GPT Image 2、Nano Banana 2、Seedream 5.0 Pro：一个错字引出来的三家选型账

1.8K 0

做一张中文信息图，八个模块，每块一个小标题加两行说明。Seedream 5.0 Pro 出的图排版干净、配色专业，第一眼挑不出毛病。放大之后，第三个模块的标题里有一个字是错的，多了一横，不是任何一个真实汉字。同一份提示词重跑，错的位置变了，错字还在。

这不是运气问题。八个模块塞进去两百多个汉字，单字命中率哪怕做到 99.5%，一张图里也平均会坏掉一个字。而信息图这种东西，一个错字就能让整张作废。

所以这三家怎么选，不能只看谁的图好看。

那个错字是怎么来的

先排除一个常见误解：中文渲染出错，跟模型”不认识汉字”没关系。它对中文语义的理解没问题，卡住的是从语义到字形那一步——模型没有字库，是在像素空间里画出一个它认为长得像那个字的东西。

笔画少的字画对的概率高，”藉””鬻”这一类就悬。字号越小、单张图里字越密，翻车概率越高。

这也是为什么三家在文字上的排序，跟画质上的排序对不上。

三个模型的出生日期和身份

Nano Banana 2 是最早的，2026 年 2 月 26 日上线，技术上就是 Gemini 3.1 Flash Image。定位从名字里就能看出来：Flash 档，单张生成约 2 秒，支持 512px 到 4K，多角色一致性能撑到 5 个角色不崩。谷歌在 6 月 30 日又补了一个更轻的 Nano Banana 2 Lite。

GPT Image 2 是 OpenAI 在 4 月 21 日正式放出来的，走的路完全相反。它在 Artificial Analysis 的 Arena 榜上 Elo 约 1336，比 Nano Banana 2 的约 1261 高出七十多分，强项集中在文字渲染和复杂提示词执行。社媒截图、手写作业这类”看着像真的拍下来的”场景，目前还是它做得最像。代价是单张约 6 秒。API 那边支持 1K / 2K / 4K 三档分辨率，1:1、3:2、2:3、16:9 四种比例，最多可以塞 16 张参考图。

Seedream 5.0 Pro 是字节 7 月放出来的，也是即梦背后那个模型。它做成了一件国产图像模型一直没做成的事：中文排版基本可用。另外它在事实性上有别家没有的优势，涉及地理信息和真实世界数据的时候准确率更高。

价目表上最容易被坑的一栏

先说一个陷阱。网上很多横评把 GPT Image 2 的单价写成每张 0.15 到 0.20 美元，然后得出”贵五倍”的结论。这个数字是第三方转售平台的报价，不是官方口径。

OpenAI 官方是按分辨率分档的：1K 每张 0.03 美元，2K 每张 0.05 美元，4K 每张 0.08 美元。另一种算法是按 token，图像输出每百万 token 30.00 美元。

谷歌那边同理。Gemini API 把 Nano Banana 2 放在 Flash 档，输出每百万 token 60.00 美元；一张 1K 或 2K 图约 1120 个输出 token，折合每张 0.067 美元，4K 图约 2000 token，折合每张 0.134 美元。Nano Banana 2 Lite 的 1K 图是每张 0.034 美元。Seedream 5.0 大约每张 0.03 美元。

把官方价放在一起，结论跟坊间流传的完全反过来。

模型	1K 单张	4K 单张	单张耗时	上线时间
GPT Image 2	0.03 美元	0.08 美元	约 6 秒	4 月 21 日
Nano Banana 2	0.067 美元	0.134 美元	约 2 秒	2 月 26 日
Nano Banana 2 Lite	0.034 美元	—	约 2 秒	6 月 30 日
Seedream 5.0 Pro	约 0.03 美元	—	—	7 月

在 1K 这一档，GPT Image 2 反而是三家里最便宜的之一，比 Nano Banana 2 便宜一半还多。它真正贵的地方在时间——6 秒对 2 秒，跑 6000 张的差距是 10 小时对 3.3 小时。

所以”贵”这件事，看你在为什么付钱。按张算钱的时候 GPT Image 2 不贵，按人等的时间算钱的时候它很贵。

我不会拿它们分别做什么

GPT Image 2：不会拿它做需要人盯着等的交互式改稿。6 秒一张，设计师改到第八版的时候已经开始骂人了。它适合批量提交、异步取回的流程，或者那种”这一张必须对”的场合。

Nano Banana 2：不会拿它做中文密集的排版。长处在速度和多角色一致性，文字尤其是中文长文本不是它的战场。真要在图上放中文，字数压在标题级别，正文另外叠。

Seedream 5.0：不会拿它做需要多种字体表达层次的稿子。它的字体变化比 GPT Image 2 少，同一张图想要标题一种字重、注释另一种感觉，出来往往是同一套。复杂中文信息图偶发错字的问题，开头已经演示过。常识逻辑和复杂版式也还有短板，手指数量、物件遮挡关系这类仍然要人眼过。反过来说它有两块是别家比不了的：商业海报的成稿度，以及局部编辑的精确度——你圈出一块区域让它只改这里，它改完之后周围像素的漂移比另外两家小得多，这在改稿轮次多的商单里是硬通货。多语种海报也是它的强项，一份版式套六种语言不用重排。

三家共同的短板是同一件：没有一个能在无人复核的情况下直出终稿。

榜单第一和你能用上，是两回事

这里我跟主流说法不太一样。Elo 差七十多分看着悬殊，但那套评分是让人在两张图之间二选一投出来的，衡量的是”平均而言哪张更讨喜”。

生产环境关心的不是平均，是尾部：一百张里有几张必须重来。一个平均分高但偶尔崩得很难看的模型，和一个平均分低但下限稳的模型，在流水线上后者更好用。Elo 恰恰对尾部不敏感，崩掉的那几张在两两对比里只贡献一次失败投票，跟”稍微差一点”的那些权重完全一样。

另一个被跑分盖住的变量是可控性。改稿要的是”只动右下角这块、别的别碰”，这是局部编辑精度，跟出图漂不漂亮没关系。Seedream 在这一项上明显好于它的综合排名。

混着用才是现在的正解

实际做法通常是这样：Seedream 或 Nano Banana 2 Lite 铺量，一次出几十上百个方向；人挑出三五个；挑中的用 GPT Image 2 的 4K 档重出一遍拿终稿；带中文正文的部分一律不交给模型，最后在设计软件里叠。

按 6000 次生成算，5700 次走 0.034 美元、300 次走 0.08 美元，一共约 218 美元。全用 Nano Banana 2 的 1K 档是 402 美元，全用它的 4K 档是 804 美元。

省下来的不是大钱。真正的收益在时间：铺量那 5700 次走 2 秒的档，终稿那 300 次才走 6 秒的档，整体排队时长从十小时压到三小时出头。

这套“铺量 + 精修”的流程，麻烦往往不在钱，而在三个后台之间切账号、对积分、搬文件。PixTV 把 Seedream 5.0 Pro、Nano Banana Pro、GPT Image 2.5 收进了同一个工作区，几百张铺量图和最后那几十张终稿能待在同一张画布上，选中的图还可以直接往下接视频镜头。

最后提醒一句时效。这三家在 2026 年内都调过价，各家 API 平台还常有限时档位，上面这些是当前口径，不是长期承诺。真按年做预算，得自己去对当天的价目表。Gemini 这一支和字节都在按月迭代，三个月之后这篇的结论大概率要重写。