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/ko/articles/nano-banana-2-1-vs-gpt-image-2-5-editing-215e3bff.md.
Google이 최신 고효율 이미지 생성 및 대화형 편집 모델인 **Nano Banana 2.1**을 출시했습니다.
Google이 최신 고효율 이미지 생성 및 대화형 편집 모델인 Nano Banana 2.1을 출시했습니다.
이 모델은 공식적으로 Gemini 3.1 Flash Image로 알려진 Nano Banana 2의 업데이트 버전으로 포지셔닝되지만, 더 새로운 Gemini 3.6 Flash 기반으로 구축되었습니다.
핵심은 단순히 “더 나은 이미지 생성”이 아닙니다.
Nano Banana 2.1은 첫 번째 이미지가 생성된 이후 이미지 작업 과정에서 발생하는 문제에 특히 집중합니다.
출시 당시 원문은 이번 업데이트를 다음 여섯 가지로 요약했습니다.
이러한 전체적인 평가는 여전히 유효하지만, Google의 최신 문서에서 일부 가격 및 지원 종료 관련 세부 정보가 변경되었으므로 아래에서 수정해 설명합니다.
Nano Banana 2.1은 Gemini 3 제품군에 속하며 Gemini 3.6 Flash를 기반으로 합니다.
이는 이 모델이 Flash급 시스템에 기대되는 속도와 비용 구조를 유지하면서 이미지 품질과 편집 정밀도를 크게 높이는 것을 목표로 한다는 의미입니다.
Google의 공식 모델 카드는 Nano Banana 2.1을 Gemini 3.1 Flash Image(Nano Banana 2) 및 **Gemini 3 Pro Image(Nano Banana Pro)**와 비교합니다.
텍스트-이미지 생성에 대해 Google은 다음과 같은 결과를 보고했습니다.
| 기능 | Nano Banana 2.1 Thinking | Nano Banana 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| 종합 선호도 | 1050 ± 14 | 1015 ± 13 | 990 ± 7 | 935 ± 8 |
| 인포그래픽 디자인 | 1048 ± 17 | 1001 ± 17 | 961 ± 12 | 912 ± 12 |
| 인포그래픽 사실성 | 0.521 | 0.328 | 0.179 | 0.265 |
Google 자체 평가에서 Flash급 2.1 모델은 Nano Banana Pro와의 격차를 단순히 좁히는 데 그치지 않았습니다. 공개된 종합 선호도, 인포그래픽 디자인 및 인포그래픽 사실성 지표에서 Pro 모델을 앞섰습니다.
이것이 원문에서 “Flash가 Pro를 앞선다”고 설명한 근거입니다.
다만 수치를 신중하게 해석할 필요가 있습니다.
이 결과는 Google의 평가 결과이며, 2.1이 모든 프롬프트에서 Pro보다 우수하다는 보편적인 보장은 아닙니다. 공식 모델 카드에는 다음과 같은 한계도 남아 있다고 설명되어 있습니다.
따라서 이번 업데이트는 상당한 진전이지만 이미지 생성 문제가 “해결되었다”는 의미는 아닙니다.
원문은 Arena 커뮤니티 투표 결과도 인용합니다.
기사에서 사용한 당시 스냅샷에서 Nano Banana 2.1의 순위는 다음과 같습니다.
같은 출처에 따르면 Nano Banana 2는 이전에 해당 항목에서 각각 7위, 11위, 14위를 기록했습니다.
특히 편집 부문에서 의미 있는 상승입니다.
하지만 Arena는 실시간으로 변하는 커뮤니티 리더보드입니다. 새로운 모델, 추가 투표, 비공개 변형 모델 및 평가 방식의 변화에 따라 순위는 빠르게 움직일 수 있습니다. 따라서 해당 순위는 영구적인 성적표가 아니라 출시 당시의 스냅샷으로 봐야 합니다.
가장 큰 실용적 개선 중 하나는 마스크 기반 편집입니다.
Photoshop을 사용해 본 사람이라면 이 개념을 바로 이해할 수 있습니다. 특정 영역을 선택하고, 그 영역만 편집하며, 선택 영역 밖의 내용은 그대로 유지하는 방식입니다.
간단해 보이지만 이미지 생성 모델은 역사적으로 이 작업에 어려움을 겪어 왔습니다.
이미지 모델에 다음과 같이 요청한다고 가정해 보겠습니다.
“왼쪽 아래 모서리에 있는 컵을 빨간색으로 바꿔줘.”
정밀한 로컬 편집 기능이 없는 모델은 어떤 컵을 의미하는지 추론한 뒤 이미지 전체의 상당 부분을 다시 생성해야 합니다. 요청한 컵이 제대로 바뀌더라도 다른 세부 정보가 변할 수 있습니다.
Nano Banana 2.1은 이러한 문제를 줄이도록 설계되었습니다.
Google의 공식 편집 평가에서 마스크/잉크 기반 편집 점수는 Thinking 모드에서 1049 ± 15로, Nano Banana 2의 965 ± 12와 Nano Banana Pro의 927 ± 12보다 높았습니다.
| 편집 벤치마크 | Nano Banana 2.1 Thinking | 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| 일반 편집 | 1026 | 980 | 938 | 939 |
| 단일 인물 일관성 | 1028 | 1021 | 981 | 991 |
| 다중 인물 일관성 | 1106 | 1068 | 978 | 1011 |
| 마스크/잉크 기반 편집 | 1049 | 1042 | 965 | 927 |
| 제품 일관성 | 1024 | 981 | 955 | 965 |
| 스타일 변환 | 1062 | 1036 | 991 | 990 |
| 다중 참조 편집 | 1066 | 1041 | 988 | 989 |
중요한 점은 최고 점수만이 아닙니다.
Thinking을 비활성화한 경우에도 이 모델은 공개된 편집 항목 전반에서 이전 비교 모델보다 앞섰습니다.
따라서 사고 과정이 추가될 때마다 지연 시간이나 비용이 늘어나는 작업 흐름에서 2.1을 더욱 실용적으로 사용할 수 있습니다.
원문은 ibexdream이 진행한 테스트를 소개합니다.
첫 번째 프롬프트는 머리카락이 미로로 변한 고대 철학자가 등장하는 화려한 지폐풍 일러스트를 생성했습니다.
두 번째 프롬프트는 기존 결과물을 편집했습니다.
핵심 관찰 결과는 미로, 로브, 수염 및 전체적인 구성이 생성형 편집에서 일반적으로 예상하는 것보다 훨씬 안정적으로 유지되었다는 점입니다.
세 번째 프롬프트에서는 핵심 구성을 유지한 채 장면을 유화 스타일로 변환했습니다.
이러한 작업 흐름에서는 인상적인 첫 이미지보다 편집 품질이 더 중요합니다.
상업용 디자인은 생성 첫 단계에서 끝나는 경우가 드뭅니다.
수정 작업이 반복되기 때문입니다.
두 번째 큰 주제는 일관성입니다.
전자상거래, 광고, 연재 만화, 소셜 캠페인 및 브랜드 사진에서는 동일한 사람이나 제품이 여러 장면에 등장해야 하는 경우가 많습니다.
답답한 실패 패턴은 익숙합니다.
같은 사람
→ 다른 포즈
→ 얼굴이 변함
→ 또 다른 편집
→ 의상이 바뀜
→ 또 다른 편집
→ 제품 세부 정보가 변형됨
Nano Banana 2.1은 반복적인 생성 및 편집 과정에서 이러한 정체성을 더욱 안정적으로 유지하도록 설계되었습니다.
Google의 API 문서에 따르면 Nano Banana 모델은 하나의 작업 흐름에서 최대 14개의 참조 이미지를 혼합할 수 있습니다. Nano Banana 2.1의 모델 문서에는 여러 객체 참조와 인물 참조를 고충실도로 지원한다고 설명되어 있으며, 정확한 권장 구성은 사용 사례에 따라 달라집니다.
원문은 실용적인 구성으로 전체 참조 이미지 한도 내에서 최대 10개의 객체 참조와 여러 인물 참조를 사용할 수 있다고 요약합니다.
원문은 BG-VC의 테스트를 인용합니다.
테스터는 다음을 제공했습니다.
그런 다음 모델은 하나의 작업 흐름에서 서로 다른 장면 6개를 생성했습니다.
걷기, 앉기 및 기대기 포즈 전반에서 테스터는 얼굴, 의상, 가방 및 액세서리가 이례적으로 일관되게 유지되었다고 보고했습니다.
이는 단일 초상화보다 훨씬 상업적인 의미가 큰 테스트입니다.
제품 이미지 생성은 포즈, 장소, 카메라 각도 또는 스타일링을 바꾼 뒤에도 제품이 여전히 실제 제품처럼 보일 때만 가치가 있습니다.
원문은 인위적인 느낌이 덜한 Google 샘플 이미지도 지적합니다.
예로는 물방울로 덮인 딱정벌레와 분홍색 건물의 계단에 서 있는 초록색 드레스를 입은 여성이 있습니다.
변화는 단순히 “세부 정보가 더 많아졌다”는 데 있지 않습니다.
더 설득력 있는 사실성은 다음 요소가 결합된 결과입니다.
Google의 공식 모델 페이지는 이번 업데이트가 1K, 2K 및 4K 출력 해상도 전반에서 시각적 품질과 사실성을 개선한다고 설명합니다.
또한 고해상도에서 매우 넓은 화면 비율을 지원하며, 파노라마 이미지에 영향을 줄 수 있는 타일링 아티팩트도 개선했습니다.
Nano Banana 2.1은 지원되는 API 작업 흐름에서 Google 웹 검색 및 이미지 검색 그라운딩을 사용할 수 있습니다.
이는 인포그래픽과 특히 관련이 있습니다.
일반적인 이미지 모델은 시각적으로 매력적인 차트를 만들면서 숫자, 라벨 또는 사실 관계를 지어낼 수 있습니다.
검색 그라운딩을 사용하면 이미지 구성 전에 실제 정보를 검색할 기회를 생성 작업 흐름에 제공할 수 있습니다.
Google의 공식 모델 카드는 인포그래픽 사실성 점수를 다음과 같이 보고합니다.
개선 폭은 크지만 0.521은 1.0이 아닙니다.
따라서 올바른 해석은 다음과 같지 않습니다.
“이제 모델이 사실에 기반한 인포그래픽을 자동으로 만들어 준다.”
보다 정확한 해석은 다음과 같습니다.
“검색 그라운딩과 최신 모델은 Google 평가에서 사실 오류를 크게 줄였지만, 생성된 인포그래픽은 여전히 검증이 필요하다.”
이 구분은 교육, 언론, 의료, 금융 및 잘못된 라벨 하나가 보기 좋지 않은 레이아웃보다 더 큰 피해를 줄 수 있는 모든 분야에서 중요합니다.
이번 출시는 특히 흥미로운 지점이 있습니다.
Google은 이미지 출력 가격을 공격적으로 낮췄지만, 원문에서 인용한 기존 Nano Banana 2 가격과 비교하면 텍스트/이미지 입력 및 텍스트/사고 출력 가격은 올렸습니다.
현재 공식 Nano Banana 2.1 Standard API 가격은 다음과 같습니다.
| 과금 항목 | 현재 공식 가격 |
|---|---|
| 텍스트/이미지/동영상 입력 | 100만 토큰당 1.50달러 |
| 텍스트 및 사고 출력 | 100만 토큰당 7.50달러 |
| 이미지 출력 | 100만 이미지 출력 토큰당 30.00달러 |
| 1K 이미지 | 약 0.0336달러 |
| 2K 이미지 | 약 0.0504달러 |
| 4K 이미지 | 약 0.113달러 |
원문은 이를 Google이 “그리기”에서 “사고”로 비용을 이동한 것으로 설명합니다.
이는 유용한 요약입니다.
작업량이 단순한 이미지 생성 중심이라면 저렴해진 이미지 출력 비용이 큰 영향을 줄 수 있습니다.
하지만 작업 흐름에 다음 요소가 포함된다면 최종 비용은 이미지당 표시 가격만으로 결정되지 않습니다.
원문은 4K 출력 비용이 이미지당 약 0.076달러라고 설명합니다.
그러나 Google의 현재 가격 페이지에는 4K 이미지 가격이 0.113달러로 표시되어 있습니다.
1K 및 2K 가격은 각각 약 0.0336달러와 0.0504달러로 유지됩니다.
프로덕션 예산을 수립할 때는 출시 당시 스크린샷이나 제3자 계산이 아니라 현재 공식 가격 페이지를 사용해야 합니다.
Google의 모델 카드에는 Nano Banana 2.1이 다음 채널에서 제공된다고 나와 있습니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
개발자용 API 모델 ID는 다음과 같습니다.
gemini-nano-banana-2.1
이 모델은 여러 이미지 참조를 포함한 작업 흐름에서 이미지 생성 및 대화형 편집을 지원합니다.
현재 Google 문서에는 다음과 같은 설정 가능한 Thinking 수준도 나와 있습니다.
minimalmedium — 기본값high원문은 기존 Nano Banana 2 API가 10월 29일에 종료된다고 설명합니다.
Google의 현재 지원 종료 표에는 gemini-3.1-flash-image에 대한 해당 종료일이 표시되어 있지 않습니다.
현재 문서에는 다음과 같이 나와 있습니다.
권장 대체 모델: gemini-nano-banana-2.1
지원 종료일: 발표된 종료일 없음
이것이 기존 모델이 영원히 유지된다는 의미는 아닙니다.
Google이 공식 지원 종료 문서에 해당 날짜를 추가하지 않는 한 개발자는 10월 29일을 기준으로 마이그레이션 계획을 세워서는 안 된다는 의미입니다.
이후 원문은 공식 벤치마크에서 커뮤니티 테스트로 관점을 옮깁니다.
이 구분은 중요합니다.
공식 벤치마크는 정의된 평가 설정에서 Google이 모델을 어떻게 측정했는지 보여 줍니다.
커뮤니티 테스트는 실제 창작 작업 흐름에서 모델이 어떻게 느껴지는지 보여 줍니다.
두 가지 모두 유용하지만 서로 다른 질문에 답합니다.
Mark Kretschmann은 다음 요소가 포함된 의도적으로 어려운 장면을 모델에 제공한 것으로 알려졌습니다.
목적은 결과물이 국소적으로 그럴듯한 조각을 모아 놓은 콜라주가 아니라 하나의 일관된 사진처럼 보이는지 확인하는 것이었습니다.
이러한 테스트는 여러 어려운 제약이 동시에 등장할 때 이미지 모델이 자주 실패하기 때문에 가치가 있습니다.
Luis Catacora는 동일한 메뉴 항목을 다음 언어로 표현해야 하는 찻집 메뉴판을 테스트했습니다.
원문에 따르면 모델은 한 번의 생성에서 거의 모든 텍스트를 올바르게 처리했습니다.
Google의 공식 모델 카드도 국제 문자 렌더링이 개선되었다고 보고하므로, 이러한 커뮤니티 관찰 결과는 출시 목표와 일치합니다.
그럼에도 이미지 속 텍스트는 교정해야 합니다.
원문 후반에는 큰 문자는 깨끗했지만 작은 세로형 영어 문자가 읽을 수 없는 텍스트로 변한 포스터 사례가 소개됩니다.
이는 “훨씬 좋아졌다”는 것이 “조판 소프트웨어와 같다”는 의미는 아니라는 점을 잘 보여 줍니다.
이번 출시는 OpenAI의 최신 이미지 제품군과 즉시 비교되었습니다.
OpenAI는 ChatGPT Images 2.5를 2026년 9월에 출시했으며, API에서 두 가지 변형 모델을 제공합니다.
gpt-image-2.5-flare.gpt-image-2.5-sunburst.OpenAI는 Images 2.5가 세부 정보, 편집 정밀도, 대상 보존, 다중 턴 편집 및 생성 속도를 개선한다고 설명합니다.
이는 Google과 OpenAI가 점점 같은 문제를 놓고 경쟁하고 있다는 의미입니다.
모델이 반복적인 편집을 견디면서 이미 올바른 모든 것을 파괴하지 않을 수 있는가?
한 테스터는 Nano Banana 2.1과 GPT Image 2.5에 다음과 같은 취약한 세부 정보를 의도적으로 조합한 프롬프트를 제공했습니다.
원문의 나란히 비교한 결과에서 Nano Banana 2.1은 요청한 대부분의 세부 정보를 올바른 위치에 배치했습니다. 다만 안경의 색조를 놓쳤고 피부 톤이 변했습니다.
이러한 비교는 정성적 결과로 다뤄야 합니다.
하나의 이미지는 실패 패턴을 보여 줄 수 있지만, 전반적인 우수성을 입증할 수는 없습니다.
또 다른 테스터는 Nano Banana 2.1과 GPT Image 2에 동일한 책상 위 시계 장면을 생성해 달라고 요청했습니다.
원문은 Google의 결과가 자연광 아래에서 촬영한 일반적인 사진에 더 가까웠고, OpenAI의 결과는 극적인 조명과 더욱 스타일화된 시계 문자판을 사용한 세련된 광고처럼 보였다고 설명합니다.
이는 반드시 “더 좋다”와 “더 나쁘다”의 결과는 아닙니다.
이미지 모델 간에 자주 나타나는 차이를 보여 주는 사례입니다.
어느 쪽이 더 적합한지는 작업 흐름에 따라 달라집니다.
전자상거래 카탈로그 사진에서는 문자 그대로의 충실도가 더 중요할 수 있습니다.
마케팅 아트워크에서는 더 많은 스타일화가 유용할 수 있습니다.
원문은 5개의 프롬프트를 사용한 한 AI/ML API 커뮤니티 테스트를 인용합니다.
해당 테스트에서 보고된 평균은 대략 다음과 같습니다.
| 모델 | 이미지당 보고 시간 | 이미지당 보고 비용 |
|---|---|---|
| Nano Banana 2.1 | 약 11초 | 약 0.044달러 |
| GPT Images 2.5 | 약 50초 | 약 0.069달러 |
같은 출처는 우주를 주제로 한 4개 이미지 테스트에서 Nano Banana 2.1의 총비용이 0.178달러, GPT Image 2.5는 0.284달러였다고도 설명합니다.
이는 제3자 플랫폼의 측정값이며 공식 공급업체 가격표가 아닙니다.
다음과 같은 여러 변수가 결과를 바꿀 수 있습니다.
프로덕션 계획을 세울 때는 하나의 커뮤니티 테스트가 모든 작업에 일반화된다고 가정하지 말고 실제로 배포하려는 정확한 API 구성을 비교해야 합니다.
원문은 중국어권 크리에이터가 진행한 테스트도 소개합니다.
전체적인 인상은 긍정적이었습니다.
한 사례 이미지는 처음에는 완성도 높아 보입니다.
하지만 확대하면 작은 세로형 영어 문자가 의미 없는 문자열로 변한 것을 확인할 수 있습니다.
이는 중요한 실용적 한계입니다.
이미지가 실제 광고, 메뉴, 라벨, 패키지 또는 공공 포스터에 사용될 예정이라면 최종 텍스트를 수동으로 확인하거나 디자인 도구에서 교체해야 합니다.
이미지 모델은 타이포그래피 처리 능력이 향상되고 있지만, 최종 교정 작업을 대신할 수는 없습니다.
원문은 더 넓은 관점에서 이미지 모델 간의 경쟁이 “누가 가장 인상적인 첫 이미지를 만들 수 있는가?”에서 “누가 같은 이미지를 망가뜨리지 않고 계속 편집할 수 있는가?”로 이동하고 있다고 결론 내립니다.
이러한 변화는 이해하기 쉽습니다.
상업적인 창작 작업은 다음과 같이 진행되는 경우가 드뭅니다.
브리프
→ 이미지 한 장
→ 완료
대부분은 다음과 비슷합니다.
브리프
→ 버전 1
→ 제품을 왼쪽으로 이동
→ 셔츠 변경
→ 얼굴은 동일하게 유지
→ 간판 교체
→ 텍스트 업데이트
→ 배경 인물 제거
→ 스타일 변경
→ 최종 승인
10번째 버전이 첫 번째 버전과 더 이상 닮지 않았다면 전문적인 반복 작업에 그다지 유용한 시스템이라고 보기 어렵습니다.
OpenAI의 Images 2.5 발표는 더욱 정밀한 편집, 향상된 대상 보존, 이미지에 대한 코멘트 및 다중 턴 창작 작업 흐름을 강조합니다.
Google의 Nano Banana 2.1 출시는 마스크 기반 편집, 대상 일관성, 다중 참조 편집 및 대화형 반복 작업을 강조합니다.
두 제품의 방향은 분명히 수렴하고 있습니다.
상업적 논리는 단순합니다.
광고, 전자상거래, 브랜드 디자인 및 소셜 콘텐츠에는 끊임없는 수정이 필요합니다.
다음 요소를 유지하면서 요청한 영역만 변경할 수 있는 모델은 아름답지만 불안정한 이미지 하나만 만드는 모델보다 훨씬 가치가 높습니다.
이는 Google이 Nano Banana 2.1을 개발자 API뿐 아니라 Google Ads 및 Stitch와 같은 제품에도 배포하는 이유를 설명하는 데 도움이 됩니다.
따라서 이번 출시는 단일 이미지 생성 미인 대회에서 우승하는 문제라기보다 생성형 이미징을 실제 반복 작업 흐름에 적합하게 만드는 데 더 가깝습니다.
Nano Banana 2.1은 Gemini 3 제품군에 속하는 Google의 최신 고효율 이미지 생성 및 대화형 편집 모델입니다. API 모델 ID는 gemini-nano-banana-2.1이며, Google은 이 모델이 Gemini 3.6 Flash를 기반으로 한다고 설명합니다.
예. Google의 공식 문서에는 1K, 2K 및 4K 출력 지원이 명시되어 있습니다. 현재 API 가격 페이지에는 Standard 유료 가격 기준으로 4K 이미지가 약 0.113달러라고 나와 있습니다.
Google의 이미지 생성 문서에 따르면 Nano Banana 작업 흐름에서는 최대 14개의 참조 이미지를 혼합할 수 있습니다. 2.1의 실제 한도는 해당 참조 이미지를 인물, 객체 및 다중 이미지 융합에 어떻게 사용하는지에 따라 달라지므로, 개발자는 14개의 참조 이미지가 모두 동일하게 작동한다고 가정하지 말고 최신 API 가이드를 따라야 합니다.
예. 마스크 및 잉크 기반 편집은 Google 모델 카드의 명시적인 평가 항목이며, Google이 공개한 편집 평가에서 2.1은 Nano Banana 2와 Nano Banana Pro보다 상당히 높은 점수를 기록했습니다.
예. 지원되는 Gemini API 이미지 생성 작업 흐름에서는 Google 웹 검색 및 이미지 검색 그라운딩을 사용할 수 있습니다. 이는 인포그래픽 생성과 최신 정보 또는 사실성이 중요한 작업에 특히 유용합니다.
이미지 출력은 이미지 출력 토큰 100만 개당 30달러로 공격적으로 책정되었으며, 현재 Standard 가격 기준 1K 생성 비용은 약 0.0336달러입니다. 하지만 텍스트/이미지 입력과 텍스트/사고 출력에도 별도의 가격이 적용되므로 전체 작업 흐름 비용은 프롬프트 크기, 참조 이미지, 추론, 그라운딩 및 반복 횟수에 따라 달라집니다.
Google의 현재 공식 지원 종료 페이지에는 gemini-3.1-flash-image의 10월 29일 종료일이 표시되어 있지 않습니다. 현재 문서에는 종료일이 발표되지 않았으며 gemini-nano-banana-2.1을 대체 모델로 권장한다고 나와 있습니다.
모든 작업 흐름에 적용되는 단일한 답은 없습니다. 원문은 여러 커뮤니티 테스트에서 Nano Banana 2.1이 속도, 사실성, 편집 및 비용 측면에서 강점을 보였다고 설명합니다. 동시에 OpenAI의 공식 Images 2.5 제품군도 정밀한 편집, 대상 보존 및 고충실도 생성을 강조합니다. 가장 안전한 방법은 자체 프롬프트, 참조 이미지, 해상도 및 수정 작업 흐름을 사용해 두 모델을 벤치마크하는 것입니다.
Nano Banana 2.1은 완전히 새로운 범주의 AI 이미지를 만드는 데 초점을 맞추기보다, 생성형 이미지를 실제 프로덕션에서 사용하기 어렵게 만드는 약점을 해결하는 데 더 가깝습니다. 주요 개선 영역은 로컬 편집, 대상 변화, 제품 일관성, 텍스트 렌더링, 사실 기반 인포그래픽 및 반복적인 수정입니다.
Google의 공식 평가에서는 여러 생성 및 편집 항목에서 Nano Banana 2와 Nano Banana Pro보다 상당한 성능 향상이 확인되었습니다. 또한 이 모델은 Flash급 배포 특성에 최대 14개의 참조 이미지, 검색 그라운딩 및 1K/2K/4K 출력을 결합하여 일회성 생성기보다 훨씬 실용적인 창작 도구를 제공합니다.
현재 공식 가격은 이미지 출력을 저렴하게 책정하고 있지만 전체 비용은 입력, 추론, 그라운딩 및 해상도에 따라 달라집니다. 개발자는 출시 당시 스크린샷이 아니라 Google의 최신 가격 및 지원 종료 페이지를 사용해야 합니다. 현재 4K 가격은 약 0.113달러이며, Google은 현재 Nano Banana 2에 대한 10월 29일 종료일을 표시하지 않고 있습니다.
Nano Banana 2.1과 GPT Image 2.5의 진정한 경쟁은 더 이상 누가 더 아름다운 첫 이미지를 만드는가에만 있지 않습니다. 이미 올바르게 구현된 대상, 제품, 텍스트 또는 구성을 잃지 않고 누가 10번째 편집까지 견딜 수 있는가가 핵심입니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
