深度文章免费

Imagen 端点关了，Google 的图像线全收编到 Nano Banana：一张现价表

8 月 17 日 Imagen 4 停服、10 月 2 日初代 Nano Banana 退役；Nano Banana 2 支持 4K 和 14 张参考图，每图约 0.045 到 0.15 美元

莱客编辑部2026-09-16预计 3 分钟

文章目录

共 4 节

这两个月 Google 在图像这条线上没有发布新模型，但发生了三件会影响你流程的事：Imagen 4 的端点在 8 月 17 日关停、初代 Nano Banana 定在 10 月 2 日退役、Nano Banana Pro 驱动的 Google Pics 在 9 月 1 日上线。

合起来是一件事：Imagen 这个品牌在 API 侧结束了，Google 的图像能力全部收进 Gemini 的 Nano Banana 线。

这一篇把现在还能用的几个 model id、官方价、能力上限列清楚，顺便讲一件 7 月底发生的事 —— 它上线一天就被撤了。

俗称	model id	输入价	输出价	约合每图
Nano Banana 2	gemini-3.1-flash-image	0.50 美元/百万	60 美元/百万	0.045–0.151 美元
Nano Banana 2 Lite	gemini-3.1-flash-lite-image	0.25 美元/百万	30 美元/百万	约 0.034 美元（1K 图）
Nano Banana Pro	gemini-3-pro-image	2.00 美元/百万	120 美元/百万	0.134–0.24 美元
初代 Nano Banana	gemini-2.5-flash-image	—	—	10 月 2 日关停

批量任务一律半价。 不着急的活走 batch，这一条能直接把成本砍一半，很多人忘了开。

折成人民币：Lite 档一张两毛多，标准档三毛到一块，Pro 档一块到一块七。跟 GPT-Image-2.5 的档位区间是重叠的，选谁主要看能力，不是看价。

⚠️ 如果你的代码里还写着 gemini-2.5-flash-image，10 月 2 日之后会直接报错。今天就改，别等。同理，任何还在调 Imagen 4 端点的地方，8 月 17 日起已经废了。

项目	Nano Banana 2（gemini-3.1-flash-image）
分辨率	512px / 1K / 2K / 4K
画幅	1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9
超宽画幅	新增 1:4 / 4:1 / 1:8 / 8:1，可自动匹配输入图
参考图	最多 14 张，做风格迁移与合成
文字渲染	清晰可读，支持多语言，能做图内文字本地化
世界知识	接 web 图像搜索做视觉 grounding
思考档位	Minimal / High / Dynamic 可配
输出格式	JPG（默认）或 PNG

14 张参考图是这一代最被低估的能力。 同类里给到 4–7 张已经算多。14 张意味着你可以一次性把一个品牌的完整视觉规范喂进去：三张主视觉、三张产品图、两张字体样例、两张配色板、四张场景参考。出图的一致性会比靠 prompt 描述高一个台阶。

超宽画幅（1:8 / 8:1）也是个实用的小东西 —— 网站的通栏 banner、公众号的长条头图，以前都得先出方图再裁，现在直接出。

合作伙伴实测的编辑延迟比上一代降了 74–76%。这个数字来自 Google 自己的发布材料，当作方向参考，别当承诺。

可用平台：Gemini API 和 AI Studio、Vertex AI、Google Antigravity、Firebase；产品侧覆盖 Gemini、搜索、广告、Google TV。

2026 年 7 月 30 日，Google 把 Nano Banana 接进了 Google Earth。7 月 31 日撤下。 原因是用户拿它在真实地理位置上造灾难场景的 deepfake，误导风险失控。

这件事值得记住，不是因为它有多轰动，而是因为它给所有做 AI 图像产品的人上了一课：

把生成能力接到一个「大家默认它显示真实世界」的产品上，风险不是线性增加的，是跳变的。地图、新闻、证件、财报 —— 这几类容器里放生成图，用户的心理预期是「这是真的」，而不是「这是画的」。

对接单的人，直接推论有两条：一是别把生成图放进任何带有「记录」性质的场景（施工进度、事故现场、房源实拍、商品实物），这类需求接了就是雷；二是交付时主动标注哪些是生成的，写进交付说明里，出事时这一页纸就是你的免责依据。

9 月上旬开始有报道说 Google 在做 Nano Banana 2.5，9 月 9 日有人称它以代号 Spicy Mayo 在 Image Arena 上测试。

截至 9 月 22 日：没有官方公告、没有 model card、没有定价、Gemini API 文档里没有条目。 也就是说这件事目前只存在于传闻里。

这类消息的正确处理方式是：不要因此推迟决策。你现在要接的单是这个月要交的，等一个连 model card 都没有的模型，等来的通常是「再等两周」。等它真出来了，换 model id 是一行代码的事。

8 月初有不少用户在社交平台上抱怨「现在几乎每张图都显得扁平或卡通化」，有媒体专门跑了一轮横评去验证这个说法。这类主观退化的反馈在每个模型上都会周期性出现，真假很难下定论。

可行的做法是：把二十张定版图存成基准集，每隔一段时间用同样的 prompt 重跑一遍，自己眼睛对比。一家公司如果长期依赖某个模型出图，这件事值得花半天建起来 —— 风格漂移是真实存在的，但靠感觉判断永远吵不出结论。

和其它海外模型一样：自有海外机器转发、第三方聚合平台、国内中转。Gemini 这条线有个额外好处是 Vertex AI 上也能调同一批模型，企业客户如果本来就在用 Google Cloud，走 Vertex 的合规路径比走公开 API 干净。

这是它最值钱的能力，但大多数人只丢两三张进去就开始抱怨不一致。把 14 个位置这么分配：

喂完这 14 张，prompt 里就不用再描述风格了，只写这一张图要发生什么事。描述性 prompt 和参考图打架的时候，参考图输，所以 prompt 写得越简单越好。

一个品牌的参考集建一次可以用一年，中途产品换了只替换产品那三张。这比每次现写一段三百字的风格描述稳定得多，也省 token。