Reference model descriptions are provided in their original language.
Reference catalog: 294 models. Availability and prices follow the configured catalog.
Nano Banana 2.1（Gemini Nano Banana 2.1）是谷歌推出的适用于 Flash 级别的图像生成和编辑模型。它是在 Nano Banana 2 和 Nano Banana Pro 的基础上进行升级的版本。该模型提升了产品情境化的处理能力、基于遮罩和墨水的编辑功能，以及事实准确性方面的能力。它能够呈现逼真的肤色、详细的材质细节、合理的光照效果，以及连贯的背景效果。该模型支持文本和图像输入，可以生成带有可选文字的图像，并支持 1K、2K 和 4K 分辨率输出，还可以通过 image_config API 参数实现宽高比扩展。
GPT Image 2.6 Flare是OpenAI推出的图像生成与编辑模型，针对速度进行了优化：支持快速迭代以及交互式文生图、图生图工作流，生成速度比GPT Image 2.5快约50%。该模型接收文本和图像输入并生成图像，画质档位从低到最高可选，支持透明背景，可自定义尺寸，尺寸需为16像素的倍数，宽高比范围为1:3至3:1。GPT Image 2.6新增复杂度设置，用于控制模型在渲染前的规划程度，同时支持标记引导编辑、动态GIF输出以及SVG输出。
GPT Image 2.6 Sunburst是OpenAI推出的图像生成与编辑模型，专为细节表现优化：适合高密度构图、含大量文字的版式，以及多次编辑间细节保持一致的修改任务，可输出中高品质图像，生成速度比GPT Image 2.5快约50%。该模型支持文本与图像作为输入来生成图片，画质档位从低到最高可选，支持透明背景，可自定义尺寸，尺寸需为16像素的整数倍，宽高比范围1:3至3:1。GPT Image 2.6新增复杂度设置，用于控制模型在渲染前的规划程度，同时支持标记引导编辑、动态GIF输出以及SVG格式输出。
GPT Image 2.5 Sunburst 是 OpenAI 推出的图像生成与编辑模型，定位为 GPT Image 2.5 系列中主打高精度的版本。该模型可通过专用图像 API，适用于编辑精度比生成速度更重要的精细化创意工作。
GPT Image 2.5 Flare 是 OpenAI 推出的图像生成与编辑模型，定位为 GPT Image 2.5 系列中主打速度的版本。该模型适用于大批量日常图像生成、创作者内容制作，以及通过专用图像 API 快速制作原型。
谷歌最强图像模型，nano banana 2 。Gemini 3.1 Flash Image 将最强大的图像生成功能推向主流市场。它提升了图像质量、视觉理解能力，更好地渲染了多种语言的长文本段落，并提高了图像的真实性。该模型还能够生成分辨率从 512 (0.25MP) 到 4K (16MP) 的图像。
seedream-5.0-pro是字节跳动发布的最新图像创作模型。该模型在更复杂、更真实的图像生成与编辑需求维度全面升级，将图像创作推进到可控生产的新阶段。本次模型更新的主要亮点是编辑更可控、生产更落地、效果更自然。
Doubao-Seedream-5.0-lite是字节跳动发布的最新图像创作模型。该模型首次搭载联网检索功能，能融合实时网络信息，提升生图时效性。同时，模型的聪明度进一步升级，能够精准解析复杂指令和视觉内容。此外，模型在世界知识广度、参考一致性及专业场景生成质量上均有增强，可更好地满足企业级视觉创作需求。
GPT-image-2 是 OpenAI 最新的尖端图像生成模型。主要附加价值包括性能提升、质量提升、编辑控制和面部保护。该模型支持高强度 input_fidelity，并且可以添加或移除图像的某一方面，同时保留其他部分。该模型在宽高比、分辨率和编辑能力方面都有改进。
通义千问系列图像生成模型，参数规模200亿。具备卓越的文本渲染能力，在复杂文本渲染、各类生成与编辑任务重表现出色，在多个公开基准测试中获得SOTA。
Seedream 4.0 是基于领先架构的SOTA级多模态图像创作模型，其生成美感、指令遵循、结构完整度、主体保持一致性处于世界头部水平。模型采用同一套架构实现文生图与编辑能力的统一，原生支持文本 、单图和多图输入，并能通过对提示词的深度推理，自动适配最优的图像比例尺寸与生成数量，可一次性连续输出最多 15 张内容关联的图像，支持 4K 超高清输出
谷歌最强图像模型，nano banana pro
Seedream 4.5 是字节跳动最新推出的图像多模态模型，整合了文生图、图生图、组图输出等能力，融合常识和推理能力。相比前代4.0模型生成效果大幅提升，具备更好的编辑一致性和多图融合效果，能更精准的控制画面细节，小字、小人脸生成更自然
OpenAI最强图像生成模型，新模型能够结合世界知识，生成更加符合上下文图像，质量更高，还支持多种功能自定义。
Z-Image-Turbo是在Artificial Analysis评测中荣登文生图开源模型世界第一的高效图像生成模型,仅用60亿参数和8步推理就能生成媲美大规模商业模型的照片级真实感图像,并在中英双语文本渲染、复杂语义理解和多样化主题生成上表现卓越。
OpenAI最强图像生成模型，新模型能够结合世界知识，生成更加符合上下文图像，质量更高，还支持多种功能自定义。
即梦4.0是即梦同源的图像生成能力，该能力在统一框架内集成了文生图、图像编辑及多图组合生成的功能：支持单次输入最多 10 张图像及进行复合编辑，并能通过对提示词的深度推理，智能适配最优的图像比例尺寸与生成数量，可一次性输出最多 15 张内容关联的图像。此外，模型显著提升了中文生成的准确率与内容多样性，且支持 4K 超高清输出，为专业图像创作提供了从生成到编辑的一站式解决方案。
文字生成图片，写实质感细腻画面，文字内容生成，艺术风格表现
指令编辑图片内容，轻松实现局部修改、风格变化、一致性保持等
谷歌最强图像模型，nano-banana 的正式版。
最先进的基于文本的图像编辑模型，可提供高质量的输出，具有出色的及时性和一致的结果，可通过自然语言转换图像
一种基于文本的高级图像编辑模型，可提供最佳性能和改进的排版生成，通过自然语言提示转换图像
FLUX.1 Kontext 的开源版本
更快、更好的 FLUX Pro。文本转图像模型，具有出色的图像质量、快速的一致性和输出多样性。