当前位置：首页 > news >正文

生图API 选模型别靠感觉：nano-banana-pro 和 gpt-image-2 怎么做 A/B 对比

news 2026/8/12 12:21:43

"哪个模型更好"这个问题没有通用答案——取决于你的品类和风格。别人测出来 gpt-image-2 更好，换到你的货上可能是 nano banana pro 赢。

这篇讲在该服务上怎么用几十行代码把 A/B 对比跑出来，用数据选模型。

一、同一套提示词，多个模型并行

一个密钥能调所有模型，A/B 对比几乎零成本：

const MODELS = ['nano-banana-pro', 'gpt-image-2', 'nano-banana2']; async function abTest(prompt) { const results = await Promise.all(MODELS.map(async (model) => { const t0 = Date.now(); try { const r = await fetch('https://API_HOST/v1/chat/completions', { method: 'POST', headers: { Authorization: `Bearer ${process.env.TTQ_API_KEY}`, 'Content-Type': 'application/json', }, body: JSON.stringify({ model, messages: [{ role: 'user', content: prompt }] }), signal: AbortSignal.timeout(120_000), }); return { model, ok: r.ok, ms: Date.now() - t0, data: r.ok ? await r.json() : null }; } catch (e) { return { model, ok: false, ms: Date.now() - t0, err: e.message }; } })); return results; }

并行发，不要串行——串行的话三个模型跑完要等三倍时间，而且耗时数据会被网络波动污染。

二、要比的不只是"好不好看"

只看单张图很容易被个例带偏。建议每个模型同一提示词出 5 张，比这四项：

维度	怎么看
命中率	5 张里有几张能直接用？这个最重要
一致性	5 张之间风格是否统一？批量场景下比单张质量更关键
耗时	平均单张多少秒，直接决定跑量能力
成本	单次积分 ÷ 命中率 =每张可用图的真实成本

第四项最容易被忽略。一个模型单次 8 积分但命中率 40%，另一个单次 10 积分但命中率 80%——后者每张可用图才 12.5 积分，前者要 20 积分。便宜的模型不一定省钱。

// 每张可用图的真实成本 const realCost = costPerCall / hitRate;

三、测试集怎么选

别拿一个商品测。挑 5 个覆盖不同难度的：

一个规则商品（盒装、瓶装）——基准线
一个反光材质（金属、玻璃）——考验高光处理
一个软材质（衣物、毛绒）——考验纹理
一个多部件商品（带配件的套装）——考验结构还原
一个你最主推的款——这个权重最高

五个商品 × 三个模型 × 五张 = 75 次调用。用便宜的先跑一轮筛掉明显不行的，剩下两个再精细比。

四、别忘了记录用的哪个模型

批量出图时把model跟着结果一起存下来：

await db.images.insert({ url, model, prompt, createdAt: new Date() });

不记的话，后面发现某批图质量参差，根本查不出是模型的问题还是提示词的问题。有了这个字段，随时能回头统计"哪个模型出的图被最终采用得多"—— 这才是最真实的 A/B 结果。

五、模型与消耗

模型代码	特点	消耗
`nano-banana2`	最快，跑量和试参数首选	8 积分/次
`nano-banana-pro`	综合最稳，支持 1K/2K/4K	10 积分/次
`gpt-image-2`	细节质感最好，材质表现强	按次计费
`Veo 3.1 视频生成`/`Sora 2`	生视频	120 / 130 积分/次