gemini-3.1-flash-lite-image vs wan2.7-image-pro
什麼情況選哪一個
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 | - | - |
這兩個模型的計費單位不同，所以不顯示 Δ：要在兩者之間換算，就得套用一個我們沒有實測過的假設。上方的價目各自以原本的單位列出。
規格
| gemini-3.1-flash-lite-image | wan2.7-image-pro | |
|---|---|---|
| 輸入模態 | 文字 圖像 | 文字 圖像 |
| 輸出模態 | 文字 圖像 | 圖像 |
| 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) |
|
| 輸入方式 | 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；供應商沒有公布的項目就直接略過，不自行推測。 完整來源： gemini-3.1-flash-lite-image · wan2.7-image-pro
同一段提示詞，兩個模型，經閘道實測
同一段提示詞，每個模型只送一次請求，不重試，也不挑比較好的結果，看到的就是各模型回傳的第一個結果。尺寸和長度都沒有指定，各模型用的是自己的預設值；如果硬把請求調成每個模型都適用的規格，反而誰的長處都看不出來。這裡的檔案都為了網頁重新編碼過，所以請看構圖和有沒有照提示詞做，不要拿來評斷壓縮品質。
改一行程式碼就能在兩者之間切換
下面每個頁籤都列了這兩個模型 ID，要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。
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", # 取消這一行的註解，並把上一行註解掉
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", // 取消這一行的註解，並把上一行註解掉
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", # 取消這一行的註解，並把上一行註解掉
"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", // 取消這一行的註解，並把上一行註解掉
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") // 取消這一行的註解，並把上一行註解掉
.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，沒辦法用一個數字公允地比較：上表中 gemini-3.1-flash-lite-image 和 wan2.7-image-pro 各自以原本的單位列出。請拿你自己的工作負載來比，實務上怎麼取捨，本頁最上方的結論有說明。
可以只串接一次，就對 gemini-3.1-flash-lite-image 和 wan2.7-image-pro 做 A/B 測試嗎？
可以。兩個模型都走同一個 OpenAI 相容端點，用的也是同一把 API 金鑰，切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊，再直接比較帳單。
價格會隨圖片大小改變嗎？
要看模型怎麼計費。按張計費的模型，不管提示詞長短或輸出尺寸，每張收費都一樣；按 token 計費的模型，費用會隨生成的解析度增加，所以一張 4K 圖片的成本會是小圖的好幾倍。各模型適用哪一種，上表都有標示。