要保真选 Nano Banana 2，要多参考图一次合成选 gpt-image-2 图生图线，要 4K 高端主图再考虑 Nano Banana Pro。这个结论不是看规格表得出的：我们把同一张原图、同一条改图指令分别发给三个模型，把未经修饰的结果并排摆出来对比。三个模型都已在 HiAPI 上线，打开模型页可直接试玩，新用户注册送 200 积分。
大多数「最佳图生图 API」盘点比的是参数表。我们比的是出图。原图是一张故意拍得很乱的照片：鼠尾草绿陶瓷手冲滤杯，躺在满是面包屑、亚麻布和窗台杂物的厨房台面上。这正是真实的「帮我改干净好上架」需求的样子。（这张图是我们之前用 gpt-image-2/text-to-image 生成的，现在它是我们的 i2i 标准测试输入。）
测试设定：一张图，一条指令，三个模型
参测模型，全部通过 HiAPI 的异步任务 API调用：
- gpt-image-2/image-to-image@ext：GPT Image 2 编辑线，最多 6 张参考图，16 种画幅比例，4K 输出，低/中/高三档质量
- nano-banana-2：Nano Banana 系列的主力款，图生图加文生图，4K 输出，文字渲染强
- nano-banana-pro：同系列高端线，面向品牌级主图
每个模型收到的是逐字相同的指令：
Replace the background: put this exact sage green ceramic pour-over coffee
dripper, unchanged - same shape, same matte glaze, same camera angle - on a
polished white marble countertop against a seamless pale warm-grey studio
backdrop. Remove the crumbs, cloth and clutter. Soft diffused studio lighting,
gentle realistic shadow under the product, professional e-commerce catalog
photography. No text.
这是一次典型的电商换背景：产品留下，世界换掉。它是图生图 API 最常见的商业用法，也最考验规格表看不出来的东西——身份保持：模型交还的是你的产品，还是一个以假乱真的相似品。
每个模型交回了什么
gpt-image-2/image-to-image@ext
用这个提示词生成 →（画幅选 1:1，质量选 medium，分辨率选 1K）
指令遵循很到位：大理石台面、暖灰无缝背景、杂物清干净、柔和的摄影棚阴影、商品目录构图。但看产品本身。釉面比原来的哑光质感更亮、更斑驳，杯口多了一条原图上不存在的浅棕色描边。造型、内壁棱线和把手都正确——漂移的是材质。做概念图和情绪板这无所谓；用在在售商品页上，你的商品运营一眼能看出来。
这次跑的是 quality: "medium"、1K。
nano-banana-2
用这个提示词生成 →（分辨率选 1K 即可，1K 是最便宜的一档）
这张结果让我们回头检查了一遍有没有弄混文件。哑光釉面、棱线、未上釉的杯口、把手，连机位角度都几乎原封不动，而台面和背景按要求换成了大理石和暖灰。如果需求是「这个 SKU 原样换个场景」，nano-banana-2 是这次测试里身份保持最好的一个。
nano-banana-pro
用这个提示词生成 →（分辨率选 1K 或 2K，两档同价）
同一家族，同样的保真度：产品连哑光质感都保住了，画面整体偏暖、大理石纹理更明显，直出就带点「画册感」。单张换背景这种活值不值得上 Pro，要看你的预算；Pro 的优势更多体现在多元素复杂构图和顶级主图上，而不是这种单一产品图。
一眼看懂的对照表
| 模型 | 指令遵循 | 产品身份保持 | 参考图上限 | 最大输出 | 单张价格 |
|---|---|---|---|---|---|
| gpt-image-2/image-to-image@ext | 完全 | 部分，釉面杯口有漂移 | 6 张 | 4K | $0.007–0.76 |
| nano-banana-2 | 完全 | 几乎一致 | 多张 | 4K | $0.018–0.043 |
| nano-banana-pro | 完全 | 几乎一致 | 多张 | 4K | $0.0285–0.05 |
以上观察来自 2026 年 7 月 5 日一次受控测试。换一类主体（人脸、织物、文字排版），三个模型的排名可能不同——这正是本文的核心：你可以用自己的图在几分钟内重跑一遍这个实验。
价格：已对实时价格页核实（截至 2026-10）
以下价格已与 HiAPI 价格页 实时核对，全部按张计费、随用随付，不需要订阅。完整质量×分辨率矩阵见模型页。
gpt-image-2/image-to-image@ext 按质量 × 分辨率计费：
| 质量 | 1K | 2K | 4K |
|---|---|---|---|
| low | $0.007 | $0.015 | $0.022 |
| medium | $0.061 | $0.132 | $0.217 |
| high | $0.245 | $0.535 | $0.76 |
Nano Banana 两款只按分辨率计费：
| 模型 | 1K | 2K | 4K |
|---|---|---|---|
| nano-banana-2 | $0.018 | $0.0285 | $0.043 |
| nano-banana-pro | $0.0285 | $0.0285 | $0.05 |
三条实用建议：
- 迭代提示词最便宜的方式是 gpt-image-2 low/1K：$0.007 一次。 在低档快速试出满意的提示词，再用高质量档或 Nano Banana 重跑定稿。
- nano-banana-pro 的 1K 和 2K 同价（$0.0285），要 Pro 就直接点 2K。
- 更高质量档提升的是细节锐度，不改变身份保持行为。我们在 medium 档看到的材质漂移，到 high 档只会更清晰。
输入字段不通用，这是首次接入最容易踩的坑
三个模型背后是同一个接口 POST https://api.hiapi.ai/v1/tasks，但 input 结构按模型家族分两套，首次集成的 bug 几乎都在这里。
GPT Image 2 编辑线收 image_urls，quality 和 resolution 都是必填：
curl -s -X POST https://api.hiapi.ai/v1/tasks \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-image-2/image-to-image@ext",
"input": {
"prompt": "Replace the background: put this exact product on a marble countertop...",
"image_urls": ["https://your-cdn.example.com/source.jpg"],
"quality": "medium",
"resolution": "1K"
}
}'
Nano Banana 两款收 image_input，带 aspect_ratio 和 resolution：
curl -s -X POST https://api.hiapi.ai/v1/tasks \
-H "Authorization: Bearer $HIAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "nano-banana-2",
"input": {
"prompt": "Replace the background: put this exact product on a marble countertop...",
"image_input": ["https://your-cdn.example.com/source.jpg"],
"aspect_ratio": "1:1",
"resolution": "1K"
}
}'
两者都返回 data.taskId。轮询任务详情接口直到 status 变为 success，然后尽快下载 output[0].url——输出链接有时效，拿到后立刻转存到自己的存储。我们的三张改图在异步队列里都只用了几分钟。
有个省心的细节：字段名写错时，400 响应会直接给出期望的结构（"image_urls: missing required field"），猜错一次只花几秒钟，不需要开一场 debug 会。
多参考图才是改变工作流的地方
单图编辑是日常，但两个家族都接受多张输入图，产品与角色的一致性工作都发生在这里：
gpt-image-2/image-to-image@ext的image_urls最多收 6 张参考图，足够把一整套品牌板（产品图、配色参考、排版参考）喂给一次编辑。- Nano Banana 两款的
image_input接受多张参考图，在跨场景保持主体稳定上表现突出。
我们自己素材库里的两张 nano-banana-2 出图展示了实际效果，两张图都由同一只瓶子和同一个人的参考图驱动：
技巧在提示词里：点明不能变的东西（"this exact serum bottle, unchanged — same amber glass, same black dropper cap"），其余交给模型重建。完整流程见我们的 Nano Banana 电商产品图指南。
按场景怎么选
- 改自己的产品或角色，身份保持是硬要求 → 先用 nano-banana-2，本次测试里保真性价比最高；1K 只要 $0.018 一张，$10 能出约 550 张。
- 大批量、成本敏感的提示词迭代 → gpt-image-2/image-to-image@ext 的 low/1K，$0.007 一次。便宜地试错，出好提示词再升档。
- 需要一次喂入多张参考图的品牌板工作流 → gpt-image-2/image-to-image@ext，三款里唯一支持 6 张参考图的。
- 4K 高端主图 → nano-banana-pro，但先用 $0.043 的 nano-banana-2 4K 做对照——单一主体的场景下，两者的差距比价差小。
如果你在权衡要不要分别接入各家模型，生产环境里真正重要的标准是：能在公开页面上核实的按张价格、一套鉴权和一套任务轮询而不是多套、换模型只改 model 字符串不用重写流程。这是统一接口的价值，和你现有栈给不给得了，自己掂量。
常见问题
图生图 API 和文生图 API 有什么区别？ 文生图只凭描述生成画面。图生图接受一张或多张输入图加一条指令，返回修改后的图：换背景、改风格、编辑物体，或用多张参考图合成构图。本文测试的模型都支持图生图，多数也支持从文生图。
这次对比里最便宜的图生图 API 是哪个？
按标价是 gpt-image-2/image-to-image@ext 的 low 质量 1K：$0.007 一张。既便宜又保住产品原样的方案是 nano-banana-2 的 1K：$0.018。
最多能传几张参考图？
gpt-image-2/image-to-image@ext 通过 image_urls 最多 6 张。Nano Banana 两款通过 image_input 接受多张参考图，上面那组瓶子和人像的一致性出图就是这么做的。
改图里的文字能渲染吗？ nano-banana-2 把文字渲染列为招牌能力，涉及标签或包装文案的编辑选它更稳。无论用哪个模型，渲染出来的文字发布前都要人工校对一遍。
用你自己的图跑一遍
回答「哪个图生图模型适合我的内容」最快的方式，就是我们用的方式：选一张原图，写一条改图指令，分别在 gpt-image-2/image-to-image@ext、nano-banana-2、nano-banana-pro 上各跑一次——在 HiAPI 这是三个除了 model 字符串完全相同的 POST。跟着快速开始指南拿一个 API key，按现价（medium/1K + 两张 1K）整套三模型实验大约 $0.11，比那只滤杯冲出来的咖啡还便宜。
