如果你用 AI 出图——做产品图、缩略图、社媒配图、电商主图——大概率你每一张都在按"默认顶配"付费，而你根本不知道。2026 年 5 月的海外价格表撕开了一个残酷的事实：同一个 1024×1024 分辨率，最便宜 $0.009/张，最贵 $0.12/张，差 13 倍。这个差价不是模型好坏的差价，是你没拨对的开关的差价。
今天这篇拆一条几乎没人讲清的省钱线：AI 出图的成本不是被模型决定的，是被质量档位、模型替换、废图兜底、量级自托管这四把刀一起决定的。我把三份 2026 年 4–5 月的海外实测账本交叉对了一遍，给你算出每一张图到底该花几分钱，以及大多数中国开发者正在白付的那 90% 钱去哪了。
这是 TokenMix Research Lab 在 2026 年 4 月核对的五家主流图像 API 价格表（1024×1024 标准/HD 档），我把数字原样搬过来：
| 模型 | 标准 1024² | HD 1024² | 4096² 顶配 | 出图速度 |
|---|---|---|---|---|
| GPT Image 1.5 | $0.04 | $0.08 | $0.12 (HD) | 8–15s |
| DALL-E 3（即将下线） | $0.04 | $0.08 | — | 8–15s |
| Flux 2 Pro | $0.03 | $0.05 | — | 3–8s |
| Stable Diffusion 3（自托管） | $0.003 | $0.004 | — | 2–6s |
| Google Imagen 4 | $0.04 | $0.06 | $0.06+ | 5–12s |
第一眼看，Flux 2 Pro 和 SD3 最便宜。但 treeru 这个独立开发者贴了一张更狠的实测表（2026 年 3 月，1024²，按真实 API 调用计费），里面藏着真正被埋没的那把刀：
| 模型 | 单价 | 关键说明 |
|---|---|---|
| GPT Image 1.5 Low | $0.009 | 性价比之王，几乎不吐乱码 |
| GPT Image 1.5 Medium | $0.034 | 更高细节 |
| FLUX 1.1 Pro（Replicate） | $0.040 | 艺术风格强 |
| Gemini 3.1 Flash | $0.045 | 最新版 |
| Gemini 2.5 Flash | $0.039 | 2026 年 10 月 EOL |
| DALL-E 3 | $0.040 | 已废弃，40% 概率吐乱码 |
同一个 OpenAI 体系，GPT Image 1.5 的 Low 档只要 $0.009，而 DALL-E 3 要 $0.040——差 4.4 倍，而且便宜的反而质量更好。 treeru 的原话是："At 100 images per month, GPT Image 1.5 Low costs roughly $0.90 — compared to $4.00 for FLUX 1.1 Pro or DALL-E 3。" 一个月 100 张，$0.9 对 $4.0。一年下来就是 $11 对 $48。
而对比文本模型，ofox.ai 的 5 月账本告诉你：一张 $0.03–0.12 的图，等价于前沿文本模型 2000–8000 个 token 的产出。也就是说，你随手出的一张图，可能比你写一篇 1500 字文章还贵。这就是为什么出图账单会"突然爆掉"。
90% 的人调图像 API 只传一个 prompt 和 size，剩下的全用默认值。而 OpenAI 这类 API 把真正的省钱开关藏在 quality 参数里。treeru 实测的 GPT Image 1.5 三档：
很多人不知道有 Low 档，于是所有图都按 Medium 甚至 HD 走。一个博客自动配图场景，1000 张/月：全 Low 是 $9，全 Medium 是 $34，全 HD 是 $80–120。 这就是"默认顶配白付九成"的来源。
操作：在 OpenAI SDK 里把 quality="low" 显式写死。中文用户特别要注意——很多人是从中文教程抄的代码，教程还停留在 DALL-E 3 时代，根本没这个参数。
档位拨完，下一步是整个模型换掉。2026 年的真相是：DALL-E 3 已经是历史包袱，OpenAI 自己都在把它往 GPT Image 1.5 上赶。如果你还在调 DALL-E 3，你同时付出了：更贵、更慢、还更爱吐乱码（约 40% 的图会冒出 "SEER"、"TECH" 这种伪英文碎片）。
替换路线很简单：
注意一个 2026 年的坑：Gemini 2.5 Flash 在 2026 年 10 月 EOL（停服）。如果你图床跑在它上面，现在就该迁到 Gemini 3.1 Flash（$0.045），别等停服那天系统报错。
这把刀最隐蔽，但伤害最大。treeru 的核心发现是："NO TEXT" 这种提示词根本压不住模型吐文字。 DALL-E 3 即使用最激进的 "ABSOLUTELY NO text, letters, words, or numbers"，仍有约 40% 的图会冒出乱码。这意味着你付了 10 张的钱，可能 4 张是废图，要么人工筛、要么直接弃用——等于变相涨价 40%。
解法不是改 prompt，是加一个 OCR 兜底层：每张图生成后跑一遍 Tesseract 文字检测，检测到 ≥3 个字符就自动重试，最多重试 3 次：
# thumbnail_generator.py — OCR 兜底重试
import pytesseract, io
from PIL import Image
def has_text(image_bytes, threshold=3):
img = Image.open(io.BytesIO(image_bytes))
text = ''.join(pytesseract.image_to_string(img).split())
return len(text) >= threshold # 滤掉单字符误判
def generate(prompt, max_retries=3):
for i in range(max_retries):
img = call_image_api(prompt)
if not has_text(img):
return img # 干净图，直接用
return img # 重试到底仍不干净，兜底返回
加上这层之后，即便用 GPT Image 1.5 Low 这种已经很稳的模型，"可用图"的有效单价依然压在 $0.015 以内。Tesseract 本地装就行（Docker 里 apt-get install tesseract-ocr），零额外 API 成本。这一刀砍的是"你付了钱但图不能用"的隐形浪费。
当你的出图量上到"天"级别，所有 API 都会变成奢侈品。这时唯一答案是自己跑 Stable Diffusion 3。TokenMix 给的账：
关键拐点：日产量过 1 万张，自托管开始比任何 API 都便宜。 实测对比（月产 5 万张）：
| 方案 | 月成本 |
|---|---|
| 自托管 SD3（单 A100） | $150–300 |
| Flux 2 Pro（聚合 API） | $1,500–2,500 |
| GPT Image 1.5 | $2,000–4,000 |
| DALL-E 3 | $2,000–4,000 |
5 万张的量，自托管能把月账从 $2,000+ 砍到 $200 左右，整整一个数量级。代价是要有 GPU 运维和一点 ML 基础（ batching、显存管理、LoRA 微调），但好处是零内容审核、零速率限制、数据不出本地——对做电商主图批量、短剧封面、A/B 测试素材的团队，这是必经之路。
光有四把刀不够，得知道什么场景用哪把。下面这张流程图帮你一次跑通——从"我要出一张图"到"我该付多少钱"：
flowchart TD
Start["需求：生成一张图"] --> Q1{"量级多少？"}
Q1 -->|"<1000 张/月"| Q2{"图里要有清晰文字吗？"}
Q1 -->|"1000–10000 张/月"| M2["Flux 2 Pro 走聚合 API<br/>0.03–0.05"]
Q1 -->|">10000 张/天"| M3["自托管 SD3 on A100<br/>0.003/张"]
Q2 -->|"是（logo/招牌/标签）"| M1a["GPT Image 1.5 Medium<br/>0.034"]
Q2 -->|"否（缩略图/纯背景/封面）"| M1b["GPT Image 1.5 Low<br/>0.009"]
M1a --> OCR
M1b --> OCR
M2 --> OCR
M3 --> OCR
OCR["Tesseract OCR 兜底检测<br/>≥3 字符判定为废图"] --> Q3{"检测到乱码文字？"}
Q3 -->|"是，重试"| M1b
Q3 -->|"否"| Done["✅ 可用图入库<br/>有效单价 < 0.015"]
style M1b fill:#c8e6c9
style M3 fill:#c8e6c9
style Done fill:#a5d6a7
记住这张图的核心：先用量级定方案，再用"要不要文字"定模型，最后所有人统一过 OCR 兜底。 三步走完，你基本不可能再付顶配价。
| 维度 | 你以为的（默认做法） | 信息差真相（别人在省的） |
|---|---|---|
| 质量档位 | 不设，按默认/HD 出 | 显式 quality="low"，省 4–13 倍 |
| 1024² 单价 | DALL-E 3 $0.04 起步 | GPT Image 1.5 Low $0.009，更便宜还更好 |
| 废图处理 | 提示词写 "NO TEXT" | OCR 兜底重试，堵住 40% 隐形浪费 |
| 大批量 | 继续堆 API 额度 | 日过 1 万张→自托管 SD3，$0.003/张 |
| 模型选择 | 跟着老教程用 DALL-E 3 | DALL-E 3 将下线，该迁 GPT Image / Flux |
| 文本 vs 图像 | 觉得出图很便宜 | 一张图 ≈ 2000–8000 token，比写文章还贵 |
| 长期成本 | 5 万张/月付 $2000+ | 同量级自托管只付 $200 左右 |
dall-e-3、quality、model=。如果还在调 DALL-E 3 或没传 quality="low"，你已经在白付。model="gpt-image-1.5", quality="low"，这一步通常直接砍掉 60–80% 出图账单，零质量损失。generate() 重试函数。别让"出图失败"也算你的钱。一句话收口：AI 出图的便宜，不是等着模型降价降给你的，是你把那四个档位拨对了省出来的。 别再让默认顶配替你做决定了。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。