gemini-3.1-flash-lite-image vs wan2.7-image-pro
何時該用哪一個 — 綜合評斷，而非基準測試數據表
這兩者的計費單位不同 — gemini-3.1-flash-lite-image 依 token 計費（輸入每百萬 $0.25，輸出每百萬 $30），而 wan2.7-image-pro 則是每次呼叫 $0.075 — 因此沒有單一的轉換方式是客觀的，您應該根據自身平均的請求型態進行比較。當您希望從文字或影像輸入中同時獲得回傳的文字與影像，且需要 4096 個 token 的輸出上限與 2025-01 的知識截止日期時，請選擇 gemini-3.1-flash-lite-image。若只需純影像輸出生成，請選擇 wan2.7-image-pro，其每次呼叫的固定定價可讓成本不受提示詞長度影響，更具可預測性。
定價
| gemini-3.1-flash-lite-image | wan2.7-image-pro | Δ | |
|---|---|---|---|
| 每張生成圖片 | — | $0.075 | — |
| 輸入 / 1M tokens | $0.25 | — | — |
| 輸出 / 1M tokens | $30 | — | — |
這兩個模型以不同的單位計費，因此未顯示 Δ — 在兩者之間進行換算需要基於我們未曾實測的假設。上方各費率卡均以其專屬的單位列出。
規格
| gemini-3.1-flash-lite-image | wan2.7-image-pro | |
|---|---|---|
| 輸入模態 | 文字 影像 | 文字 影像 |
| 輸出模態 | 文字 影像 | 影像 |
| 發布日期 | 2026-06-30 | 2026-04-01 |
| 知識截止日期 | 2025-01 | — |
| 輸出尺寸 | 1K only (1:1 = 1024x1024) |
|
| 輸入模式 | text-to-image, interleaved generation + editing, up to 14 reference images | text-to-image, image editing (incl. bounding-box interactive edit), 0–9 reference images, text/image-to-image-set |
| 每次請求圖片數 | — | 12 |
| 格式 | — | png |
| 備註 | 1K (1024px) output only 10 aspect ratios (1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9) and up to 14 reference images interleaved generation and editing with fast multi-turn local edits sub-2s end-to-end latency SynthID + C2PA watermarking always on | 4K text-to-image (max 4096x4096; editing max 2K), aspect ratios 1:8-8:1 instruction + click-to-edit editing character-consistent sets up to 12 images print-quality text rendering incl. formulas/tables |
規格摘錄自各供應商的文件；供應商未發布的資料列會直接省略，而非自行推測。 完整來源： gemini-3.1-flash-lite-image · wan2.7-image-pro
單一提示詞，兩款模型 — 經由閘道測量
單一提示詞，每個模型一次請求，不重試且不擇優挑選——皆為各模型回傳的第一個結果。尺寸與長度皆未強制指定：每個模型均使用其預設值，因為若將請求調整為迎合所有模型，反而無法展現任何一方的優勢。此處的檔案皆已針對網頁重新編碼，因此請評斷其構圖與提示詞遵循度，而非壓縮品質。
只需一行程式碼即可在兩者間切換
以下每個頁籤中都有這兩個 ID — 醒目提示的這兩行是唯一的修改處。相同的端點，相同的金鑰，相同的請求結構。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.images.generate(
model="gemini-3.1-flash-lite-image",
# model="wan2.7-image-pro", # 取消註解此行，並註解上一行
prompt="a watercolor lighthouse at dawn",
size="1024x1024",
)
print(resp.data[0].b64_json[:80])import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.images.generate({
model: "gemini-3.1-flash-lite-image",
// model: "wan2.7-image-pro", // 取消註解此行，並註解上一行
prompt: "a watercolor lighthouse at dawn",
size: "1024x1024",
});
console.log(resp.data?.[0]?.b64_json?.slice(0, 80));curl https://synthorai.io/v1/images/generations \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.1-flash-lite-image",
# "model": "wan2.7-image-pro", # 取消註解此行，並註解上一行
"prompt": "a watercolor lighthouse at dawn",
"size": "1024x1024"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Images.Generate(context.TODO(), openai.ImageGenerateParams{
Model: "gemini-3.1-flash-lite-image",
// Model: "wan2.7-image-pro", // 取消註解此行，並註解上一行
Prompt: "a watercolor lighthouse at dawn",
Size: "1024x1024",
})
fmt.Println(resp.Data[0].B64JSON[:80])
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.images.*;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ImagesResponse resp = client.images().generate(
ImageGenerateParams.builder()
.model("gemini-3.1-flash-lite-image")
// .model("wan2.7-image-pro") // 取消註解此行，並註解上一行
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));常見問題
gemini-3.1-flash-lite-image 和 wan2.7-image-pro 哪個比較便宜？
兩者的計費單位不同，因此沒有單一絕對的數字：gemini-3.1-flash-lite-image 和 wan2.7-image-pro 在上表中均以各自的單位呈現。請根據您自身的工作負載進行比較 — 本頁頂部的結論說明了實務上的取捨。
我可以在不進行兩次整合的情況下，對 gemini-3.1-flash-lite-image 和 wan2.7-image-pro 進行 A/B 測試嗎？
可以。兩者皆透過同一個相容 OpenAI 的端點提供服務，並使用同一把 API 金鑰 — 切換只需更改一行的模型字串，因此您可以將部分流量分別導向兩者並直接比較帳單。
價格會隨圖片大小改變嗎？
這取決於模型的計費方式。按圖片計費的模型無論提示或輸出大小為何，收費皆相同；按 token 計費的模型則會根據您生成的解析度等比例縮放，因此 4K 圖片的成本會是小圖片的數倍。上表顯示了各模型適用的計費方式。