GPT Image 2、Nano Banana 与 Z-Image 模型选择指南

从任务出发，而不是从排行榜出发

真正有用的图像模型，是工作流与眼前任务匹配的模型。能够接收参考图，不代表它一定更适合纯文字概念探索；价格更高，也不代表应该从它开始批量试稿；当简洁的控制项刚好满足简报时，模型范围较窄并不是缺点。

本文只描述本站当前接入实际开放的控制项。上游产品、可用状态和价格都可能变化，提交任务前请以模型选择器显示的信息为准。

本站当前接入概览

| 模型系列 | 本站开放的工作流 | 参考图 | 本站开放的控制项 | |---|---|---|---| | GPT Image 2 | 文生图、图生图 | 图生图模式支持 | 画面比例与 1K/2K/4K 分辨率，存在组合限制 | | Nano Banana 2 | 文生图、图生图 | 支持 | 画面比例、分辨率和受支持的输出格式 | | Nano Banana Pro | 文生图、图生图 | 支持 | 画面比例、分辨率和受支持的输出格式 | | Z-Image | 仅文生图 | 不支持 | 一组经过验证的画面比例 |

这张表说明的是本站请求目录，不是通用跑分，也不表示本站开放了上游的全部功能。

GPT Image 2：适合需要两套明确工作流时

本站分别注册了 GPT Image 2 的文生图和图生图模型 ID，界面会根据当前工作流选择对应条目。

它的参数组合存在真实限制。在当前目录中，自动比例只能使用 1K，1:1 方图不能请求 4K。界面应当在创建任务和扣除积分之前禁用这些无效组合。

当你需要它所支持的文字或参考图工作流，并希望使用已开放的分辨率控制时，可以把它纳入候选。不要仅因为模型页称它“通用”就直接决定；应使用同一简报测试候选模型，并检查真实结果。

Nano Banana 2：一个模型覆盖两种工作流

Nano Banana 2 在本站使用同一个目录条目同时支持文生图和参考图编辑。当项目经常在新提示词和视觉参考之间切换时，这种结构会更直接。

当前接入开放了常见画面比例、分辨率、受支持的输出格式和配置好的参考图数量限制。这些是工作流事实，并不能证明它对每一种主体都会产出最佳图片。

当参考图和反复迭代是流程核心时，可以优先试它；然后用完全相同的提示词与参考图和其他候选比较。

Nano Banana Pro：把它当作独立付费选择

Nano Banana Pro 是独立的上游模型，有自己的目录条目、参考图限制和积分成本。“Pro”不应被理解成每次请求都必须选择它。

更稳妥的流程，是先用你能够接受反复生成成本的模型确定构图和简报，再在少量入选方向上测试更高成本的模型。做决定时，应以界面当下显示的价格为准，而不是旧文章或截图。

本文不声称 Pro 在所有任务中都有质量优势；这种结论必须通过针对实际交付物的受控测试得到。

Z-Image：当纯文生图已经足够

本站的 Z-Image 接入刻意保持精简：仅支持文生图、不支持参考图上传，只开放一组经过验证的画面比例，也没有分辨率控制。

因此判断很直接：如果任务必须编辑已有图片，那么本站的 Z-Image 工作流不匹配；如果你只想根据提示词探索构图，不需要参考图控制，它较小的操作界面可能很合适。

范围更窄是一条能力边界，不是质量结论。

五步模型测试法

1. 写一份稳定简报

保持主体、构图、用途和约束一致。为不同模型不断改提示词，会让结果难以解释。

2. 区分硬性控制项和审美偏好

参考图编辑、特定画面比例或输出规模，可能在审美比较开始前就排除不匹配的模型。

3. 检查界面显示的积分

成本可能取决于模型和分辨率等参数。生成前确认产品中的当前价格，尤其是在测试多组变体时。

4. 根据交付物评估

封面要检查视觉层级和文字空间；肖像要检查神态、手部、服装和背景关系；参考图任务则要明确哪些源图信息应该保留、哪些应该改变。

5. 记录模型、设置和来源

为每张入选图片保留来源信息。这样既能复现系列，也能避免日后把结果归到错误模型名下。

monalisa-1 呢？

monalisa-1 尚未上线，因此不属于这次生产模型比较。它不能被选择或扣费，规格也继续标记为“待公布”。

工作室所描述的艺术表达优先方向，未来可能成为另一种有意义的选择。在真正模型发布并完成测试前，请根据工作流、当前成本和你自己的输出证据，在已上线的第三方模型中做决定。