【AI实测】Pollinations 六个免费文生图模型实测：zimage 不输 Agnes、还更快

前面 Agnes、智谱两家测完了。这一篇轮到 Pollinations——开源圈最“出圈”的免费图片 API。

它最讨喜的地方很直接：不用 POST、不用 JSON body，一行 GET URL 就能出图——返回的直接是图片字节，key 塞进 Authorization 头（或 ?key=）就行：

https://gen.pollinations.ai/image/a%20cat%20on%20the%20moon?model=flux&width=1024&height=1024&seed=42

这种“URL 即图片”的接口形态，在所有免费图 API 里独一份（Agnes、智谱都得 POST + JSON body）。这次我测了 六个文生图模型：flux、zimage、gptimage、klein、nova-canvas、gptimage-large，8 道经典 benchmark 题 × 6 模型 = 48 张图，全在下面逐张展示。（另有图片编辑模型 kontext，不是文生图、没进横评，第四章顺带提。）

📌 这是 Pollinations 实测系列的图片篇，和 Agnes、智谱用同一套 benchmark 横评。🔧 这次实测怎么跑下来的：统一网关按 pollen 计费，单 key 单小时约回 0.15 pollen——这次 56 张统一网关图（48 张横评 + 8 张 kontext 探针）跑了 9 个整点周期（~8 小时）才跑完。额度细节见第四章。

太长不看

• 质量不输 Agnes：英文招牌 AGNES AI、中文海报、手部（无畸形）都能拉平 Agnes；中文思维导图是分水岭——6 模型里只有 zimage 把中心 + 四分支标题都画对（但说明小字也乱码；gptimage 只中心对，gptimage-large 全乱）。
• 速度 + 调用是赢点：zimage ~7s、flux ~5s 秒级出图（Agnes ~26s），而且 GET 一行 URL、不用 POST+JSON——这是 Pollinations 最讨喜的地方。
• 模型分化：zimage 全篇最强（唯一把思维导图的大字画对，小字仍乱码）；gptimage / gptimage-large 海报/英文/手部强、但思维导图都栽；flux 快但只擅长英文/简单场景，中文复杂题连续翻车；klein 中文文字不行；nova-canvas 文字/结构整体差。
• 都有的短板：精确数量 6 模型全栽（餐具对不上“恰好 6”）；思维导图说明小字全员乱码（连 zimage 也不例外），分支大字也只有 zimage 全部画对。
• 免费：要 key、按 pollen 计费（Seed 档每小时约 0.15 pollen），不是真免费；只有转录和文本 LLM 接近敞开免费。
• 推荐：首选 zimage（中英文稳、思维导图大字最准、~7s、~0.002 pollen）——质量不输 Agnes、速度和调用还略胜一筹；要海报/英文最高保真再上 gptimage-large（慢且贵，思维导图它也栽）。要纯免费不限量才转 Agnes。

下面是完整过程——8 题逐张展示。

一、八道题逐张横评

下面 8 道题逐张展示，每题 6 个模型。网格顺序固定为：上行 flux / zimage / gptimage，下行 klein / nova-canvas / gptimage-large（真实身份 / 参数量 / pollen / 速度见第四章）。

第 1 题：宇航员骑马（语义合成 + 主体组合）

文生图“Hello World”——测能否理解“骑”、把宇航员合理放马背上、火星地貌。

提示词：An astronaut riding a horse on Mars, photorealistic, cinematic lighting, full-frame centered composition, the astronaut and horse filling most of the frame

flux	zimage	gptimage
klein	nova-canvas	gptimage-large

判定：6 个模型都正确画出“宇航员骑马 + 火星红土地貌 + 满框构图”（flux/zimage/gptimage 经视觉模型逐个确认；klein/nova-canvas/gptimage-large 生成成功、场景正确）。语义合成这关全员过关——这是文生图的基本功，6 个模型都没问题。

第 2 题：霓虹招牌 “AGNES AI”（英文文字渲染）

文字渲染是文生图公认难点。

提示词：A neon sign on a brick wall that reads “AGNES AI” in glowing pink letters, night photography, the sign large and centered filling most of the frame

flux ✅	zimage ✅	gptimage ✅
klein ✅	nova-canvas ❌	gptimage-large ✅

视觉模型逐字誊抄：flux / zimage / gptimage / klein / gptimage-large 都把 “AGNES AI” 七字母全部画对；nova-canvas 画成 “AGNESS AI”（多一个 S）。英文文字 5/6 过关（nova-canvas 不行）。

第 3 题：两只橘猫下棋（中文提示词 + 多主体）

一题压三能：中文遵循、多主体（两只猫）、复杂场景（棋盘+霓虹+雨夜）。

提示词：赛博朋克风格，两只橘猫在霓虹灯下的街道上对弈国际象棋，雨夜，高细节，电影感，两只猫和棋盘居中填满画面主体

flux ❌	zimage ✅	gptimage ✅
klein ✅	nova-canvas ⚠️	gptimage-large ✅

判定：zimage / gptimage / klein / gptimage-large 都画出 2 只猫 + 棋盘 + 赛博朋克雨夜。flux 翻车——无视 prompt 画成一幅亭子+草地+远山的风景画，没猫没棋盘；nova-canvas 画了 2 只猫但没棋盘（还把左猫画成紫色）。4 过、flux 翻车、nova-canvas 半对。

第 4 题：中秋海报（中文文字渲染——海报场景）

主标题「花好月圆」+ 副标题「中秋特惠 全场八折」，竖版构图。参考 PosterBench。

提示词：中秋促销海报，深蓝色夜空一轮圆月，下方桂花枝条装饰，主标题大字「花好月圆」四个汉字居中放大，副标题「中秋特惠 全场八折」八个字小一号放在下方，电影感光效，高细节，竖版构图

flux ❌	zimage ✅	gptimage ✅
klein ❌	nova-canvas ❌	gptimage-large ✅

视觉模型中性誊抄（不带答案的 prompt）：zimage / gptimage / gptimage-large 把主副标题 12 个汉字全部画对；flux 翻车——画成一幅月亮+船+田野的风景照，完全没有文字、还是横版（prompt 要的是竖版海报）；klein 画成「皎空月夜」「更白皎秀 全港8折」——英文招牌能画、中文海报崩；nova-canvas 是灯笼 + 熔岩纹月亮，「走戈」「至象」「信勿丽」之类乱码。

中文海报 3/6 过关（flux、klein、nova-canvas 不行）。

第 5 题：「时间管理」中文思维导图（中文结构化图）—— 分水岭

比海报更狠：中心节点 + 4 个分支（16 个汉字）+ 4 段说明小字，文字分散排布。参考 MDPI 结构化图 benchmark。这题最能拉开差距。

提示词：一张中文思维导图海报，中心圆圈里写「时间管理」四个字，四个分支从中心向外延伸，每个分支末端是一个彩色方块，方块上分别写着「明确目标」「制定计划」「专注执行」「复盘总结」，每个方块下用小字写一句简短说明，整体配色清新，扁平化设计风格，白色背景

flux ❌	zimage ✅	gptimage ⚠️
klein ❌	nova-canvas ❌	gptimage-large ❌

人眼 + 视觉模型交叉复核（逐字辨认中心 + 4 分支标题）：

• ✅ zimage：中心「时间管理」+ 四分支「明确目标 / 制定计划 / 专注执行 / 复盘总结」标题全部画对，但小字是乱码——全篇唯一把大字画对的，不过小字没一个模型对。
• ⚠️ gptimage：中心「时间管理」对，但四个分支标题全是乱码（只对了中心）。
• ❌ gptimage-large：配了图标，但中心带分支全部乱码（一个字都没对）。
• ❌ flux：画成一只天鹅——完全跑题（它中文海报也没对）。
• ❌ klein：中心「今曲史宿」、分支全乱码。
• ❌ nova-canvas：画成一张圆形环状信息图，中心是「目雨 / 目帖 / 季季 / 采碑」、满屏「無」「亞朋雲」之类乱码——根本不是思维导图。

思维导图 0/6 完全过关（连 zimage 的说明小字都乱码），是全篇最大的分水岭。但大字（中心 + 四分支标题）只有 zimage 全部画对，gptimage 只中心对、其余连大字都崩——这题的大字基本是 zimage 一个人在扛。也暴露了偏科：flux、nova-canvas、klein 在中文文字 / 结构化题上一致地崩，但简单视觉题（语义合成、风格光影）却都能过——同一模型不同题型差异大，必须多题横评。

第 6 题：渔夫逆光人像（风格 + 光影控制）

测逆光 / 边缘光 / 黄金时刻 / 景深虚化的遵循度。

提示词：A portrait of an elderly fisherman, golden hour backlighting, warm rim light on his weathered face, shallow depth of field, bokeh, cinematic photography

flux	zimage	gptimage
klein	nova-canvas	gptimage-large

判定：6 个模型都画出了戴帽蓄须的渔夫 + 明显的边缘逆光 / 黄金时刻暖调 / 景深虚化 bokeh（flux/zimage/gptimage 视觉确认，光影方向感强；其余生成成功、光影到位）。风格光影这关全员过关。

第 7 题：俯拍 6 人晚宴（复杂场景精确数量）

要求 exactly 6 plates / 6 forks / 6 knives / 6 wine glasses + 火鸡。DPG-Bench 题型。

提示词：A wooden dinner table seen from above, with exactly 6 plates, 6 forks, 6 knives, 6 wine glasses, a roasted turkey in the center, candle light, warm atmosphere, photorealistic

flux	zimage	gptimage
klein	nova-canvas	gptimage-large

视觉模型中性计数（不带“6”的 prompt）：6 个模型都画得出“一桌丰盛晚宴 + 中央火鸡”，但餐具数没一个对得上“恰好 6 套”——nova-canvas 最接近（6 盘/6 叉/6 刀，酒杯 2–8）；flux/gptimage-large 7 盘上下、酒杯偏多；zimage 6 盘但叉刀只有 3–4；klein 严重跑偏（3 盘、而且画成鸡不是火鸡）。精确数量 6 模型全栽——免费 API 通病（视觉计数本就不准，定性参考）。

第 8 题：两手捧咖啡杯（手部解剖 + 计数）

手部是 AI 生图公认短板（多指/缺指/畸形）。明确要求“两只手、十根手指”。

提示词：Close-up photo of a person’s two hands holding a ceramic coffee mug, ten fingers clearly visible, natural skin texture, soft window light, photorealistic

flux ⚠️	zimage ✅	gptimage ✅
klein ⚠️	nova-canvas ✅	gptimage-large ✅

视觉模型计数：6 个模型都画了 2 只手、无多指 / 畸形；手指数有差——zimage / gptimage / nova-canvas / gptimage-large 10 指满分，flux / klein 只 9 指（左手小指被杯子挡住、没露全）。严格按 prompt“十指清晰可见”的要求，只有前 4 个达标，flux / klein 算半对。

二、模型画像小结

把八题汇总（✅过关 / ⚠️部分或近似 / ❌崩或跑题）：

按稳定性分档：

• 最稳（中英文 + 思维导图大字最准）：zimage——全篇唯一把思维导图中心 + 四分支标题都画对的（说明小字仍乱码），最强。
• 海报/英文/手部强、思维导图栽：gptimage（中心对、四分支乱）、gptimage-large（中心带分支全乱）——海报 12 字、英文招牌、手部都对，就栽在思维导图。
• 快但中文偏科：flux（英文招牌、语义合成、风格光影都对；中文复杂题——两只猫、中文海报、思维导图——连续三题翻车，画成风景 / 天鹅）。
• 中文文字不行：klein（英文招牌、中文猫图能画；中文海报、思维导图崩）。
• 文字 / 结构整体差：nova-canvas（英文招牌、中文海报、思维导图全崩；只有简单视觉题——语义合成、风格光影、手部——行）。

怎么选：要中文 + 稳（思维导图大字最准）→ zimage（唯一把大字画对的）；要海报/英文最高保真 → gptimage-large（思维导图它也栽）；要最快最便宜、且是英文 / 简单场景 → flux；要纯免费不限量（含中文）→ 用 Agnes。

三、和 Agnes 同题横评

统一网关上的 Pollinations 和 Agnes 同一档：

Pollinations zimage（思维导图，中心+分支标题全对、小字乱码）	Agnes agnes-image-2.1（中秋海报，全对）

横评一句话：统一网关上的 Pollinations——zimage 质量不输 Agnes、甚至略胜一筹（中英文都拉平、~7s 秒级出图、GET 调用更简）；gptimage-large 在海报/英文上同档 Agnes（最高保真），但思维导图大字只有 zimage 画得对（说明小字全员乱码）。Agnes 唯一赢点是宣称永久免费不限量。要质量 + 速度 → zimage；要海报最高保真 → gptimage-large；要纯免费不限量 → Agnes。

四、额度与能干啥

先说「免费」这件事：从无 key 白嫖到要注册

Pollinations 当年能在开源圈“出圈”，靠的就是真·免费 + 不用 key——一行 GET URL、不注册、不登录，model=flux 想换就换，flux 这类模型随便用，速率也很宽松。这才是“URL 即图片”最讨喜的形态：连 key 都不用配，URL 塞进 <img src> 就直接出图。

但地主家也没余粮。用量上来之后成本扛不住，Pollinations 开始收口：引入 pollen（花粉）计费 + 注册账号 + tier 等级，把模型选择挪到要 sk_ key 的统一网关（就是这篇实测走的 gen.pollinations.ai）；不要 key 的老通道（image.pollinations.ai）则退化成只剩一个默认模型、传 model 也不认。

所以现在的“免费”长这样：想白嫖全部模型，得先注册拿 key、吃 pollen 额度（按小时刷新，Seed 档约 0.15 pollen/小时）；只有 pollen 体系基本不覆盖的转录（whisper）和文本 LLM 还接近敞开免费。

六个模型 + tier：每天能白嫖多少张图

六个模型都在统一网关 gen.pollinations.ai（GET /image/{prompt} + sk_ key），按 pollen 计费。flux/zimage/… 只是调用别名，API 不暴露底层厂商；下表真实身份来自官方端点 /v1/models、APIDOCS.md 和公开资料（OpenAI、Amazon 闭源，参数量未公开）：

几点能力说明（来自 APIDOCS.md）：flux/zimage 是纯文生图；gptimage/klein 能吃参考图做编辑（nova-canvas 端点也收图，但官方未明确列为编辑模型）；flux/zimage/klein 支持 seed，gptimage/gptimage-large/nova-canvas 忽略 seed；GET 接口默认 zimage、POST 默认 flux。

pollen/图 来自实测 402 报错与余额推算，与官方「1 pollen = $1」定价略有出入（官方称 flux 免费、kontext ~200 张/pollen 等），以 enter.pollinations.ai 后台为准。

tier 决定每天拿多少 pollen（来自官方 POLLEN_FAQ / TIER-SYSTEM，2025-03 起 hourly 系统取代 daily）：

⚠️ Spore/Seed 按小时发、不累积（没用完的小时额度作废，攒不起大额）——所以 nova-canvas(0.040)、gptimage-large(0.054) 这种贵图，在 Spore(0.01/小时) 单小时根本买不起；Flower/Nectar 是每天一整坨、额度内随便花。也能直接买 pollen（$1 = 1 pollen，不 expire）。

每个 tier 的每天额度，只刷一个模型，能出多少张（Spore/Seed 按 24 小时折算成天，但受「小时不累积」限制）：

⚠️ 标 ⚠️ 的格子：nova-canvas / gptimage-large 单价超过 Spore 单小时额度（0.01），单小时买不起——这里的”天”数只是理论值（24 小时全砸上也买不了，因为额度不累积），实际买不了。

对照本次实测：我的 key 单小时约回 0.15 pollen，正好是 Seed 档——所以 56 张图（含 0.054/张的 gptimage-large）要跑 9 个小时周期才凑齐。想大量跑贵模型，升 Flower/Nectar 或直接买 pollen。

顺带探了 Pollinations 还能干啥（哪些免费、各花多少 pollen）

Pollinations 不止图片。统一网关 gen.pollinations.ai 把能力分成 image / video / audio / text / embedding 五类。关键规律：文本和转录基本免费（每 token/秒花粉极低、甚至不计），真正吃花粉的只有图片和视频。

🟢 免费 / 几乎免费（实测在低余额下也不 402）：

🟡 吃花粉（统一网关，按量扣；六个文生图模型的 pollen 见上面的模型表，这里只列其它的）：

💡 kontext（FLUX.1 Kontext）是图片编辑模型，所以没进文生图横评——给它一张参考图 + 指令（“换背景”“加帽子”）做图生图；只给文字时它会无视 prompt 画成山水画（在等输入图）。纯文生图用 zimage（要中文）/ flux（要英文、要快）。

图片 pollen/张 来自实测 402 报错与余额推算；视频 pollen/秒 来自 gen.pollinations.ai/models 官方定价。

算笔账（按 Seed 档 0.15 pollen/小时算）：0.15 pollen ≈ 150 张 flux，或 ~75 张 zimage，或 ~15 张 klein，或 ~3 张 kontext/nova-canvas/gptimage-large，或 ~30 秒 ltx-2 视频，或 ~1.5 秒 nova-reel 视频。所以低档白嫖图片（选 flux/zimage）很宽裕，但视频（尤其 nova-reel）基本别想。

一句话：Pollinations 是个被低估的“免费多模态中转站”——转录（whisper）和文本 LLM 几乎免费敞开；图片走 unified 按 pollen（flux 最便宜）；视频最贵。低档白嫖首选 flux/zimage 图 + whisper 转录 + 文本 LLM。

五、深度小结：到底什么水平，怎么选

Pollinations 的真实水平（统一网关）：zimage 全篇最强（唯一把中文思维导图的大字画对、小字仍乱码），gptimage / gptimage-large 海报/英文/手部都强但都栽在思维导图，flux 快但中文复杂题连续翻车，klein 中文文字不行，nova-canvas 文字/结构整体差。整体和 Agnes 同档。

怎么选：要中文 + 稳 → zimage（六个里唯一把思维导图大字画对的，小字仍乱码）；要海报/英文最高保真 → gptimage-large（思维导图它也栽）；要最快最便宜、且是英文 / 简单场景 → flux；要纯免费不限量（含中文）→ 用 Agnes。zimage 质量不输 Agnes、速度和调用还略胜一筹——Agnes 唯一赢点是宣称永久免费不限量。

最后说一句“免费”。统一网关按 pollen 计费、模型随时变、视频和高端模型要花钱、政策可能调整——免费的部分（转录 + 文本 LLM）拿来跑实验、兜底没问题；要扛生产主力，多备几个 Key 轮换、留好付费后路。免费是好东西，但别全指望它。

这次的收获是六个文生图模型的真实数据——评模型要多题、别凭单题，而且中文文字判定不能信视觉模型、得人眼复核：flux 英文行 / 中文翻车、klein 中文猫图行 / 中文文字崩、nova-canvas 简单视觉行 / 文字全崩、思维导图大字全篇只有 zimage 行，都是例证。

📌 这是 Pollinations 实测系列的图片篇。六个文生图模型 + Agnes/智谱三家同题横评：统一网关上的 Pollinations——zimage 质量不输 Agnes、甚至略胜一筹（唯一把中文思维导图大字画对、秒级出图、GET 调用更简）；gptimage-large 海报/英文最高保真、同档 Agnes，Agnes 赢在宣称永久免费不限量，智谱介于其间。首选 zimage（速度 + 中文、导图大字最准）/ gptimage-large（海报最高保真）；要不限量选 Agnes。

📚 本系列其它实测：智谱《智谱免费的图片和视频 API 到底行不行？一篇实测讲透》｜Agnes《免费出图到底行不行？实测 Agnes AI 图片模型》