SciFig 图像模型
根据当前科研任务选择合适的图像模型
模型名称不是唯一标准。先比较 SciFig 实际开放的能力，再进入已预选对应模型的生成页面。
SciFig 图像模型
按真实用途组织模型
下方能力直接读取生成器使用的同一份模型注册表，因此支持模式与限制会和产品保持一致。
GPT Image 2
Precise prompts, clean text
适合同时重视提示词遵循、可读标签、图像编辑和输出尺寸控制的通用选择。
适合任务
图形摘要、带标签的机制图和迭代编辑
- 文生图
- 图生图
- 16 张参考图
- 最高支持 4K 分辨率控制
Nano Banana 系列
3 个版本
三个版本分别覆盖快速生成、多参考图编辑和更高质量的图像处理。
适合任务
参考图引导修改、快速探索多个版本和图生图任务
- 文生图
- 图生图
- 14 张参考图
- 最高支持 4K 分辨率控制
Z-Image
Photorealistic detail
专注文生图与照片级细节，适合不需要参考图编辑和分辨率控制的任务。
适合任务
材料、仪器、科研环境和期刊封面概念
- 文生图
- 图生图
- 0 张参考图
- 固定 1K 输出
把模型输出当作视觉草稿，而不是科学证据
所有可用模型都可能虚构标签、结构、数量和关系。最终结果必须由具备相关专业知识的作者结合论文、源数据和目标期刊政策逐项核验。