TL;DR
Nano Banana 2.1 เป็นตัวเลือกที่แข็งแกร่งสำหรับการสร้างแบบมีประสิทธิภาพที่ขับเคลื่อนด้วยภาพอ้างอิง และเวิร์กโฟลว์อินโฟกราฟิกที่ยึดโยงกับข้อมูล GPT Image 2.5 Flare เป็นดีฟอลต์ที่รวดเร็วและอเนกประสงค์; Sunburst มุ่งเน้นความเที่ยงตรงของภาพระดับพรีเมียมและการแก้ไขที่เข้มงวดกว่า ไม่มีผู้ชนะที่เป็นสากล: เลือกจากอัตราความสำเร็จของงาน คุณภาพการคงรายละเอียด ความหน่วง และต้นทุนรวมต่อภาพที่ได้รับการยอมรับ
Key Takeaways
- Nano Banana 2.1 ผสานเอาต์พุต 1K–4K และการยึดโยงด้วยการค้นหาที่บูรณาการ Google ระบุรองรับภาพอินพุตได้สูงสุด 14 ภาพต่อพรอมป์ต์; องค์ประกอบภาพอ้างอิงและข้อจำกัดของเอ็นด์พอยต์เฉพาะผู้ให้บริการยังคงมีผล
- GPT Image 2.5 มี Flare (การสร้างงานประจำวัน) และ Sunburst (การสร้างและแก้ไขที่เน้นความแม่นยำ)
- การให้คะแนนความพึงพอใจของมนุษย์ที่รายงานมีแนวโน้มเอียงไปทาง GPT Image 2.5 แต่ผลบนกระดานจัดอันดับขึ้นกับเวลาและไม่ทดแทนการทดสอบแบบควบคุม
- ผู้ให้บริการทั้งสองใช้งานการคิดค่าบริการตามโทเคน Google ยังเผยแพร่ค่าเทียบเท่าต่อภาพตามความละเอียด; เปรียบเทียบต้นทุนรวมที่คุณภาพตรงกัน
- สำหรับงานเชิงธุรกิจ ให้ปรับให้เหมาะกับต้นทุนต่อภาพที่ได้รับการอนุมัติ ไม่ใช่เพียงต้นทุนต่อคอลล์ที่โฆษณาไว้
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 | การผสานอ้างอิงและอินโฟกราฟิกที่ยึดโยงกับข้อมูล | การสร้างงานประจำวันและการวนซ้ำที่รวดเร็ว | การสร้างและแก้ไขที่โฟกัสความแม่นยำ |
| Input / output | ข้อความ, ภาพ, วิดีโอ, PDF → ภาพและข้อความ | ข้อความ/ภาพ → ภาพ | ข้อความ/ภาพ → ภาพ |
| Generation controls | 1K–4K; การคิดที่ปรับแต่งได้ | การควบคุมขนาดและคุณภาพ | การควบคุมขนาดและคุณภาพ |
| Reference workflow | สูงสุด 14 ภาพอินพุตต่อพรอมป์ต์ตามเอกสารของ Google; ต้องตรวจสอบองค์ประกอบอ้างอิงและขีดจำกัดของเส้นทางที่รองรับ | อ้างอิงหลายภาพ; การทดสอบที่เน้นการคงรายละเอียด | การวางตำแหน่งการแก้ไขระดับพรีเมียม; ไม่ได้ทดสอบในการทดลอง 5 งานที่อ้างถึง |
| Official image-output billing | $30/MTok Standard; 1K equivalent $0.0336 | $30/MTok Standard; ต้นทุนจริงขึ้นกับการใช้งาน | $30/MTok Standard; ต้นทุนจริงขึ้นกับการใช้งาน |
| Independent preference scores | 1328 การสร้าง / 1428 การแก้ไข | 1398 การสร้าง / 1481 การแก้ไข | 1425 การสร้าง / 1524 การแก้ไข |
| CometAPI status checked | แสดงในรายการพร้อมใช้งาน | แสดงในรายการพร้อมใช้งาน | เส้นทางอิสระยังไม่ยืนยัน |
| Decision metric | ต้นทุนต่อภาพที่ได้รับอนุมัติในคุณภาพที่ต้องการ | ต้นทุนต่อภาพที่ได้รับอนุมัติในคุณภาพที่ต้องการ | ต้นทุนต่อภาพที่ได้รับอนุมัติในคุณภาพที่ต้องการ |
สรุปนี้แยกสเปกของผู้ให้บริการออกจากการจัดอันดับความพึงพอใจโดยอิสระ คะแนน Arena เป็นแบบ Preliminary และสะท้อนสแนปช็อตวันที่ October 6, 2026; สถานะ API ตรวจสอบเมื่อ October 8, 2026 เงื่อนไขรายละเอียดและแหล่งอ้างอิงอยู่ในส่วนด้านล่าง
Nano Banana 2.1 vs GPT Image 2.5 Overview and Specifications
What Is Nano Banana 2.1?
Nano Banana 2.1 ของ Google เป็นโมเดลสร้างและแก้ไขภาพแบบมัลติโหมดที่มี เอาต์พุต 1K, 2K และ 4K เวิร์กโฟลว์อ้างอิงหลายรายการ และการยึดโยงด้วย Google Search เน้นงานอักษร จัดวาง และความสม่ำเสมอแบบวนซ้ำเพื่อการผลิตเชิงสร้างสรรค์
นักพัฒนาสามารถใช้ Nano Banana 2.1 API ใน CometAPI ด้วย identifier gemini-nano-banana-2.1
What Is GPT Image 2.5?
OpenAI ประกาศ GPT Image 2.5 เมื่อ September 8, 2026 บทความเปิดตัวอย่างเป็นทางการ อธิบายถึงแสงที่ดีขึ้น เนื้อผิวที่สมบูรณ์ขึ้น การคงรายละเอียดของตัวแบบที่ดีขึ้น และความหน่วงลดลงสูงสุด 50% เมื่อเทียบกับการสร้างรุ่น Images 2.0 ก่อนหน้า การปรับปรุงนั้นไม่ใช่ผลแบบเฮดทูเฮดกับ Google
GPT Image 2.5 Flare ถูกปรับให้เหมาะกับการสร้างงานประจำวันและการวนซ้ำอย่างรวดเร็ว GPT Image 2.5 Sunburst ถูกวางตำแหน่งสำหรับงานภาพความเที่ยงตรงสูงและการแก้ไขละเอียด ใช้เวลาสร้างนานกว่า
นักพัฒนาสามารถประเมิน GPT Image 2.5 Flare API ใน CometAPI และตัวแปร Sunburst ผ่านเอ็นด์พอยต์โมเดลที่เหมาะสม
Model Specifications
สเปกของโมเดล Google ระบุอินพุตที่รองรับและขีดจำกัดโทเคนของ Nano Banana 2.1 สเปกของ Flare และและ สเปกของ Sunburst อธิบายอินพุตข้อความ/ภาพ เอาต์พุตภาพ และราคาโทเคน Product architecture และจำนวนพารามิเตอร์ไม่ถูกกำหนดโดยสเปกเหล่านี้ ตรวจสอบข้อมูลวันที่ October 8, 2026 อธิบายอินพุตข้อความ/ภาพ เอาต์พุตภาพ และราคาโทเคน model card อย่างเป็นทางการของ Nano Banana 2.1 ยืนยันว่าโมเดลอิงบน Gemini 3.6 Flash ซึ่งยืนยันสายตระกูลของโมเดล; จำนวนพารามิเตอร์และรายละเอียดการนำไปใช้ไม่ควรสรุปจากสเปก API ตรวจสอบข้อมูลวันที่ October 8, 2026
| Specification | Nano Banana 2.1 | GPT Image 2.5 Flare | GPT Image 2.5 Sunburst |
|---|---|---|---|
| Developer | OpenAI | OpenAI | |
| Release | Oct. 6, 2026 | Sep. 8, 2026 | Sep. 8, 2026 |
| Model ID | gemini-nano-banana-2.1 | gpt-image-2.5-flare | gpt-image-2.5-sunburst |
| Primary role | การสร้างแบบมัลติโหมดที่มีประสิทธิภาพ | การสร้างงานประจำวันแบบรวดเร็ว | การสร้าง/แก้ไขความเที่ยงตรงสูง |
| Image dimensions | 1K / 2K / 4K | กำหนดเองภายในขีดจำกัดของ API | กำหนดเองภายในขีดจำกัดของ API |
| Reference inputs | สูงสุด 14 ภาพอินพุตต่อพรอมป์ต์; ขึ้นกับองค์ประกอบอ้างอิงและข้อจำกัดเอ็นด์พอยต์ | เวิร์กโฟลว์หลายภาพอ้างอิง | เวิร์กโฟลว์หลายภาพอ้างอิง |
| Search grounding | การยึดโยงด้วย Google แบบเนทีฟ | ไม่ได้ระบุคุณสมบัติเนทีฟเทียบเท่า | ไม่ได้ระบุคุณสมบัติเนทีฟเทียบเท่า |
| Precision editing | การแก้ไขเชิงสนทนาและการมาสก์แบบเชิงความหมาย; ตรวจสอบการรองรับมาสก์ตามเอ็นด์พอยต์ | รองรับ | แกนหลักของการวางตำแหน่ง |
| Transparency | ตรวจสอบโดยเวิร์กโฟลว์ | รองรับ | รองรับ |
| Batch processing | รองรับ | รองรับ | รองรับ |
| Input / output | ข้อความ, ภาพ, วิดีโอ, PDF → ภาพและข้อความ | ข้อความ/ภาพ → ภาพ; ไม่มีเสียง/วิดีโอ | ข้อความ/ภาพ → ภาพ; ไม่มีเสียง/วิดีโอ |
| Input / output token limits | 131,072 อินพุต; 32,768 เอาต์พุต | ไม่มีขีดจำกัดบริบทที่เทียบได้ซึ่งระบุไว้ที่นี่ | ไม่มีขีดจำกัดบริบทที่เทียบได้ซึ่งระบุไว้ที่นี่ |
| Reasoning controls | การคิดระดับ minimal, medium (ค่าเริ่มต้น), high | การควบคุมคุณภาพภาพ; ไม่มีระดับการคิดแบบ Gemini ที่เทียบเท่า | การควบคุมคุณภาพภาพ; ไม่มีระดับการคิดแบบ Gemini ที่เทียบเท่า |
| Architecture / coding | อิงบน Gemini 3.6 Flash; ไม่ระบุจำนวนพารามิเตอร์ที่นี่; ไม่รองรับการรันโค้ด | ไม่เปิดเผยสถาปัตยกรรมโดยละเอียดที่นี่; เวิร์กโฟลว์ภาพ ไม่ใช่โมเดลโค้ด | ไม่เปิดเผยสถาปัตยกรรมโดยละเอียดที่นี่; เวิร์กโฟลว์ภาพ ไม่ใช่โมเดลโค้ด |
ผลการเปรียบเทียบ: Google มีการยึดโยงแบบบูรณาการและอินพุตอ้างอิงหลายรายการอย่างกว้าง OpenAI แยกตัวเลือกที่เน้นความเร็วและเน้นความเที่ยงตรงอย่างชัดเจน
Nano Banana 2.1 vs GPT Image 2.5: Performance
Official capability claims
Google เน้นการผสานอ้างอิง งานอักษร และการยึดโยงการค้นหา; OpenAI เน้นความเที่ยงตรง การแก้ไขเฉพาะที่ และการสร้างที่เร็วขึ้นเมื่อเทียบกับรุ่นก่อนของตนเอง คำอธิบายอย่างเป็นทางการเหล่านี้ระบุขีดความสามารถและลำดับความสำคัญในการทดสอบ; ไม่ได้สร้างการจัดอันดับคุณภาพแบบควบคุมข้ามผู้ให้บริการ
Independent evaluation: Arena and same-prompt testing
ชุดวัดผลตอบคำถามต่างกัน การวัดความพึงพอใจของมนุษย์สะท้อนความน่าดึงดูดของผลลัพธ์; การทดสอบแก้ไขวัดความเที่ยงตรงต่อวัสดุต้นทาง; KPI การผลิตวัดผลลัพธ์ที่อนุมัติและประสิทธิภาพทางการเงิน คะแนนเดียวไม่สามารถแทนทั้งสามได้
| 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 |
คะแนนในตารางได้รับการยืนยันกับสแนปช็อตกระดานอันดับ Arena วันที่ October 6, 2026 เมื่อ October 8, 2026 ทั้งสามรายการถูกทำเครื่องหมายว่า Preliminary Sunburst ได้ 1425 ±7 สำหรับ text-to-image และ 1524 ±5 สำหรับ single-image editing; Flare ได้ 1398 ±7 และ 1481 ±5; Nano Banana 2.1 ได้ 1328 ±9 และ 1428 ±6 เหล่านี้เป็นการจัดอันดับความพึงพอใจโดยบุคคลที่สาม ไม่ใช่มาตรวัดอย่างเป็นทางการของผู้ขายหรือเปอร์เซ็นต์ความแม่นยำ
การจัดอันดับ Arena text-to-image และ Arena single-image-edit วัดงานที่แยกกันและมีสเกลคะแนนต่างกัน อย่านำสองคอลัมน์มาลบกันเพื่อสรุปการปรับปรุงการแก้ไข การจัดอันดับขึ้นกับพรอมป์ต์ที่สุ่ม ตัวโหวต และการตั้งค่าโมเดล และสามารถเปลี่ยนได้เมื่อมีคะแนนเพิ่ม
การทดลองบรรณาธิการแบบห้าพรอมป์ต์แยกต่างหากตัดสินว่า Flare ดีกว่าในสามงาน Nano Banana 2.1 ดีกว่าในหนึ่งงาน และเสมอหนึ่งงาน ด้วยการสร้างเพียงครั้งเดียวต่อตัวงาน สิ่งนี้ไม่สามารถยืนยันความเหนือกว่าระดับประชากรได้
การทดลองต้นฉบับของ Fuser ดำเนินเมื่อ October 6, 2026 โดยใช้ห้างาน สร้างหนึ่งครั้งต่อโมเดล ไม่มีการลองใหม่ และตรวจด้วยสายตา ทั้งสองโหนดเรียกผู้ให้บริการโดยตรง Nano Banana 2.1 ใช้ 2K; Flare ใช้คุณภาพอัตโนมัติและร้องขอ 1536×1024 หรือ 1024×1536 สำหรับการสร้าง และ 1024×1024 สำหรับงานแก้ไขแบบจัตุรัส เอาต์พุต PNG และอัตราส่วนภาพของงานถูกทำให้ตรงกัน แต่มิติพิกเซลและการตั้งค่าคุณภาพไม่เทียบเท่า การทดสอบอ้างอิงใช้ภาพจาก FLUX.2 [pro] ไม่ได้ทดสอบ Sunburst; การวางตำแหน่งระดับพรีเมียมของมันไม่ควรถูกนำเสนอว่าเป็นชัยชนะที่สังเกตได้ในการทดลองนี้
ผลการเปรียบเทียบ: หลักฐานที่มีอยู่เอนเอียงไปทาง GPT Image 2.5 ในบางกรณีที่ไวต่อความเที่ยงตรง ขณะที่ Nano Banana 2.1 ยังคงน่าสนใจสำหรับองค์ประกอบและต้นทุน ใช้การทดลองซ้ำที่มีนัยสำคัญเชิงสถิติสำหรับการตัดสินใจซื้อหรือใช้งานจริง
Realism and Composition
ความสมจริงเชิงภาพควรถูกตัดสินจากแสงธรรมชาติ เนื้อผิว กายวิภาค วัสดุ และองค์ประกอบที่สอดคล้องกัน การทดลองบุคคลที่สามห้างานที่อ้างถึงเปรียบเทียบ Nano Banana 2.1 กับ GPT Image 2.5 Flare: เลือก Flare เล็กน้อยสำหรับฉากโฟโตเรียลิสติก และ Nano Banana 2.1 สำหรับองค์ประกอบภาพสินค้า Sunburst ไม่รวมในห้างานนี้ การวางตำแหน่งความเที่ยงตรงระดับพรีเมียมของมันเป็นข้ออ้างของผลิตภัณฑ์ ดังนั้นการทดลองนี้จึงไม่สามารถยืนยันว่า Sunburst สมจริงกว่าโมเดลที่ทดสอบหรือไม่
Text Rendering and Infographics
Nano Banana 2.1 เน้นงานอักษรและเลย์เอาต์ซับซ้อน GPT Image 2.5 ก็ผลิตโปสเตอร์และปรับแก้ข้อความที่ฝังได้เช่นกัน ในตัวอย่างพรอมป์ต์เดียวขนาดเล็ก ทั้งสองเรนเดอร์อักษรบนโปสเตอร์ตามที่ต้องการถูกต้อง สำหรับฉลากที่สำคัญต่อธุรกิจ จัดการงานอักษรเป็นข้อกำหนดการพิสูจน์อักษรและ QA มากกว่าสมมติว่าเป็นปัญหาที่แก้ไขได้แล้ว
| Visual objective | Nano Banana 2.1 | GPT Image 2.5 | Recommended evaluation |
|---|---|---|---|
| Photorealism | ความสมจริงและการจัดวางที่แข็งแรง | แสงและเนื้อผิวที่แข็งแรง | ให้ผู้ใช้ตัดสินแบบปิดบัง |
| Marketing posters | การปรับปรุงงานอักษร/เลย์เอาต์ | องค์ประกอบความเที่ยงตรงสูง | ความถูกต้องตรงตัวอักษร |
| Product imagery | การจัดวางวัตถุที่ดี | ความเที่ยงตรงต่ออ้างอิงที่แข็งแรง | ความถูกต้องของฉลากและเรขาคณิต |
| Grounded infographics | รองรับการยึดโยงการค้นหาแบบเนทีฟ | ต้องตรวจสอบข้อเท็จจริงภายนอก | ความถูกต้องของข้อเท็จจริง |
| Multi-reference assets | สูงสุด 14 ภาพอินพุตต่อพรอมป์ต์ตามที่ Google ระบุ; ตรวจสอบองค์ประกอบอ้างอิงและขีดจำกัดเอ็นด์พอยต์ของผู้ให้บริการ | อ้างอิงหลายภาพ | ความสม่ำเสมอของอัตลักษณ์ |
ผลการเปรียบเทียบ: ไม่มีผู้ขายรายใดจัดทำมาตรฐานคุณภาพข้ามโมเดลอย่างเป็นทางการอย่างเด็ดขาด ประเมินด้วยตัวอย่างซ้ำโดยใช้บรีฟสร้างสรรค์ที่ตรงกัน
Editing and reference-preservation evidence
Nano Banana 2.1 Reference Workflows
ตัวอย่างอ้างอิงหลายภาพดั้งเดิมของ Google จาก คู่มือการสร้างภาพ แสดงภาพกลุ่มในออฟฟิศที่ประกอบจากอินพุตอ้างอิง เผยแพร่อย่างไม่เปลี่ยนแปลงพร้อมเครดิตแก่ Google; คู่มืออยู่ภายใต้สัญญาอนุญาต CC BY 4.0 ยกเว้นกรณีที่ระบุไว้ นี่เป็นภาพประกอบเวิร์กโฟลว์อย่างเป็นทางการ ไม่ใช่การเปรียบเทียบพรอมป์ต์เดียวกับ GPT Image 2.5 หรือผลคุณภาพที่วัดได้
Nano Banana 2.1 รองรับการผสานหลายภาพและการแก้ไขแบบสนทนา คำแนะนำการแก้ไขของ Google อธิบายการมาสก์แบบเชิงความหมายผ่านคำสั่ง ซึ่งแตกต่างจากการสมมติว่ามีพารามิเตอร์มาสก์แบบไบนารีโดยเฉพาะบนทุกเอ็นด์พอยต์ Google ระบุสูงสุด 14 ภาพอินพุตต่อพรอมป์ต์ นี่ไม่ได้หมายความว่าการผสมใด ๆ ของอ้างอิง 14 รายการรองรับได้: คำแนะนำระบุสูงสุด 10 อ้างอิงวัตถุและสูงสุด 4 อ้างอิงตัวละครสำหรับโมเดลนี้ ตรวจสอบองค์ประกอบอ้างอิงที่ใช้ได้และแพลตฟอร์มหรือเอ็นด์พอยต์ API ที่เลือกก่อนส่งชุดภาพจำนวนมาก; เกตเวย์ของบุคคลที่สามอาจกำหนดข้อจำกัดที่ต่างกัน
GPT Image 2.5 Editing Workflows
OpenAI เน้นการเปลี่ยนแปลงเฉพาะจุดและการคงรายละเอียดของตัวแบบ คู่มือการพิมพ์พรอมป์ต์ภาพ แนะนำให้ระบุทั้งสิ่งที่ต้องเปลี่ยนและสิ่งที่ต้องคงไว้ Sunburst ควรถูกประเมินในบริบทที่ปกติต้องใช้การรีทัชด้วยมือราคาแพง
ในการเปรียบเทียบห้างานหนึ่งครั้ง Flare รักษาขวดสินค้าและฉลากให้คงเดิมได้ดีกว่าในระหว่างการเปลี่ยนพื้นหลัง และคงรายละเอียดของตัวละครที่อ้างอิงได้ดีกว่า นี่เป็นข้อสังเกตจากตัวอย่างเล็กมาก ไม่ใช่เกณฑ์มาตรฐานที่ทำซ้ำได้อย่างอิสระของ Sunburst
| Editing task | Observed or documented advantage | Caution |
|---|---|---|
| Replace background, retain product | GPT Image 2.5 Flare ในการทดสอบบุคคลที่สามครั้งหนึ่ง | เพียงการรันเดียว |
| Repeated character references | Nano: อ้างอิงจำนวนมาก; Flare: ความเที่ยงตรงดี | ต้องทดลองซ้ำหลายครั้ง |
| Minor localized edits | การวางตำแหน่งของ GPT Image 2.5 Sunburst | ตรวจสอบพิกเซลที่เปลี่ยนจริง |
| Multi-object visual fusion | Nano Banana 2.1 | ตรวจสอบความสม่ำเสมอของวัตถุ |
Generation speed and test conditions
OpenAI ระบุว่า GPT Image 2.5 ลดความหน่วงลงได้สูงสุด 50% เมื่อเทียบกับ Images 2.0 ข้ออ้างนี้ไม่ได้เปรียบเทียบ OpenAI โดยตรงกับ Nano Banana 2.1 Flare ถูกออกแบบให้เป็นตัวเลือกที่เน้นความเร็วของ OpenAI; Sunburst ให้ความสำคัญกับคุณภาพระดับพรีเมียม โดยใช้เวลาประมวลผลนานกว่า
Nano Banana 2.1 ถูกวางตำแหน่งเพื่อการสร้างที่มีประสิทธิภาพ แต่ยังไม่มีเกณฑ์ความหน่วงที่เป็นกลางระหว่างผู้ขาย ทดสอบคำขอแบบวอร์มและโคลด์ที่ขนาดเอาต์พุตเท่ากัน; รายงานค่ามัธยฐาน ความหน่วงเปอร์เซ็นไทล์ที่ 95 อัตราความล้มเหลว และจำนวนเอาต์พุตที่ยอมรับต่อนาที
| Speed factor | Nano Banana 2.1 | Flare | Sunburst |
|---|---|---|---|
| Market positioning | ประสิทธิภาพ | ความเร็ว | ความเที่ยงตรง |
| Official direct cross-vendor result | ไม่ได้ระบุ | ไม่ได้ระบุ | ไม่ได้ระบุ |
| Recommended metric | ภาพที่อนุมัติต่อนาที | ภาพที่อนุมัติต่อนาที | ภาพที่อนุมัติต่อนาที |
Nano Banana 2.1 vs GPT Image 2.5: Cost
Nano Banana 2.1 Pricing
ราคา Gemini API อย่างเป็นทางการของ Google เผยแพร่ต้นทุนเอาต์พุตภาพตามความละเอียด เหล่านี้เป็นค่าบริการเอาต์พุตก่อนค่าธรรมเนียมอินพุต การคิด การยึดโยง การลองใหม่ หรือค่าธรรมเนียมอื่นใดที่เกี่ยวข้อง
| 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 |
ที่ 4K Google แสดงประมาณ $0.113 ต่อภาพเอาต์พุต โทเคนภาพที่ระบุ 3780 ที่ $30 ต่อหนึ่งล้านโทเคน บ่งชี้ $0.1134 หรือ $113.40 สำหรับเอาต์พุต 1000 ภาพก่อนค่าธรรมเนียมอื่น ตารางสำหรับ 4K Standard ใช้การคำนวณโทเคนนี้; ค่าเทียบเท่า 1K และ 2K คือ $0.0336 และ $0.0504
GPT Image 2.5 Pricing
อัตราโทเคนของ Flare และ อัตราโทเคนของ Sunburst ตรงกับตารางด้านล่างตามการตรวจสอบเมื่อ October 8, 2026 อินพุตข้อความและภาพมีอัตราที่ต่างกัน; เอาต์พุตภาพอยู่ที่ $30/MTok ภายใต้ Standard และ $15/MTok ภายใต้ Batch ค่าบริการจริงต่อภาพขึ้นกับการใช้โทเคนเอาต์พุต คุณภาพ และขนาด
| 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
อย่าแปลงอัตราโทเคนเหล่านี้เป็นค่าบริการต่อภาพแบบสากลโดยไม่มีจำนวนโทเคนที่วัดได้ ภาพคุณภาพสูงหรือเวิร์กโฟลว์แก้ไขที่ใช้อ้างอิงจำนวนมากอาจมีต้นทุนจริงแตกต่างกัน
สำหรับเศรษฐศาสตร์การผลิต ใช้ ต้นทุนต่อภาพที่ได้รับการยอมรับ = (ต้นทุนการสร้าง + การแก้ไข + การลองใหม่ทั้งหมด) / จำนวนเอาต์พุตที่อนุมัติ โมเดลภาพที่ดูเหมือนราคาถูกอาจเสียเปรียบถ้าต้องแก้ไขซ้ำบ่อย
CometAPI Billing and Availability
รายการ Nano Banana 2.1 API ใน CometAPI และ GPT Image 2.5 Flare API ใน CometAPI แสดง Available เมื่อตรวจสอบวันที่ October 8, 2026 URL ผู้สมัครของ Sunburst เปลี่ยนเส้นทางไปยังแคตตาล็อกผู้ให้บริการ จึงยังไม่ยืนยันเส้นทาง CometAPI อิสระที่นี่ ยืนยัน Model ID และสิทธิ์การเข้าถึงบัญชีของคุณก่อนรับปากรองรับ อัตราผ่านเกตเวย์แตกต่างจากอัตราผู้ให้บริการ; ราคาต่อโทเคนอินพุตที่แสดงไม่ได้กำหนดค่าบริการเอาต์พุตภาพ
Nano Banana 2.1 vs GPT Image 2.5: Comparison and Selection
Architecture, multimodality, and API availability
การเปรียบเทียบที่ยืนได้คือด้านปฏิบัติการ: อินพุตและเอาต์พุตที่รองรับ ขีดจำกัดภาพต่อพรอมป์ต์ ระดับการคิดหรือการควบคุมคุณภาพ การเข้าถึง API และผลลัพธ์ที่วัดได้ model card อย่างเป็นทางการ ยืนยันว่า Nano Banana 2.1 อิงบน Gemini 3.6 Flash Nano Banana 2.1 รองรับชุดอินพุตที่กว้างกว่า ขณะที่ GPT Image 2.5 ผลิตเอาต์พุตภาพจากอินพุตข้อความ/ภาพ สายตระกูลโมเดลที่ยืนยันไม่ได้ระบุจำนวนพารามิเตอร์ที่ไม่ได้เปิดเผยหรือรับรองสมมติฐานเกี่ยวกับการนำไปใช้ภายใน การรองรับโดยผู้ให้บริการโดยตรงและการรูตผ่าน CometAPI ต้องยืนยันแยกกัน โดยเฉพาะสำหรับ Sunburst
Workload-based selection
| Workflow | Good starting point | Reason |
|---|---|---|
| High-volume social artwork | Nano Banana 2.1 | เอาต์พุตมีประสิทธิภาพและหลากหลาย |
| Everyday creative iterations | GPT Image 2.5 Flare | โมเดลที่เน้นความเร็ว |
| Premium advertising images | GPT Image 2.5 Sunburst | ความเที่ยงตรงและความแม่นยำในการแก้ไข |
| Search-grounded infographic | Nano Banana 2.1 | การยึดโยงแบบเนทีฟ |
| Sensitive product edits | GPT Image 2.5 Sunburst | เวิร์กโฟลว์ที่เน้นการคงรายละเอียด |
| Brand characters with many references | Nano Banana 2.1 | การประกอบหลายภาพอ้างอิงได้สูงสุด 14 ภาพต่อพรอมป์ต์บนเส้นทางของ Google ที่รองรับ; ตรวจสอบองค์ประกอบอ้างอิงและข้อจำกัดของเกตเวย์ |
| Transparent-background assets | GPT Image 2.5 | การควบคุมเอาต์พุตพื้นหลังโปร่งใสโดยชัดแจ้ง |
เลือก Nano Banana 2.1 สำหรับการสร้างที่อ้างอิงจำนวนมาก การผลิตที่คุ้มค่า และคอนเทนต์ที่ยึดโยงกับข้อมูล เลือก Flare สำหรับงานสร้างสรรค์ทั่วไปที่ต้องการความเร็ว ประเมิน Sunburst เมื่อการคงรายละเอียดภาพต้นฉบับสำคัญกว่าความเร็วที่สุด
Where Can You Access Nano Banana 2.1 and GPT Image 2.5?
เลือกผู้ให้บริการดั้งเดิมเพื่อเข้าถึงโมเดลโดยตรง หรือเกตเวย์ที่รองรับเพื่อแชร์บัญชีและเวิร์กโฟลว์การเรียกเก็บเงิน ความพร้อมของผู้ให้บริการและความพร้อมของเกตเวย์เป็นคนละเรื่อง; ตรวจสอบตัวแปรโมเดลให้ชัดก่อนเลือกเส้นทาง
Official Provider Access
สำหรับ Nano Banana 2.1 หน้ารุ่นโมเดลของ Google อย่างเป็นทางการ ลิงก์ไปยัง Google AI Studio สำหรับการทดสอบบนเบราว์เซอร์และให้เอกสาร Gemini API สำหรับการเข้าถึงในแอป ยืนยันว่าโมเดลพร้อมใช้กับบัญชีของคุณและทบทวนข้อจำกัดการใช้งานที่เกี่ยวข้องก่อนเริ่ม
สำหรับ GPT Image 2.5 ใช้ OpenAI API และดูเอกสารอย่างเป็นทางการสำหรับตัวแปร Flare หรือ Sunburst เลือก Flare สำหรับการวนซ้ำเร็วหรือประเมิน Sunburst สำหรับงานที่ไวต่อความเที่ยงตรง; ควรตรวจสอบสิทธิ์การเข้าถึงบัญชีและอัตราการขอแยกต่างหาก
CometAPI Access
CometAPI แสดงรายการ Nano Banana 2.1 และ GPT Image 2.5 Flare เปิดหน้ารุ่นที่เกี่ยวข้องเพื่อตรวจสอบความพร้อมใช้งาน ราคา และคู่มือเริ่มต้นอย่างรวดเร็วของ API ปัจจุบัน แล้วลงชื่อเข้าใช้เพื่อสร้างคีย์ API นี่เป็นทางเลือกในการเข้าถึงเพื่อเปรียบเทียบสองโมเดลผ่านเกตเวย์เดียว การเข้าถึง Sunburst ผ่าน CometAPI ยังไม่ได้ยืนยันในบทความนี้
เพื่อเริ่มการเปรียบเทียบ ให้เลือกโมเดลที่พร้อมใช้งาน ตรวจสอบราคาและขีดจำกัดเอาต์พุต แล้วลองใช้พรอมป์ต์และภาพต้นทางเดียวกันกับแต่ละโมเดล บันทึกเวลาในการสร้าง ผลลัพธ์ที่ยอมรับ และต้นทุนการใช้งานจริง คำแนะนำการผสานการทำงานโดยละเอียดอยู่ในเอกสาร API ที่ลิงก์ไว้ มากกว่าการเปรียบเทียบโมเดลนี้
| 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 เป็นตัวเลือกที่น่าสนใจสำหรับประสิทธิภาพในการผสานอ้างอิง ภาพที่ยึดโยงกับข้อมูล และไปป์ไลน์คอนเทนต์ที่ขยายได้ GPT Image 2.5 Flare มอบประโยชน์กว้างสำหรับงานสร้างสรรค์ ในขณะที่ Sunburst มุ่งเป้าสู่การสร้างและการแก้ไขที่ต้องการความเที่ยงตรงสูง แทนที่จะมาตรฐานบนผู้ขายรายเดียวโดยไม่ไตร่ตรอง ให้ส่งคำขอรูทีนไปยังโมเดลที่คุ้มค่าเหมาะสม และสำรองความแม่นยำระดับพรีเมียมไว้สำหรับเอาต์พุตที่ได้ประโยชน์จริง
FAQ
How can Nano Banana 2.1 and GPT Image 2.5 be compared fairly?
แยกการชอบเชิงภาพออกจากความถูกต้องของงาน ใช้บรีฟสร้างสรรค์และอ้างอิงเดียวกัน กำหนดความละเอียดที่ยอมรับได้และข้อความที่อ่านได้ก่อนสร้าง แล้วรีวิวผลแบบปิดบังซ้ำหลายครั้ง บันทึกทุกครั้งที่พยายาม ผลงานที่ปฏิเสธ และการแก้ไข เมื่อขนาด API ต่างกัน ให้เปรียบเทียบที่ขนาดส่งมอบสุดท้ายและเปิดเผยการปรับขนาดใด ๆ; ผลงานที่ชอบครั้งเดียวไม่สามารถยืนยันความเหนือกว่าในระดับโมเดลได้
How should failed image generations affect an API budget?
นับค่าบริการจากภาพที่ปฏิเสธ คำเรียกแก้ไข และการลองใหม่ไว้ในตัวเศษ และนับเฉพาะแอสเซ็ตที่อนุมัติไว้ในตัวส่วน บันทึกสถานะความล้มเหลวและการใช้งานที่เรียกเก็บเงินจริงแยกกัน เพราะคำขอที่ไม่สำเร็จอาจไม่ถูกเรียกเก็บเสมอไป ประมาณช่วงจากชุดงานซ้ำ แทนการคูณราคาเฮดไลน์ด้วยจำนวนภาพสุดท้ายที่ต้องการ
Can Google Search grounding guarantee accurate infographic text?
ไม่ การยึดโยงจัดหาข้อมูลที่เกี่ยวข้อง แต่ไม่รับประกันว่าทุกตัวเลข ฉลาก หรืออักษรที่เรนเดอร์จะถูกต้อง ตรวจสอบข้อเท็จจริงก่อนการสร้างและพิสูจน์อักษรภาพสุดท้ายกับข้อมูลนั้น สำหรับข้อมูลที่เปลี่ยนบ่อย ให้เก็บวันที่วิจัยและพิจารณาวางฉลากที่ตรวจสอบแล้วไว้ในเลเยอร์ออกแบบแยกต่างหาก
Can one integration switch between Nano Banana 2.1 and GPT Image 2.5?
เกตเวย์ร่วมสามารถทำให้การจัดการบัญชีง่ายขึ้น แต่สคีมาของคำขอและการตอบกลับยังต่างกัน รักษาอะแดปเตอร์เฉพาะโมเดลสำหรับอ้างอิง ระดับการคิดหรือคุณภาพ ขนาดเอาต์พุต และการถอดรหัสภาพ ทดสอบคำขอที่ยอมรับขนาดเล็กสำหรับแต่ละเส้นทางที่เปิดใช้งาน และจัดการการตอบกลับแบบซิงก์ แบบ URL และแบบอะซิงก์อย่างชัดเจนก่อนพึ่งพาการเฟลโอเวอร์อัตโนมัติ