gemini-3.1-flash-lite-image vs wan2.7-image-pro
何时使用哪一个 — 经过整理的结论，而非基准测试表格
这两者的计费单位不同——gemini-3.1-flash-lite-image 按 token 计费（输入 $0.25 每百万，输出 $30 每百万），而 wan2.7-image-pro 按次调用计费（每次调用 $0.075）——因此任何单一的换算方式都是不准确的，你应该根据自己平均的请求形态进行比较。当你希望从文本或图像输入中同时获得返回的文本和图像，并且输出上限为 4096 token、知识截止日期为 2025-01 时，请选择 gemini-3.1-flash-lite-image。对于纯图像输出生成，请选择 wan2.7-image-pro，其固定的每次调用计费使得无论提示词长度如何，成本都可预测。
定价
| gemini-3.1-flash-lite-image | wan2.7-image-pro | Δ | |
|---|---|---|---|
| 每张生成图像 | — | $0.075 | — |
| 输入 / 1M tokens | $0.25 | — | — |
| 输出 / 1M tokens | $30 | — | — |
这两个模型的计费单位不同，因此不显示 Δ — 它们之间的转换需要基于我们尚未实测的假设。上面列出的每张费率卡均采用其自身对应的单位。
规格
| gemini-3.1-flash-lite-image | wan2.7-image-pro | |
|---|---|---|
| 输入模态 | 文本 图像 | 文本 图像 |
| 输出模态 | 文本 图像 | 图像 |
| 发布日期 | 2026-06-30 | 2026-04-01 |
| 知识截止日期 | 2025-01 | — |
| 输出尺寸 | 1K only (1:1 = 1024x1024) |
|
| 输入模式 | 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 |
| 每次请求图像数 | — | 12 |
| 格式 | — | png |
| 备注 | 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 |
规格转录自各供应商的文档；若供应商未发布某项数据，则直接省略该行，而非进行推断。 完整来源： gemini-3.1-flash-lite-image · wan2.7-image-pro
单个 Prompt，两个模型 —— 通过网关实测
统一提示词，每个模型单次请求，无重试且无择优挑选 —— 均为各模型返回的首个结果。尺寸与时长均未固定：各模型使用自身的默认值，因为试图适配所有模型的请求参数无法展现任何模型的优势。此处文件已为 Web 重新编码，因此请评判构图与提示词遵循度，而非压缩质量。
只需一行代码即可在它们之间切换
两个 ID 都包含在下方的每个选项卡中 — 高亮显示的两行是唯一的修改。相同的端点，相同的密钥，相同的请求结构。
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", # 取消注释此行，注释上一行
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", // 取消注释此行，注释上一行
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", # 取消注释此行，注释上一行
"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", // 取消注释此行，注释上一行
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") // 取消注释此行，注释上一行
.prompt("a watercolor lighthouse at dawn")
.size("1024x1024")
.build());
System.out.println(resp.data().orElseThrow().get(0).b64Json().orElseThrow().substring(0, 80));常见问题
gemini-3.1-flash-lite-image 和 wan2.7-image-pro 哪个更便宜？
它们的计费单位不同，因此不存在单一的绝对数字：在上方表格中，gemini-3.1-flash-lite-image 和 wan2.7-image-pro 分别以各自的单位显示。请根据你自己的工作负载进行比较——本页顶部的结论中描述了实际的权衡。
我可以在不进行两次集成的情况下，对 gemini-3.1-flash-lite-image 和 wan2.7-image-pro 进行 A/B 测试吗？
可以。两者均通过同一个兼容 OpenAI 的端点提供服务，并使用同一把 API 密钥——切换只需更改一行模型字符串，因此你可以将一部分流量路由到各个模型并直接比较账单。
价格会随图像尺寸变化吗？
这取决于模型的计费方式。按图像计费的模型，无论提示词或输出尺寸如何，收费均相同；按 token 计费的模型则会随着你渲染的分辨率而增加费用，因此 4K 图像的成本是小尺寸图像的数倍。上方表格标明了各个模型适用的计费方式。