AI 图像 · 能力核验规格书

Ideogram 4.0 · 文生图：参数只有 `text_prompt` / `json_prompt` / `resolution` / `rendering_speed` / `enable_copyright_detection` 五个。`json_prompt` 是 4.0 新增的结构化提示词，官方说它「is consumed by the diffusion model directly」（绕开 magic-prompt 改写）。Ideogram · API 文档（generate v4）

FLUX 2-dev · 文生图：官方原文：「FLUX.2 is the recommended model for text-to-image generation」Black Forest Labs · 官方文档索引

GPT Image 2.5（sunburst / flare） · 文生图：原文：「The API lets you generate and edit images from text prompts using gpt-image-2.5-sunburst and gpt-image-2.5-flare」OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 文生图：模型卡声明图像生成，输入可含文本，输出图像。Google · Nano Banana 2.1 模型卡

Qwen-Image 3.0-pro · 文生图：T2I 时 content 里只放一个 `{"text": "..."}`；提示词支持中英文，官方建议不超过 4500 Token。阿里云百炼 · 千问-图像生成与编辑3.0 API参考

Seedream 5.0 Pro · 文生图：官方原文：「Can generate text-rich images for education, professional, and other specialized scenarios」ByteDance Seed · Seedream 官方页

HunyuanImage 3.0 · 文生图：官方原文：「HunyuanImage-3.0 (Text-to-image)」HunyuanImage-3.0 官方模型卡（Hugging Face）

Recraft V4.1 · 文生图：官方原文：「V4.1 is the latest generation」Recraft · 官方文档

Z-Image Turbo · 文生图：官方原文：「Z-Image is a powerful and highly efficient image generation model family with 6B parameters」Z-Image 官方模型卡（Hugging Face）

Ideogram 4.0 · 图生图：有 `image_weight`：「How strongly the output should resemble the input image.」输入图上限 10MB，只收 JPEG / WebP / PNG。Ideogram 官方 API 参考 · Remix with Ideogram 4.0

FLUX 2-dev · 图生图：官方原文：「Edit images with FLUX.2 using text prompts and multi-reference support for up to 10 images」Black Forest Labs · 官方文档索引

GPT Image 2.5（sunburst / flare） · 图生图：改图端点原文：「Edit existing images / Generate new images using other images as a reference」OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 图生图：模型卡声明 conversational editing，输入支持图像。Google · Nano Banana 2.1 模型卡

Qwen-Image 3.0-pro · 图生图：输入图收 JPG/JPEG/PNG/BMP/TIFF/WEBP/GIF，单张不超过 10MB，官方建议宽高都在 384~2048 像素之间。阿里云百炼 · 千问-图像生成与编辑3.0 API参考

Seedream 5.0 Pro · 图生图：官方原文：「Accurately responds to spatial annotations and sketch-based guidance」ByteDance Seed · Seedream 官方页

HunyuanImage 3.0 · 图生图：官方原文：「instruction reasoning and image-to-image generation including editing and multi-image fusion」HunyuanImage-3.0 官方模型卡（Hugging Face）

Recraft V4.1 · 图生图：当前端点支持 V4.1；用 strength 控制与原图的差异，V4.1 Flash 不支持。Recraft · image-to-image

Ideogram 4.0 · 指令编辑：⚠️ 这个端点路径不带版本号，官方没说它跑的是哪一代模型 —— 它对任意图片可用，4.0 的产出也能喂进去，但不能算作「4.0 独有」。能力本身是确实的：概览里 Edit 一节写「Take a starting image and modify a part of an image while keeping the rest intact.」，还额外说明可以拿它做换脸（Face Swapping）。 🔧 2026-08-16 改了署名的源：原署 `ideogram-edit`，实际这句话在 `ideogram-overview` 里。Ideogram v1 API 概览（4.0 与 3.0）

FLUX 2-dev · 指令编辑：官方原文：「Edit images with FLUX.2 using text prompts」Black Forest Labs · 官方文档索引

GPT Image 2.5（sunburst / flare） · 指令编辑：改图端点原文：「Edit existing images … Edit parts of an image by uploading an image and mask」OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 指令编辑：模型卡明确支持对话式图像编辑；局部遮罩和扩图需另核。Google · Nano Banana 2.1 模型卡

Qwen-Image 3.0-pro · 指令编辑：编辑与图生图在 3.0 上是同一个端点、同一个模型名，靠 content 里有没有 image 区分 —— 不像 Ideogram 那样分成不同端点。阿里云百炼 · 千问-图像生成与编辑3.0 API参考

Seedream 5.0 Pro · 指令编辑：官方原文：「Supports layer separation, which unlocks more creative possibilities」ByteDance Seed · Seedream 官方页

HunyuanImage 3.0 · 指令编辑：官方原文：「image-to-image generation including editing」HunyuanImage-3.0 官方模型卡（Hugging Face）

GPT Image 2.5（sunburst / flare） · 多轮编辑：Responses API 相对 Image API 多出的一条：「Multi-turn editing : Iteratively make high fidelity edits to images with prompting」OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 多轮编辑：模型卡明确强调多轮角色一致性与对话式编辑。Google · Nano Banana 2.1 模型卡

Ideogram 4.0 · 蒙版重绘：这个能力长在 3.0 那一支上。 官方文档索引（llms.txt）里 v4 只有 generate / generate-async / remix / magic-prompt / describe 五个端点，没有 inpaint；带蒙版的局部重绘只有 `ideogram-v3` 路径，端点自己就把版本写在 URL 里。Ideogram 官方 API 参考 · Inpaint with Ideogram 3.0

FLUX 2-dev · 蒙版重绘：官方原文：「Use FLUX.1 Fill for text-driven inpainting and outpainting to edit image regions」Black Forest Labs · 官方文档索引

GPT Image 2.5（sunburst / flare） · 蒙版重绘：原文：「Edit parts of an image by uploading an image and mask that identifies the areas to replace」。⚠️ 同页降温一句：「Masking with GPT Image is entirely prompt-based. The model uses the mask as guidance, but may not follow its exact shape with complete precision」—— 是引导不是硬蒙版OpenAI · Image generation 官方指南

Seedream 5.0 Pro · 蒙版重绘：不是传统的蒙版图（请求参数里没有 mask 字段），而是用坐标 / 框选 / 箭头指位置。能达到「只改这一块」的效果，但接法和 Ideogram、Recraft 的 mask 端点不一样，迁移时要重写。火山方舟 API 参考 · 图片生成 API（Doubao Seedream 5.0 pro）

Ideogram 4.0 · 扩图：同样只在 3.0 那一支。 扩图在 Ideogram 叫 Reframe，概览里写「Take a starting image and extend it to match your desired resolution.」v4 没有对应端点。Ideogram 官方 API 参考 · Reframe with Ideogram 3.0

FLUX 2-dev · 扩图：官方原文：「Expand any image beyond its borders in a single call」Black Forest Labs · 官方文档索引

Ideogram 4.0 · 多图参考：⚠️ 这个端点路径不带版本号，官方没说它跑的是哪一代模型 —— 它对任意图片可用，4.0 的产出也能喂进去，但不能算作「4.0 独有」。另外注意这是编辑端点上的多图参考，不是「生成时给多张参考图」—— 后者的 `style_reference_images` / `character_reference_images` 只在 v3 生成端点上有。Ideogram 官方 API 参考 · Edit images with a prompt

FLUX 2-dev · 多图参考：官方原文：「multi-reference support for up to 10 images」Black Forest Labs · 官方文档索引

GPT Image 2.5（sunburst / flare） · 多图参考：原文：「You can use one or more images as a reference to generate a new image」，例子用 4 张输入图OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 多图参考：模型卡明确最多 14 张参考图；其中最多 4 个角色、10 个物体。Google · Nano Banana 2.1 模型卡

Qwen-Image 3.0-pro · 多图参考：上限是 3 张，而且官方明说顺序有意义（按数组顺序）。这一格原来核在开源那一支上，现在换成 API 这一支的原文。阿里云百炼 · 千问-图像生成与编辑3.0 API参考

Seedream 5.0 Pro · 多图参考：上限 10 张。⚠️ 同页写明 5.0 pro 与 lite/4.5/4.0 的能力不同：lite 那几档收 2-14 张、还能出组图，pro 反而「暂不支持组图生成、联网搜索、流式输出」 —— 同一条产品线里 pro 不是处处都更强。火山方舟 API 参考 · 图片生成 API（Doubao Seedream 5.0 pro）

HunyuanImage 3.0 · 多图参考：官方原文：「multi-image fusion」HunyuanImage-3.0 官方模型卡（Hugging Face）

Ideogram 4.0 · 风格参考：风格参考整套都在 3.0 那一支：`style_reference_images`、`style_codes`（8 位十六进制风格码）、`style_preset`、`color_palette` —— v4 的 generate 端点一个都没有。概览那句「Using any of the API V3 endpoints」是官方自己把这组能力钉在 v3 上。 🔧 2026-08-16 改了署名的源：原署 `ideogram-v3-generate`，实际这句话在 `ideogram-overview` 里。人审备注：通用Ideogram v1 API 概览（4.0 与 3.0）

FLUX 2-dev · 风格参考：🔁 这一格 08-12 记的是 ⬜，理由写了三条，三条都还成立 —— 但结论错了。 当时说「官方的 Multi-Reference 讲的是元素与身份一致」，那是同一页里另一节的内容；真正给风格图的那一节叫 `Style & Material Transfer`，就在同一页往下。上次读的是这一页的开头，不是这一页。 和混元那格是同一种漏法的两个变种：一个搜参数名漏了展示区，一个读了页首漏了页中。⚠️ 与 Ideogram 不同的是，FLUX 没有 `style_reference_images` 这种参数 —— 风格图是当作普通参考图喂进去、靠提示词指认的，所以能力有、但没有独立开关。Black Forest Labs 官方文档 · FLUX.2 多图参考编辑指南

HunyuanImage 3.0 · 风格参考：这个能力长在 `HunyuanImage-3.0-Instruct` 那一支上，不是基础版 3.0 —— 展示区配图的 alt 自己写着 `HunyuanImage-3.0-Instruct Showcase 5`。🔍 上一次记 ⬜ 是漏读，漏的原因值得记下来。 08-13 那次在仓库里搜的是参数名与小节名（`style`、`mask`、`outpaint`…），而混元没有风格参考这个参数 —— 它是靠提示词加参考图做的，只在展示区露面。搜参数搜不到「没有参数的能力」，这是个会重复犯的错。⚠️ 相应地，这一格的证据强度也弱于有 API 参数那种：官方演示了、没有开关可调。Tencent-Hunyuan/HunyuanImage-3.0 官方仓库

Ideogram 4.0 · 保真度控制：角色一致性也只在 3.0 那一支，且官方明说当前只支持一张角色参考图，还要另计费（「Generations with character reference are subject to the character reference pricing」）。v4 的 generate 没有这个参数。Ideogram 官方 API 参考 · Generate with Ideogram 3.0

FLUX 2-dev · 保真度控制：最多 10 张参考图，官方给的例子是「8 个角色从参考图里保持一致」。这一格是靠多图参考锁身份，不是靠一个相似度旋钮。Black Forest Labs 官方文档 · FLUX.2 概览

GPT Image 2.5（sunburst / flare） · 保真度控制：⚠️ `input_fidelity` 那一节今天仍只点名 gpt-image-2：该参数不开放，原文「because the model processes every image input at high fidelity automatically」——2.5 的两档没单独写，判不了，标着待重核OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 保真度控制：模型卡明确 character consistency 与 object fidelity，并给出参考对象数量。Google · Nano Banana 2.1 模型卡

Ideogram 4.0 · 文字渲染：原来这格是 ⬜，理由是「行业共识但厂商没写」。 这次在官方文档里找到了厂商自己的原话（4.0 那条里的 `crystal-clear type`），所以改 ✅ —— 换的是证据，不是标准。Ideogram v1 API 概览（4.0 与 3.0）

FLUX 2-dev · 文字渲染：官方点名的场景是信息图、UI 稿、营销物料 —— 都是要成段文字和版面的活。Black Forest Labs 官方文档 · FLUX.2 概览

GPT Image 2.5（sunburst / flare） · 文字渲染：⚠️ 新版出图指南整页没有文字渲染这一节 —— 旧结论是从 gpt-image-2 那一版页面读来的，2.5 两档没重新写明。不改结论也不编新证据，标着待重核OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 文字渲染：新版更新清单明确增强文字渲染与信息图布局。Google · Nano Banana 2.1 模型卡

Qwen-Image 3.0-pro · 文字渲染：这句话在产品线概览页上，讲的是 Qwen-Image 这条线整体，不是单点在 3.0-pro 上。阿里云百炼 · 千问-文生图API参考（模型概览）

Seedream 5.0 Pro · 文字渲染：官方原文：「Can generate text-rich images … Natively supports a dozen widely used languages」ByteDance Seed · Seedream 官方页

Recraft V4.1 · 文字渲染：官方原文：「precise text positioning」Recraft · 官方文档

Z-Image Turbo · 文字渲染：官方原文：「bilingual text rendering (English & Chinese)」Z-Image 官方模型卡（Hugging Face）

Ideogram 4.0 · 放大：⚠️ 这个端点路径不带版本号，官方没说它跑的是哪一代模型 —— 它对任意图片可用，4.0 的产出也能喂进去，但不能算作「4.0 独有」。Ideogram v1 Upscale 端点

Recraft V4.1 · 放大：平台独立放大工具：crisp 保留内容，creative 会重绘细节和人脸；不是 V4.1 原生分辨率声明。Recraft · upscale

GPT Image 2.5（sunburst / flare） · 4K 出图：原文：「The total pixel count must be between 655,360 and 8,294,400 (4K)」。⚠️ 同页紧接着降温：「Resolutions above 2560x1440 are experimental」—— 能出 4K 是真的，2K 以上官方自己标实验性OpenAI · Image generation 官方指南

Nano Banana 2.1（gemini-nano-banana-2.1） · 4K 出图：模型卡明确 1K、2K、4K 输出，默认 1K。Google · Nano Banana 2.1 模型卡

Ideogram 4.0 · 分层输出：只拆文字这一类图层，不是把整图拆成任意层 —— 它给的是「去掉字的底图 + 每块文字的位置/内容/字体/样式」，适合把生成的海报拿去改文案。和 Ideogram 的重绘、扩图一样，这个端点只在 3.0 那一支下，v4 没有。Ideogram 官方 API 参考 · Layerize Text

Qwen-Image 3.0-pro · 分层输出：官方给的用法很具体：层数可变（同一张图可拆 3 层或 8 层）、可递归再拆、改完某一层其余内容原样不动（「physically isolating it from the rest of the content」）。⚠️ 这个能力在 Qwen-Image-Layered 这个单独的开源模型上，不是当前主力 `qwen-image-3.0-pro`（3.0 的 API 参数表里没有任何分层字段）。Hugging Face · Qwen/Qwen-Image-Layered（官方模型卡）

Seedream 5.0 Pro · 分层输出：⏱ 这一格两天前是 ⬜，翻成 ✅ 不是因为我们上次读漏了。 2026-08-12 记的是「参数表与响应字段里都没有图层 / 分层输出」，那句话当时是对的；`layer_decomposition` 在文档里至今还标着 `new`。⚠️ 更要紧的是别把这次当成「我们早就说对了」—— 我们的谱系一度写过 5.0 Pro「分层输出」，那条在当时没有任何官方依据，08-12 已经删掉。猜对了也是猜：删它是对的，现在补它靠的是文档里真出现的参数，不是那次直觉。火山方舟 API 参考 · 图片生成 API（Doubao Seedream 5.0 pro）

Ideogram 4.0 · 开源权重：这一格原来是 ❌「闭源，官方未发布权重」—— 那是 3.0 时代的事实，4.0 变了。 两条要跟着看清楚：① 许可叫 `ideogram-4-non-commercial`，权重公开但不许商用；② HF 上这两个仓库是 gated 的，要先接受许可才下得动（未登录取 README 返回「Access to model … is restricted」）。 🔧 2026-08-16 改了署名的源：原署 `ideogram-hf`，实际这句话在 `ideogram-overview` 里。人审备注：通用Ideogram v1 API 概览（4.0 与 3.0）

FLUX 2-dev · 开源权重：官方原文：「black-forest-labs/FLUX.2-dev 权重公开（↓963,011）；⚠️ 许可为 other，非标准开源协议」官方 Hugging Face 组织（发布时间取自 API 的 createdAt）

Qwen-Image 3.0-pro · 开源权重：权重长在同门的上一代上。 当前主力 `qwen-image-3.0-pro` 是只在百炼上调的 API 模型，官方没有放出它的权重；要自部署只能用 2512 那一代。「这条产品线开源」和「你现在用的这一版开源」不是一回事。官方 Hugging Face 组织（发布时间取自 API 的 createdAt）

HunyuanImage 3.0 · 开源权重：官方原文：「tencent/HunyuanImage-3.0-Instruct 权重公开；⚠️ 许可 other，非标准开源协议」官方 Hugging Face 组织（发布时间取自 API 的 createdAt）

Z-Image Turbo · 开源权重：官方原文：「Tongyi-MAI/Z-Image-Turbo，apache-2.0，↓998,283」官方 Hugging Face 组织（发布时间取自 API 的 createdAt）