TL;DR
Nano Banana 2.1 เป็นจุดเริ่มต้นต้นทุนต่ำที่รองรับอินพุตอ้างอิงหลากหลายและการยึดโยงด้วยการค้นหา Nano Banana Pro ยังมีประโยชน์เมื่อบรีฟต้องการอ้างอิงสไตล์แบบเฉพาะทางหรืออ้างอิงตัวละครห้าราย ที่อัตราราคาภาพเอาต์พุตแบบ Google Standard ความละเอียด 2K มีค่าใช้จ่ายประมาณ $0.0504 เมื่อเทียบกับ $0.134 เลือกตามความสามารถที่จำเป็น คุณภาพเอาต์พุตที่ยอมรับได้ และต้นทุนรวม
CometAPI มีทั้งสองโมเดลนี้ พร้อมกับโมเดลสร้างภาพยอดนิยมอื่นๆ
Key Takeaways
- Nano Banana 2.1 ผสานการสร้างภาพระดับ 1K–4K การยึดโยงด้วยการค้นหาจาก Google Web และ Image Search และรองรับอินพุตอ้างอิงได้สูงสุด 14 รายการตามชุดอ้างอิงที่ระบุไว้
- Nano Banana Pro รองรับอ้างอิงตัวละครที่สม่ำเสมอได้ห้ารายการและอ้างอิงสไตล์เฉพาะสามรายการ; 2.1 รองรับอ้างอิงตัวละครสี่รายการและอ้างอิงวัตถุความเที่ยงตรงสูงได้สูงสุดสิบรายการ
- แยกการประเมินของผู้ให้บริการออกจากการทดสอบอิสระ และยืนยันว่าข้อกำหนดเงื่อนไขตรงกับการตัดสินใจที่คุณต้องทำ
- ราคาภาพเอาต์พุตแบบ Google Standard 2K ต่ำกว่า 2.1 ประมาณ 62.4%; อินพุต, Thinking, การค้นหา และการลองใหม่ อาจเพิ่มค่าใช้จ่าย
- ใช้ต้นทุนต่อภาพที่อนุมัติและเวลาแฝงที่วัดได้ในการเลือกเส้นทางผลิต แทนการพึ่งป้ายพรีเมียมหรือประสิทธิภาพของโมเดล
Nano Banana 2.1 vs Nano Banana Pro at a Glance
| Feature / Metric | Nano Banana 2.1 | Nano Banana Pro | Advantage |
|---|---|---|---|
| API Model ID | gemini-nano-banana-2.1 | gemini-3-pro-image | — |
| Base Model | Gemini 3.6 Flash | Gemini 3 Pro family | 2.1 newer Flash |
| Release | Oct 6, 2026 (GA) | Preview Nov 2025; GA ~May 2026 | 2.1 newer |
| Resolutions | 1K / 2K / 4K | 1K / 2K / 4K | Tie |
| Extreme Aspect Ratios | Up to 1:8 / 8:1 (tiling fixes) | Standard ratios | 2.1 |
| Reference Images | Up to 14 (≈4 char + 10 obj) | Up to 14 (≈5 char + 6 obj + style) | Slight Pro edge on characters/styles |
| Thinking | Adjustable: minimal / medium / high | Always on | 2.1 flexibility |
| Search Grounding | Web + Image Search | Web Search | 2.1 |
| Latency (typical reports) | 4–12 seconds | 12–50 seconds | 2.1 |
| Input / output token limits | 131,072 input; 32,768 output | 65,536 input; 32,768 output | 2.1 |
| Input modalities | Text, image, video and PDF | Text and image | 2.1 |
| SynthID watermark | Yes | Yes | |
| Primary role | Efficient generation and conversational editing | Professional creation and editing |
คำอธิบายบริบทกว้างของ model card และขีดจำกัดโทเค็นของ API ที่ปรับใช้ ใช้มาตราส่วนที่แตกต่างกัน ตารางนี้รายงานขีดจำกัดของ Gemini API ที่ใช้กับการผสานรวม แทนที่จะใช้ค่าสูงสุดระดับโมเดลแทน
What Are Nano Banana 2.1 and Nano Banana Pro?
“Nano Banana” คือการตั้งชื่อของ Google สำหรับโมเดล native Gemini ด้านการสร้างและแก้ไขภาพ ตระกูลนี้พัฒนารวดเร็ว:
- Original Nano Banana (Gemini 2.5 Flash Image)
- Nano Banana Pro (Gemini 3 Pro Image) — preview ช่วงปลายปี 2025, general availability กลางปี 2026; วางตำแหน่งเป็นโมเดลระดับพรีเมียมที่มีความสามารถด้านการให้เหตุผลสูงสุด
- Nano Banana 2 (Gemini 3.1 Flash Image) — กุมภาพันธ์ 2026; เป็น “workhorse” ระดับโปรที่มีความเร็วแบบ Flash
- Nano Banana 2.1 (gemini-nano-banana-2.1) — 6 ตุลาคม 2026; อัปเดตโดยตรงและเป็นตัวแทนที่แนะนำสำหรับ Nano Banana 2 สร้างบน Gemini 3.6 Flash
Nano Banana 2.1 เป็น workhorse ที่มีประสิทธิภาพสูงของ Google คงไว้ซึ่งความเร็วและต้นทุนระดับ Flash พร้อมปรับปรุงคุณภาพภาพ การเรนเดอร์ข้อความ ความสม่ำเสมอของตัวละครแบบหลายเทิร์น ความเสถียรของอัตราส่วนกว้าง และการแก้ไขแบบใช้หน้ากาก รองรับเอาต์พุต 1K/2K/4K อ้างอิงภาพได้สูงสุด 14 รายการ (โดยทั่วไป 4 ตัวละคร + 10 วัตถุ) ระดับ Thinking ที่ปรับได้ และการยึดโยงด้วย Google Web Search + Image Search
Nano Banana Pro เป็นเรือธงสำหรับงานภาพที่ซับซ้อนที่สุด เน้นความรู้เกี่ยวกับโลก การทำโลคัลไลซ์ขั้นสูง ความสม่ำเสมอของแบรนด์ การควบคุมเชิงครีเอทีฟที่แม่นยำ และการจัดการอ้างอิงความเที่ยงตรงสูง (ตัวละครได้สูงสุด 5 รายการ อ้างอิงสไตล์ในบางคอนฟิก) Thinking ทำงานตลอดเวลา และไม่ได้เปิดระดับที่ปรับได้เหมือน 2.1
Benchmarks tells us
model card ของ Google เดือนตุลาคม 2026 รายงานคะแนน Elo ความชอบของมนุษย์แบบเคียงข้างกันและตัวให้คะแนน factuality แบบอัตโนมัติ ผลลัพธ์ที่เลือก (Elo สูงกว่าดีกว่า; 2.1 เปิด Thinking):
| Capability | 2.1 (Thinking) | 2.1 (No Thinking) | Nano Banana Pro |
|---|---|---|---|
| Overall Preference (text-to-image) | 1050 ± 14 | 1015 ± 13 | 935 ± 8 |
| Infographic Design | 1048 ± 17 | 1001 ± 17 | 912 ± 12 |
| Infographic Factuality | 0.521 | 0.328 | 0.265 |
| General Editing | 1026 ± 12 | 980 ± 15 | 939 ± 10 |
| Multi-Character Consistency | 1106 ± 14 | 1068 ± 14 | 1011 ± 10 |
| Mask/Ink-Based Editing | 1049 ± 15 | 1042 ± 16 | 927 ± 12 |
| Product Consistency | 1024 ± 18 | 981 ± 18 | 965 |
คะแนนของ Google เอียงไปทาง 2.1 ในเรื่องความสม่ำเสมอแบบหลายตัวละคร การทดสอบภาคสนามมีทั้งแพ้ชนะ: Pro ชนะบ่อยครั้งในความเหมือนใบหน้าเดี่ยวเมื่ออ้างอิงแข็งแรง (โดยเฉพาะกระ ฝ้า แว่น รายละเอียดผม) ขณะที่ 2.1 ทำได้ดีในฉากหลายเทิร์นหรือหลายตัวแบบ และมีแนวโน้มจะไม่ใส่องค์ประกอบที่ไม่ได้ร้องขอ
สำหรับฉากอีคอมเมิร์ซที่มีสินค้าที่แตกต่างกันหลายชิ้น ความสามารถของ 2.1 ในการรองรับอ้างอิงวัตถุได้สูงสุดสิบรายการทำให้เป็นจุดเริ่มต้นที่มีประโยชน์ บรีฟที่มีห้าคนชี้ไปที่ Pro เพราะความสามารถอ้างอิงตัวละครพอดีกับคำขอนั้น คำแนะนำเหล่านี้อิงตามฟีเจอร์ ผลรวมความชอบที่เผยแพร่ไม่ได้จัดอันดับแยกต่างหากสำหรับแสงถ่ายภาพ ผิว และความแม่นของวัสดุ
Realism and Composition
สำหรับฉากอีคอมเมิร์ซที่มีสินค้าที่แตกต่างกันหลายชิ้น ความสามารถของ 2.1 ในการรองรับอ้างอิงวัตถุได้สูงสุดสิบรายการทำให้เป็นจุดเริ่มต้นที่มีประโยชน์ บรีฟที่มีห้าคนชี้ไปที่ Pro เพราะความสามารถอ้างอิงตัวละครพอดีกับคำขอนั้น คำแนะนำเหล่านี้อิงตามฟีเจอร์ ผลรวมความชอบที่เผยแพร่ไม่ได้จัดอันดับแยกต่างหากสำหรับแสงถ่ายภาพ ผิว และความแม่นของวัสดุ
Text Rendering and Infographics
สำหรับโปสเตอร์และอินโฟกราฟิก แยกให้ชัดระหว่างพาดหัวสั้นๆ กับเนื้อหาหนาทึบ Google เน้นการปรับปรุงการจัดตัวอักษรและเลย์เอาต์อินโฟกราฟิกใน 2.1 ทำให้เป็นจุดเริ่มต้นที่สมเหตุสมผลสำหรับกราฟิกที่ขับเคลื่อนโดยพาดหัว model card ยังระบุว่าข้อความขนาดเล็ก โดยเฉพาะที่ 1K และข้อความยาวเป็นจุดอ่อน เก็บข้อความสำคัญแบบ fine print ไว้ในเลเยอร์ข้อความที่แก้ไขได้ Pro มีความเกี่ยวข้องเป็นพิเศษเมื่อดีไซน์เดียวกันต้องตามอ้างอิงสไตล์ที่เฉพาะเจาะจง; ราคาที่สูงกว่าเพียงอย่างเดียวไม่ใช่หลักฐานของการสะกดที่ดีกว่า
| Visual objective | Relevant difference | Recommended evaluation |
|---|---|---|
| Photorealism | คะแนนความชอบของผู้ให้บริการไม่ได้แยกทุกสไตล์ภาพถ่าย | รีวิวแบบ blind พร้อมตรวจโครงสร้างและวัสดุ |
| Marketing posters | ทั้งสองรองรับไทโปฯ; 2.1 เน้นการปรับปรุงเลย์เอาต์ | ความถูกต้องของข้อความที่ขนาดแสดงผลจริง |
| Product imagery | 2.1 มีความจุอ้างอิงวัตถุที่ระบุไว้มากกว่า | เอกลักษณ์ SKU ป้ายฉลาก และความถูกต้องของรูปทรง |
| Grounded infographics | 2.1 รวมการยึดโยงด้วย Web และ Image Search | ตรวจสอบแหล่งข้อมูลและฉลากที่เรนเดอร์ |
| Style-directed assets | Pro มีอินพุตอ้างอิงสไตล์แบบเฉพาะ | ความสม่ำเสมอของแบรนด์และการยึดตามสไตล์ |
Speed
จากรายงานต่างๆ 2.1 สร้างผลลัพธ์ได้เร็วกว่าอย่างสม่ำเสมอ (มัก 4–12 วินาที เทียบกับ 12–50 วินาทีสำหรับ Pro ขึ้นกับความละเอียดและระดับ Thinking)
รูปแบบโดยรวมจากงานด้วยพรอมต์เดียวกัน: 2.1 ชนะหรือเสมอในงานประจำและงานปริมาณมากส่วนใหญ่ และมักให้คุณภาพเทียบเท่า Pro ที่ต้นทุนและเวลาแฝงเพียงเศษส่วน Pro นำหน้าที่รายละเอียดถ่ายภาพที่ยากที่สุด การล็อกอัตลักษณ์บางกรณี และข้อความในภาพที่ต้องการสูงที่สุด
Same-Prompt Performance Tests
Photorealistic scene (testing lighting, texture, and atmosphere)
Prompt:
A highly detailed photorealistic photograph of an elderly fisherman with weathered skin and a grey beard, carefully repairing a blue wooden boat on a pebble beach at golden hour. Soft raking morning light, visible paint flakes, subtle sea mist, shallow depth of field, shot on 85mm lens, natural skin texture, cinematic color grading
Nano Banana 2.1 ให้แสงและองค์ประกอบแบบรายงานข่าวธรรมชาติที่มักดูสมจริงมากกว่า ขณะที่ Pro ให้รายละเอียดสีที่剥ลอกของสีบนไม้ ก้อนกรวดที่คมกว่า และแสง raking ที่เหนือกว่า เมื่อภาพจะถูกพิจารณาอย่างละเอียดในขนาดใหญ่จึงมักเลือก Pro
Poster / Text Rendering (testing for textual accuracy and design aesthetic)
Prompt:
Modern minimalist event poster design: "NIGHT TIDES" in bold elegant serif typography, "Live at the Harbor · Saturday 8 PM" in clean sans-serif below. Dark navy background, stylized red-and-white lighthouse on a cliff with a beam of light cutting through the night sky, crescent moon, subtle stars. Clean composition, high contrast, professional graphic design
ทั้งสองโมเดลเรนเดอร์ข้อความที่ร้องขอได้ถูกต้องในหลายกรณี 2.1 มีแนวโน้มให้เลย์เอาต์ที่สะอาดและทำตามคำสั่ง “minimal” หรือคำแนะนำการออกแบบเฉพาะได้ใกล้เคียงกว่า; Pro บางครั้งให้ผลกระทบกราฟิกโดยรวมที่แข็งแรงกว่า หรือการผสานกับข้อความหนาแน่นที่ดีกว่า
E-commerce product image (testing product texture and text)
Prompt:
Professional product photography of a frosted glass serum bottle with gold dropper, labeled "LUMINA GLOW SERUM · 30ml", standing on a rough stone pedestal. Soft natural window light from the left, subtle water droplets on the bottle, blurred eucalyptus leaves in the background, clean e-commerce style, sharp focus on the label text
2.1 มักให้แสงสินค้าที่เป็นธรรมชาติและความสามารถทำภาพฮีโร่ช็อตและบรรจุภัณฑ์ที่เหมาะกับตลาดมากกว่า ขณะที่ Pro รักษาข้อความพิมพ์เล็กๆ หรือสัดส่วนสินค้าได้ดีกว่าเล็กน้อยในองค์ประกอบที่มีหลาย SKU ในบางการทดสอบ
Infographic / Dense text (testing for factual accuracy and layout)
Prompt:
Clean modern infographic titled "How a City Gets Its Water". Five numbered steps shown in a horizontal flow: 1. Reservoir Collection 2. Treatment Plant 3. Pumping Stations 4. Distribution Network 5. Household Delivery. Minimalist vector style, soft blue and teal color palette, clear readable labels and icons, professional data visualization
ทั้งสองโมเดลสามารถสร้างภาพที่มีข้อความได้ แต่ความถูกต้องของสำเนาและความอ่านได้ที่ขนาดการแสดงผลจริงยังคงเป็นเงื่อนไขการยอมรับ
Creative Artistic Style (Testing style control and details)
Prompt:
Highly detailed paper quilling artwork of the word "MAGIC" rendered in elaborate calligraphic style. Purple, magenta, pink and white paper strips forming intricate swirls and flourishes. Soft studio lighting, white background, extreme close-up texture of the paper edges
การทดสอบภาคสนามมีทั้งแพ้ชนะ: Pro ชนะบ่อยครั้งในความเหมือนใบหน้าเดี่ยวเมื่ออ้างอิงแข็งแรง (โดยเฉพาะกระ ฝ้า แว่น รายละเอียดผม) ขณะที่ 2.1 ทำได้ดีในฉากหลายเทิร์นหรือหลายตัวแบบ และมีแนวโน้มจะไม่ใส่องค์ประกอบที่ไม่ได้ร้องขอ
CometAPI Access
CometAPI มีหน้ารายละเอียดโมเดลสำหรับ Nano Banana 2.1 และ Nano Banana Pro เปิด quickstart ที่เหมาะสม สร้าง API key และส่งคำขอภาพขนาดเล็ก กำหนดขนาดเอาต์พุตและอินพุตอ้างอิงอย่างชัดเจนเพื่อให้ผลลัพธ์แรกสะท้อนเวิร์กโฟลว์ที่คุณตั้งใจใช้
| Model | API identifier |
|---|---|
| Nano Banana 2.1 | gemini-nano-banana-2.1 |
| Nano Banana Pro | gemini-3-pro-image |
สำหรับการเปรียบเทียบครั้งแรก ใช้บรีฟเดียวกัน ไฟล์อ้างอิงเดียวกัน และขนาดจัดส่งเดียวกัน บันทึกเอาต์พุต เวลาใช้ไป และการใช้งานที่คิดค่าบริการจากแต่ละคำขอ สิ่งนี้จะให้ข้อมูลฐานที่มีประโยชน์ก่อนที่จะทุ่มงานชุดใหญ่
CometAPI รองรับทั้งรูปแบบการสร้างภาพ native ของ Gemini และรูปแบบที่เข้ากันได้กับ OpenAI
FAQs
Is Nano Banana 2.1 better than Nano Banana Pro overall?
บนคะแนนความชอบและการแก้ไขที่รายงานโดย Google ใช่ ในคุณภาพภาพถ่ายสมจริงล้วนและงานอัตลักษณ์บางประเภท Pro ยังชนะบ่อยครั้ง สำหรับงานจริงส่วนใหญ่ 2.1 เป็นดีฟอลต์ที่ดีกว่า
How much cheaper is Nano Banana 2.1?
ถูกกว่าประมาณ 4× ที่ 1K และประมาณ 2× ที่ 4K ตามราคามาตรฐานของ Google ราคาชุดใหญ่ทำให้ช่องว่างแคบลง แต่ 2.1 ยังคงถูกกว่ามาก
Does 2.1 support the same reference limits as Pro?
ทั้งสองรองรับอ้างอิงภาพได้สูงสุด 14 รายการ การจัดสรรต่างกันเล็กน้อย (2.1 เน้นวัตถุมากกว่า; Pro อนุญาตตัวละครและอ้างอิงสไตล์มากกว่าตามคอนฟิกที่ระบุ)
Can I use both models through one API?
ได้ แพลตฟอร์มอย่าง CometAPI เปิดทั้งสองโมเดลภายใต้ endpoint ที่เข้ากันได้กับ OpenAI เดียวกัน ทำให้สลับได้อย่างไร้รอยต่อ
Should I still use Nano Banana 2?
Google แนะนำให้ย้ายงานใหม่ไปที่ 2.1 Nano Banana 2 ยังคงพร้อมใช้งานสำหรับเวิร์กโฟลว์ที่ต้องการเอาต์พุต 512 px โดยเฉพาะ หรือมีพรอมต์ที่ปรับแต่งอย่างหนัก แต่ 2.1 เป็นการอัปเกรดที่ชัดเจนสำหรับแทบทุกกรณี