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/ru/articles/nano-banana-2-1-vs-gpt-image-2-5-editing-215e3bff.md.
Google выпустила **Nano Banana 2.1** — свою новую высокоэффективную модель для генерации изображений и диалогового редактирования.
Google выпустила Nano Banana 2.1 — свою новую высокоэффективную модель для генерации изображений и диалогового редактирования.
Модель позиционируется как обновление Nano Banana 2, официально известной как Gemini 3.1 Flash Image, но построена на более новой базе Gemini 3.6 Flash.
Главное здесь — не просто «улучшенная генерация изображений».
Nano Banana 2.1 уделяет особое внимание тем аспектам рабочих процессов с изображениями, которые становятся проблемными после первой генерации:
На момент запуска исходная статья описывала обновление в шести пунктах:
В целом эта картина по-прежнему актуальна, однако некоторые сведения о ценах и прекращении поддержки изменились в актуальной документации Google и ниже приведены в исправленном виде.
Nano Banana 2.1 относится к семейству Gemini 3 и работает на базе Gemini 3.6 Flash.
Это важно, поскольку модель должна сохранять привычные для систем класса Flash скорость и стоимость, одновременно заметно повышая качество изображений и точность редактирования.
В официальной карточке модели Google сравнивает Nano Banana 2.1 с Gemini 3.1 Flash Image (Nano Banana 2) и Gemini 3 Pro Image (Nano Banana Pro).
Для генерации изображений по текстовому запросу Google приводит следующие показатели:
| Возможность | Nano Banana 2.1 Thinking | Nano Banana 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| Общие предпочтения | 1050 ± 14 | 1015 ± 13 | 990 ± 7 | 935 ± 8 |
| Дизайн инфографики | 1048 ± 17 | 1001 ± 17 | 961 ± 12 | 912 ± 12 |
| Фактологическая точность инфографики | 0.521 | 0.328 | 0.179 | 0.265 |
Согласно собственной оценке Google, Flash-модель 2.1 не просто сокращает разрыв с Nano Banana Pro. Она превосходит модель Pro по указанным показателям общих предпочтений, дизайна инфографики и фактологической точности инфографики.
Именно на этом основана формулировка исходной статьи о том, что «Flash превосходит Pro».
Однако к этим цифрам следует относиться внимательно.
Это результаты оценки Google, а не универсальная гарантия того, что 2.1 будет превосходить Pro в каждом запросе. В официальной карточке модели также перечислены сохраняющиеся ограничения:
Таким образом, обновление является значительным, но это не утверждение о том, что генерация изображений «решена».
В исходной статье также приводятся результаты голосования сообщества Arena.
В использованном в статье срезе Nano Banana 2.1 занимала:
В том же источнике говорится, что ранее Nano Banana 2 занимала 7-е, 11-е и 14-е места в соответствующих категориях.
Это заметный скачок, особенно в редактировании.
Однако Arena — это постоянно обновляемый рейтинг сообщества. Новые модели, дополнительные голоса, скрытые варианты и изменения методики оценки могут быстро менять позиции, поэтому эти места следует воспринимать как снимок на момент запуска, а не как постоянную систему оценки.
Одно из важнейших практических улучшений — редактирование на основе маски.
Любой, кто работал в Photoshop, сразу поймёт идею: выбрать область, отредактировать её и оставить неизменным всё за её пределами.
Звучит просто, но генеративным моделям изображений исторически было трудно выполнять такую задачу.
Представьте, что вы просите модель:
«Изменить чашку в левом нижнем углу на красную».
Модели без точного локального редактирования приходится определять, о какой чашке идёт речь, а затем заново генерировать значительную часть всего изображения. Даже если нужная чашка меняется правильно, другие детали могут измениться:
Nano Banana 2.1 призвана уменьшить эту проблему.
Согласно официальной оценке Google редактирования, показатель редактирования по маске или штриху в режиме Thinking составляет 1049 ± 15, тогда как для Nano Banana 2 он равен 965 ± 12, а для Nano Banana Pro — 927 ± 12.
| Бенчмарк редактирования | Nano Banana 2.1 Thinking | 2.1 No Thinking | Nano Banana 2 | Nano Banana Pro |
|---|---|---|---|---|
| Общее редактирование | 1026 | 980 | 938 | 939 |
| Согласованность одного персонажа | 1028 | 1021 | 981 | 991 |
| Согласованность нескольких персонажей | 1106 | 1068 | 978 | 1011 |
| Редактирование по маске или штриху | 1049 | 1042 | 965 | 927 |
| Согласованность продукта | 1024 | 981 | 955 | 965 |
| Стилизация | 1062 | 1036 | 991 | 990 |
| Редактирование по нескольким референсам | 1066 | 1041 | 988 | 989 |
Важен не только самый высокий результат.
Даже при отключённом Thinking модель опережает старые модели сравнения по всем перечисленным категориям редактирования.
Это делает 2.1 более практичной для рабочих процессов, в которых каждый дополнительный этап рассуждения увеличивает задержку или стоимость.
В исходной статье рассматривается тест пользователя ibexdream.
Первый запрос создал богато украшенную иллюстрацию в стиле старой банкноты с изображением философа, чьи волосы превращались в лабиринт.
Второй запрос изменил уже созданный результат:
Главное наблюдение состояло в том, что лабиринт, одежда, борода и общая композиция оставались гораздо стабильнее, чем пользователи обычно ожидают от генеративного редактирования.
Затем третий запрос преобразовал сцену в стиль масляной живописи, сохранив основную композицию.
Именно в таких рабочих процессах качество редактирования важнее впечатляющего первого изображения.
Коммерческий дизайн редко заканчивается после первой генерации.
Обычно он проходит через одну правку за другой.
Вторая важная тема — согласованность.
В электронной коммерции, рекламе, серийных комиксах, социальных кампаниях и брендовой фотографии один и тот же человек или продукт часто должен появляться в нескольких разных сценах.
Разочаровывающий сценарий ошибки знаком многим:
тот же человек
→ другая поза
→ лицо меняется
→ ещё одна правка
→ одежда меняется
→ ещё одна правка
→ детали продукта искажаются
Nano Banana 2.1 призвана лучше сохранять идентичность объектов при повторной генерации и редактировании.
В документации Google API говорится, что модели Nano Banana могут объединять до 14 референсных изображений в одном рабочем процессе. Для Nano Banana 2.1 документация модели описывает высокоточное использование нескольких референсов объектов и персонажей, однако точная рекомендуемая комбинация зависит от сценария.
В исходной статье практическая конфигурация описывается как до 10 референсов объектов плюс несколько референсов персонажей в пределах общего лимита референсных изображений.
В статье рассматривается тест BG-VC.
Тестировщик предоставил:
Затем модель создала шесть разных сцен в одном рабочем процессе.
В позах при ходьбе, сидя и с наклоном тестировщик отметил необычно высокую согласованность лица, одежды, сумки и аксессуаров.
Это гораздо более коммерчески релевантный тест, чем один портрет.
Генерация изображений продукта ценна только в том случае, если после изменения позы, места, угла камеры или стилизации продукт всё ещё выглядит как исходный продукт.
В исходной статье также рассматриваются примеры Google, которые выглядят менее явно синтетическими.
Среди них — жук, покрытый каплями воды, и женщина в зелёном платье на лестнице розового здания.
Изменение заключается не только в «большем количестве деталей».
Более убедительный реализм зависит от сочетания следующих факторов:
На официальной странице модели Google описывает обновление как улучшение визуального качества и реалистичности при выводе в разрешениях 1K, 2K и 4K.
Модель также поддерживает необычно широкие соотношения сторон при высоких разрешениях и исправления артефактов тайлинга, которые могли влиять на панорамные изображения.
Nano Banana 2.1 может использовать поиск Google и поиск изображений Google в поддерживаемых рабочих процессах API.
Это особенно важно для инфографики.
Обычная модель изображений может создать визуально привлекательную диаграмму, одновременно выдумав числа, подписи или фактические связи.
Поисковая привязка даёт рабочему процессу генерации возможность получить актуальную информацию перед компоновкой изображения.
В официальной карточке модели Google приводит следующие показатели фактологической точности инфографики:
Улучшение значительно, но показатель 0.521 — это не 1.0.
Поэтому правильный вывод звучит не так:
«Теперь модель автоматически создаёт фактологически точную инфографику».
Он должен звучать так:
«Поисковая привязка и новая модель существенно снижают количество фактологических ошибок в оценке Google, но созданную инфографику всё равно необходимо проверять».
Это различие важно для образования, журналистики, медицины, финансов и любых других областей, где неправильная подпись может быть вреднее неудачной компоновки.
Именно здесь релиз становится особенно интересным.
Google значительно снизила цену вывода изображений, но повысила стоимость входных данных — текста и изображений — а также вывода текста и рассуждений по сравнению с ценами Nano Banana 2, приведёнными в исходной статье.
Актуальные официальные цены Nano Banana 2.1 Standard API:
| Элемент тарификации | Текущая официальная цена |
|---|---|
| Входные текст, изображение и видео | $1.50 за 1 млн токенов |
| Вывод текста и рассуждений | $7.50 за 1 млн токенов |
| Вывод изображений | $30.00 за 1 млн токенов вывода изображений |
| Изображение 1K | около $0.0336 |
| Изображение 2K | около $0.0504 |
| Изображение 4K | около $0.113 |
В исходной статье это описывается как перенос стоимости с «рисования» на «рассуждение».
Это полезная краткая формулировка.
Если в вашей нагрузке преобладает простая генерация, более низкая стоимость вывода изображений может иметь большое значение.
Если рабочий процесс использует:
то итоговая стоимость зависит не только от заявленной цены одного изображения.
В исходном источнике говорится, что вывод 4K стоит около $0.076 за изображение.
Однако на актуальной странице цен Google указана стоимость $0.113 за изображение 4K.
Значения для 1K и 2K по-прежнему составляют около $0.0336 и $0.0504 соответственно.
При планировании производственных расходов используйте актуальную официальную страницу цен, а не скриншоты на момент запуска или расчёты сторонних сервисов.
В карточке модели Google перечисляет следующие каналы распространения Nano Banana 2.1:
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Идентификатор модели API:
gemini-nano-banana-2.1
Модель поддерживает генерацию изображений и диалоговое редактирование, в том числе рабочие процессы с несколькими референсами изображений.
В актуальной документации Google также перечислены настраиваемые уровни Thinking:
minimalmedium — значение по умолчаниюhighВ исходном источнике говорится, что работа старого API Nano Banana 2 будет прекращена 29 октября.
В актуальной таблице прекращения поддержки Google не указана эта дата для gemini-3.1-flash-image.
Вместо этого сейчас указано:
Рекомендуемая замена: gemini-nano-banana-2.1
Дата отключения: дата отключения не объявлена
Это не означает, что старая модель будет поддерживаться всегда.
Это означает, что разработчикам не следует строить планы миграции вокруг даты 29 октября, если Google не добавит её в официальную документацию о прекращении поддержки.
Затем исходная статья переходит от официальных бенчмарков к тестам сообщества.
Это различие важно.
Официальные бенчмарки показывают, как Google измеряла модель в рамках заданных условий оценки.
Тесты сообщества показывают, как модель ведёт себя в реальных творческих рабочих процессах.
Оба типа тестов полезны, но отвечают на разные вопросы.
По сообщениям, Марк Кречманн предложил модели намеренно сложную сцену, содержащую:
Цель состояла в том, чтобы проверить, будет ли результат выглядеть единой цельной фотографией, а не коллажем из локально правдоподобных фрагментов.
Такие тесты ценны, поскольку модели изображений часто ошибаются, когда одновременно появляются несколько сложных ограничений.
Луис Катакора протестировал доску с меню чайного дома, где одно и то же блюдо требовалось представить на:
В источнике говорится, что модель правильно обработала почти весь текст за одну генерацию.
Официальная карточка модели Google также сообщает об улучшении рендеринга международного текста, поэтому наблюдение сообщества соответствует заявленной цели релиза.
Тем не менее текст на изображениях следует вычитывать.
Позже в источнике показан плакат с текстом на китайском языке: крупные иероглифы выглядят чисто, но небольшая вертикальная строка на английском превратилась в нечитаемый текст.
Это хорошее напоминание о том, что «намного лучше» не означает «программа для набора текста».
Релиз сразу вызвал сравнения с актуальным стеком изображений OpenAI.
OpenAI выпустила ChatGPT Images 2.5 в сентябре 2026 года и предоставляет два варианта API:
gpt-image-2.5-flare — для быстрой и качественной повседневной генерации.gpt-image-2.5-sunburst — для более точной детализированной творческой работы.OpenAI заявляет, что Images 2.5 улучшает детализацию, точность редактирования, сохранение объектов, многошаговое редактирование и скорость генерации.
Это означает, что Google и OpenAI всё активнее конкурируют вокруг одной и той же задачи:
Может ли модель выдержать повторное редактирование, не разрушив всё, что уже было сделано правильно?
Один из тестировщиков дал Nano Banana 2.1 и GPT Image 2.5 запрос, намеренно объединяющий множество хрупких деталей:
В представленном в источнике сравнении Nano Banana 2.1 разместила большинство запрошенных деталей в правильных местах, хотя не передала оттенок очков, а тон кожи изменился.
Именно к таким сравнениям следует относиться как к качественным.
Одно изображение может выявить характерные ошибки, но не может доказать общее превосходство модели.
Другой тестировщик попросил Nano Banana 2.1 и GPT Image 2 создать одну и ту же сцену с часами на столе.
В источнике результат Google описывается как более похожий на обычную фотографию при естественном освещении, тогда как версия OpenAI выглядела скорее как тщательно отполированная рекламная фотография с драматичным освещением и более стилизованным циферблатом.
Это не обязательно результат в формате «лучше против хуже».
Он иллюстрирует распространённое различие между моделями изображений:
Предпочтительный вариант зависит от рабочего процесса.
Для каталожной фотографии в электронной коммерции буквальная точность может оказаться важнее.
Для маркетингового дизайна полезнее может быть более выраженная стилизация.
В исходном источнике приводится тест сообщества AI/ML API с пятью запросами.
В этом тесте средние значения составляли примерно:
| Модель | Заявленное время на изображение | Заявленная стоимость изображения |
|---|---|---|
| Nano Banana 2.1 | ~11 секунд | ~$0.044 |
| GPT Images 2.5 | ~50 секунд | ~$0.069 |
В том же источнике приводится тест с четырьмя изображениями на космическую тему, где Nano Banana 2.1, по сообщениям, стоила $0.178 суммарно против $0.284 для GPT Image 2.5.
Это измерения на сторонней платформе, а не официальные таблицы цен поставщиков.
Результат могут изменить несколько факторов:
При планировании производства сравнивайте точную конфигурацию API, которую собираетесь развернуть, а не исходите из того, что один тест сообщества описывает все рабочие нагрузки.
В источнике также рассматриваются тесты китайскоязычного автора Гуйцзана.
Общее впечатление было положительным:
Один из примеров источника сначала выглядит хорошо.
Однако при увеличении видно, что небольшая вертикальная строка на английском превратилась в бессмысленный набор символов.
Это важная практическая граница.
Если изображение предназначено для настоящей рекламы, меню, этикетки, упаковки или публичного плаката, финальный текст всё равно следует проверить вручную или заменить в графическом редакторе.
Модели изображений становятся лучше в типографике, но пока не заменяют финальную вычитку.
В конце исходной статьи делается более общий вывод: конкуренция между моделями изображений смещается от вопроса «кто создаёт самое впечатляющее первое изображение?» к вопросу «кто может редактировать одно и то же изображение, не разрушая его?».
Это легко понять.
Коммерческая творческая работа редко выглядит так:
бриф
→ одно изображение
→ готово
Обычно она выглядит так:
бриф
→ версия 1
→ переместить продукт влево
→ изменить рубашку
→ сохранить лицо неизменным
→ заменить вывеску
→ обновить текст
→ убрать человека на заднем плане
→ изменить стиль
→ финальное согласование
Если десятая версия уже не похожа на первую, система не слишком полезна для профессиональной итерационной работы.
В анонсе Images 2.5 OpenAI делает акцент на более точном редактировании, лучшем сохранении объектов, комментариях к изображениям и многошаговых творческих рабочих процессах.
В релизе Nano Banana 2.1 Google подчёркивает редактирование по маске, согласованность объектов, редактирование по нескольким референсам и диалоговую итерацию.
Направления развития обоих продуктов явно сближаются.
Коммерческая логика проста.
Реклама, электронная коммерция, бренд-дизайн и контент для социальных сетей требуют бесконечных правок.
Модель, способная сохранять:
и при этом менять только запрошенную область, гораздо ценнее модели, которая создаёт одно красивое, но нестабильное изображение.
Это помогает объяснить, почему Google распространяет Nano Banana 2.1 не только через API для разработчиков, но и через такие продукты, как Google Ads и Stitch.
Таким образом, релиз посвящён не столько победе в одном конкурсе красоты изображений, сколько адаптации генеративной визуализации к реальным итерационным рабочим процессам.
Nano Banana 2.1 — это новая высокоэффективная модель Google для генерации изображений и диалогового редактирования в семействе Gemini 3. Её идентификатор в API — gemini-nano-banana-2.1, а Google сообщает, что она построена на Gemini 3.6 Flash.
Да. В официальной документации Google указана поддержка вывода в разрешениях 1K, 2K и 4K. На актуальной странице цен API изображение 4K стоит около $0.113 при стандартной платной тарификации.
В документации Google по генерации изображений говорится, что рабочие процессы Nano Banana могут объединять до 14 референсных изображений. Для версии 2.1 практические ограничения зависят от использования референсов персонажей, объектов и объединения нескольких изображений, поэтому разработчикам следует обращаться к актуальному руководству API, а не предполагать, что все 14 референсов работают одинаково.
Да. Редактирование по маске и штриху является отдельной категорией оценки в карточке модели Google, а 2.1 заметно превосходит Nano Banana 2 и Nano Banana Pro в опубликованной Google оценке редактирования.
Да, поддерживаемые рабочие процессы генерации изображений в Gemini API могут использовать поисковую привязку к поиску Google и поиску изображений Google. Это особенно полезно для создания инфографики и других задач, где важны актуальные или фактологически точные сведения.
Вывод изображений тарифицируется по ставке $30 за миллион токенов вывода изображений, а генерация изображения 1K стоит около $0.0336 при текущей стандартной тарификации. Однако входные текстовые и графические данные, а также вывод текста и рассуждений тарифицируются отдельно, поэтому общая стоимость рабочего процесса зависит от размера запроса, референсов, рассуждений, поисковой привязки и количества итераций.
На текущей официальной странице прекращения поддержки Google для gemini-3.1-flash-image не указано отключение 29 октября. Сейчас там говорится, что дата отключения не объявлена, а в качестве замены рекомендуется gemini-nano-banana-2.1.
Однозначного ответа для всех рабочих процессов нет. В исходной статье приведено несколько тестов сообщества, где Nano Banana 2.1 показала сильные результаты по скорости, реалистичности, редактированию и стоимости, однако актуальный стек Images 2.5 от OpenAI также делает акцент на точном редактировании, сохранении объектов и высокоточной генерации. Самый надёжный подход — протестировать обе модели на собственных запросах, референсных изображениях, разрешениях и сценариях повторного редактирования.
Nano Banana 2.1 не столько создаёт совершенно новую категорию ИИ-изображений, сколько устраняет слабые места, из-за которых генеративные изображения трудно использовать в реальном производстве: локальное редактирование, дрейф внешности объектов, несогласованность продуктов, рендеринг текста, фактологические инфографики и повторные правки.
Официальные оценки Google показывают значительный прирост по сравнению с Nano Banana 2 и Nano Banana Pro в нескольких категориях генерации и редактирования. Модель также сочетает развёртывание уровня Flash с поддержкой до 14 референсных изображений, поисковой привязкой и выводом 1K/2K/4K, что делает её гораздо более практичным творческим инструментом, чем генератор для одноразового использования.
Текущая официальная тарификация также делает вывод изображений недорогим, однако итоговая стоимость по-прежнему зависит от входных данных, рассуждений, поисковой привязки и разрешения. Разработчикам следует использовать актуальные страницы Google с ценами и информацией о прекращении поддержки, а не скриншоты на момент запуска: текущая цена 4K составляет около $0.113, а Google сейчас не указывает дату отключения Nano Banana 2 на 29 октября.
Настоящая конкуренция между Nano Banana 2.1 и GPT Image 2.5 больше не сводится к тому, кто создаёт более красивое первое изображение, — речь идёт о том, кто сможет пережить десятую правку, не потеряв уже правильно сохранённые объект, продукт, текст или композицию.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
