2026 年最佳图像到图像 API：同一次编辑，三个模型，真实结果

大多数“最佳图像到图像 API”盘点只对比参数表。我们对比的是输出。我们取了一张源照片——一个鼠尾草绿色的陶瓷手冲滤杯，放在杂乱的厨房台面上——通过同一个 hiapi 任务端点，把完全相同的编辑指令发给三个图像到图像模型，然后把结果并排放在一起，不做任何修饰。本文展示每一张图、确切的提示词、实时单图价格，以及只有真正调用之后才会发现的 API schema 差异。

测试：一张图，一条提示词，三个模型

参赛者全部通过 hiapi 的异步任务 API 调用：

• gpt-image-2/image-to-image@ext——扩展版 GPT Image 2 编辑端点：最多 16 张参考图，4K 输出，三档质量
• nano-banana-2——当前 Nano Banana 的主力型号：图像编辑加生成，4K 输出，文字渲染能力强
• nano-banana-pro——同系列的高端档位，面向主视觉资产质量

源图刻意拍得很乱——台面有碎屑、一块亚麻布、窗边杂物——因为真实的“把它收拾干净好上架”任务就是这样。（这张图是我们早先用 gpt-image-2/text-to-image 生成的；它现在是我们标准的 i2i 测试输入。）

每个模型收到的都是下面这条指令，一字不差：

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.

经典的电商背景替换：保留产品，替换环境。这是图像到图像 API 最常见的商业用途，也恰好压中了参数表无法告诉你的事——主体保真，即模型还回来的是你的产品，还是一个以假乱真的相似品。

各模型的返回结果

gpt-image-2/image-to-image@ext

指令遵循度极佳：大理石台面、暖灰色无缝背景、杂物消失、柔和的影棚阴影、商品目录式构图。但看产品本身。釉面比原本的哑光更亮、斑点更多，杯沿还多了一条源图上并不存在的浅棕色饰线。形状、带棱纹的内壁和把手都正确——但材质跑偏了。对概念工作和情绪板来说这无关紧要；对正在上架的商品来说，你的运营一眼就能看出来。

这次运行使用 quality: "medium"、1K——图片费用 $0.061。

nano-banana-2

正是这个结果让我们回头核对有没有搞混文件。哑光釉面、棱纹、未上釉的杯沿、把手，甚至相机角度基本都没变，而台面和背景按要求换成了大理石和暖灰色。如果任务是“把这个确切的 SKU 放进新场景”，在这个测试里 nano-banana-2 的主体保真度是三者中最好的——1K 价格 $0.085，而 2K 反而更便宜（$0.076，见下方定价）。

nano-banana-pro

同系列，同样的保真度：产品原样保留，哑光质感完好，场景略微偏暖，大理石纹理更明显——直出效果就多了一分“杂志大片”感。这值不值得比 nano-banana-2 贵将近一倍（1K 或 2K 均为 $0.17），取决于任务；Pro 的优势往往体现在复杂的多元素构图和顶级主视觉资产上，而不是像这样单产品换背景。

评分表

模型	遵循编辑指令	保持产品保真	参考图	最大输出	单图价格
gpt-image-2/image-to-image@ext	完全	部分——釉面和杯沿跑偏	最多 16 张	4K	$0.007–0.76
nano-banana-2	完全	近乎精确	多张	4K	$0.076–0.114
nano-banana-pro	完全	近乎精确	多张	4K	$0.17–0.2992

以上观察来自 2026 年 7 月 5 日运行的一次受控编辑。不同的主体（人脸、织物、字体排版）可能让模型排名不同——本文的全部意义就在于，你可以在几分钟内用自己的图片重跑这个实验。

定价，已对照实时定价页核实

以下所有价格均于 2026 年 7 月 5 日对照 hiapi 定价页 核实。全部按图计费、按用量付费，无需订阅档位。

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 系列模型仅按分辨率计费：

模型	1K	2K	4K
nano-banana-2	$0.085	$0.076	$0.114
nano-banana-pro	$0.17	$0.17	$0.2992

三条实用提示：

• 迭代编辑提示词最便宜的方式是 gpt-image-2 的 low/1K：每次尝试 $0.007。在那里做原型，再把入围的提示词放到更高质量或 Nano Banana 模型上重跑。
• nano-banana-2 的 2K 档比 1K 档更便宜（$0.076 对 $0.085）。没有理由不选 2K。
• 更高质量档位会让渲染更锐利；它们不改变主体保持行为。我们在 medium 下看到的材质跑偏，在 high 下会变成更锐利的材质跑偏。

输入 schema 不可互换

三个模型都在同一个端点后面——POST https://api.hiapi.ai/v1/tasks——但 input schema 因模型系列而异，大多数首次集成的 bug 就出在这里。

GPT Image 2 编辑端点接收 image_urls，且 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 系列模型接收 image_input，以及 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"
    }
  }'

两者都会在 data.taskId 中返回任务 ID。轮询任务详情端点，直到 status 为 success，然后尽快下载 output[0].url——输出 URL 有时效，所以要立刻把字节保存到你自己的存储里。我们的编辑每次都在异步队列上几分钟内返回。

一个贴心细节：如果你发错字段名，400 响应会写明期望的 schema（"image_urls: missing required field"），所以猜错只花你几秒钟，而不是一次调试。

多参考图编辑如何改变游戏规则

单源图编辑是基础场景，但两个系列都接受多于一张输入图，产品和角色一致性工作就发生在这里：

• gpt-image-2/image-to-image@ext 的 image_urls 接受最多 16 张参考图——足够把整个品牌板（产品图、配色参考、版式参考）喂进一次编辑。
• Nano Banana 系列模型接受多个 image_input 参考图，在跨场景保持主体稳定方面尤为出色。

来自我们自己素材库的两张 nano-banana-2 输出展示了实际效果——两者都由同一个瓶子和同一个人的参考图驱动：

诀窍在提示词：点名不能改变的东西（“这个确切的精华液瓶，保持不变——同样的琥珀色玻璃，同样的黑色滴管盖”），让模型重建其余一切。完整教程见我们的 Nano Banana 产品图指南。

如何选择

• 编辑自己的产品或角色，且主体保真是硬性要求 → 从 nano-banana-2 开始。在我们的测试中，它的性价比保真度最好；请选 2K，那是最便宜的档位。
• 大批量、成本敏感的迭代 → gpt-image-2/image-to-image@ext 的 low/1K，每次尝试 $0.007。便宜地迭代，再升级胜出的提示词。
• 需要同时输入大量参考图的品牌板工作流 → gpt-image-2/image-to-image@ext，三者中唯一接受 16 张参考图的。
• 高端 4K 主视觉资产 → nano-banana-pro，但先用 $0.114/4K 的 nano-banana-2 做 A/B 对比——对于单一主体工作，差距比价格暗示的要小。

如果你在权衡是否要分别集成各模型厂商，那么生产环境中真正重要的标准是：可在公开页面核实的单图价格、一套认证和一个任务轮询循环而不是多个、以及无需重写流水线就能替换 "model" 字符串。这就是统一端点的理由；请将它与你现有技术栈已经提供的能力权衡比较。

常见问题

图像到图像 API 与文本到图像 API 有什么区别？ 文本到图像仅凭描述生成图片。图像到图像接收一张或多张输入图加一条指令，返回修改后的图像——背景替换、风格改变、物体编辑，或用多个参考图构建的构图。本测试中的模型都能做 i2i；大多数也能从零生成。

这个对比中最便宜的图像到图像 API 是哪个？ 按标价，gpt-image-2/image-to-image@ext 的 low 质量加 1K：每图 $0.007。而同时能保持我们产品确切外观的最便宜编辑是 nano-banana-2 的 2K：$0.076。

我可以发送多少张参考图？ gpt-image-2/image-to-image@ext 通过 image_urls 数组最多可发 16 张。Nano Banana 系列模型通过 image_input 接受多个参考图——正是用于上面展示的一致性工作流。

这些模型能在编辑后的图像中渲染文字吗？ nano-banana-2 将文字渲染列为核心优势，当编辑涉及标签或包装文案时是更稳妥的选择。无论用哪个模型，发布前都要校对渲染出的文字——模型生成的字体排版仍然需要人工检查。

用你自己的图片跑测试

解决“哪个图像到图像模型适合我的内容”最快的方法，和我们一样：选一张源图，写一条编辑提示词，然后在 gpt-image-2/image-to-image@ext、nano-banana-2 和 nano-banana-pro 上运行——在 hiapi 上，这就是三次相同的 POST，只换模型字符串。从快速入门指南获取 API 密钥，按我们使用的档位，整个三模型实验大约花费 $0.32。比那个滤杯能冲的咖啡还便宜。