Нейросеть для генерации изображений: выбор модели и цена на объёме

Если картинка нужна один раз, API не нужен: хватит чат-бота из нашего обзора нейросетей. Этот текст для тех, кто встраивает генерацию в продукт: карточки товаров, обложки, баннеры, превью. Модель здесь выбирают по трём признакам задачи: есть ли в кадре текст, правите ли вы готовое фото и в каком разрешении нужен результат. Бюджет считают не по цене из каталога, а с поправкой на разрешение, референсы и переделки: на одном и том же сценарии разница между моделями доходит до 12 раз.

Какие модели пробовать под задачу

В каталоге altrouter 38 моделей картинок, из них две — служебные инструменты Recraft для фона и увеличения. Перебирать все не нужно: задача сразу отсекает большую часть.

Цены — по каталогу altrouter на 27.10.2026. Колонка «Почему они» пересказывает заявления вендоров и описания в каталоге, а не наш бенчмарк: слепых сравнений качества мы не публикуем. Финалистов прогоните на 10–20 своих промптах. Двадцать картинок на моделях из таблицы стоят от $0,35 до $2,41.

Ставка за картинку: разброс почти в семь раз

У нас картинка стоит фиксированную сумму: длина промпта на цену не влияет. Ниже основные модели генерации по возрастанию цены в базовом разрешении 1K, это около мегапикселя.

Цены вендора взяты из прайса Gemini API, прайса Alibaba Model Studio и расчёта OpenAI для квадрата 1024×1024 при качестве medium, все на 29.10.2026. Прочерк значит, что официальную цену за картинку в таком же разрешении мы не сверили. Nano Banana 2 и 2.1 у нас на 30% ниже официальной цены вендора, Nano Banana Pro и Nano Banana — на 10%, Qwen Image 3.0 — на 8%. Qwen Image 2.0, наоборот, на 2% дороже, чем у Alibaba.

Есть два случая, когда напрямую дешевле. У OpenAI GPT Image 2 при качестве low стоит $0,006 за квадрат, а в нашей карточке модели параметра качества нет. Google продаёт Nano Banana в пакетном режиме (Batch) вдвое дешевле обычного, а пакетного режима у нас нет. Если вам подходят черновики низкого качества или результат можно ждать, посчитайте прямой вариант.

Тысяча картинок на qwen-image обойдётся в $17,50, на nano-banana-pro — в $120,60, разница в 6,9 раза. Но такой расчёт верен только для 1K, без референсов и с первой попытки.

Разрешение: где 2K стоит как 1K, а где вдвое дороже

Тир задаёт поле resolution: 1K, 2K или 4K (документация). Где поле есть, в карточке модели по умолчанию стоит 1K, а у Nano Banana Pro, Wan 2.7 и Wan 2.7 Pro — 2K. У Seedream 4.5 и 5 вместо него поле quality со значениями basic и high.

У Qwen Image 3.0, Nano Banana Pro и Wan 2.7 Pro переход на 2K ничего не добавляет к цене. У GPT Image 2 и FLUX.2 Flex он увеличивает её в 2,2–2,3 раза. Поэтому в 1K Nano Banana 2.1 дешевле Qwen Image 3.0, а в 2K уже наоборот: $0,0354 против $0,0276.

🔴 Если код переезжает с DALL·E 3, проверьте поле quality. По нашей документации quality: "hd" включает тир 4K: GPT Image 2 спишет $0,10 вместо $0,0371 за картинку.

Референс бывает дороже самой генерации

Правка готового фото идёт через тот же эндпоинт. Исходные картинки передаются в поле image ссылкой или в base64, а вариант модели для редактирования выбираем мы (документация).

У четырёх моделей в карточке есть отдельная строка «каждая референсная картинка». У FLUX.2 Flex она стоит $0,2024 — в 2,3 раза больше, чем сама генерация в 1K. С одним фото товара картинка на Flex обходится в $0,291, с четырьмя — в $0,90. У FLUX.2 Max референс стоит $0,1219 при генерации за $0,0713. У Qwen Image 3.0 и 3.0 Pro доплата — $0,002875, около 10% от цены генерации. Alibaba тоже берёт за входную картинку отдельно, $0,003.

У остальных моделей строки про референс в карточке нет. Перед запуском потока прогоните десять правок и сверьте сумму каждого запроса в логах кабинета, а не в таблице.

Расчёт: 2 000 карточек товара в месяц

Возьмём каталог магазина: 2 000 карточек в месяц, каждая — правка фото товара по одному референсу. Квадрат, 1K или 2K. Сколько попыток уйдёт на карточку, мы не замеряли: это зависит от товара и требований к кадру. Поэтому таблица показывает одну и две попытки.

Ход расчёта для qwen-image-3 в 1K: (0,0276 + 0,002875) × 2 000 = $60,95. Для flux-2-flex: (0,08855 + 0,2024) × 2 000 = $581,90. У моделей без строки «референс» считали только генерацию.

Из таблицы видно три вещи. Самая дешёвая за штуку модель в 1K перестаёт быть самой дешёвой в 2K. Плата за референс делает FLUX.2 Flex в 12 раз дороже Nano Banana 2.1 на той же задаче. Вторая попытка удваивает счёт, поэтому модель с меньшим браком может обойтись дешевле той, что дешевле за штуку.

Ошибка генерации не оплачивается: резерв под запрос снимается, а списания нет. Оплачивается каждая успешная картинка, в том числе с опечаткой в надписи или искажённым товаром.

Текст в кадре: решает версия модели и длина надписи

На надписях модели расходятся сильнее всего. В сентябре мы сделали два замера:

• на постере из двух русских строк ошибок не было ни у одной из пяти моделей. На меню из шести строк Ideogram V3 не ошиблась, FLUX.2 Flex ошиблась один раз, Seedream 3.0 — дважды (разбор с промптами и временем);
• Qwen Image 2.0 сделала четыре опечатки в русском слайде и ни одной в английском, а более новая и дешёвая Qwen Image 3.0 написала русский вариант чисто (разбор версий Qwen Image).

В каждом замере по одному прогону на вариант, так что это ориентир, а не рейтинг. Кириллицу вендоры и сами не обещают. Alibaba пишет, что промпт Qwen Image 2.0 поддерживает китайский и английский. OpenAI предупреждает, что GPT Image 2.5 всё ещё может ошибаться в размещении и чёткости текста. Если надпись длиннее пары строк, закладывайте в бюджет вычитку и переделки: в расчёте выше это колонка «2 попытки».

Подключение: один эндпоинт, но параметры у моделей разные

Эндпоинт POST /v1/images/generations совместим с OpenAI, поэтому подходит обычный SDK. Параметры, которых нет в стандартном вызове, передаются через extra_body:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ALTROUTER_API_KEY"],
    base_url="https://api.altrouter.ai/v1",
)

raw = client.images.with_raw_response.generate(
    model="qwen-image-3",
    prompt="Studio product photo of this sneaker on a light grey background, soft shadow",
    extra_body={
        "image": ["https://example.com/sneaker.jpg"],  # фото товара как референс
        "resolution": "2K",
        "aspect_ratio": "1:1",
    },
    extra_headers={"Idempotency-Key": "card-sku-10442-v1"},
)

img = raw.parse()
print(img.data[0].url)
print("x-request-id:", raw.headers.get("x-request-id"))

По x-request-id сумму конкретного запроса можно получить позже через GET /v1/generation?id=… (логи).

При смене модели проверьте три вещи.

1. Размер кадра. У Qwen Image 3.0, Nano Banana и FLUX.2 это aspect_ratio и resolution. У первой Qwen Image, Ideogram V3 и Seedream 3.0 — image_size с готовыми вариантами вроде landscape_16_9. Допустимые значения у каждой модели свои, они перечислены в её карточке.
2. Число картинок. Его задаёт сама модель (параметры), и у большинства это одна картинка на запрос: четыре варианта — четыре запроса и четыре списания. Исключения видны в карточке. Wan 2.7 принимает n до четырёх, Midjourney отдаёт сетку до четырёх картинок, об этом в разборе Midjourney V8.
3. Повторы. Генерация картинки иногда идёт больше минуты: у Ideogram V3 в нашем замере — около 85 секунд. Клиент с коротким таймаутом в это время начинает повторять запрос. Передавайте заголовок Idempotency-Key: повтор с тем же ключом вернёт первый результат, а не создаст вторую картинку и второе списание (ошибки).

FAQ