AI-modeller og platforme

Nano Banana 2.1 halverer prisen per token for billeder i forhold til forgængeren

Jonas Reeve
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterNano Banana 2.1 halverer forgængerens pris pr. token for billeder, mens den matcher…
Vis mere
  • Nano Banana 2.1 halverer forgængerens pris pr. token for billeder, mens den matcher eller overgår den på kvalitet.
  • Google rapporterer, at modellen fører over sin forgænger og Nano Banana Pro på alle redigeringsbenchmarks i kortet.
  • Google dokumenterer ingen gratisadgang for Nano Banana 2.1 og prissætter søgegrounding efter 5.000 månedlige forespørgsler.

Google udgav Nano Banana 2.1, en billedgenererings- og redigeringsmodel baseret på Gemini 3.6 Flash, den 6. oktober 2026, med tilgængelighed via Gemini-appen, Google AI Studio, Gemini API og Gemini Enterprise Agent Platform samt betalt API-billedoutput til $30 per million tokens.

Modelkortet for Nano Banana 2.1, der blev offentliggjort samme dag, beskriver modellen som et medlem af Gemini 3-serien af indfødt multimodale ræsonnementsmodeller. Den accepterer tekststrenge og billeder som input med et kontekstvindue på op til 1 million tokens, og den genererer billed- og tekstoutput, henholdsvis med 4K‑token‑ og 64K‑token‑output. Kortet angiver distribution via Gemini‑appen, Google AI Studio, Gemini API, AI‑tilstand i Google Search, Google Ads, Google Flow og Google Stitch.

Specifikationer for Enterprise‑platformen

På Gemini Enterprise Agent Platform bærer modellen identifikatoren gemini-nano-banana-2.1 i den generelt tilgængelige lanceringsfase, med en angivet udgivelsesdato den 6. oktober 2026. Googles platformdokumentation beskriver Nano Banana 2.1 som optimeret til multimodal billedgenerering og -redigering og tilbyder en balance mellem pris og ydeevne.

Dokumentationen angiver, at tekst og billede understøttes for input og output, video kun som input, og lyd er utilgængeligt, med et kontekstvindue på 131.072 tokens og maksimalt 32.768 output‑tokens. Seed‑, topK‑, logprobs‑, temperature‑ og topP‑parametrene understøttes ikke, og forsøg på at sætte nogen af dem resulterer i en API‑fejl.

Understøttede funktioner omfatter resonnering, systeminstruktioner, implicit kontekst‑caching, token‑tælling, forankring med Google Search og billedsøgning, tildelt gennemløb, batch‑inference og standard pay‑as‑you‑go, med global tilgængelighed. Billedgenerering, herunder fra video‑input, billedredigering og flertrinsredigering, sammenflettet billede‑ og tekstoutput, Content Credentials (C2PA), virtuel prøvning og generering af personer understøttes.

Begrænsningerne omfatter 14 billeder pr. prompt, 7 MB pr. fil for indlejrede data eller konsol‑uploads, 30 MB pr. fil fra Cloud Storage og en input‑størrelsesgrænse på 500 MB. Understøttede billedformater omfatter 1:1, 3:2, 4:3, 16:9, 9:16 og 21:9 med 1K-, 2K‑ og 4K‑opløsninger samt filtyperne png, jpeg, webp, heic og heif. Dokumentationen angiver, at modellen bruger 1.120 tokens pr. input‑billede, mens output‑billeder bruger 1.120 tokens ved 1K‑opløsning og 1.680 tokens ved 2K.

Gemini API‑priser

Googles Gemini API-prisside, opdateret den 7. oktober 2026, beskriver Nano Banana 2.1 som “en opdatering af Nano Banana 2 (Gemini 3.1 Flash Image)”, bygget til høj‑effektiv billedgenerering og samtalebaseret redigering med forbedret visuel kvalitet, flertrins karakterkonsistens, præcis tekstgengivelse og søge‑baseret generering på tværs af 1K-, 2K‑ og 4K‑opløsninger. Standard betalt‑tier‑priser er angivet til $1,50 per million input‑tokens for tekst, billede og video, $7,50 per million output‑tokens for tekst og tænkning, og $30,00 per million tokens for billedoutput, hvilket siden omsætter til $0,0336 per 1K‑billede, $0,0504 per 2K‑billede og $0,113 per 4K‑billede.

Batch‑priser er angivet til $0,75 per million input‑tokens, $3,75 per million tokens for tekst‑ og tænkning‑output, og $15,00 per million billed‑tokens, med angivne ækvivalenter på $0,0168, $0,0252 og $0,0567 per 1K-, 2K- og 4K‑billede henholdsvis. Forankring med Google web‑ og billedsøgning giver 5.000 gratis forespørgsler pr. måned, delt på Gemini 3.x‑modeller, hvorefter $14 per 1.000 forespørgsler. Siden angiver ingen gratis‑tier‑adgang for Nano Banana 2.1.

Den samme side angiver forgængeren, Gemini 3.1 Flash Image (Nano Banana 2), til $0,50 per million input‑tokens, $3 per million tokens for tekst‑ og tænkning‑output, og $60,00 per million billed‑tokens, med per‑billede‑ækvivalenter på $0,067 ved 1K, $0,101 ved 2K og $0,151 ved 4K.

Rapporterede evalueringer

Modelkortet rapporterer en evalueringsmetode, der kombinerer side‑om‑side menneskelig evaluering, der producerer Elo‑score på tværs af tekst‑til‑billede‑ og redigeringstasks, en ensidet AutoRater for faktualitet, samt regressionssæt hentet fra Gemini 2.5 Flash Image og Gemini 3 Pro Image‑brugsscenarier.

For tekst‑til‑billede rapporterer kortet en samlet præference‑Elo på 1050 ± 14 for Nano Banana 2.1 i dens Thinking‑konfiguration og 1015 ± 13 uden thinking, sammenlignet med 990 ± 7 for Nano Banana 2 (Thinking) og 935 ± 8 for Gemini 3 Pro Image (Nano Banana Pro). Rapporterede Infographic Design‑score er 1048 ± 17 for Thinking‑konfigurationen, mod 961 ± 12 for Nano Banana 2 og 912 ± 12 for Nano Banana Pro, mens Infographic Factuality er angivet til 0,521 i forhold til 0,179 og 0,265.

For redigering i Thinking‑konfigurationen rapporterer kortet Nano Banana 2.1 med 1026 for generel redigering, 1028 for enkelt‑karakter‑konsistens, 1106 for multi‑karakter‑konsistens, 1049 for mask‑/ink‑baseret redigering, 1024 for produkt‑konsistens, 1062 for stilisering og 1066 for multi‑reference‑redigering, hver angivet over de tilsvarende Nano Banana 2‑ og Nano Banana Pro‑score i samme tabel.

Begrænsninger og sikkerhedsvurderinger

Kortet oplister kendte begrænsninger, herunder hallucinationer, lejlighedsvis langsomhed eller tidsudløb, dårlig gengivelse af lille tekst og lange afsnit, ujævn karakterkonsistens mellem input og genererede billeder, delvis efterfølgning af instruktioner og blæk‑persistens i maskeret redigering, sjældne tilfælde af vedvarende subjektposition under redigering, lejlighedsvis forvirring omkring rumlig lokalisering samt begrænset verdensviden, 3D‑reasoning og faktualitet. Gemini 3.6 Flash har en vidensgrænse i marts 2026, selvom kortet bemærker, at viden i visse domæner kan være begrænset til januar 2025.

Kortet rapporterer manuel red teaming udført af specialistteams uden for modeludviklingsteamet, konstaterer at Nano Banana 2.1 opfyldte de krævede børnesikkerhedsgrænser for lancering, og beskriver dens sikkerhedspræstation som tilsvarende eller forbedret i forhold til Gemini 3 Flash, uden alvorlige bekymringer i forhold til Gemini 3.1 Pro. Med hensyn til frontier‑sikkerhed angiver kortet, at Gemini 3.1 Pro og Gemini 3.7 Flash ikke nåede nogen sporede eller kritiske kapabilitetsniveauer, og at Nano Banana 2.1 ikke viser meningsfulde nye kapabiliteter eller væsentlige præstationsforbedringer i forhold til disse modeller, hvilket fører til vurderingen, at den sandsynligvis ikke vil nå sådanne niveauer.

Jonas Reeve er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, med fokus på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde undersøger, hvordan læring, ræsonnement, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og trækker forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål inden for kognitiv videnskab og sindets filosofi.

Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som ræsonneringsmodeller, agentbaserede systemer, emergent kognition og justeringsteori, med det formål at tydeliggøre, hvad fremskridt mod AGI faktisk betyder – og hvad det ikke gør. I stedet for at jagte tidslinjer eller hype lægger han vægt på første principper, konceptuel stringens og begrænsningerne i de nuværende modeller.

Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.