每個案子都從同一個岔路開始，而浪費掉的點數多半來自走錯了那個分岔。從零用文字描述一張圖，和修改一張你手上已有的圖，是兩種不同的工具，而後者被嚴重低估了。
規則
如果最終畫面裡有任何一部分已經存在——一件產品、一個標誌、一個房間、一張臉、一張草圖，哪怕是昨天跑出來的一張廢圖——就從以圖生圖開始。如果還什麼都不存在，就從文字生成圖片開始。
寫下來顯得理所當然。但現實裡，人們會把自家產品用文字描述給一個從沒見過它的模型，然後花十五次算圖試圖把它說成正確的形狀。
兩種模式各自真正控制什麼
| 文字生成圖片 | 以圖生圖 | |
|---|---|---|
| 你提供 | 一段描述 | 一張或多張圖片，外加一段描述 |
| 你控制 | 主體、風格、構圖 | 以上全部，再加上對象本身 |
| 命中所需嘗試 | 主體具體時要好幾次 | 通常一到兩次 |
| 參考圖欄位 | 無 | 1 到 16 個，視模型而定 |
| 最適合 | 概念、場景、氛圍、背景 | 產品、人物、品牌素材、改稿 |
在同一個模型上，兩種模式每次算圖的價格相同。差別不在一次嘗試的價錢，而在你需要多少次嘗試。
參考圖才是重點
一個模型能接受多少張參考圖，是真實的能力差異，不是規格表上的細枝末節。有些模型只收一張。GPT Image 2 和 GPT Image 2.5 最多收 16 張。Nano Banana 2 收 14 張，Nano Banana Pro 和 Seedream 收 8 到 10 張。
一張參考圖回答的是「做成這個樣子」。八張參考圖回答的是「這就是那件產品，從這些角度看，是這種工藝，而我想要這樣的光」。產品攝影真正提出的，是後面那個問題。
欄位裡該放什麼
一套好用的組合是：主體的兩三個角度，一張用於光線或氛圍，一張用於檯面或環境。放八張同一個角度的變體沒有幫助。模型不是在求平均，而是在被告知什麼重要。
大家最常搞錯的情況
標誌和包裝。讓模型根據文字描述畫你的標誌，它會給你一個「像標誌的東西」，而且是錯的。把它當參考圖給進去，同一個模型就能把它放對。
同一件產品，十二次。商品頁需要的是一致性，而不是靈光一現。文字生成圖片給你十二個看起來都說得通的瓶子；帶固定參考組的以圖生圖給你同一個瓶子的十二種拍法。
「差不多了，就改一處」。這是最大的一個坑。當一張圖已經對了九成，人們會重寫提示詞再擲一次骰子，結果把包括做對的部分在內的一切重新隨機了。把這張好圖當參考餵回去，只描述要改的那一處，你喜歡的部分就會留下。
背景。把主體去背後放到別處不是生成問題。去背、透明背景和背景顏色這些工具做得到，而且完全不碰主體。
文字生成圖片確實該用的時候
之後要合成進去的背景和環境。目的就是看選項的概念探索。沒有現實參照物的插畫和風格化創作。任何「給我個驚喜」是優點而不是風險的場合。
它也是比較便宜的探索場地。2 點的模型存在的意義正是如此：一個想法跑六種構圖，選一種，然後再帶上參考圖和更好的模型去執行。
一套真正管用的混合流程
這個平台上大多數完成的圖片來自一個循環，而不是一條提示詞。先用便宜模型的文字生成圖片打構圖草稿。挑出最好的一張。轉到以圖生圖，把這張圖連同真實產品一起當參考餵回去，只描述該改變的東西。最後用適合版位的模型跑成品。
這樣走兩三輪勝過十二次重擲，而且更省錢。同一個循環裡參數那一側——種子、引導強度、哪些值得在多次執行之間固定——在可重現的結果裡談過。
中途切換不等於重來
在工作區裡，兩種模式的提示詞輸入框是同一個；加上一張參考圖，就是從一邊走到另一邊的動作。你的提示詞一個字都不用重寫，模型清單也不變，所以你先前做過的比較依然成立。
19 個模型都支援兩種模式，只是參考圖上限不同。模型目錄裡有清單，而價格按算圖次數計，與你用哪種模式無關——所以這個選擇唯一改變的，是你需要算幾次圖。而那通常就是全部預算。
同一個案子，兩種走法
一個具體比較。你有一張陶瓷瓶的照片，需要三張圖：一張白底商品圖、一個廚房場景、一張寬幅橫幅。
| 做法 | 步驟 | 結果 |
|---|---|---|
| 只用文字生成圖片 | 每次都描述這只瓶子；重擲到形狀接近為止 | 三只不同的瓶子，沒有一只是你的 |
| 以圖生圖 | 把照片當參考餵進去；只描述場景和畫面 | 一只瓶子，三個場景，彼此一致 |
第二條路收工也更快，因為每張圖一到兩次就定，而不是五次。每次算圖的點數完全相同，但總數根本不在一個量級。
值得認出的幾種失敗
飄移的主體。產品的形狀在每次算圖之間都在變。要麼你本不該待在文字生成圖片裡，要麼 strength 調得太高，給了模型重新詮釋參考圖的空間。
拼貼化。過多互不相干的參考圖會產出一張把它們平均掉的圖。按不同職責挑選的五張——角度、角度、光線、檯面、氛圍——管用；十二張雷同的不管用。
被覆蓋掉的好結果。一張圖幾乎完美，你重寫了提示詞，好的那版就沒了。把好圖當參考餵回去，只描述那一處改動。
本該用工具解決的提示詞。要求「同一張圖但換成白底」要花一整次算圖，而一個工具就能做到，還不碰主體。
哪些模型適合哪種模式
對文字生成圖片來說，便宜又快的引擎最重要，因為嘗試次數正是在探索階段堆起來的。對以圖生圖來說，參考圖上限決定了什麼事做得成：做風格轉移一個欄位就夠，但涉及多角度的產品工作需要八個以上。
模型頁面會同時列出這兩個數字，模型目錄裡可以並排查看。換模式時你工作流程的其他部分完全不用變——同樣的提示詞、同樣的長寬比設定、同樣的拿捏。