MAI Image 2.7 Preview vs. Nano Banana 2.1: Was 42 Elo tatsächlich bringen

Fast jede Zahl bei der Markteinführung von MAI Image 2.7 Preview ist mit nichts vergleichbar. Das Modell debütierte am 27. Oktober 2026 mit 1.193 Elo auf der Bestenliste AA-Image-Editing v2.1 von Artificial Analysis, und die meisten Modelle, die Sie zum Vergleich heranziehen würden, wurden Wochen zuvor auf einer Bestenliste gemessen, die sich seitdem geändert hat. Nano Banana 2.1 ist die Ausnahme. Googles Modell steht mit 1.151 auf derselben Version derselben Bestenliste – aus derselben Evaluierung vom 22. Oktober 2026 –, also ist 1.193 minus 1.151 eine Subtraktion, die Sie vornehmen dürfen. Die Differenz beträgt 42 Elo, und es ist der einzige saubere Direktvergleich, den Ihnen diese Markteinführung bietet.

Damit sind die beiden Modelle das natürliche Gespann für die Frage, die sich eigentlich alle stellen: Ist der beste Editor auf dem Markt die Nutzung wert im Vergleich zum günstigsten guten, der mit Masken, 4K-Ausgabe, vierzehn Referenzbildern und einem veröffentlichten Preis daherkommt? Die Antwort hängt offenbar von einer Rechnung ab, die noch niemand auf die Preissenkung von Nano Banana 2.1 angewendet hat.

Warum dieser Vergleich der einzige faire in der Auswahl ist

Bestenlisten sind keine Thermometer. Sie sind sich verändernde Populationen – Modelle kommen hinzu, Modelle werden abgekündigt, Stimmen sammeln sich an – und ein Score ist nur im Verhältnis zu den anderen Zahlen aussagekräftig, die im selben Durchlauf erfasst wurden. Das ist die Falle in einem Großteil der Berichterstattung über den 2.7-Launch. Microsofts eigene Grafik setzt 2.7 auf 1.193, GPT Image 2.5 Sunburst auf 1.199, GPT Image 2.5 Flare auf 1.182, MAI-Image-2.6 auf 1.151, Krea 3 Ultra auf 1.151, Nano Banana 2.1 auf 1.151, MAI-Image-2.6-Flash auf 1.144 und GPT Image 2 auf 1.136 – alle aus demselben AA-Image-Editing v2.1-Lauf, was die gesamte Grafik zitierfähig macht. Sechs Elo-Punkte trennen 2.7 von der Spitze, und diese sechs Punkte liegen innerhalb der Schwankungsbreite, die ein Blind-Vote-Board in einer Woche bewegen kann.

Was kein Rauschen ist, ist die Form der Verteilung. Zwischen 1.136 und 1.199 liegen acht Modelle aus vier Labors, alle innerhalb von 63 Punkten. Beim Editing ist die Frontier dicht besetzt, und 42 Punkte – die Lücke von 2.7 zu Nano-Banana-2.1 – sind etwa zwei Drittel der gesamten Spannweite der Top acht. Es ist eine echte Trennung innerhalb eines komprimierten Felds, und sie ist zugleich klein genug, dass eine bestimmte Workload sie umkehren kann.

Spezifikationszeilen, mit markierten Lücken

• Veröffentlichung — Nano Banana 2.1 erschien am 6. Oktober 2026, ersetzte Nano Banana 2 und rangiert in Googles Produktlinie unterhalb von Nano Banana Pro; MAI Image 2.7 Preview erschien am 27. Oktober 2026.

• Umfang — Nano Banana 2.1 generiert und bearbeitet, basiert auf Gemini 3.6 Flash; 2.7 ist nur Bearbeitung, Text-zu-Bild versprochen, aber nicht ausgeliefert.

• Ausgabe — Nano Banana 2.1 bietet 1K, 2K und 4K mit Seitenverhältnissen von 1:8 bis 8:1; Microsoft hat für 2.7 keine Auflösung veröffentlicht.

• Referenzen — bis zu vierzehn für Nano Banana 2.1, aufgeteilt in vier Charaktere und zehn Objekte, die konsistent gehalten werden; für 2.7 unveröffentlicht.

• Steuerung — Nano Banana 2.1 unterstützt maskenbasierte lokale Bearbeitung, bei der man einen Bereich bemaalt und sich nur dieser Bereich ändert, sowie drei Denkstufen; Microsoft beschreibt die Stärken von 2.7 nach Anwendungsfall — Restyling, Relighting, Text- und Symbolbearbeitungen — ohne veröffentlichte Maskenschnittstelle.

• Preis — Nano Banana 2.1 kostet über die Gemini API 0,0336 $ pro 1K-Bild, 0,0504 $ bei 2K und 0,113 $ bei 4K, wobei Batch-Jobs noch einmal zum halben Preis angeboten werden; für 2.7 gibt es keinen veröffentlichten Tarif.

• Zugriff — {{1}}Nano Banana 2.1{{/1}} ist in der Gemini-App, AI Studio, der Gemini API, dem KI-Modus von Search, Google Ads, Flow und Stitch; 2.7 ist in MAI Playground, Arena und Artificial Analysis, ohne API und ohne Foundry-Eintrag.

Die Tabelle, die man daraus erstellen würde, ist in nichts außer beim Spielstand knapp. Also sollte der Spielstand besser eine Menge wert sein.

Der berühmte Preisnachlass von 50 % ist kleiner, als er klingt

Googles Schlagzeile zu Nano Banana 2.1 war, dass die Bildausgabe nur noch halb so viel kostet wie zuvor: 30 US-Dollar pro Million Ausgabe-Tokens, gegenüber 60 US-Dollar. Das stimmt, und bei reiner Text-zu-Bild-Generierung ist es ungefähr eine Halbierung, weil der Großteil der Kosten auf die Ausgabe entfällt.

Das Bearbeiten ist eine andere Form von Anfrage. Bei einer Bearbeitung werden die Quellbild-Token als Eingabe mitgeführt und zugleich ein Bild als Ausgabe erzeugt, und Google hat gleichzeitig die Eingabepreise erhöht – von 0,50 $ auf 1,50 $ pro Million Token, eine Verdreifachung. Die Text- und Reasoning-Ausgabe stieg von 3 $ auf 7,50 $ pro Million. Die tatsächliche Ersparnis bei einer Bearbeitung beträgt also nicht 50 %; sie ist die Differenz zwischen zwei linearen Kosten und wechselt das Vorzeichen, wenn die Eingabeseite groß genug wird.

Formuliere es als Ungleichung. Sei I die Anzahl der Eingabe-Tokens und O die Anzahl der Ausgabe-Tokens für eine Anfrage. Die alte Anfrage kostete 0.5I + 60O, die neue kostet 1.5I + 30O. Der neue Preis ist genau dann günstiger, wenn 1.5I + 30O < 0.5I + 60O, was sich zu I < 30O vereinfacht: Die Eingabe muss unter dem Dreißigfachen der Ausgabe bleiben. Das ist eine großzügige Marge für eine 1K-Bearbeitung und eine deutlich knappere für eine 4K-Bearbeitung mit einem großen Referenzset, weil Referenzbilder Eingabe sind und eine 4K-Ausgabe nicht das Dreißigfache der Token-Anzahl der Referenzen ist, die sie erzeugt haben.

Die praktische Konsequenz: Wenn Ihr Workload „ein Quellbild rein, ein Bild ähnlicher Größe raus“ lautet – was die meisten Produktfoto- und Retusche-Pipelines beschreibt –, sind die Bearbeitungspreise von Nano Banana 2.1 deutlich besser als die des Vorgängers, aber nicht um die Hälfte, und eine 4K-Pipeline mit vier oder fünf Referenzen spürt von der Senkung möglicherweise fast nichts. Wenn Ihr Workload eine reine Prompt-Generierung ist, erhalten Sie die volle Halbierung, und der Batch-Modus halbiert sie noch einmal.

Wo sich die 42 Elo zeigen würden, falls überhaupt

Die Kategoriendetails von Microsoft sind aussagekräftiger als sein Gesamtwert, weil daraus hervorgeht, woher der Zugewinn kommt. Zwischen MAI-Image-2.6 und 2.7 stiegen die auf Schlussfolgerungen basierenden Bearbeitungen von Platz sieben auf Platz eins, die Szenen- und Stilbearbeitungen von Platz sieben auf Platz eins und die Text- oder Symbolbearbeitungen von Platz sechs auf Platz eins. Der größte einzelne Vorsprung beträgt 24 Elo bei Szene und Stil gegenüber dem nächstbesten Modell. Das sind Herstellerangaben zu den Kategorien von Artificial Analysis, und das Muster ist stimmig: 2.7 wurde besser bei den Bearbeitungen, die eine Beurteilung des gesamten Bildes statt einer lokalen Korrektur erfordern.

Die veröffentlichten Schwächen von Nano Banana 2.1 sind fast das genaue Gegenteil davon. Googles eigene Modellkarte räumt unscharfen kleinen Text bei 1K, gelegentliche Verwechslungen von links und rechts, unvollkommene Ähnlichkeit der Figuren sowie begrenztes 3D-Reasoning und begrenzte Faktentreue ein. Die Verwechslung von links und rechts ist ein Fehler des räumlichen Denkens; unscharfer kleiner Text bei 1K ist ein auflösungsabhängiger Fehler. Keiner von beiden ist die Art von Fehler, die ein Scene-Relight besser macht.

Die ehrliche Lesart der 42 Elo ist also, dass sie dort konzentriert sind, wo Microsoft sie verortet: Restyling des gesamten Bildes, Relighting, in eine bestehende Komposition integrierter Text und Bearbeitungen, bei denen das Modell verstehen muss, wie Objekte und Licht zusammenhängen. Wenn Ihre Arbeit so aussieht, ist die Lücke wahrscheinlich sichtbar. Wenn Sie bei Ihrer Arbeit ein Objekt aus einem Produktfoto ausmaskieren und ein anderes einsetzen, testen Sie nicht die Achse, auf der 2.7 führt, und eine Maske, die Sie tatsächlich zeichnen können, ist mehr wert als eine Punktzahl.

Die Maskenfrage ist die, die alles entscheidet

Das ist der am wenigsten glamouröse Unterschied und derjenige, der am häufigsten über eine echte Integration entscheidet. Maskenbasiertes Bearbeiten bedeutet, dass ein Mensch bereits entschieden hat, was sich ändert; die Aufgabe des Modells besteht darin, die Änderung natürlich aussehen zu lassen. Diese Arbeitsteilung ist der Grund, warum Bearbeitungswerkzeuge in Produktionspipelines überprüfbar sind: Eine prüfende Person kann den bemalten Bereich sehen und nur diesen Bereich beurteilen.

MAI Image 2.7 Preview erwartet, wie dokumentiert, eine Anweisung und ein Bild. Microsofts Beschreibung des Funktionsumfangs – die Szene neu gestalten, den Text ändern, das Asset wiederherstellen – ist durchgängig anweisungsgesteuert, ohne veröffentlichten Maskenparameter, ohne Bounding-Box-Steuerung und ohne dokumentierte Obergrenze für Referenzbilder. Es mag durchaus Masken akzeptieren; es gibt einfach keine veröffentlichte Schnittstelle, gegen die man programmieren könnte, was für einen Entwickler dasselbe Problem ist.

Für einen Creative Director, der Bild für Bild arbeitet, ist instruktionsgesteuert schneller und oft besser. Für eine Pipeline, die einen Prüfpfad erzeugen muss, ist eine Maske kein Nice-to-have.

Wo jedes Einzelne zu finden ist und was es dich kostet, dorthin zu gelangen

Nano Banana 2.1 ist eines der am weitesten verbreiteten Bildmodelle der Welt: die Gemini API, AI Studio, die Gemini-App, Search's AI Mode, Google Ads, Flow und Stitch. Verbreitung ist keine Spezifikation, aber sie bestimmt, wie viel Integrationsarbeit Sie leisten, bevor Sie erfahren, ob das Modell passt.

MAI Image 2.7 Preview ist an drei Stellen verfügbar, von denen zwei Evaluierungsoberflächen sind. Das ist eine bewusste Entscheidung für eine Preview und zugleich eine Hürde: Ein Team, das die 42 Elo an eigenen Assets testen möchte, muss dies manuell in einem Browser tun, Bild für Bild, und kann das Experiment nicht skripten.

Auf der Preisgestaltungsseite gibt es ein konkretes Detail, das man kennen sollte. OrcaRouter führt Googles Bildproduktlinie zum Listenpreis des Anbieters ohne Aufschlag (0 %) — Nano Banana 2 derzeit zu 0,15 $ pro Anfrage und Nano Banana Pro zu 0,24 $ — sodass eine Preisänderung des Anbieters bei uns am selben Tag ankommt, an dem sie bei Google ankommt, statt auf eine Neuverhandlung zu warten. Ob 2.1 selbst hinzugefügt wird, ist eine Katalogentscheidung, keine Preisentscheidung; wenn ja, wird Ihnen der halbierte Ausgabepreis berechnet, denn zwischen Ihnen und dem Listenpreis liegt nichts.

Die Entscheidungsregel

Wenn Ihre Bearbeitungen Urteile über das gesamte Bild sind – diese Szene neu beleuchten, diesen Raum umgestalten, neuen Text auf dieses Schild setzen und ihn gedruckt aussehen lassen –, dann nutzen Sie diese Woche MAI Image 2.7 Preview in Arena oder Playground und vergleichen Sie es anhand von zehn Ihrer eigenen Bilder mit Nano Banana 2.1. Genau das ist die Achse, auf der 2.7 seinen 24-Punkte-Vorsprung beansprucht, und der Blindvergleich ist der einzige Test, der übertragbar ist.

Wenn Ihre Bearbeitungen lokal und genau festgelegt sind – ersetzen Sie dieses Label, entfernen Sie dieses Kabel, erweitern Sie diesen Hintergrund –, punktet Nano Banana 2.1 mit der Fähigkeit, präzise zu sagen, was sich ändern soll: für 0,0336 $ pro 1K-Ausgabe, mit 4K, wenn das Ziel es erfordert, und vierzehn Referenzbildern, wenn die Markenkonsistenz es erfordert. Die 42 Elo kommen nie zum Tragen, weil Sie nicht die Frage stellen, die sie beantworten.

Wenn Sie heute einen Editor in einer Pipeline benötigen und keines der beiden auf Sie zutrifft, dann sind die Modelle auf dieser Rangliste diejenigen mit veröffentlichten Schnittstellen. MAI Image 2.7 Preview wird an dem Tag, an dem es eine solche Schnittstelle besitzt, eine wirklich interessante Option sein; die Rangliste hat Ihnen bereits verraten, was Sie davon erwarten können, und das Einzige, was fehlt, ist die Möglichkeit, es selbst herauszufinden.