API obrazów obejmuje trzy różne zadania: zapełnianie folderu tanimi szkicami, dostarczenie gotowego obrazu z długiego briefu i poprawianie istniejącego obrazu. Z-Image, Seedream 5.0 Pro i Wan 2.7 Pro dzielą te zadania inaczej. Różnice tkwią w samym żądaniu: zadaniach, rozmiarze wyjściowym, seed, liczbie referencji i domyślnej cenie. Wybór zależy od tego, czy wejściem jest prompt, obraz, czy oba.
Krótka odpowiedź (na podstawie naszych testów z września i października 2026): wybierz Z-Image do nowych obrazów z tekstu, gdy chcesz wielu tanich prób (0,01 $ każda). Wybierz Seedream 5.0 Pro do gotowego obrazu 1k lub 2k z długiego briefu z dużą ilością tekstu albo edycji łączącej do dziesięciu referencji (0,036 $ w 1k, 0,072 $ w 2k). Wybierz Wan 2.7 Pro, gdy potrzebujesz największego płótna (domyślnie 2k, 4k w zadaniu tekst na obraz, stałe 0,075 $) albo edycji sterowanej obszarami i paletą kolorów. Przy briefach dla dorosłych zadanie tekst na obraz w Wan 2.7 Pro ma etykietę łagodzenia: złagodziło każde żądanie poziomu 3 i 4. Jego edycja, Z-Image i Seedream 5.0 Pro nie mają tej etykiety, choć edycja Wan była łagodzona na poziomie 4.
Porównanie obok siebie
| Z-Image | Seedream 5.0 Pro | Wan 2.7 Pro | |
|---|---|---|---|
| Zadania | Tylko tekst na obraz | Tekst na obraz, edycja obrazu, rozbijanie na warstwy | Tekst na obraz, edycja obrazu |
| Rozmiar wyjściowy | Stały, około jednego megapiksela dla proporcji; brak pola rozdzielczości | 1k lub 2k (domyślnie 2k) | Tekst na obraz 2k (domyślnie, około 4 megapikseli) lub 4k (około 16); edycja w 2k |
| Proporcje | 5: 1:1, 4:3, 3:4, 16:9, 9:16 | 15, od 1:3 do 3:1, w tym 4:5 i 21:9; domyślna edycja auto (według pierwszej referencji) | 7: pięć powyższych oraz 3:2 i 2:3; edycja bez wartości domyślnej |
| Referencje w edycji | Brak | 1 do 10 | 1 do 9, z opcjonalnymi bounding_boxes (do dwóch na referencję) |
| seed | Tak | Nie | Tak |
| Inne ustawienia | enable_prompt_expansion (domyślnie wyłączone); tylko PNG | enable_thinking (domyślnie włączone, bez wpływu na cenę); JPEG lub PNG; background: transparent w edycji | color_palette (3 do 10 kolorów) |
| Limit promptu | 1 000 znaków | 5 000 | 5 000 |
| Cena obrazu | 0,01 $; 0,016 $ z rozszerzaniem promptu | 0,036 $ w 1k, 0,072 $ w 2k; edycja dodaje 0,003 $ za każdą referencję po pierwszej | 0,075 $ za generację lub edycję w 2k lub 4k |
| Etykieta treści w katalogu | Bez cenzury | Bez cenzury, wszystkie zadania | Edycja bez cenzury; tekst na obraz łagodzony |
Z-Image: wiele tanich szkiców nowego obrazu
Z-Image ma jedno zadanie: tekst na obraz. Przy 0,01 $ za żądanie dziesięć przemyślanych szkiców kosztuje 0,10 $, więc możesz tanio porównywać zmiany pojedynczej części zdania. Zachowaj seed, by utrzymać warunek początkowy, ale porównuj rzeczywiste wyniki: nie gwarantuje identycznego kadru ani wyizolowania efektu zmienionego fragmentu.
Ograniczenia są konkretne: brak pola rozdzielczości (każde proporcje dają stały rozmiar około jednego megapiksela), limit 1 000 znaków i brak obrazu referencyjnego. Tekst w obrazie ogranicz do kilku dużych słów: średni wiersz kursywą zawierał błąd pisowni w każdym teście (zobacz test etykiety poniżej). Użyj modelu do znalezienia kompozycji, a następnie przenieś sformułowanie do większego modelu na wersję końcową.
Podczas iteracji zostaw enable_prompt_expansion wyłączone: przepisuje prompt i podnosi cenę do 0,016 $. Jeśli potrzebujesz dokładnych wymiarów w pikselach, a nie proporcji, to inna rodzina Z-Image: zobacz przewodnik po przepływie pracy Z-Image Spicy.
Seedream 5.0 Pro: gotowy obraz albo edycja z maksymalnie dziesięciu źródeł
Seedream 5.0 Pro przyjmuje prompty do 5 000 znaków, oferuje piętnaście proporcji i dwa rozmiary oraz jako jedyny z trzech ma opcję przezroczystego tła w edycji. Informacja o premierze ByteDance wskazuje infografiki, plakaty i złożone układy, ale zaznacza, że drobny tekst i spójność edycji na poziomie pikseli wymagają jeszcze poprawy. Sprawdzaj więc przy każdej edycji obszary, które miały zostać nietknięte.
Cztery szczegóły zmieniają koszt lub wyniki:
- Domyślne jest 2k. Jeśli pominiesz
resolution, zapłacisz 0,072 $, nie reklamowane 0,036 $. Potwierdź kompozycję w 1k, potem wygeneruj obraz do oddania w 2k. - Nie ma seed. Ponowienie daje inny obraz, a łańcuch edycji dryfuje, bo każde przejście renderuje cały kadr ponownie. Edytuj od oryginalnych referencji z jedną pełniejszą instrukcją zamiast piętrzyć małe zmiany. Wan zachowuje się podobnie: seed zawęża różnice między próbami, ale nie czyni edycji lokalną.
- Referencje kosztują dodatkowo. Każda po pierwszej dodaje 0,003 $ (dziesięć w 1k: około 0,063 $). Nadaj każdej rolę ("image 1 is the subject, image 2 only the room"); nieopisana zostanie domieszana.
- Przezroczystość ma wąskie warunki.
background: transparentdziała wyłącznie z wyjściem PNG i dokładnie jednym wejściowym obrazem, również PNG z kanałem alfa. Do rozdzielenia gotowego obrazu na warstwy użyj osobnego zadania z przewodnika po rozdzielaniu warstw. Tańsze modele rodziny porównuje zestawienie Seedream 5.0.
W naszych testach umieszczenie z dwóch obrazów zachowało ubranie i pokój, ale utraciło podobieństwo do osoby źródłowej. Sprawdzaj twarz względem źródła w każdej próbie, zarówno w Seedream, jak i Wan.
Wan 2.7 Pro: duże płótno i edycja sterowana obszarami
Tekst na obraz w Wan 2.7 Pro działa domyślnie w 2k i dochodzi do 4k, około czterokrotnie większej liczby pikseli, za tę samą stałą cenę 0,075 $. Wybierz go na główny obraz, który będzie kadrowany, powiększany lub drukowany, albo układ, w którym litery potrzebują miejsca.
Edycja przyjmuje od jednej do dziewięciu referencji, działa w 2k (4k tylko w zadaniu tekst na obraz), nie ma domyślnych proporcji (bez aspect_ratio ustala je ostatnia referencja) i dodaje bounding_boxes do oznaczania obszaru zmiany. Prostokąt jest prośbą, nie gwarancją zachowania całego otoczenia, więc porównuj wynik ze źródłem. color_palette przyjmuje od trzech do dziesięciu kolorów (zaleca się osiem) i steruje paletą całego kadru, z otoczeniem, ubraniem i światłem. Praktyczne prompty i przykład edycji zawiera przewodnik po przepływie pracy Wan 2.7.
Tekst w obrazie: jeden brief etykiety dla wszystkich trzech
Wysłaliśmy ten sam brief etykiety produktu do każdego modelu trzy razy w 4:3: bursztynowy słoik miodu z dużym nagłówkiem "WILDFLOWER HONEY", małą kursywą "Raw & unfiltered" i bardzo małym wierszem masy i partii. Wszystkie trzy poprawnie zapisały nagłówek i najmniejszy wiersz za każdym razem. Różnicę pokazał środkowy wiersz kursywą: Seedream 5.0 Pro zapisał go poprawnie w 3 z 3 prób w 1k (i raz w 2k), Wan 2.7 Pro w 3 z 3 w domyślnym 2k, a Z-Image błędnie we wszystkich trzech. Jedyna próba Wan w 4k także miała błąd: większe płótno nie gwarantuje poprawnego drobnego tekstu.
Jeśli obraz zawiera tekst, którego nie poprawisz ręcznie, użyj Seedream 5.0 Pro lub Wan 2.7 Pro i sprawdź każdą wielkość liter; przy kilku dużych słowach wystarczy obraz Z-Image za 0,01 $.
Etykiety treści mają znaczenie przy pracy dla dorosłych
Katalog oznacza każdy endpoint według zachowania na promptach testowych. Łagodzony oznacza, że wywołanie się udaje i jest naliczane, ale żądania przekraczające własne granice modelu mogą wrócić złagodzone. Sprawdź etykietę endpointu, który wywołasz, a nie nazwę rodziny.
W tych testach (metodyka oceny) L1 to obrazy sugestywne, L2 umiarkowane NSFW, L3 zaawansowane NSFW, a L4 sceny dla dorosłych o większej intensywności między dorosłymi. Każda komórka pokazuje próby dostarczone zgodnie z żądaniem na liczbę wykonanych; wszystkie pozostałe złagodzono (dodano ubranie, zasłonięto kluczowe części lub zwrócono niezwiązany obraz), a żadnej nie odmówiono.
| Poziom | Z-Image Turbo tekst na obraz | Seedream 5.0 Pro tekst na obraz | Seedream 5.0 Pro edycja | Wan 2.7 Pro tekst na obraz | Wan 2.7 Pro edycja |
|---|---|---|---|---|---|
| L1 sugestywny | 3 z 3 | 3 z 3 | 3 z 3 | 3 z 3 | 3 z 3 |
| L2 umiarkowany | 3 z 3 | 3 z 3 | 3 z 3 | 3 z 3 | 3 z 3 |
| L3 zaawansowany | 3 z 3 | 2 z 2 | 2 z 2 | 0 z 2 | nie dotyczy |
| L4 większa intensywność | 3 z 3 | 3 z 3 | 2 z 3 | 0 z 3 | 0 z 3 |
Wan 2.7 Pro tekst na obraz złagodził wszystkie próby L3 i L4; jego edycja, choć oznaczona bez cenzury, także była łagodzona przy L4. Przy najwyższej intensywności oczekuj więc mniejszej niezawodności niż w edycji Seedream 5.0 Pro. Szczegóły są w testach Wan, artykule testowym Seedream 5.0 Pro i artykule testowym Z-Image.
Koszt obrazu wartego zachowania
To ceny pojedynczych obrazów wygenerowanych z powodzeniem. Nieudane zadania zwalniają blokadę płatności; zadania wyceniane według liczby wyników rozlicza się za obrazy faktycznie dostarczone. Udany obraz, którego nie możesz użyć, nadal zwiększa koszt obrazu do zachowania.
| Ustawienie | Za obraz | 100 obrazów | Szkice Z-Image za te same pieniądze |
|---|---|---|---|
| Z-Image, rozszerzanie wyłączone | 0,01 $ | 1,00 $ | 1 |
| Z-Image, rozszerzanie włączone | 0,016 $ | 1,60 $ | 1,6 |
| Seedream 5.0 Pro, 1k | 0,036 $ | 3,60 $ | 3,6 |
| Seedream 5.0 Pro, 2k (domyślnie) | 0,072 $ | 7,20 $ | 7,2 |
| Wan 2.7 Pro, 2k lub 4k | 0,075 $ | 7,50 $ | 7,5 |
Ostatnia kolumna to próg opłacalności. Z-Image jest tańszy na zaakceptowany obraz tylko wtedy, gdy daje go w mniej niż około 3,6 próby, jeśli Seedream 1k zostałby przyjęty za pierwszym razem, i około 7,5 względem obrazu Wan przyjętego od razu. Wyniki też się różnią (około jednego megapiksela z Z-Image, do 16 z Wan w 4k). Licz naliczone wyniki prawdziwego briefu, również udane obrazy, które odrzucasz. Do miesięcznych sum użyj kalkulatora kosztów API.
Przenoszenie jednego briefu między modelami
Najpierw w Playground. Otwórz kolejno strony Z-Image, Seedream 5.0 Pro i Wan 2.7 Pro. Na każdej otwórz zakładkę Playground, wklej ten sam prompt, wybierz 4:3 (jedną z pięciu wspólnych proporcji), sprawdź szacowaną cenę i uruchom. Porównaj trzy wyniki przed pisaniem kodu.
Potem API, gdy wiesz, który model wybrać. Pola input nie są wymienne, dlatego poniżej pełne żądanie Z-Image:
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{"model": "alibaba/z-image-turbo/text-to-image",
"input": {"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette", "aspect_ratio": "4:3", "seed": 42}}'Dla Seedream 5.0 Pro zmień model na bytedance/seedream-5.0-pro/text-to-image, usuń seed i dodaj "resolution": "1k". Dla Wan 2.7 Pro użyj alibaba/wan-2.7-pro/text-to-image i dodaj "resolution": "2k". Pola, wyniki i błędy opisuje dokumentacja API; przewodnik startowy prowadzi przez pierwsze żądanie.
Zleć to Agentowi. Agent może wykonać to samo wywołanie przez CLI, MCP server lub Agent Skill. Wszystkie trzy czytają bieżący schemat modelu, a CLI i MCP pokazują cenę i proszą o potwierdzenie przed utworzeniem zadania. Z ustawionym SPICY_API_KEY:
# CLI
npx @spicyapi/cli tasks create --model alibaba/z-image-turbo/text-to-image \
--input-json '{"prompt": "A ceramic teapot on a linen cloth, soft window light, muted palette", "aspect_ratio": "4:3", "seed": 42}' --wait
# MCP server: the command your assistant's MCP config runs
npx --yes --package=@spicyapi/mcp spicyapi-mcp
# Agent Skill
npx skills add spicyapi-ai/spicy-skillCzęste pytania
Czy Z-Image Turbo jest lepszy niż Seedream 5.0 Pro? Nie jako ogólna teza. Z-Image jest dużo tańszy i nadaje się do iteracji szkiców nowych obrazów; Seedream 5.0 Pro przyjmuje do dziesięciu referencji, dłuższe prompty i rozmiar końcowy 2k. Specyfikacje porównuje strona Seedream 5.0 Pro vs Z-Image.
Czy 4k w Wan 2.7 Pro oznacza lepszy obraz? Samo w sobie nie: to około cztery razy więcej pikseli niż 2k za tę samą cenę, ale etykieta Wan 4k miała błędy w tekście poprawnie zapisanym w obrazach 2k. Edycje pozostają w 2k.
Czy w istniejącym żądaniu mogę zmienić tylko nazwę modelu? Dopiero po usunięciu pól, których nowy endpoint nie wymienia, i ponownym sprawdzeniu dozwolonych wartości. Każda strona porównawcza obejmuje jedno zadanie: Wan 2.7 Pro vs Z-Image pokazuje tekst na obraz, a Seedream 5.0 Pro vs Wan 2.7 Pro wyłącznie edycję obrazów.
Jak wybrać
Odkrywanie nowych obrazów z tekstu: Z-Image. Długi brief lub dużo tekstu, albo edycja łącząca wiele referencji: Seedream 5.0 Pro, najpierw szkic w 1k. Obraz 4k lub edycja sterowana obszarami i paletą: Wan 2.7 Pro. Potem przetestuj prawdziwy brief na wybranych modelach i policz potrzebne próby: płacisz za drogę do zaakceptowanego obrazu, nie tylko za cenę żądania.
