金福宝小站
金福宝小站

海外图像/视频理解与生成类竞争模型调研

阿宝 收录于 研究笔记
  约 5400 字 预计阅读 11 分钟 
目录

调研日期：2026-09-19（以官方/一手文档为准） 更新：2026-09-29：OpenAI Sora 2 已于 9 月 24 日关停、无继任视频 API；OpenAI 推出 GPT-6 Sol / Luna；Anthropic 推出 Claude Opus 5.5 / Sonnet 5.5；Gemini 3.1 Flash-Lite 输出价、旧 Nano Banana 退役日期同步更新。Amazon、Luma 部分本次未能重新核对，仍为 9 月 19 日数据。 范围：海外（美国为主）的图像/视频「理解」与「生成」模型，含 Google、OpenAI、Anthropic、Amazon、Runway、Luma 等。 说明：价格为官方 API 公开价（按需付费 tier），单位各异（/token、/秒、/张、credits）。所有信息以来源页面为准，标注了不确定处。

一、理解类（图像/视频理解、多模态）

1. Google — Gemini 系列（图像+视频理解）

  • 当前主力：Gemini 3.8 Flash（gemini-3.8-flash，“最智能的 Flash”）；Pro 线为 Gemini 3.1 Pro Preview（gemini-3.1-pro-preview）。全系支持文本+图像输入，视频理解能力由 Gemini API 提供。
  • API 开放：是。Gemini Developer API（ai.google.dev）+ Google AI Studio。
  • 价格（Standard，付费 tier，每 1M tokens）：
    • Gemini 3.8 Flash：输入 $0.75（2026-12-31 前，之后 $1.50）；输出 $3.75（之后 $7.50）。Batch/Flex 半价，Priority 更高。
    • Gemini 3.1 Pro Preview：输入 $2.00（≤200k）/ $4.00（>200k）；输出 $12.00 / $18.00。
    • Gemini 3.1 Flash-Lite：输入 $0.25（文本/图像/视频）；输出 $1.50（9-29 核对官方页为 $1.50，原文 $2.50）。
  • 来源：https://ai.google.dev/gemini-api/docs/pricing · https://ai.google.dev/gemini-api/docs/models

2. OpenAI — GPT 系列（图像理解/vision）

  • 当前主力：GPT-6 Astra（gpt-6-astra，旗舰）；GPT-6 Sol（gpt-6-sol）、GPT-6 Luna（gpt-6-luna），2026-09-22 发布；上一代 GPT-5.6 Sol / Terra / Luna 仍在售。官方说明"所有最新模型均支持文本+图像输入（vision）"。
  • API 开放：是。Responses API + Client SDKs。
  • 价格（每 1M tokens）：
    • GPT-6 Astra：输入 $10 / 输出 $50
    • GPT-6 Sol：$2 / $10（约为 GPT-5.6 Sol 的一半）
    • GPT-6 Luna：$0.10 / $0.50
    • GPT-5.6 Sol：$4 / $20；GPT-5.6 Terra：$2 / $12；GPT-5.6 Luna：$0.20 / $1.20
  • 不确定性：OpenAI 主力模型以「图像」理解为主，未见单独的视频理解 API（Sora 视频生成已关停，见下）。
  • 来源：https://developers.openai.com/api/docs/models · https://developers.openai.com/api/docs/pricing · https://techcrunch.com/2026/09/22/openai-launches-gpt-6-sol-and-luna/

3. Anthropic — Claude 系列（图像理解/vision）

  • 当前主力：Claude Fable 5.1、Opus 5.5、Sonnet 5.5、Haiku 4.5（Opus 5、Sonnet 5 已转为旧版，仍可用）。全部支持文本+图像输入（vision）。
  • API 开放：是。Messages API。
  • 价格（每 1M tokens）：
    • Fable 5.1：$10 / $50；Opus 5.5：$4 / $20；Sonnet 5.5：$2 / $10；Haiku 4.5：$1 / $5
  • 不确定性：Claude 仅图像理解，不支持视频理解、图像/视频生成。
  • 来源：https://platform.claude.com/docs/en/models/overview · https://www.anthropic.com/pricing

4. Amazon — Nova 系列（多模态理解，含视频）

  • 当前型号：Nova 1（Premier / Pro / Lite / Micro，理解类，均支持文本/图像/视频/文档/代码）。Nova 2 已推出，新增 Nova 2 Lite（增强视频理解 + extended thinking）、Nova 2 Sonic、Nova Multimodal Embeddings。
  • API 开放：是，仅通过 Amazon Bedrock API。
  • 价格：Bedrock 按需/批量价（页面为动态表格，具体 token 单价未在本轮静态抓取中取到具体数字）。
  • 不确定性：Nova 2 的理解模型目前公开命名以 “Nova 2 Lite” 为主；Nova 2 的 Reel/Canvas（生成类）命名/价格需进一步核验。
  • 来源：https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html · https://docs.aws.amazon.com/nova/latest/nova2-userguide/whats-new.html

二、生成类（图像生成 / 视频生成）

1. Google — 图像：Nano Banana（Gemini Image 家族）

  • 当前型号（4 个）：
    • Nano Banana 2 = Gemini 3.1 Flash Image（gemini-3.1-flash-image）
    • Nano Banana 2 Lite = Gemini 3.1 Flash Lite Image（gemini-3.1-flash-lite-image）
    • Nano Banana Pro = Gemini 3 Pro Image（gemini-3-pro-image）
    • Nano Banana（旧）= Gemini 2.5 Flash Image（gemini-2.5-flash-image），已弃用，2026-10-02 关停，官方建议迁移到 3.1 Flash Image / Flash Lite Image
  • API 开放：是。Gemini API（文生图 + 多图参考 + 编辑）。
  • 价格（Standard，付费 tier）：
    • Nano Banana 2：输入 $0.50；图像输出 $60/1M ≈ $0.067/张(1K)、$0.151/张(4K)
    • Nano Banana 2 Lite：输入 $0.25；输出 $30/1M ≈ $0.0336/张(1K)
    • Nano Banana Pro：输入 $2.00；输出 $120/1M ≈ $0.134/张(1K/2K)、$0.24/张(4K)
  • 来源：https://ai.google.dev/gemini-api/docs/image-generation · https://ai.google.dev/gemini-api/docs/pricing

2. Google — 视频：Veo 3.1（+ Gemini Omni Flash）

  • 当前型号：Veo 3.1（veo-3.1-generate-preview / veo-3.1-fast-generate-preview / veo-3.1-lite-generate-preview）；另有 Gemini Omni Flash（gemini-omni-1.1-flash，视频生成/编辑）。
  • API 开放：是（Veo 需申请/付费 tier）。
  • 价格（每 1 秒输出，含音频）：
    • Veo 3.1 Standard：$0.40（720p/1080p）、$0.60（4k）
    • Veo 3.1 Fast：$0.10（720p）、$0.12（1080p）、$0.30（4k）
    • Veo 3.1 Lite：$0.05（720p）、$0.08（1080p）
    • Gemini Omni Flash：按 token 计，≈ $0.10/秒（720p）
  • 来源：https://ai.google.dev/gemini-api/docs/pricing · https://ai.google.dev/gemini-api/docs/video

3. OpenAI — 图像：GPT-Image-2.5

  • 当前型号：GPT-Image-2.5 Sunburst（gpt-image-2.5-sunburst，最强，编辑精度优先）；GPT-Image-2.5 Flare（gpt-image-2.5-flare，快速日常）；旧 GPT-Image-2（gpt-image-2）。
  • API 开放：是。Images API / Responses API 图像生成工具。
  • 价格（每 1M tokens）：
    • Sunburst / Flare：文本输入 $5（缓存 $1.25）；图像输入 $8（缓存 $2）；输出 $30
    • GPT-Image-2（旧）：9-29 官方定价页显示与 2.5 相同（原文记为文本 $2.50 / 图像 $4 / 输出 $15）
  • 来源：https://developers.openai.com/api/docs/models/gpt-image-2.5-sunburst · https://developers.openai.com/api/docs/pricing

4. OpenAI — 视频：Sora 2（已关停）

  • 状态：已于 2026-09-24 关停。官方文档原话：“The Sora 2 models and Videos API were shut down on September 24, 2026 and are no longer available.”
  • 经过：分两步关停——Sora 网页版和 App 先于 2026-04-26 下线，API 给了约 6 个月过渡期（3 月 24 日宣布），9 月 24 日关闭。
  • 继任：没有。官方写明 “No one-to-one replacement API is available”；OpenAI 的模型页和定价页上目前已没有任何视频生成模型。原来用 Sora API 的开发者只能换到其他厂商（如 Google Veo 3.1、Runway、Luma，见本节其他条目）。
  • 关停前价格（仅供参考）：sora-2 $0.10/秒（720p）；sora-2-pro $0.30–0.70/秒。
  • 来源：https://developers.openai.com/api/docs/guides/video-generation · https://the-decoder.com/openai-sets-two-stage-sora-shutdown-with-app-closing-april-2026-and-api-following-in-september/

5. Runway — Runway Dev API（自研 + 聚合第三方）

  • 当前型号（视频）：Gen-4.5（gen4.5）、gen4_turbo、aleph2、act_two、veo3.1/veo3.1_fast、wan3/wan3_prime、seedance2_5 等 Seedance 系列、grok_imagine_1_5、hailuo3、gemini_omni_flash/gemini_omni_flash_1.1 等；列表中没有 Sora。
  • 当前型号（图像）：gen4_image、gen4_image_turbo、muse_image，并聚合 gpt_image_2_5_flare/gpt_image_2_5_sunburst、gemini_image3_pro、gemini_image3.1_flash、seedream5_pro/seedream5_lite、grok_imagine_image_2 等。
  • API 开放：是（Runway Dev）。
  • 价格（1 credit = $0.01）：
    • 视频：Gen-4.5 12 credits/秒；gen4_turbo 5；aleph2 28（最低 56）；veo3.1 40（含音频）/20（无音频）；veo3.1_fast 15/10；wan3 5（480p）/10（720p）/20（1080p）；seedance2_5 20–68；grok_imagine_1_5 10–29；gemini_omni_flash_1.1 3.4–30（360p–4K）。
    • 图像：gen4_image 5（720p）/8（1080p）；gen4_image_turbo 2；muse_image 1；gpt_image_2_5_flare/sunburst 1–76 credits/张（按质量/分辨率）。
  • 来源：https://docs.dev.runwayml.com/guides/models/ · https://docs.dev.runwayml.com/guides/pricing/

6. Luma AI

  • 当前型号（视频）：Ray 3.2（ray-3.2，新一代 API）；旧 Dream Machine API 为 Ray 2（ray-2）、Ray 2 Flash（ray-flash-2）。
  • 当前型号（图像）：Uni-1.1（新一代）；旧为 Photon（photon-1、photon-flash-1）。
  • API 开放：是（api.lumalabs.ai / platform.lumalabs.ai）。
  • 价格（Ray 3.2，SDR 输出，按条）：
    • T2V/I2V 5s：$0.15（540p）/ $0.30（720p）/ $1.20（1080p）
    • T2V/I2V 10s：$0.45 / $0.90 / $3.60
    • V2V 5s：$0.72 / $1.44 / $2.16；V2V 10s：$1.08 / $2.16 / $4.32；Reframe $0.06/秒（540p）等
    • HDR 输出 2×、HDR+EXR 3×。
  • 不确定性：Uni-1.1 图像"按张计费、价格基于 billing tokens（近似）"，具体每张美元单价在官方静态页未显示（由 JS tab 动态渲染），未能取到确切数字。
  • 来源：https://lumalabs.ai/api · https://docs.lumalabs.ai/docs/video-generation · https://docs.lumalabs.ai/docs/image-generation

7. Amazon — Nova Canvas（图）/ Nova Reel（视频）

  • 当前型号：Nova Canvas（amazon.nova-canvas-v1:0，图像生成）；Nova Reel（amazon.nova-reel-v1:1，视频生成）。
  • API 开放：是，通过 Amazon Bedrock。
  • 价格：Bedrock 按需/批量（页面为动态表，具体每张/每秒单价本轮未取到具体数字）。
  • 不确定性：Nova 2 已发布，但 Nova 2 的 Canvas/Reel 型号名与价格未在本轮核验中确认（Nova 2 文档目前重点介绍 Nova 2 Lite/Sonic/Embeddings）。
  • 来源：https://docs.aws.amazon.com/nova/latest/userguide/what-is-nova.html · https://aws.amazon.com/bedrock/pricing/

三、结论要点

  1. 9-29 更新：OpenAI 已退出视频生成 API 市场（Sora 2 于 9-24 关停，无继任）；文本/视觉模型方面，OpenAI 的 GPT-6 Sol/Luna 和 Anthropic 的 Opus 5.5/Sonnet 5.5 都在 9 月下旬推出，GPT-6 Sol/Luna 价格约为上一代的一半。
  2. 理解类最全的是 Google Gemini（图像+视频都支持）与 Amazon Nova（Premier/Pro/Lite 支持视频理解）；OpenAI GPT 与 Anthropic Claude 目前是「图像理解」为主，Claude 明确不支持视频。
  3. 图像生成：Google Nano Banana（2 / 2 Lite / Pro）与 OpenAI GPT-Image-2.5（Sunburst/Flare）为两家第一方主力；Runway 同时自研并转售这两家的图像模型。
  4. 视频生成：Google Veo 3.1（Standard/Fast/Lite 三档）为当前最清晰的旗舰，Sora 关停后更是海外第一方视频 API 的主要选择；Runway 以 Gen-4.5/Aleph 2.0 为主并聚合 Veo 3.1；Luma 已升级到 Ray 3.2（较 Ray 2 大幅涨价、主打电影级）。
  5. 注意：OpenAI Sora 2 系列已于 2026-09-24 关停，官方明确没有一对一的替代 API；旧 Nano Banana（Gemini 2.5 Flash Image）将于 2026-10-02 关停。
  6. 未取到精确单价的项：Amazon Bedrock（Nova Canvas/Reel）按需价、Luma Uni-1.1 图像每张价——两者均为官方页 JS 动态渲染所致，需人工/浏览器确认。
更新于 2026年09月29日 
CC BY-NC-SA 4.0
AI多模态视频生成价格调研
返回 | 主页
切换 选择 ESC 关闭
搜索引擎 Fuse.js