖不多時，gpt-image 仍較便宜（約 5 張時會超過固定價格）；品質或參考圖數量增加後就不再划算。

電商是最明顯的例子。假設你為商品目錄中的每個品項生成商品照，每次都傳送相同且很長的品牌 prompt，並認為快取這段重複 prompt 可以省錢。這個假設有兩個問題：prompt 原本就不是主要成本，圖片才是；而且圖片生成根本沒有快取。實際商品圖片通常需要 medium 以上的品質，因此應選擇每張固定計費的模型。無論 prompt 重複程度多高，這種方式都更便宜，成本也更容易預估。

不過，前面提到的能力限制仍可能推翻成本選擇，包括模型是否每次只能生成 1 張圖片、解析度上下限、資料駐留限制，以及模型提供哪些參數（seed、negative_prompt、guidance_scale）。先按成本挑選，再確認功能是否符合需求。

為什麼這些數字可信

這些數字來自實際回傳的 usage，並按各供應商的公開牌價計算，不是估算值。我們閘道的圖片計費不依賴 session：只有收到 2xx 才會結算（生成失敗不收費）；在產生任何費用前，會先檢查最壞情況下的成本；若回應缺少 usage，則按上限計費，而不是默默記為 $0。我們一直遵循同一個原則：相信實際成本，不直接採信供應商提供的數字。這也是我們用來稽核閘道是否虛報快取資料的方法。

結論

圖片生成看起來只是另一個 endpoint，但計費單位已經不同。對文字生成圖片而言，真正影響成本的不是 prompt（沒有快取，也不能透過批次共用），也不是解析度，而是品質。Low 品質時 gpt-image 最便宜；到了 medium 與 high，每張固定計費的 seedream／qwen 更有優勢，交叉點約在 1,000 個輸出 token。應明確設定品質，依品質選擇模型，並檢查實際成本。從生成改為編輯、開始輸入參考圖片時，必須重新計算，因為輸入圖片會成為主要成本。

常見問題

Prompt 快取能降低圖片生成成本嗎？ 不能。圖片生成是無狀態的：usage 物件沒有快取欄位，批次處理也會對每張圖片重新計費 prompt。成本來自輸出圖片，不是文字。

按 token 還是按圖片計費比較便宜？ 取決於品質。Low 或草稿品質可選擇有 quality 設定的模型，例如 gpt-image（約 $0.006–0.012）。Medium 或 high 則適合每張固定計費的 seedream／qwen（$0.03–0.035），因為按 token 計費會快速攀升。以圖生圖更偏向固定計費：這類模型免費包含參考圖片，按 token 計費則會對每張加收約 1,025 個 token。

資料來源

• OpenAI：圖片生成 API
• OpenAI：gpt-image 按 token 計價
• Google：Gemini API 定價（圖片輸出 token）
• OpenAI：Prompt 快取（為何不適用於圖片生成）

所有資料均於 2026-06-19 查核。本文不構成財務建議；採用前請確認最新價格。

← 返回部落格