TL;DR
Nano Banana 2.1 er et sterkt valg for effektiv, referansedrevet generering og søkeforankrede infografikk-arbeidsflyter. GPT Image 2.5 Flare er et raskt, allsidig standardvalg; Sunburst retter seg mot premium bildefidelitet og mer presise redigeringer. Det finnes ingen universell vinner: velg etter oppgavens suksessrate, bevaringskvalitet, latens og totalkostnad per godkjent bilde.
Key Takeaways
- Nano Banana 2.1 kombinerer 1K–4K-utdata og integrert søkeforankring. Google dokumenterer opptil 14 inputbilder per prompt; referansesammensetning og leverandørspesifikke endepunktgrenser gjelder fortsatt.
- GPT Image 2.5 tilbyr Flare (daglig skapning) og Sunburst (presisjonsorientert skapning og redigering).
- Rapporterte preferansevurderinger fra mennesker favoriserer GPT Image 2.5, men resultater på leaderboard er tidsfølsomme og erstatter ikke kontrollerte tester.
- Begge leverandørene bruker token-fakturering. Google publiserer også oppløsningsbaserte per-bilde-ekvivalenter; sammenlign totalkostnad ved matchet kvalitet.
- For virksomhetsbruk bør du optimalisere kostnad per godkjent bilde, ikke bare annonsert kostnad per kall.
Nano Banana 2.1 vs GPT Image 2.5 at a Glance
| Decision factor | Nano Banana 2.1 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|---|
| Where to test first | Referansefusjon og søkeforankrede infografikker | Daglig generering og raske iterasjoner | Presisjonsfokusert generering og redigering |
| Input / output | Tekst, bilde, video, PDF → bilde og tekst | Tekst/bilde → bilde | Tekst/bilde → bilde |
| Generation controls | 1K–4K; konfigurerbar tenkning | Størrelse- og kvalitetskontroller | Størrelse- og kvalitetskontroller |
| Reference workflow | Opptil 14 inputbilder per prompt i Googles dokumentasjon; støttet referansemiks og rutegrenser må sjekkes | Flere referanser; bevaringsfokuserte tester | Premium redigeringsposisjonering; ikke testet i sitert fem-oppgavetest |
| Official image-output billing | $30/MTok Standard; 1K-ekvivalent $0.0336 | $30/MTok Standard; faktisk kost avhenger av bruk | $30/MTok Standard; faktisk kost avhenger av bruk |
| Independent preference scores | 1328 generering / 1428 redigering | 1398 generering / 1481 redigering | 1425 generering / 1524 redigering |
| CometAPI status checked | Tilgjengelig oppføring | Tilgjengelig oppføring | Uavhengig rute ikke bekreftet |
| Decision metric | Kostnad per godkjent bilde ved påkrevd kvalitet | Kostnad per godkjent bilde ved påkrevd kvalitet | Kostnad per godkjent bilde ved påkrevd kvalitet |
Denne oppsummeringen skiller leverandørspesifikasjoner fra uavhengige preferansevurderinger. Arena-score er foreløpige og reflekterer øyeblikksbildet 6. oktober 2026; API-status ble sjekket 8. oktober 2026. Detaljerte forutsetninger og kilder finnes i seksjonene nedenfor.
Nano Banana 2.1 vs GPT Image 2.5 Overview and Specifications
What Is Nano Banana 2.1?
Googles Nano Banana 2.1 er en multimodal modell for bildegenerering og -redigering med 1K, 2K og 4K-utdata, flerreferanse-arbeidsflyter og Google Søk-forankring. Den vektlegger typografi, layout og iterativ konsistens for kreativ produksjon.
Utviklere kan bruke Nano Banana 2.1 API i CometAPI med identifikatoren gemini-nano-banana-2.1.
What Is GPT Image 2.5?
OpenAI annonserte GPT Image 2.5 den 8. september 2026. Den offisielle lanseringsartikkelen beskriver bedre lyssetting, rikere teksturer, forbedret motivbevaring og opptil 50% lavere latens sammenlignet med den tidligere Images 2.0-generasjonen. Den forbedringen er ikke et direkte hode-til-hode-resultat mot Google.
GPT Image 2.5 Flare er optimalisert for daglig skapning og raske iterasjoner. GPT Image 2.5 Sunburst er posisjonert for høyfidelitets visuelt arbeid og finmasket redigering, med lengre genereringstider.
Utviklere kan evaluere GPT Image 2.5 Flare API i CometAPI og Sunburst-varianten ved å bruke riktig modellendepunkt.
Model Specifications
Googles modellspesifikasjoner dokumenterer Nano Banana 2.1s støttede input og tokengrenser. Flare-spesifikasjonene og and Sunburst-spesifikasjonene beskriver tekst/bilde-input, bildeutdata og tokenpriser. Produktarkitektur og parameterantall fastslås ikke av disse spesifikasjonene. Informasjon sjekket 8. oktober 2026. describe text/image input, image output and token pricing. The official Nano Banana 2.1 model card bekrefter at modellen er basert på Gemini 3.6 Flash. Dette etablerer modellens avstamning; parameterantall og implementasjonsdetaljer bør ikke utledes fra API-spesifikasjoner. Informasjon sjekket 8. oktober 2026.
| Specification | Nano Banana 2.1 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|---|
| Developer | OpenAI | OpenAI | |
| Release | 6. okt. 2026 | 8. sep. 2026 | 8. sep. 2026 |
| Model ID | gemini-nano-banana-2.1 | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| Primary role | Effektiv multimodal skapning | Rask daglig generering | Høyfidelitets generering/redigering |
| Image dimensions | 1K / 2K / 4K | Tilpasset innen API-grenser | Tilpasset innen API-grenser |
| Reference inputs | Opptil 14 inputbilder per prompt; underlagt referansemiks og endepunktgrenser | Flere-bilde-arbeidsflyter | Flere-bilde-arbeidsflyter |
| Search grounding | Innebygd Google-forankring | Ingen tilsvarende innebygd funksjon angitt | Ingen tilsvarende innebygd funksjon angitt |
| Precision editing | Konversasjonsredigering og semantisk maskering; verifiser endepunktspesifikk maskestøtte | Støttet | Kjernefokus |
| Transparency | Valider etter arbeidsflyt | Støttet | Støttet |
| Batch processing | Støttet | Støttet | Støttet |
| Input / output | Tekst, bilde, video, PDF → bilde og tekst | Tekst/bilde → bilde; ingen lyd/video | Tekst/bilde → bilde; ingen lyd/video |
| Input / output token limits | 131 072 input; 32 768 output | Ingen sammenlignbar kontekstgrense etablert her | Ingen sammenlignbar kontekstgrense etablert her |
| Reasoning controls | minimal, medium (default), high thinking | Bildekvalitetskontroller; ingen tilsvarende Gemini-tenkenivåer | Bildekvalitetskontroller; ingen tilsvarende Gemini-tenkenivåer |
| Architecture / coding | Basert på Gemini 3.6 Flash; parameterantall ikke etablert her; kjøring av kode ikke støttet | Detaljert arkitektur ikke oppgitt her; bildearbeidsflyt, ikke en kodemodell | Detaljert arkitektur ikke oppgitt her; bildearbeidsflyt, ikke en kodemodell |
Sammenligningsresultat: Google tilbyr integrert forankring og omfattende flerreferanse-input. OpenAI tilbyr et tydelig skille mellom hastighetsoptimalisert og fidelitetsoptimalisert variant.
Nano Banana 2.1 vs GPT Image 2.5: Performance
Official capability claims
Google vektlegger referansefusjon, typografi og søkeforankring; OpenAI vektlegger fidelitet, lokaliserte redigeringer og raskere generering relativt til sin forrige generasjon. Disse offisielle beskrivelsene identifiserer kapabiliteter og testprioriteter; de etablerer ikke en kontrollert kryss-leverandør kvalitetsrangering.
Independent evaluation: Arena and same-prompt testing
Benchmarking besvarer ulike spørsmål. Preferansemålinger blant mennesker fanger opplevd utseende; redigeringstester måler trofasthet til kildematerialet; produksjons-KPI-er måler godkjente resultater og økonomisk effektivitet. Én score kan ikke erstatte alle tre.
| Model | Reported text-to-image Elo | Reported image-editing Elo |
|---|---|---|
| GPT Image 2.5 Sunburst | 1,425 | 1,524 |
| GPT Image 2.5 Flare | 1,398 | 1,481 |
| Nano Banana 2.1 | 1,328 | 1,428 |
Tabellscore ble verifisert mot Arenas leaderboard-øyeblikksbilde 6. oktober 2026 den 8. oktober 2026. Alle tre innlegg er merket Foreløpig. Sunburst scorer 1425 ±7 for tekst-til-bilde og 1524 ±5 for enkel-bilderedigering; Flare scorer 1398 ±7 og 1481 ±5; Nano Banana 2.1 scorer 1328 ±9 og 1428 ±6. Dette er tredjeparts menneskelige preferansevurderinger, ikke leverandøroffisielle benchmarker eller nøyaktighetsprosenter.
Arenas tekst-til-bilde-rangeringer og Arena enkel-bilderedigering-rangeringer måler separate oppgaver og har separate skalaer. Ikke trekk fra de to kolonnene for å utlede en redigeringsforbedring. Vurderinger avhenger av utvalgte prompt, stemmer og modellkonfigurasjoner, og kan endre seg etter hvert som flere stemmer kommer inn.
Et separat redaksjonelt eksperiment med fem prompt vurderte Flare bedre i tre oppgaver, Nano Banana 2.1 bedre i én, og én uavgjort. Med bare én generering per oppgave kan dette ikke etablere overlegenhet på populasjonsnivå.
Fusers originale eksperiment ble kjørt 6. oktober 2026 med fem oppgaver, én generering per modell, ingen nye forsøk og visuell inspeksjon. Begge nodene kalte leverandørene direkte. Nano Banana 2.1 brukte 2K; Flare brukte auto-kvalitet og ba om 1536×1024 eller 1024×1536 for generering, og 1024×1024 for det kvadratiske redigeringssteget. PNG-utdata og oppgavens sideforhold var matchet, men piksel-dimensjoner og kvalitetsinnstillinger var ikke ekvivalente. Referansetester brukte bilder fra FLUX.2 [pro]. Sunburst ble ikke testet; dens premiumposisjonering må ikke presenteres som en observert seier i dette eksperimentet.
Sammenligningsresultat: Tilgjengelig evidens favoriserer GPT Image 2.5 i noen fidelitetssensitive tilfeller, mens Nano Banana 2.1 forblir attraktiv for komposisjon og kost. Bruk statistisk meningsfulle gjentatte forsøk for kjøps- eller implementeringsbeslutninger.
Realism and Composition
Visuell realisme bør vurderes på naturlig lys, teksturer, anatomi, materialer og sammenhengende komposisjon. Det nevnte fem-oppgaves tredjepartseksempelet sammenlignet Nano Banana 2.1 med GPT Image 2.5 Flare: det foretrakk så vidt Flare for den fotorealistiske scenen og Nano Banana 2.1 for produktkomposisjon. Sunburst var ikke inkludert i disse fem testene. Dens premium-fidelitetsposisjonering er en produktpåstand, så dette eksperimentet kan ikke fastslå om Sunburst er mer realistisk enn noen av de testede modellene.
Text Rendering and Infographics
Nano Banana 2.1 vektlegger forbedret typografi og kompleks layout. GPT Image 2.5 kan også produsere plakater og revidere innebygd tekst. I det lille samme-prompt-eksemplet gjenga begge den påkrevde plakatteksten korrekt. For forretningskritiske etiketter bør typografi behandles som et korrektur- og QA-krav, ikke som et antatt løst problem.
| Visual objective | Nano Banana 2.1 | GPT Image 2.5 | Recommended evaluation |
|---|---|---|---|
| Photorealism | Sterk realisme og oppsett | Sterk lyssetting og teksturer | Blind brukspreferanse |
| Marketing posters | Forbedringer i typografi/layout | Høyfidelitetskomposisjoner | Nøyaktig-tekst-korrekthet |
| Product imagery | Sterk objektoppsett | Sterk referansetrofasthet | Etikett- og geometriintegritet |
| Grounded infographics | Innebygd søkestøtte | Krever eksternt verifiserte fakta | Faktisk nøyaktighet |
| Multi-reference assets | Opptil 14 inputbilder per prompt dokumentert av Google; verifiser støttet miks og leverandørendepunkt | Flere referanser | Identitetskonsistens |
Sammenligningsresultat: Ingen av leverandørene tilbyr en definitiv offisiell kryss-modell kvalitetsbenchmark. Evaluer med gjentatte utvalg ved bruk av matchede kreative brief.
Editing and reference-preservation evidence
Nano Banana 2.1 Reference Workflows
Googles originale flerreferanse-eksempel fra veiledningen for bildegenerering viser et gruppeportrett på kontor satt sammen fra referanseinput. Reprodusert uendret med attribusjon til Google; veiledningen er lisensiert under CC BY 4.0 der ikke annet er angitt. Dette er en offisiell arbeidsflyt-illustrasjon, ikke en samme-prompt-sammenligning med GPT Image 2.5 eller et målt kvalitetsresultat.
Nano Banana 2.1 støtter flerbilde-fusjon og konversasjonsredigering. Googles redigeringsveiledning beskriver semantisk maskering gjennom instruksjoner, noe som er forskjellig fra å anta en dedikert binær-maskparameter på hvert endepunkt. Google dokumenterer maksimalt 14 inputbilder per prompt. Dette betyr ikke at enhver kombinasjon av 14 vilkårlige referanser støttes: veiledningen spesifiserer opptil 10 objektreferanser og opptil 4 karakterreferanser for denne modellen. Sjekk gjeldende referansesammensetning og valgt plattform eller API-endepunkt før du sender et stort bildesett; tredjeparts gateways kan pålegge andre grenser.
GPT Image 2.5 Editing Workflows
OpenAI vektlegger lokaliserte endringer og motivbevaring. Den image prompting guide anbefaler å spesifisere både hva som må endres og hva som må forbli uendret. Sunburst evalueres best der kostbar manuell retusj ellers ville vært nødvendig.
I én fem-oppgaves sammenligning holdt Flare en produktflaske og etiketten intakt mer trofast under bakgrunnserstatning og beholdt bedre en referert karakters visuelle detaljer. Dette er observasjoner fra et svært lite utvalg, ikke et uavhengig reproduserbart benchmark av Sunburst.
| Editing task | Observed or documented advantage | Caution |
|---|---|---|
| Erstatte bakgrunn, beholde produkt | GPT Image 2.5 Flare i én tredjepartstest | Kun én kjøring |
| Gjentatte karakterreferanser | Nano: mange referanser; Flare: god trofasthet | Krever flere gjentatte forsøk |
| Små lokaliserte endringer | GPT Image 2.5 Sunburst-posisjonering | Sjekk faktisk endrede piksler |
| Flerobjekt visuell fusjon | Nano Banana 2.1 | Sjekk objektkonsistens |
Generation speed and test conditions
OpenAI sier at GPT Image 2.5 reduserer latensen med opptil 50% relativt til Images 2.0. Denne påstanden sammenligner ikke OpenAI direkte med Nano Banana 2.1. Flare er designet som OpenAIs hastighetsorienterte variant; Sunburst prioriterer premium kvalitet, med lengre prosesseringstider.
Nano Banana 2.1 er posisjonert for effektiv generering, men en sammenlignbar leverandørnøytral latensbenchmark er ikke etablert. Test varme og kalde forespørsler ved identiske utdata-størrelser; rapporter median, 95-persentil latens, feilrate og godkjente utdata per minutt.
| Speed factor | Nano Banana 2.1 | Flare | Sunburst |
|---|---|---|---|
| Market positioning | Effektivitet | Hastighet | Fidelitet |
| Official direct cross-vendor result | Ikke etablert | Ikke etablert | Ikke etablert |
| Recommended metric | Godkjente bilder/min | Godkjente bilder/min | Godkjente bilder/min |
Nano Banana 2.1 vs GPT Image 2.5: Cost
Nano Banana 2.1 Pricing
Googles offisielle Gemini API-priser publiserer oppløsningsbaserte kostnader for bildeutdata. Dette er utdata-avgifter før eventuelle input-, tenkning-, forankrings-, nye forsøk- eller andre gebyrer.
| Resolution | Standard/image | Batch/image | 1,000 Standard images |
|---|---|---|---|
| 1K | $0.0336 | $0.0168 | $33.60 |
| 2K | $0.0504 | $0.0252 | $50.40 |
| 4K | $0.1134 (token-derived) | $0.0567 | $113.40 |
Ved 4K viser Google omtrent $0.113 per utdata-bilde. De oppgitte 3780 bildetokenene til $30 per million impliserer $0.1134, eller $113.40 for 1000 utdata før andre gebyrer. Tabellens 4K Standard-estimat bruker denne token-beregningen; 1K- og 2K-ekvivalenter er $0.0336 og $0.0504.
GPT Image 2.5 Pricing
Flare-tokenrater og Sunburst-tokenrater samsvarer med tabellen nedenfor per 8. oktober 2026. Tekst- og bildeinput har forskjellige rater; bildeutdata er $30/MTok under Standard-prosessering og $15/MTok under Batch. Faktiske per-bilde-avgifter avhenger av utdata-tokenbruk, kvalitet og størrelse.
| Token category | Flare / Sunburst per 1M tokens |
|---|---|
| Text input | $5.00 |
| Cached text input | $1.25 |
| Image input | $8.00 |
| Cached image input | $2.00 |
| Image output | $30.00 |
| Batch image output | $15.00 |
Cost per accepted image
Ikke konverter disse tokenratene til en universell per-bilde-avgift uten en målt tokenmengde. Høykvalitetsbilder eller referansetunge redigeringsarbeidsflyter kan ha ulike faktiske kostnader.
For produksjonsøkonomi, bruk Kostnad per godkjent bilde = (alle genererings- + redigerings- + nye forsøk-kostnader) / antall godkjente utdata. En tilsynelatende rimelig bildemodell kan miste fordelen om den krever gjentatte korreksjoner.
CometAPI Billing and Availability
Nano Banana 2.1 API i CometAPI og GPT Image 2.5 Flare API i CometAPI viser Available per 8. oktober 2026. Sunburst-kandidat-URLen omdirigerer til leverandørkatalogen, så dens uavhengige CometAPI-rute er ikke bekreftet her. Bekreft modell-ID og kontotilgang før du lover støtte. Gateway-rater avviker fra leverandørrater; en vist input-tokenpris etablerer ikke bildeutdata-avgiften.
Nano Banana 2.1 vs GPT Image 2.5: Comparison and Selection
Architecture, multimodality, and API availability
Den forsvarlige sammenligningen er operasjonell: støttede input og utdata, per-prompt-bildegrenser, tenkning- eller kvalitetskontroller, API-tilgang og målte resultater. Den offisielle model card bekrefter at Nano Banana 2.1 er basert på Gemini 3.6 Flash. Nano Banana 2.1 aksepterer et bredere sett av inputtyper, mens GPT Image 2.5 produserer bildeutdata fra tekst/bilde-input. Den bekreftede modellavstamningen fastslår ikke uoppgitte parameterantall og rettferdiggjør ikke antagelser om intern implementering. Førstepartsstøtte og CometAPI-ruting må verifiseres separat, spesielt for Sunburst.
Workload-based selection
| Workflow | Good starting point | Reason |
|---|---|---|
| Høyvolum sosiale illustrasjoner | Nano Banana 2.1 | Effektiv og allsidig utdata |
| Daglige kreative iterasjoner | GPT Image 2.5 Flare | Hastighetsorientert modell |
| Premium reklamebilder | GPT Image 2.5 Sunburst | Fidelitet og redigeringspresisjon |
| Søkeforankret infografikk | Nano Banana 2.1 | Innebygd forankring |
| Sensitive produktredigeringer | GPT Image 2.5 Sunburst | Bevaringsorientert arbeidsflyt |
| Merkevarekarakterer med mange referanser | Nano Banana 2.1 | Flerbilde-komposisjon med opptil 14 inputbilder per prompt på støttede Google-ruter; sjekk referansemiks og gateway-grense |
| Transparent-bakgrunnsressurser | GPT Image 2.5 | Eksplisitte kontroller for transparente utdata |
Velg Nano Banana 2.1 for referanserik skapning, kostnadssensitiv produksjon og søkeforankret innhold. Velg Flare for raske generelle kreative oppgaver. Evaluer Sunburst når bevaring av opprinnelige visuelle detaljer betyr mer enn raskeste resultat.
Where Can You Access Nano Banana 2.1 and GPT Image 2.5?
Velg original leverandør for direkte modelltilgang, eller en støttet gateway for delt konto og faktureringsarbeidsflyt. Leverandørtilgjengelighet og gateway-tilgjengelighet er separate; sjekk nøyaktig modellvariant før du velger rute.
Official Provider Access
For Nano Banana 2.1 lenker den offisielle Google-modellsiden til Google AI Studio for nettleserbasert testing og gir Gemini API-dokumentasjon for applikasjonstilgang. Bekreft at modellen er tilgjengelig for kontoen din og gjennomgå gjeldende bruksgrenser før du starter.
For GPT Image 2.5 bruk OpenAI API og konsulter offisiell dokumentasjon for Flare- eller Sunburst-varianten. Velg Flare for raskere iterasjon eller evaluer Sunburst for fidelitetssensitivt arbeid; kontotilgang og rater bør sjekkes separat.
CometAPI Access
CometAPI lister Nano Banana 2.1 og GPT Image 2.5 Flare. Åpne relevant modelsiden for å gjennomgå gjeldende tilgjengelighet, pris og API-quickstart, og logg deretter inn for å opprette en API-nøkkel. Dette gir en alternativ tilgangsvei for å sammenligne de to modellene via én gateway. Sunburst-tilgang via CometAPI er ikke bekreftet i denne artikkelen.
For å starte en sammenligning, velg en tilgjengelig modell, gjennomgå prising og utdata-grenser, og prøv samme prompt og kildebilder med hver modell. Registrer genereringstid, godkjente utdata og faktisk brukskost. Detaljerte integrasjonsinstruksjoner hører hjemme i den lenkede API-dokumentasjonen, ikke denne modellsammenligningen.
| Model | API identifier |
|---|---|
| Nano Banana 2.1 | gemini-nano-banana-2.1 |
| GPT Image 2.5 Flare | gpt-image-2.5-flare |
| GPT Image 2.5 Sunburst | gpt-image-2.5-sunburst |
Conclusion
Nano Banana 2.1 er et overbevisende, effektivitetsorientert valg for referansefusjon, forankrede visuelle fremstillinger og skalerbare innholdspipelines. GPT Image 2.5 Flare gir bred kreativ nytte, mens Sunburst retter seg mot de mest visuelt krevende genererings- og redigeringsoppgavene. I stedet for å standardisere blindt på én leverandør, ruter du rutineforespørsler til en egnet økonomisk modell og reserverer premium presisjon for utdata som virkelig drar nytte av det.
FAQ
How can Nano Banana 2.1 and GPT Image 2.5 be compared fairly?
Skille visuell preferanse fra oppgavekorrekthet. Bruk samme kreative brief og referanser, definer akseptabel oppløsning og lesbar tekst før generering, og blindvurder gjentatte utdata. Registrer hvert forsøk, avslag og redigering. Der API-størrelser avviker, sammenlign ved endelig leveringsstørrelse og oppgi eventuell resizing; en enkelt favoritt etablerer ikke en modellomfattende fordel.
How should failed image generations affect an API budget?
Inkluder kostnader fra avviste bilder, redigeringskall og nye forsøk i telleren, og bare godkjente ressurser i nevneren. Registrer feilstaus og faktisk fakturert bruk separat fordi en mislykket forespørsel ikke alltid er fakturerbar. Estimer et spenn fra gjentatte batcher i stedet for å multiplisere en overskriftpris med antall nødvendige sluttbilder.
Can Google Search grounding guarantee accurate infographic text?
Nei. Forankring leverer relevant informasjon, men garanterer ikke at hvert tall, hver etikett eller hver bokstav er korrekt. Verifiser kildedata før generering og korrekturles sluttbildet mot dem. For hyppig endrede data, bevar forskningsdatoen og vurder å plassere verifiserte etiketter i et separat designlag.
Can one integration switch between Nano Banana 2.1 and GPT Image 2.5?
En delt gateway kan forenkle kontoadministrasjon, men forespørsels- og respons-skjemaer skiller seg fortsatt. Behold modellspesifikke adaptere for referanser, tenkning- eller kvalitetsinnstillinger, utdata-størrelse og bilde-dekoding. Test en liten godkjent forespørsel for hver aktivert rute og håndter synkron, URL og asynkrone responser eksplisitt før du stoler på automatisk fallback.