Castaly · 博客 · 价格与计费
AI 图像模型横评：Castaly 十款模型的价格与功能
GPT Image、Gemini、Seedream 与 Wan 并排对比：按张计费的价格、按 token 计费模型如何预估和结算，以及什么任务该选哪款模型。
Castaly 共有十款图像模型，计费方式分两种。四款按张固定收费，不论尺寸；六款按 token 计费，所选尺寸和质量会改变价格，生成前创作台显示的金额是预估，而不是最终扣费。
本文从价格和创作台里可用的功能两方面，对比这十款模型。
结论先看
按创作台默认设置生成一张图：
| 模型 | 计费方式 | 默认设置 | 价格 |
|---|---|---|---|
wan2.7-image |
按张 | 2K | $0.0212 |
gemini-2.5-flash-image |
按张 | 1K | $0.0330 |
seedream-5-0-lite-260128 |
按张 | 2K | $0.0332 |
wan2.7-image-pro |
按张 | 2K | $0.0530 |
gemini-3.1-flash-lite-image |
按 token | 1K | $0.028 – $0.057 |
gemini-3.1-flash-image |
按 token | 512 | $0.038 – $0.076 |
gpt-image-2.5-flare |
按 token | 1024 × 1024，medium | 最高 $0.056 |
gpt-image-2.5-sunburst |
按 token | 1024 × 1024，medium | 最高 $0.056 |
gpt-image-2 |
按 token | 1024 × 1024，auto | 最高 $0.159 |
gemini-3-pro-image |
按 token | 1K | $0.114 – $0.227 |
按 token 计费的模型，区间下限是只算图片 token 的价格，上限是创作台的预估。下面逐一说明这两端从何而来。
按张计费的模型
这四款模型在支持的任何尺寸下，每张价格都一样：
| 模型 | 每张价格 | 尺寸 | 每次张数 |
|---|---|---|---|
wan2.7-image |
$0.0212 | 1K、2K | 最多 12 张 |
gemini-2.5-flash-image |
$0.0330 | 1K、2K、4K | 1 张 |
seedream-5-0-lite-260128 |
$0.0332 | 2K、3K、4K、自定义 | 1 张，或最多 15 张的组图 |
wan2.7-image-pro |
$0.0530 | 1K、2K、4K | 最多 12 张 |
价格与尺寸无关，所以直接选你真正会用到的最大尺寸即可。Seedream 的 4K 图和 2K 图一样只要 $0.0332。
我们实测中有一点需要注意：向 Gemini 2.5 Flash Image 请求 2K，返回的是 1344 × 768。如果需要按张计费模型出大图，Seedream 5.0 Lite 和 Wan 2.7 Image Pro 都按请求的尺寸返回了图片。
GPT Image：质量决定价格
GPT Image 2、GPT Image 2.5 Flare 和 GPT Image 2.5 Sunburst 按输出图片的 token 计费，提示词另计少量 token。两款 GPT Image 2.5 同价：输出每百万 token $31.98，输入每百万 token $5.33。GPT Image 2 为 $22.62 和 $3.77。
创作台按尺寸和质量估算输出 token：
| 模型 | 尺寸 | low | medium | high |
|---|---|---|---|---|
| GPT Image 2.5 Flare / Sunburst | 1024 × 1024 | $0.0065 | $0.0564 | $0.2249 |
| GPT Image 2.5 Flare / Sunburst | 1536 × 1024 | $0.0053 | $0.0441 | $0.1758 |
| GPT Image 2 | 1024 × 1024 | $0.0046 | $0.0399 | $0.1591 |
| GPT Image 2 | 1536 × 1024 | $0.0038 | $0.0312 | $0.1243 |
质量是最大的变量：high 是 medium 的四倍。GPT Image 2 的质量默认为 auto，由服务商决定，所以预估按 high 计算。
预估只是预扣，不是最终扣费。最终按服务商报告的成图 token 结算，我们的实测记录往往远低于预估：
| 实测 | 设置 | 报告的输出 token | 按当前价格 |
|---|---|---|---|
| GPT Image 2.5 Flare | 1536 × 1024，medium | 343 | 约 $0.011 |
| GPT Image 2.5 Sunburst | 1536 × 1024，未设质量 | 1,372 | 约 $0.045 |
| GPT Image 2 | 1536 × 1024，未设质量 | 158 | 约 $0.004 |
在创作台里，2.5 系列比 GPT Image 2 多出这些功能：可选透明的背景选项，PNG、JPEG 或 WebP 输出并可调压缩率，以及审核强度设置。三款都最多接受 16 张参考图，每次最多返回 10 张。官方文档把 Flare 定位为日常生成和编辑的默认选择，Sunburst 则面向更高保真度和更精细的控制。
Gemini：尺寸决定价格
三款按 token 计费的 Gemini 模型，按 Google 公布的各尺寸 token 数计算每张图，输出单价如下：
| 模型 | 输出单价 | 512 | 1K | 2K | 4K |
|---|---|---|---|---|---|
gemini-3.1-flash-lite-image |
$25.35 / 百万 | — | $0.028 | — | — |
gemini-3.1-flash-image |
$50.70 / 百万 | $0.038 | $0.057 | $0.085 | $0.128 |
gemini-3-pro-image |
$101.40 / 百万 | — | $0.114 | $0.114 | $0.203 |
以上只算图片本身：Flash 分别为 747、1,120、1,680 和 2,520 token；Pro 为 1,120 或 2,000 token，1K 和 2K 同价。Gemini 生成图片时还会输出一些文字，按同一输出单价计费，所以创作台按图片 token 的两倍预扣，响应没用到的部分会退回。
在我们的实测记录中，Gemini 3 Pro Image 的 2K 响应包含 1,120 个图片 token、110 到 134 个文字 token 和约 200 个思考 token；Gemini 3.1 Flash Lite 的 1K 响应包含 1,120 个图片 token 和 414 个文字 token。最终扣费通常落在"只算图片"的价格和预估之间。
其他差异
| 模型 | 参考图 | 创作台中的其他功能 |
|---|---|---|
gpt-image-2 |
最多 16 张 | 自定义尺寸 |
gpt-image-2.5-flare、-sunburst |
最多 16 张 | 透明背景、输出格式与压缩率、自定义尺寸 |
seedream-5-0-lite-260128 |
最多 14 张 | 最多 15 张关联组图、自定义尺寸 |
wan2.7-image、wan2.7-image-pro |
最多 9 张 | 每次最多 12 张 |
| Gemini 系列 | 支持 | 比例预设；Flash Lite 在 1K 下提供 10 种比例 |
不同任务怎么选
- 同一想法出很多版。 Wan 2.7 Image 一次最多返回 12 张，每张 $0.0212。
- 固定预算出大图。 Seedream 5.0 Lite 或 Wan 2.7 Image Pro 的 4K，都按固定单价。
- 需要透明背景的抠图素材。 只有 GPT Image 2.5 Flare 和 Sunburst 提供透明背景选项。
- 风格一致的一组图，比如分镜。 Seedream 的组图模式一次提示词最多返回 15 张关联图片。
- 在按 token 计费的模型上低成本试错。 GPT Image 的 low 质量每张不到一美分，构图确定后再切到 medium 或 high。
常见问题
Castaly 上最便宜的 AI 图像模型是哪个？
Wan 2.7 Image，每张 $0.0212。GPT Image 的 low 质量结算可能更低，但它的预估取决于尺寸，最终扣费取决于报告的 token 数。
为什么创作台显示的价格比实际扣费高？
对按 token 计费的模型，创作台会按该尺寸和质量下的完整图片预算预扣。最终按服务商报告的 token 结算，差额退回余额。
图越大越贵吗？
Wan、Seedream 和 Gemini 2.5 Flash Image 不会。GPT Image 和按 token 计费的 Gemini 会：像素越多，输出 token 越多。
Flare 和 Sunburst 价格不同吗？
相同。两者都是输入每百万 token $5.33、输出每百万 token $31.98。最终费用取决于每张图实际用了多少 token。