2026 年 8 月 17 日，Google Imagen 发生了什么事？
所有 Imagen 模型已被废弃，最早于 2026 年 8 月 17 日停止服务，范围涵盖 Gemini Developer API 与 Agent Platform Gemini API（前身为 Vertex AI）。取代方案是 Google 的 Gemini 3.x 图像模型系列，市场名称为「Nano Banana」。任何仍在调用 Imagen 端点的工具，都不会再返回图像。
如果你依赖的某个图像功能本周开始失效，先检查模型名称，不要急着改提示词。
你不需要是开发者也会受影响。不少实务工作者在 Zapier、Make 与 n8n 上跑的自动化流程，以及一大批小型 SaaS 工具和 Figma 插件，底层其实都在调用 Imagen 端点。端点一旦下线，这些工具只会停止出图，并显示一个看不出原因的错误信息。
Google 在其Imagen 迁移至 Nano Banana 指南中公布了官方对应表，该页面最后更新日期为 2026 年 8 月 13 日：
--- imagen-4.0-fast-generate-001 对应 gemini-3.1-flash-image（thinking level 设为 MINIMAL）
--- imagen-4.0-generate-001 对应 gemini-3.1-flash-image（thinking level 设为 HIGH）
--- imagen-4.0-ultra-generate-001 对应 gemini-3-pro-image
--- imagen-3.0-capability-001 对应 gemini-3.1-flash-image
同一页还有第二个值得立刻写进日程的警告：Gemini 2.5 系列模型将于 2026 年 10 月停止服务。如果你的流程中任何位置仍指名 2.5 模型，你大约还有两个月。
Nano Banana 是什么？与 Imagen 有何不同？
Nano Banana 是 Google 为其 Gemini 3.x 图像模型取的品牌名称。Imagen 是专用的图像生成器，拥有自己的 API 接口；Nano Banana 则是一个会返回图像的普通 Gemini 模型。你用生成文字时同一个内容生成调用送出提示词，只是把响应模态设为图像。
这个架构上的改变，正是大量设置选项消失的原因。Imagen 有一整套图像专属参数，而 Gemini 只有一个通用的生成配置，里面嵌着一个很小的图像配置区块。
实务上，这次更换在编辑能力上是升级，在批量控制上是降级。2026 年多份独立模型评测一致认为 Nano Banana 在编辑保真度与局部重绘（inpainting）上领先，意思是你叫它改哪里它就只改哪里，画面其余部分维持不变。这恰好是 Imagen 最弱的一环。
至于你失去了什么，下一节会完整列出，而这部分往往在最糟糕的时刻才被发现。
Nano Banana 缺少哪五项 Imagen 功能？
五项 Imagen 参数在 Nano Banana 完全没有对应：负面提示词、出图数量、图像格式、水印控制，以及人物生成控制。Google 将这五项标示为「不支持」，而非改名。只要你的提示词模板依赖其中任何一项，就需要重写，而不是换名字。
一、negativePrompt 消失。你再也不能列出「不想要什么」。Google 另外指出，自 imagen-3.0-generate-002 起负面提示词其实已不再受支持，因此很多人早就在传一个毫无作用的参数。
二、numberOfImages 消失。Nano Banana 每次只返回一张图。如果你以前一次生成四个版本再挑最好的，现在要跑四次调用。Google 明确说明 candidate count 不能作为替代方案。
三、imageFormat 消失。输出一律为 PNG。如果你的流程预期收到 JPEG 或 WebP，就要自行加一道转档步骤，否则存储成本与网页加载重量都会上升。
四、addWatermark 消失。每一张 Nano Banana 图像都带有 SynthID 水印，且无法关闭。对大多数营销用途而言，这既看不见也不重要。但若你的客户合约禁止嵌入来源标记数据，这就是真正的阻碍，值得及早提出。
五、personGeneration 消失。Nano Banana 默认允许生成人物图像，没有任何开关可以限制。过去把这个设置当作合规防线的团队，需要改用人工审核步骤来取代参数。
负面提示词该如何改写才仍然有效？
把每一项排除，改写成「该处应该是什么」的正面描述。「不要文字」改成「干净无痕的表面」；「不要卡通感」改成「摄影质感、自然肤质纹理、真实镜头光学」。图像模型会为你描述的内容加权，因此点名一个不想要的物件反而可能把它召唤出来；描述它的替代物才能真正移除它。
这是本周最值得建立的一个习惯，因为它正好解决 Nano Banana 最常见的抱怨：图像看起来接近 Imagen 的输出，但就是不一样。
以下是一份可以直接复制使用的完整模板。填好五个方括号栏位，其余一字不改。
试试这个提示词：
生成一张 16:9 图像。
主体：[画面中有什么，一句话，只用具体名词]
场景：[位置，包含台面、背景与景深]
光线：[方向、质感与色温，例如「镜头左方柔和窗光，冷调日光」]
镜头：[焦段与距离，例如「50mm，半身，浅景深」]
表面：[画面每一区域由什么构成，尤其是你以前用来禁止物件出现的区域，例如「素色雾面墙，无任何招牌，完整不中断」]
以摄影方式呈现，保留自然瑕疵。上述列出的每一个表面都必须完全按描述出现。不得加入上方未指名的物件、人物、文字或标志。
「表面」那一行，正在做你旧有负面提示词的工作。与其写「墙上不要标志」，不如断言那面墙是素色、雾面、完整不中断的，让模型根本没有位置可以放标志。
最后一句是封闭世界指令。它并非万灵丹，也不会在每一次生成中都守住，但在整批输出中，它能明显减少那些凭空出现的咖啡杯与虚构招牌，这类东西通常出现在提示词没有描述到的画面区域。
2026 年不同任务该用哪个 AI 图像模型？
2026 年没有单一最佳图像模型。今年发表的多份独立比较评测，得出的不是冠军，而是一套分流答案：按任务挑模型，因为每个模型领先的维度都不同，而模型之间的差距，如今已大于同一模型内不同提示词风格的差距。
2026 年各家评测的粗略共识如下：
--- Nano Banana（Gemini 3.x Image）用于编辑既有图像。局部重绘与编辑保真度属同级最佳，而且如果你原本用 Imagen，它现在就是默认选项。
--- Midjourney V8.1用于美术指导与电影感概念稿。仍是美感领先者，也仍然最不擅长「精准照做」。
--- FLUX.2用于写实照片与产品摄影。色彩准确度、多参考图构成与可信光线都很强。
--- GPT Image 2作为生产与编辑的全能型选手，适合只想用一套工具而非四套的人。
--- Ideogram 4用于图中需要出现可辨识文字的情况。
--- Recraft V4.1用于品牌图形、图标，以及任何必须融入设计系统的素材。
值得向大量投放付费社交广告的团队偷师的做法是：他们串接模型，而不是二选一。常见流程是先用 Midjourney 做初步美术指导，再用 Nano Banana 把选中的画面编辑成投放实际需要的四个版本。这两个环节，没有任何单一模型能同时做好。
如果你已经对同一个生成器忠诚两年，这正是该重新检验的假设。今日的分流决策，价值已经高于在单一工具内钻研提示词技巧。
AI 生成一张图实际成本是多少？
成本取决于你用什么方式取用模型，远多于取决于用哪个模型。同一张 Nano Banana Pro 图像，通过按量计费 API 约需十三美分，通过订阅制却可能远低于一美分，纯粹因为订阅绑定了一份你未必用得完的每日额度。
以下为 2026 年第三方价格追踪网站所报数字，仅作方向性参考，不等同报价：
--- Nano Banana Pro 官方 API：1K 或 2K 图像约每张 0.134 美元，4K 图像约每张 0.24 美元
--- Google AI Plus：约每月 7.99 美元
--- Google AI Pro：约每月 19.99 美元，据报每日约 100 张
--- Google AI Ultra：约每月 99.99 美元
--- Midjourney Basic：每月 10 美元，约 3.3 GPU 小时
--- Midjourney Standard：每月 30 美元，约 15 GPU 小时
--- Midjourney Pro：每月 60 美元，约 30 GPU 小时
真正的判断标准是你自己的用量。把每月出图张数除进订阅价，再和单张 API 费率比较。每月约 150 张以下，按量计费通常较划算；超过这个数量，订阅制几乎总是胜出。
要留意一个这次迁移特有的陷阱。因为 Nano Banana 每次调用只返回一张图，过去一次 Imagen 调用要四个版本的流程，现在会变成四次计费调用。你的单张费率没变，但账单可能在没有人改动任何提示词的情况下翻四倍。
如何在二十分钟内完成测试？
拿同一份提示词跑三个模型，再按你真正在意的维度评分。用你自己的实际简报做二十分钟并排测试，能告诉你的信息比任何比较文章都多，包括本文，因为你的题材与质量标准，并不是那些评测者用的那一套。
具体练习：
--- 选一份你上个月真正交付过的简报，不要用测试用提示词
--- 用上方模板分别跑 Nano Banana、Midjourney，以及 FLUX.2 或 GPT Image 2 其中之一，三者模板完全相同
--- 每个输出只评三项，各五分：有没有依简报执行、光线是否可信、还需要几轮修改
--- 接着取最佳输出，在每个工具中尝试把其中一个元素编辑掉
最后一步是多数人会略过的，而排名通常就在这里翻转。一个首图稍弱但编辑干净的模型，会胜过一个更漂亮、但客户每要求改一处就得整张重跑的模型。
把分数记在笔记里。下一个模型推出时，而现在大约每六周就会有新东西推出，你手上会有一条基准线，而不是一种感觉。
这一周该做什么？
盘点 Imagen 藏在你工具链的哪些位置、把负面提示词改写成正面描述、再用一份真实简报重新测试模型分流。这三个动作花一个下午就能完成，却能防住这次迁移的两种失败模式：无声故障，以及无声变差的输出。
更大的启示是，模型停用如今是使用 AI 的正常运营成本，而不是异常事件。Imagen 从旗舰到关停不到两年，Gemini 2.5 十月接着下线。在不记录替代方案的情况下，把流程建在一个指名的模型上，等同于现代版的「没有备份文件」。
这一切都不构成放慢脚步的理由。它只说明一件事：值得用一页纸记下每一条流程调用哪个模型，这样一份停用公告就会变成十五分钟的小任务，而不是一整周的困惑排错。
让人真正从 AI 得到价值的，是可靠性而非新鲜感。懂AI的冷，更懂你的难 UD 同行28年，让科技成为有温度的陪伴。
若你想进一步让 AI 输出稳定下来，我们这篇写给非工程师的情境工程指南，讲的正是上文在文字端的对应做法；而我们拆解AI 视频方案额度的那篇，则把同一套成本算式套用在视频上。
由 UD AI 团队审阅。
把对的模型放在对的任务上
知道哪个模型擅长哪项任务是一回事，把它变成全团队每次都照着跑的流程，是另一回事。UD 手把手带你完成每一步，从模型选型、提示词模板，到把它们串起来的自动化配置。
