2026 年 8 月 17 日，Google Imagen 發生了什麼事？
所有 Imagen 模型已被廢棄，最早於 2026 年 8 月 17 日停止服務，範圍涵蓋 Gemini Developer API 與 Agent Platform Gemini API（前身為 Vertex AI）。取代方案是 Google 的 Gemini 3.x 圖像模型系列，市場名稱為「Nano Banana」。任何仍在呼叫 Imagen 端點的工具，都不會再回傳圖像。
如果你依賴的某個圖像功能本週開始失效，先檢查模型名稱，不要急著改提示詞。
你不需要是開發者也會受影響。不少實務工作者在 Zapier、Make 與 n8n 上跑的自動化流程，以及一大批小型 SaaS 工具和 Figma 外掛，底層其實都在呼叫 Imagen 端點。端點一旦下線，這些工具只會停止產圖，並顯示一個看不出原因的錯誤訊息。
Google 在其Imagen 遷移至 Nano Banana 指南中公布了官方對應表，該頁面最後更新日期為 2026 年 8 月 13 日：
--- imagen-4.0-fast-generate-001 對應 gemini-3.1-flash-image（thinking level 設為 MINIMAL）
--- imagen-4.0-generate-001 對應 gemini-3.1-flash-image（thinking level 設為 HIGH）
--- imagen-4.0-ultra-generate-001 對應 gemini-3-pro-image
--- imagen-3.0-capability-001 對應 gemini-3.1-flash-image
同一頁還有第二個值得立刻寫進行事曆的警告：Gemini 2.5 系列模型將於 2026 年 10 月停止服務。如果你的流程中任何位置仍指名 2.5 模型，你大約還有兩個月。
Nano Banana 是什麼？與 Imagen 有何不同？
Nano Banana 是 Google 為其 Gemini 3.x 圖像模型取的品牌名稱。Imagen 是專用的圖像生成器，擁有自己的 API 介面；Nano Banana 則是一個會回傳圖像的普通 Gemini 模型。你用產生文字時同一個內容生成呼叫送出提示詞，只是把回應模態設為圖像。
這個架構上的改變，正是大量設定選項消失的原因。Imagen 有一整套圖像專屬參數，而 Gemini 只有一個通用的生成設定，裡面嵌著一個很小的圖像設定區塊。
實務上，這次更換在編輯能力上是升級，在批次控制上是降級。2026 年多份獨立模型評測一致認為 Nano Banana 在編輯保真度與局部重繪（inpainting）上領先，意思是你叫它改哪裡它就只改哪裡，畫面其餘部分維持不變。這恰好是 Imagen 最弱的一環。
至於你失去了什麼，下一節會完整列出，而這部分往往在最糟糕的時刻才被發現。
Nano Banana 缺少哪五項 Imagen 功能？
五項 Imagen 參數在 Nano Banana 完全沒有對應：負面提示詞、產圖數量、圖像格式、浮水印控制，以及人物生成控制。Google 將這五項標示為「不支援」，而非改名。只要你的提示詞範本依賴其中任何一項，就需要重寫，而不是換名字。
一、negativePrompt 消失。你再也不能列出「不想要什麼」。Google 另外指出，自 imagen-3.0-generate-002 起負面提示詞其實已不再受支援，因此很多人早就在傳一個毫無作用的參數。
二、numberOfImages 消失。Nano Banana 每次只回傳一張圖。如果你以前一次生成四個版本再挑最好的，現在要跑四次呼叫。Google 明確說明 candidate count 不能作為替代方案。
三、imageFormat 消失。輸出一律為 PNG。如果你的流程預期收到 JPEG 或 WebP，就要自行加一道轉檔步驟，否則儲存成本與網頁載入重量都會上升。
四、addWatermark 消失。每一張 Nano Banana 圖像都帶有 SynthID 浮水印，且無法關閉。對大多數行銷用途而言，這既看不見也不重要。但若你的客戶合約禁止嵌入來源標記資料，這就是真正的阻礙，值得及早提出。
五、personGeneration 消失。Nano Banana 預設允許生成人物圖像，沒有任何開關可以限制。過去把這個設定當作合規防線的團隊，需要改用人工審查步驟來取代參數。
負面提示詞該如何改寫才仍然有效？
把每一項排除，改寫成「該處應該是什麼」的正面描述。「不要文字」改成「乾淨無痕的表面」；「不要卡通感」改成「攝影質感、自然膚質紋理、真實鏡頭光學」。圖像模型會為你描述的內容加權，因此點名一個不想要的物件反而可能把它召喚出來；描述它的替代物才能真正移除它。
這是本週最值得建立的一個習慣，因為它正好解決 Nano Banana 最常見的抱怨：圖像看起來接近 Imagen 的輸出，但就是不一樣。
以下是一份可以直接複製使用的完整範本。填好五個方括號欄位，其餘一字不改。
試試這個提示詞：
生成一張 16:9 圖像。
主體：[畫面中有什麼，一句話，只用具體名詞]
場景：[位置，包含檯面、背景與景深]
光線：[方向、質感與色溫，例如「鏡頭左方柔和窗光，冷調日光」]
鏡頭：[焦段與距離，例如「50mm，半身，淺景深」]
表面：[畫面每一區域由什麼構成，尤其是你以前用來禁止物件出現的區域，例如「素色霧面牆，無任何招牌，完整不中斷」]
以攝影方式呈現，保留自然瑕疵。上述列出的每一個表面都必須完全按描述出現。不得加入上方未指名的物件、人物、文字或標誌。
「表面」那一行，正在做你舊有負面提示詞的工作。與其寫「牆上不要標誌」，不如斷言那面牆是素色、霧面、完整不中斷的，讓模型根本沒有位置可以放標誌。
最後一句是封閉世界指令。它並非萬靈丹，也不會在每一次生成中都守住，但在整批輸出中，它能明顯減少那些憑空出現的咖啡杯與虛構招牌，這類東西通常出現在提示詞沒有描述到的畫面區域。
2026 年不同任務該用哪個 AI 圖像模型？
2026 年沒有單一最佳圖像模型。今年發表的多份獨立比較評測，得出的不是冠軍，而是一套分流答案：按任務挑模型，因為每個模型領先的維度都不同，而模型之間的差距，如今已大於同一模型內不同提示詞風格的差距。
2026 年各家評測的粗略共識如下：
--- Nano Banana（Gemini 3.x Image）用於編輯既有圖像。局部重繪與編輯保真度屬同級最佳，而且如果你原本用 Imagen，它現在就是預設選項。
--- Midjourney V8.1用於美術指導與電影感概念稿。仍是美感領先者，也仍然最不擅長「精準照做」。
--- FLUX.2用於寫實照片與產品攝影。色彩準確度、多參考圖構成與可信光線都很強。
--- GPT Image 2作為生產與編輯的全能型選手，適合只想用一套工具而非四套的人。
--- Ideogram 4用於圖中需要出現可辨識文字的情況。
--- Recraft V4.1用於品牌圖形、圖示，以及任何必須融入設計系統的素材。
值得向大量投放付費社交廣告的團隊偷師的做法是：他們串接模型，而不是二選一。常見流程是先用 Midjourney 做初步美術指導，再用 Nano Banana 把選中的畫面編輯成投放實際需要的四個版本。這兩個環節，沒有任何單一模型能同時做好。
如果你已經對同一個生成器忠誠兩年，這正是該重新檢驗的假設。今日的分流決策，價值已經高於在單一工具內鑽研提示詞技巧。
AI 生成一張圖實際成本是多少？
成本取決於你用什麼方式取用模型，遠多於取決於用哪個模型。同一張 Nano Banana Pro 圖像，透過按量計費 API 約需十三美仙，透過訂閱制卻可能遠低於一美仙，純粹因為訂閱綁定了一份你未必用得完的每日額度。
以下為 2026 年第三方價格追蹤網站所報數字，僅作方向性參考，不等同報價：
--- Nano Banana Pro 官方 API：1K 或 2K 圖像約每張 0.134 美元，4K 圖像約每張 0.24 美元
--- Google AI Plus：約每月 7.99 美元
--- Google AI Pro：約每月 19.99 美元，據報每日約 100 張
--- Google AI Ultra：約每月 99.99 美元
--- Midjourney Basic：每月 10 美元，約 3.3 GPU 小時
--- Midjourney Standard：每月 30 美元，約 15 GPU 小時
--- Midjourney Pro：每月 60 美元，約 30 GPU 小時
真正的判斷標準是你自己的用量。把每月產圖張數除進訂閱價，再和單張 API 費率比較。每月約 150 張以下，按量計費通常較划算；超過這個數量，訂閱制幾乎總是勝出。
要留意一個這次遷移特有的陷阱。因為 Nano Banana 每次呼叫只回傳一張圖，過去一次 Imagen 呼叫要四個版本的流程，現在會變成四次計費呼叫。你的單張費率沒變，但帳單可能在沒有人改動任何提示詞的情況下翻四倍。
如何在二十分鐘內完成測試？
拿同一份提示詞跑三個模型，再按你真正在意的維度評分。用你自己的實際簡報做二十分鐘並排測試，能告訴你的資訊比任何比較文章都多，包括本文，因為你的題材與品質標準，並不是那些評測者用的那一套。
具體練習：
--- 選一份你上個月真正交付過的簡報，不要用測試用提示詞
--- 用上方範本分別跑 Nano Banana、Midjourney，以及 FLUX.2 或 GPT Image 2 其中之一，三者範本完全相同
--- 每個輸出只評三項，各五分：有沒有依簡報執行、光線是否可信、還需要幾輪修改
--- 接著取最佳輸出，在每個工具中嘗試把其中一個元素編輯掉
最後一步是多數人會略過的，而排名通常就在這裡翻轉。一個首圖稍弱但編輯乾淨的模型，會勝過一個更漂亮、但客戶每要求改一處就得整張重跑的模型。
把分數記在筆記裡。下一個模型推出時，而現在大約每六週就會有新東西推出，你手上會有一條基準線，而不是一種感覺。
這一週該做什麼？
盤點 Imagen 藏在你工具鏈的哪些位置、把負面提示詞改寫成正面描述、再用一份真實簡報重新測試模型分流。這三個動作花一個下午就能完成，卻能防住這次遷移的兩種失敗模式：無聲故障，以及無聲變差的輸出。
更大的啟示是，模型停用如今是使用 AI 的正常營運成本，而不是異常事件。Imagen 從旗艦到關停不到兩年，Gemini 2.5 十月接著下線。在不記錄替代方案的情況下，把流程建在一個指名的模型上，等同於現代版的「沒有備份檔案」。
這一切都不構成放慢腳步的理由。它只說明一件事：值得用一頁紙記下每一條流程呼叫哪個模型，這樣一份停用公告就會變成十五分鐘的小任務，而不是一整週的困惑除錯。
讓人真正從 AI 得到價值的，是可靠性而非新鮮感。懂AI的冷，更懂你的難 UD 同行28年，讓科技成為有溫度的陪伴。
若你想進一步讓 AI 輸出穩定下來，我們這篇寫給非工程師的情境工程指南，講的正是上文在文字端的對應做法；而我們拆解AI 影片方案額度的那篇，則把同一套成本算式套用在影片上。
由 UD AI 團隊審閱。
把對的模型放在對的任務上
知道哪個模型擅長哪項任務是一回事，把它變成全團隊每次都照著跑的流程，是另一回事。UD 手把手帶你完成每一步，從模型選型、提示詞範本，到把它們串起來的自動化配置。
