For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/de/articles/nano-banana-2-1-vs-gpt-image-2-5-editing-215e3bff.md.
Google hat **Nano Banana 2.1**, sein neuestes hocheffizientes Modell für Bildgenerierung und dialogbasierte Bildbearbeitung, veröffentlicht.
Google hat Nano Banana 2.1, sein neuestes hocheffizientes Modell für Bildgenerierung und dialogbasierte Bildbearbeitung, veröffentlicht.
Das Modell wird als Aktualisierung von Nano Banana 2 positioniert, das offiziell als Gemini 3.1 Flash Image bekannt ist. Es basiert jedoch auf der neueren Grundlage Gemini 3.6 Flash.
Die wichtigste Nachricht lautet nicht einfach: „bessere Bildgenerierung“.
Nano Banana 2.1 konzentriert sich stark auf die Aspekte von Bild-Workflows, die nach der ersten Generierung problematisch werden:
Zum Start fasste der Ausgangsartikel die Aktualisierung in sechs Punkten zusammen:
Dieses Gesamtbild ist weiterhin zutreffend. Einige Preis- und Stilllegungsdetails haben sich jedoch in Googles aktueller Dokumentation geändert und werden weiter unten korrigiert.
Nano Banana 2.1 gehört zur Gemini-3-Familie und basiert auf Gemini 3.6 Flash.
Das ist relevant, weil das Modell das Geschwindigkeits- und Kostenprofil bewahren soll, das Nutzer mit Systemen der Flash-Klasse verbinden, gleichzeitig aber Bildqualität und Bearbeitungspräzision deutlich stärker vorantreibt.
Googles offizielles Modellprofil vergleicht Nano Banana 2.1 sowohl mit Gemini 3.1 Flash Image (Nano Banana 2) als auch mit Gemini 3 Pro Image (Nano Banana Pro).
Für die Text-zu-Bild-Generierung berichtet Google:
| Fähigkeit | Nano Banana 2.1 Thinking | Nano Banana 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| Gesamtpräferenz | 1050 ± 14 | 1015 ± 13 | 990 ± 7 | 935 ± 8 |
| Infografik-Design | 1048 ± 17 | 1001 ± 17 | 961 ± 12 | 912 ± 12 |
| Faktentreue von Infografiken | 0.521 | 0.328 | 0.179 | 0.265 |
In Googles eigener Evaluierung schließt das Flash-Modell 2.1 die Lücke zu Nano Banana Pro nicht nur. Es übertrifft das Pro-Modell bei den aufgeführten Messwerten für Gesamtpräferenz, Infografik-Design und Faktentreue von Infografiken.
Darauf basiert die Formulierung des Ausgangsartikels, dass „Flash Pro übertrifft“.
Die Zahlen sollten dennoch sorgfältig gelesen werden.
Es handelt sich um Ergebnisse aus Googles Evaluierung und nicht um eine universelle Garantie dafür, dass 2.1 bei jedem Prompt besser als Pro abschneidet. Das offizielle Modellprofil führt außerdem weiterhin einige Schwächen auf, darunter:
Die Aktualisierung ist daher substanziell, stellt aber nicht die Behauptung auf, dass Bildgenerierung nun „gelöst“ sei.
Der Ausgangsartikel verweist außerdem auf Community-Abstimmungen in der Arena.
In dem im Artikel verwendeten Snapshot belegte Nano Banana 2.1 folgende Plätze:
Dieselbe Quelle berichtet, dass Nano Banana 2 zuvor in den entsprechenden Kategorien die Plätze 7, 11 und 14 belegt hatte.
Das ist insbesondere für die Bearbeitung ein deutlicher Sprung.
Die Arena ist jedoch eine dynamische Community-Rangliste. Neue Modelle, zusätzliche Stimmen, verborgene Varianten und Änderungen an der Evaluierung können die Platzierungen schnell verändern. Daher sollten diese Ränge als Snapshot zum Start und nicht als dauerhafte Bewertung verstanden werden.
Eine der größten praktischen Verbesserungen ist die maskenbasierte Bearbeitung.
Wer Photoshop verwendet hat, versteht das Prinzip sofort: einen Bereich auswählen, diesen Bereich bearbeiten und alles außerhalb der Auswahl unverändert lassen.
Das klingt einfach, ist für Bildgenerierungsmodelle aber historisch schwierig.
Wenn man einem Bildmodell sagt:
„Ändere die Tasse in der unteren linken Ecke in Rot.“
muss ein Modell ohne präzise lokale Bearbeitung zunächst ableiten, welche Tasse gemeint ist, und anschließend möglicherweise einen großen Teil des gesamten Bildes neu generieren. Selbst wenn die gewünschte Tasse korrekt geändert wird, können andere Details abweichen:
Nano Banana 2.1 wurde entwickelt, um dieses Problem zu reduzieren.
Googles offizielle Evaluierung der Bearbeitung berichtet im Thinking-Modus einen Wert von 1049 ± 15 für masken- beziehungsweise tintenbasierte Bearbeitung. Zum Vergleich: Nano Banana 2 erreicht 965 ± 12 und Nano Banana Pro 927 ± 12.
| Bearbeitungs-Benchmark | Nano Banana 2.1 Thinking | 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| Allgemeine Bearbeitung | 1026 | 980 | 938 | 939 |
| Konsistenz einer einzelnen Figur | 1028 | 1021 | 981 | 991 |
| Konsistenz mehrerer Figuren | 1106 | 1068 | 978 | 1011 |
| Masken-/tintenbasierte Bearbeitung | 1049 | 1042 | 965 | 927 |
| Produktkonsistenz | 1024 | 981 | 955 | 965 |
| Stilisierung | 1062 | 1036 | 991 | 990 |
| Bearbeitung mit mehreren Referenzen | 1066 | 1041 | 988 | 989 |
Wichtig ist nicht nur der Spitzenwert.
Selbst bei deaktiviertem Thinking bleibt das Modell in den aufgeführten Bearbeitungskategorien vor den älteren Vergleichsmodellen.
Das macht 2.1 praktischer für Workflows, bei denen jeder zusätzliche Denkschritt Latenz oder Kosten verursacht.
Der Ausgangsartikel hebt einen Test von ibexdream hervor.
Der erste Prompt erzeugte eine verzierte Illustration im Stil eines Geldscheins mit einem alten Philosophen, dessen Haare sich in ein Labyrinth verwandelten.
Der zweite Prompt bearbeitete das vorhandene Ergebnis:
Die zentrale Beobachtung war, dass Labyrinth, Robe, Bart und allgemeine Komposition deutlich stabiler blieben, als Nutzer es bei generativer Bearbeitung häufig erwarten.
Ein dritter Prompt wandelte die Szene anschließend in einen Ölmalerei-Stil um und bewahrte dabei die grundlegende Komposition.
Genau für solche Workflows ist die Qualität der Bearbeitung wichtiger als ein spektakuläres erstes Bild.
Kommerzielle Gestaltung endet selten nach der ersten Generierung.
Sie durchläuft meist mehrere Überarbeitungen.
Das zweite große Thema ist die Konsistenz.
Für E-Commerce, Werbung, fortlaufende Comics, Social-Kampagnen und Markenfotografie muss dieselbe Person oder dasselbe Produkt häufig in mehreren Szenen erscheinen.
Das frustrierende Fehlermuster ist bekannt:
dieselbe Person
→ andere Pose
→ Gesicht verändert sich
→ weitere Bearbeitung
→ Kleidung verändert sich
→ weitere Bearbeitung
→ Produktdetails verändern sich
Nano Banana 2.1 wurde entwickelt, um diese Identitäten über wiederholte Generierungen und Bearbeitungen hinweg stabiler zu halten.
Googles API-Dokumentation besagt, dass Nano-Banana-Modelle bis zu 14 Referenzbilder in einem Workflow kombinieren können. Für Nano Banana 2.1 beschreibt die Modelldokumentation eine hochpräzise Unterstützung für mehrere Objekt- und Charakterreferenzen. Die genaue empfohlene Zusammensetzung hängt vom jeweiligen Anwendungsfall ab.
Der Ausgangsartikel fasst die praktische Konfiguration als bis zu zehn Objektreferenzen plus mehrere Charakterreferenzen innerhalb des gesamten Limits für Referenzbilder zusammen.
Der Artikel verweist auf einen Test von BG-VC.
Die Testperson stellte folgende Referenzen bereit:
Das Modell erzeugte anschließend sechs unterschiedliche Szenen in einem Workflow.
Bei Geh-, Sitz- und Anlehnposen blieben Gesicht, Kleidung, Tasche und Accessoires laut Testperson ungewöhnlich konsistent.
Das ist ein deutlich kommerziell relevanterer Test als ein einzelnes Porträt.
Die Generierung von Produktbildern ist nur dann wertvoll, wenn das Produkt nach Änderungen an Pose, Ort, Kamerawinkel oder Styling weiterhin wie dasselbe Produkt aussieht.
Der Ausgangstext verweist außerdem auf Beispielbilder von Google, die weniger offensichtlich synthetisch wirken.
Dazu gehören unter anderem ein mit Wassertropfen bedeckter Käfer und eine Frau in einem grünen Kleid auf den Stufen eines rosafarbenen Gebäudes.
Die Veränderung besteht nicht nur in „mehr Details“.
Überzeugender Realismus hängt von einer Kombination mehrerer Faktoren ab:
Googles offizielle Modellseite beschreibt die Aktualisierung als Verbesserung der visuellen Qualität und des Realismus bei den Ausgabeauflösungen 1K, 2K und 4K.
Außerdem werden ungewöhnlich breite Seitenverhältnisse bei höheren Auflösungen unterstützt. Fehler in der Kacheldarstellung, die Panoramabilder beeinträchtigen konnten, wurden ebenfalls behoben.
Nano Banana 2.1 kann in unterstützten API-Workflows die Google-Websuche und Google-Bildsuche als Informationsgrundlage verwenden.
Das ist besonders für Infografiken relevant.
Ein normales Bildmodell kann ein visuell ansprechendes Diagramm erzeugen und dabei Zahlen, Beschriftungen oder faktische Zusammenhänge erfinden.
Suchgrundierung gibt dem Generierungsworkflow die Möglichkeit, zunächst echte Informationen abzurufen und anschließend das Bild zu gestalten.
Googles offizielles Modellprofil nennt folgende Werte für die Faktentreue von Infografiken:
Die Verbesserung ist groß, aber 0.521 entspricht nicht 1,0.
Die korrekte Schlussfolgerung lautet daher nicht:
„Das Modell erstellt jetzt automatisch faktentreue Infografiken.“
Sondern:
„Suchgrundierung und das neuere Modell reduzieren faktische Fehler in Googles Evaluierung deutlich, aber generierte Infografiken müssen weiterhin überprüft werden.“
Diese Unterscheidung ist für Bildung, Journalismus, Medizin, Finanzwesen und alle anderen Bereiche wichtig, in denen eine falsche Beschriftung schädlicher sein kann als ein unästhetisches Layout.
Hier wird die Veröffentlichung besonders interessant.
Google hat den Preis für die Bildausgabe deutlich gesenkt, gleichzeitig aber die Preise für Text-/Bildeingaben sowie Text-/Thinking-Ausgaben gegenüber der im Ausgangsartikel genannten Preisstruktur von Nano Banana 2 erhöht.
Die aktuellen offiziellen Preise für die Standard-API von Nano Banana 2.1 lauten:
| Abrechnungsposten | Aktueller offizieller Preis |
|---|---|
| Text-/Bild-/Videoeingabe | 1,50 $ pro 1 Mio. Tokens |
| Text- und Thinking-Ausgabe | 7,50 $ pro 1 Mio. Tokens |
| Bildausgabe | 30,00 $ pro 1 Mio. Tokens der Bildausgabe |
| 1K-Bild | etwa 0,0336 $ |
| 2K-Bild | etwa 0,0504 $ |
| 4K-Bild | etwa 0,113 $ |
Der Ausgangsartikel beschreibt dies als eine Verschiebung der Kosten vom „Zeichnen“ zum „Denken“ durch Google.
Das ist eine nützliche Kurzform.
Wenn der eigene Workflow hauptsächlich aus unkomplizierter Generierung besteht, kann die günstigere Bildausgabe eine große Rolle spielen.
Wenn der Workflow Folgendes umfasst:
hängen die endgültigen Kosten von mehr als nur dem angegebenen Preis pro Bild ab.
Die ursprüngliche Quelle nennt für eine 4K-Ausgabe etwa 0,076 $ pro Bild.
Googles aktuelle Preisseite nennt dagegen 0,113 $ pro 4K-Bild.
Die Preise für 1K und 2K bleiben bei etwa 0,0336 $ beziehungsweise 0,0504 $.
Für die Produktionsplanung sollte die aktuelle offizielle Preisseite und nicht ein Screenshot vom Starttag oder eine Berechnung eines Drittanbieters verwendet werden.
Googles Modellprofil führt Nano Banana 2.1 für folgende Kanäle auf:
Beschreibe deine Idee einmal, und We0 AI erstellt eine Showcase-Website, Seiten und ein CMS und hilft nach dem Launch bei Kunden und Traffic.
Eine komplette Projektgeneration zur kostenlosen Registrierung
Am besten geeignet, um einen vollständigen Generierungsablauf auszuprobieren und schnell einen ersten Projektentwurf zu sehen.
Die API-Modell-ID für Entwickler lautet:
gemini-nano-banana-2.1
Das Modell unterstützt Bildgenerierung und dialogbasierte Bearbeitung, einschließlich Workflows mit mehreren Bildreferenzen.
Die aktuelle Google-Dokumentation führt außerdem konfigurierbare Thinking-Stufen auf:
minimalmedium – StandardhighDie Quelle behauptet, dass die ältere Nano-Banana-2-API am 29. Oktober abgeschaltet werde.
Googles aktuelle Tabelle zu auslaufenden Diensten nennt für gemini-3.1-flash-image jedoch keinen solchen Abschaltungstermin.
Stattdessen steht dort derzeit:
Empfohlener Ersatz: gemini-nano-banana-2.1
Abschaltungstermin: Kein Abschaltungstermin angekündigt
Das bedeutet nicht, dass das ältere Modell dauerhaft verfügbar bleiben wird.
Es bedeutet, dass Entwickler ihre Migrationspläne nicht auf den 29. Oktober stützen sollten, solange Google dieses Datum nicht in der offiziellen Dokumentation zu auslaufenden Diensten ergänzt.
Der Ausgangsartikel wechselt anschließend von offiziellen Benchmarks zu Community-Tests.
Diese Unterscheidung ist wichtig.
Offizielle Benchmarks zeigen, wie Google das Modell unter festgelegten Evaluierungsbedingungen gemessen hat.
Community-Tests zeigen, wie sich das Modell in realen kreativen Workflows anfühlt.
Beide Perspektiven sind nützlich, beantworten aber unterschiedliche Fragen.
Mark Kretschmann soll dem Modell eine bewusst schwierige Szene vorgegeben haben, die Folgendes enthielt:
Damit sollte geprüft werden, ob das Ergebnis weiterhin wie ein zusammenhängendes Foto statt wie eine Collage aus lokal plausiblen Fragmenten wirkt.
Solche Tests sind wertvoll, weil Bildmodelle häufig scheitern, wenn mehrere schwierige Anforderungen gleichzeitig auftreten.
Luis Catacora testete eine Teestuben-Speisekarte, auf der dasselbe Angebot in folgenden Sprachen dargestellt werden sollte:
Die Quelle berichtet, dass das Modell in einer einzigen Generierung fast den gesamten Text korrekt darstellte.
Googles offizielles Modellprofil berichtet ebenfalls von verbessertem internationalem Text-Rendering. Damit stimmt die Beobachtung aus der Community mit dem erklärten Ziel der Veröffentlichung überein.
Dennoch sollten Texte in Bildern Korrektur gelesen werden.
Die Quelle zeigt später ein chinesisches Poster, bei dem die großen chinesischen Schriftzeichen sauber erscheinen, während eine kleine vertikale englische Zeile zu unleserlichem Text verfälscht wurde.
Das ist eine gute Erinnerung daran, dass „deutlich besser“ nicht dasselbe ist wie „professionelle Satzsoftware“.
Die Veröffentlichung führte unmittelbar zu Vergleichen mit OpenAIs aktueller Bildmodellfamilie.
OpenAI veröffentlichte ChatGPT Images 2.5 im September 2026 und bietet zwei API-Varianten an:
gpt-image-2.5-flare für schnelle, hochwertige alltägliche Generierung.gpt-image-2.5-sunburst für präzisere kreative Arbeiten mit vielen Details.OpenAI erklärt, dass Images 2.5 Details, Bearbeitungspräzision, Motivtreue, mehrstufige Bearbeitung und Generierungsgeschwindigkeit verbessert.
Damit konkurrieren Google und OpenAI zunehmend beim gleichen Problem:
Kann das Modell wiederholte Bearbeitungen überstehen, ohne alles zu zerstören, was bereits korrekt war?
Ein Tester gab Nano Banana 2.1 und GPT Image 2.5 einen Prompt, der bewusst mehrere empfindliche Details kombinierte:
Im direkten Vergleich des Ausgangsartikels platzierte Nano Banana 2.1 die meisten gewünschten Details an den richtigen Stellen. Die Tönung der Brille wurde jedoch verfehlt und der Hautton veränderte sich.
Genau solche Vergleiche sollten qualitativ interpretiert werden.
Ein einzelnes Bild kann Fehlermuster sichtbar machen, aber keine allgemeine Überlegenheit belegen.
Ein anderer Tester bat Nano Banana 2.1 und GPT Image 2, dieselbe Szene mit einer Uhr auf einem Schreibtisch zu erzeugen.
Die Quelle beschreibt das Google-Ergebnis als eher gewöhnliches Foto bei natürlichem Licht. Die OpenAI-Version wirkte dagegen stärker wie eine ausgearbeitete Werbung mit dramatischer Beleuchtung und einem stilisierteren Zifferblatt.
Das ist nicht zwangsläufig ein Ergebnis nach dem Muster „besser gegen schlechter“.
Es veranschaulicht einen häufigen Unterschied zwischen Bildmodellen:
Welche Variante vorzuziehen ist, hängt vom Workflow ab.
Für Produktfotografie im E-Commerce kann die wörtliche Genauigkeit entscheidend sein.
Für Marketinggrafiken kann eine stärkere Stilisierung nützlich sein.
Die Quelle zitiert einen Community-Test einer KI-/ML-API-Plattform mit fünf Prompts.
In diesem Test lagen die gemeldeten Durchschnittswerte ungefähr bei:
| Modell | Gemeldete Zeit pro Bild | Gemeldete Kosten pro Bild |
|---|---|---|
| Nano Banana 2.1 | ca. 11 Sekunden | ca. 0,044 $ |
| GPT Images 2.5 | ca. 50 Sekunden | ca. 0,069 $ |
Dieselbe Quelle nennt außerdem einen Test mit vier weltraumbezogenen Bildern, bei dem Nano Banana 2.1 angeblich insgesamt 0,178 $ und GPT Image 2.5 0,284 $ kostete.
Dabei handelt es sich um Messungen von Drittanbieterplattformen, nicht um offizielle Preistabellen der Anbieter.
Mehrere Variablen können das Ergebnis verändern:
Für die Produktionsplanung sollte die genaue API-Konfiguration verglichen werden, die tatsächlich eingesetzt werden soll. Ein einzelner Community-Test lässt sich nicht automatisch auf alle Workloads übertragen.
Der Ausgangsartikel hebt außerdem Tests des chinesischsprachigen Creators Guizang hervor.
Der Gesamteindruck war positiv:
Ein Beispiel aus der Quelle wirkt auf den ersten Blick gelungen.
Bei einer Vergrößerung zeigt sich jedoch, dass eine kleine vertikale englische Zeile zu unleserlichen Zeichen geworden ist.
Das ist eine wichtige praktische Grenze.
Wenn das Bild für eine echte Anzeige, Speisekarte, Beschriftung, Verpackung oder ein öffentliches Poster bestimmt ist, sollte der finale Text weiterhin manuell geprüft oder in einem Design-Tool ersetzt werden.
Bildmodelle werden immer besser in Typografie, sind aber kein Ersatz für die abschließende Korrektur.
Der Ausgangstext endet mit einer übergeordneten Beobachtung: Der Wettbewerb zwischen Bildmodellen verlagert sich von der Frage „Wer kann das beeindruckendste erste Bild erzeugen?“ zu der Frage „Wer kann dasselbe Bild bearbeiten, ohne es zu zerstören?“
Diese Veränderung ist leicht nachvollziehbar.
Kommerzielle kreative Arbeit folgt nur selten diesem Muster:
Briefing
→ ein Bild
→ fertig
Meist sieht sie eher so aus:
Briefing
→ Version 1
→ Produkt nach links verschieben
→ Hemd ändern
→ Gesicht identisch lassen
→ Schild ersetzen
→ Text aktualisieren
→ Person im Hintergrund entfernen
→ Stil ändern
→ finale Freigabe
Wenn Version zehn Version eins nicht mehr ähnelt, ist das System für professionelle Iteration nur begrenzt nützlich.
OpenAIs Ankündigung von Images 2.5 betont präzisere Bearbeitung, eine bessere Motivtreue, Kommentare auf Bildern und mehrstufige kreative Workflows.
Googles Veröffentlichung von Nano Banana 2.1 betont maskenbasierte Bearbeitung, Motivkonsistenz, Bearbeitung mit mehreren Referenzen und dialogbasierte Iteration.
Die beiden Produktentwicklungen nähern sich eindeutig an.
Die kommerzielle Logik ist klar.
Werbung, E-Commerce, Markendesign und Social Content erfordern endlose Überarbeitungen.
Ein Modell, das Folgendes bewahren kann:
und dabei nur den gewünschten Bereich ändert, ist deutlich wertvoller als ein Modell, das ein einziges schönes, aber instabiles Bild erzeugt.
Das hilft zu erklären, warum Google Nano Banana 2.1 nicht nur über Entwickler-APIs, sondern auch über Produkte wie Google Ads und Stitch bereitstellt.
Bei der Veröffentlichung geht es daher weniger darum, einen einzelnen Schönheitswettbewerb für Bildgenerierung zu gewinnen. Vielmehr soll generative Bildgestaltung in echte iterative Workflows integriert werden.
Nano Banana 2.1 ist Googles neuestes hocheffizientes Modell für Bildgenerierung und dialogbasierte Bildbearbeitung innerhalb der Gemini-3-Familie. Die API-Modell-ID lautet gemini-nano-banana-2.1. Google zufolge basiert das Modell auf Gemini 3.6 Flash.
Ja. Googles offizielle Dokumentation führt die Ausgabe in 1K, 2K und 4K auf. Die aktuelle API-Preisseite nennt für ein 4K-Bild bei der kostenpflichtigen Standardabrechnung etwa 0,113 $.
Googles Dokumentation zur Bildgenerierung besagt, dass Nano-Banana-Workflows bis zu 14 Referenzbilder kombinieren können. Bei 2.1 hängen die praktischen Grenzen davon ab, wie diese Referenzen für Charaktere, Objekte und die Zusammenführung mehrerer Bilder verwendet werden. Entwickler sollten daher die aktuelle API-Anleitung beachten und nicht davon ausgehen, dass sich alle 14 Referenzen identisch verhalten.
Ja. Masken- und tintenbasierte Bearbeitung sind in Googles Modellprofil ausdrücklich aufgeführte Evaluierungskategorien. In Googles veröffentlichter Bearbeitungsevaluierung erzielt 2.1 deutlich höhere Werte als Nano Banana 2 und Nano Banana Pro.
Ja. Unterstützte Bildgenerierungs-Workflows der Gemini API können die Google-Websuche und die Google-Bildsuche als Informationsgrundlage verwenden. Das ist besonders für die Erstellung von Infografiken und andere Aufgaben nützlich, bei denen aktuelle oder faktische Informationen wichtig sind.
Die Bildausgabe wird mit 30 $ pro 1 Mio. Tokens der Bildausgabe aggressiv bepreist. Eine 1K-Generierung kostet bei der aktuellen Standardabrechnung etwa 0,0336 $. Text-/Bildeingaben und Text-/Thinking-Ausgaben werden jedoch ebenfalls berechnet. Die Gesamtkosten eines Workflows hängen daher von Prompt-Größe, Referenzen, Schlussfolgerungen, Suchgrundierung und der Anzahl der Iterationen ab.
Googles aktuelle offizielle Seite zu auslaufenden Diensten nennt für gemini-3.1-flash-image keine Abschaltung am 29. Oktober. Derzeit steht dort, dass kein Abschaltungstermin angekündigt wurde. Als Ersatz wird gemini-nano-banana-2.1 empfohlen.
Darauf gibt es für jeden Workflow keine einheitliche Antwort. Der Ausgangsartikel zeigt mehrere Community-Tests, in denen Nano Banana 2.1 bei Geschwindigkeit, Realismus, Bearbeitung und Kosten überzeugte. Gleichzeitig betont OpenAIs offizielle Images-2.5-Familie präzise Bearbeitung, Motivtreue und hochwertige Generierung. Der sicherste Ansatz besteht darin, beide Modelle mit den eigenen Prompts, Referenzbildern, Auflösungen und Überarbeitungs-Workflows zu testen.
Bei Nano Banana 2.1 geht es weniger um eine völlig neue Kategorie von KI-Bildern als um die Behebung der Schwächen, die den Einsatz generativer Bilder in realen Produktionsprozessen erschweren: lokale Bearbeitung, Motivdrift, inkonsistente Produkte, Text-Rendering, faktentreue Infografiken und wiederholte Überarbeitungen.
Googles offizielle Evaluierungen zeigen deutliche Fortschritte gegenüber Nano Banana 2 und Nano Banana Pro in mehreren Generierungs- und Bearbeitungskategorien. Das Modell kombiniert außerdem die Bereitstellung in der Flash-Klasse mit bis zu 14 Referenzbildern, Suchgrundierung und 1K-/2K-/4K-Ausgabe. Dadurch ist es ein deutlich praktischeres Kreativwerkzeug als ein Generator für einmalige Bilder.
Auch die aktuellen offiziellen Preise machen die Bildausgabe günstig. Die Gesamtkosten hängen jedoch weiterhin von Eingaben, Schlussfolgerungen, Suchgrundierung und Auflösung ab. Entwickler sollten die aktuellen Preis- und Stilllegungsseiten von Google verwenden statt Screenshots vom Starttag: Der aktuelle 4K-Preis liegt bei etwa 0,113 $, und Google nennt derzeit keine Abschaltung von Nano Banana 2 am 29. Oktober.
Der eigentliche Wettbewerb zwischen Nano Banana 2.1 und GPT Image 2.5 besteht nicht mehr nur darin, wer das schönere erste Bild erzeugt. Entscheidend ist vielmehr, wer die zehnte Bearbeitung übersteht, ohne Motiv, Produkt, Text oder Komposition zu verlieren, die bereits korrekt waren.
Starte mit einem Satz und erhalte in wenigen Minuten eine vollständige Website.
