AI 一周回顾：Nano Banana 2.1 以低价对垒 GPT Image 2.5、Kling 4.0 仍停留在预览、三周内五款语音模型

这一周，Google 在图像价格上压了 OpenAI 一头，快手发布了一个大部分人还用不上的视频模型，语音模型也不再只是配角。以下是截至 2026 年 10 月 13 日这一周的动态，外加此前三周里应当放在同一张图里的语音发布。

头条：图像模型的排名与价格已经脱钩

GPT Image 2.5（9 月 8 日）与 Nano Banana 2.1（10 月 6 日）如今站在同一个取舍的两端。

	GPT Image 2.5 Sunburst	GPT Image 2.5 Flare	Nano Banana 2.1
Arena 文生图（Elo）	1425（第 1，预览）	1398（第 2，预览）	1328（第 6，预览）
Artificial Analysis 每 1,000 张价格	$210.7（max 质量）	$210.7（max 质量）	$33.6
token 价格（图像输出，每 100 万）	$30	$30	$30（Batch $15）
免费使用	API 内无	API 内无	API 内无；据报道 Gemini 应用也仅限付费方案

OpenAI 在 token 价格不变的情况下包揽了 Arena 前两名，但单图成本仍取决于质量档位——max 约 $0.21。Google 的更新则是镜像：排名第六，但 1K 图 $0.0336，按 Artificial Analysis 的测试成本约为前者的六分之一，并新增搜索接地与最多 14 张参考图。两边的 Arena 分数都还是预览数据：GPT Image 2.5 两个条目各约 1.7 万票，Nano Banana 2.1 约 5,300 票。

有一处需要更正：Nano Banana 2 是 Gemini 3.1 Flash Image，而不是我们此前页面上写的 Gemini 3 Pro Image，现已修正。Google 把 2.1 列为推荐替代，但没有公布旧模型在 Gemini API 上的下线日期。

我们更新了最佳 AI 图像生成器榜单：GPT Image 2.5 取代 GPT Image 2，以「综合最佳」登顶第 1（Midjourney v8.1 退居第 2），Nano Banana 2.1 取代 Nano Banana 2，奖项为「性价比最佳」——而不是「免费最佳」，因为它没有免费的 API 层。

视频：Kling 4.0 已公布，尚未上线

Kling 4.0 于 9 月 28–30 日发布预告：原生 30 秒片段、最多 10 个关键帧、最多 15 个组合参考素材、双声道立体声音频。真正能用的是 Kling 4.0 Flash——有限早期访问，Kling 的公告把它与 Ultra 年度方案挂钩。完整版预告“10 月内”上线，没有确切日期，而 Kling 自己的 API 价格页写明当前套餐不支持 Kling 4.0。

与此同时，Kling 3.0 才是有 API 和价格表的版本：不带原生音频时 720p 每秒 $0.084、1080p $0.112，带音频时 $0.126 与 $0.168，4K 为 $0.42。我们校正了此前引用第三方的“约 $0.067–0.17”区间，并把 Kling 4.0 加进「即将登场」。随后我们对照 Artificial Analysis 的盲测榜单，把整份最佳 AI 视频生成器榜单重新跑了一遍：MiniMax H3 成为「综合最佳」，Wan 3.0 领跑文生视频，Seedance 2.5 与 Gemini Omni 1.1 Flash 进入六强，Seedance 2.0 与 Veo 3.1 在文生视频上分别落到第 7 与第 19。

语音模型：三周五次发布

模型	日期	厂商	价格信号	要点
Gemini 3.8 Flash TTS	9 月 23 日	Google	到 2026 年底每 10 秒音频 $0.00225；2027 年 1 月 1 日起翻倍	文字提示设计音色、130 种语言；旧版 TTS 预览 11 月 17 日停服
Qwen-Audio 3.1	9 月 23 日	阿里	牌价下调约 70%（TTS）、85%（Realtime）、最高 95%（ASR）——厂商自述	五个模型，含全双工 Realtime 模型；仅 API
Eleven v4	9 月 28 日	ElevenLabs	每千字符 $0.08（Turbo $0.04）	位居 Artificial Analysis 语音竞技场第 1、第 2；90+ 种语言；音频标签
MAI-Voice-2.1	10 月 1 日	微软	每 100 万字符 $22 / $15（Flash）	23 种语言；公开预览、无 SLA
Nova 2.5 Sonic	10 月 5 日	亚马逊	与 Nova 2 Sonic 同价	面向语音智能体的语音到语音；7 种语言 18 个音色，256K 上下文

各家计价单位不同——token、字符、秒——没有你自己的用量数据，无法一对一比较。

我们还新增了最佳 AI 语音生成模型榜单，依据 Artificial Analysis 的盲测投票语音竞技场。Eleven v4 占据第 1、第 2——Turbo 为 Elo 1330，v4 为 1326，统计上并列——Qwen-Audio 3.1 的 TTS-Plus 档排第 3，每百万字符 $19.30，Gemini 3.8 Flash TTS 排第 5，$16.50：价格只有 Eleven v4 的 $80 的五分之一到四分之一，分数落后 30–60 分。我们研究中的两点提醒：榜上排名的 Qwen 条目是按字符计费的 TTS-Plus 档，而不是我们列出 token 价格的 TTS-Flash 模型；在克隆声音榜上 Gemini 掉到第 17。

本周的语言模型

Mistral Large 4（10 月 6 日）进入公开预览：1.05T 参数、52B 激活、1M 上下文与图像输入，每百万 token $1.36 / $4.18——预览期半价。权重预计 10 月底发布，在发布前我们仍标注为未开放权重。详见完整报道。
Claude Haiku 5.5（10 月 7 日）为 Anthropic 的 5.5 家族收官，$0.10 / $0.50，比 Haiku 4.5 便宜约 75%。更多见 Anthropic 完成 Claude 5.5。
GPT-6 于 10 月 7 日登陆 ChatGPT，并带来新的智能界面；此前 9 月 29 日 GPT-6.1 Sol 以 $2 / $10 上线。见 OpenAI 分四步推出 GPT-6。

值得关注的日期

时间	事项
10 月 14 日	小米把 MiMo-V2.5 请求路由到 MiMo-V2.6-Pro；旧模型 ID 10 月 21 日失效
“10 月内”	Kling 4.0 完整版——无确切日期，暂无 API
10 月底	Mistral Large 4 权重
11 月 17 日	Google 下线旧版 Gemini TTS 预览模型（`gemini-3.1-flash-tts-preview`、`gemini-2.5-flash-preview-tts`、`gemini-2.5-pro-preview-tts`）
2027 年 1 月 1 日	Gemini 3.8 Flash TTS 入门价翻倍

这段时间的三个趋势

排名与价格脱钩。 排名最高的图像模型与性价比最高的图像模型已是两个不同的产品，单图价差约 6 倍。只看排行榜选模型，如今是真金白银的代价。
语音是智能体的功能。 阿里与亚马逊把力气花在 Realtime 与语音到语音模型上，而不是纯文字转语音；微软则为智能体推出了低延迟的 Flash 档。各家的计价单位仍不统一。
“已公布”不等于“可用”。 Kling 4.0 只有 Flash 档上线，Mistral Large 4 的权重还要几周，Gemini 4 Argon 的访问从受信任访问计划起步。这些我们都标为预览，在正式发布前不进榜单。

注意事项

GPT Image 2.5 与 Nano Banana 2.1 的 Arena 分数仍是预览数据，会有变动。
大多数语音模型的论断都来自厂商自报，阿里的降价幅度是相对其自家旧价格测算的。
关于 Gemini 应用免费层的说法来自媒体对 Google 帮助页面的报道；依赖前请以 Google 当前页面为准。

模型详情见上文各页面链接。更宏观的 LLM 格局见 2026 年 LLM 指南。