MOSS-Image vs. Nano Banana 2: Das eine hat ein Abschaltdatum, das andere keinen Endpunkt.

Dieser Vergleich hat eine unangenehme Eigenschaft, die kein Anbieter bewirbt. Nano Banana 2 — Googles Verbraucherbezeichnung für Gemini 3.1 Flash Image, die Kennung gemini-3.1-flash-image — hat ein Abschaltdatum in zwölf Tagen. Googles Gemini-API-Änderungsprotokoll kennzeichnet es am 29. Oktober 2026 als veraltet, drei Wochen nachdem Nano Banana 2.1 am 6. Oktober zu ungefähr dem halben Preis pro Bild erschienen ist. MOSS-Image, am 16. Oktober 2026 als offene Gewichte unter Apache 2.0 veröffentlicht, hat kein Abschaltdatum, weil es nichts abzuschalten gibt: Es ist ein 27-GB-Download, den man selbst ausführt, und eine kommerzielle API dafür wurde nicht veröffentlicht.

Die ehrliche Version dieses Duells ist also nicht „Welches ist besser“. Sie ist ein Vergleich zwischen einem Modell, das kurz davor ist, auf den Servern von jemand anderem aufzuhören zu existieren, und einem Modell, das auf Ihren Servern existieren wird, solange Sie die Dateien behalten. Diese Betrachtungsweise ist nützlicher als ein Datenblatt, weil sie genau die Entscheidung ist, die ein Team diesen Monat trifft, und weil die Frage zweiter Ordnung – was N​ano Banana 2 ersetzt – eine Antwort hat, die den Preis halbiert.

Zuerst: Mit welchem N​ano Banana vergleichst du tatsächlich?

Die Namensgebung von G​oogle hat drei Ebenen, und die Unterschiede sind nicht kosmetisch.

N​ano Banana 2 ist G​emini 3.1 Flash Image. Die Einführung für Endnutzer begann am 26. Februar 2026, und die Entwickler-API erreichte die allgemeine Verfügbarkeit am 28. Mai 2026 unter gemini-3.1-flash-image. Es ist der standardmäßige Bildgenerator in der G​emini-App, in den Lens- und KI-Modus-Oberflächen der G​oogle Suche, in Flow und in G​oogle Ads – eine Tatsache, die jede Einführungsentscheidung dominiert, denn es ist kein Modell, von dem Ihre Nutzer erst überzeugt werden müssen.

N​ano Banana Pro ist die höherwertige Variante, und es ist das Modell, das OpenMOSS in seinem eigenen Bericht als Vergleichsmaßstab wählte. In der LongLongTextBench-Tabelle des Anbieters erreicht N​ano Banana Pro einen Mean-6-Wert von 96,6 gegenüber 96,3 von M​OSS-Image – eine Differenz von drei Zehnteln, die der knappste Abstand in der Tabelle ist und die es am meisten wert ist, verstanden zu werden.

Nano Banana 2.1 ist das, was Nano Banana 2 am 6. Oktober ersetzt. Es ist hier nicht das Thema, aber es ist das Ziel, und seine Existenz gibt die Bedingungen vor: Der Deprecation-Hinweis und der Nachfolger kamen im selben Changelog-Eintrag.

Die Drei-Zehntel-Lücke, richtig gelesen

Der Bericht von M​OSS-Image ist ungewöhnlich, weil er eine Tabelle veröffentlicht, in der ein Konkurrent es schlägt. LongLongTextBench besteht aus 240 Aufgaben zum Rendern literarischer Texte – 120 auf Englisch, 120 auf Chinesisch, bei einer mittleren Zieltextlänge von 1.339,8 Zeichen, ungefähr elfmal so lang wie der Durchschnitt von LongTextBench – und M​OSS-Images 96,3 Mean-6 setzt es deutlich von Q​wen-Image-2512s 64,9 ab, mit 97,1 auf Englisch und 92,4 auf Chinesisch in der Teilmenge mit der längsten Bedingung. Darüber liegen GPT Image 2 mit 99,0 und N​ano Banana Pro mit 96,6.

Die Differenz von drei Zehntelpunkten zwischen M​OSS-Image und N​ano Banana Pro ist kleiner als das Vertrauen, das man in eine der beiden Zahlen haben sollte. Beide wurden von unterschiedlichen Laboren auf einem von OpenMOSS verfassten Benchmark erzeugt, wobei die eigenen Durchläufe des Labors mit dem Modell von G​oogle verwendet wurden. Und N​ano Banana 2 ist nicht das Modell in dieser Zeile – die Flash-Stufe liegt unter Pro, daher ist die ehrliche Lesart, dass das Text-Rendering-Ergebnis von M​OSS-Image ungefähr auf dem Niveau der Premium-Stufe von G​oogle in einem Test liegt, den die Autoren von M​OSS-Image geschrieben haben, während das Modell, mit dem man es bei einer Beschaffung tatsächlich vergleichen würde, eine Stufe darunter liegt.

Wo M​OSS-Image nicht an das herankommt, was G​oogle ausliefert, ist das Layout. Auf 7Bench, dem Benchmark, den der Bericht ebenfalls einführt, meldet M​OSS-Image eine mittlere Layout-IoU von 0,88 bei einer Layout-AUC von 0,70. N​ano Banana Pro liegt in derselben Tabelle bei 0,33 und 0,20. Wenn diese Zahlen eine Reproduktion überstehen, ist präzise Objektplatzierung eine Fähigkeit, die M​OSS-Image besitzt und die derzeit kein G​emini-Bildmodell streitig macht. Sie wurden nicht reproduziert, und dasselbe Labor hat die Metrik geschrieben.

Was N​ano Banana 2 dir heute bietet – und das für zwölf weitere Tage

Das Fähigkeitsprofil ist das eines Generalisten, und genau deshalb ist das Modell überall.

• Konsistenz — bis zu fünf Charaktere und vierzehn Objekte, die über einen Workflow hinweg stabil gehalten werden, das Feature, mit dem die gesamte N​ano Banana-Linie verkauft wird.

• Ausgabe — bis zu 4K in vierzehn Seitenverhältnissen, einschließlich der extremen 1:4- und 1:8-Formate, die Banner- und Hintergrundbildformate benötigen.

• Text in Bildern — Rendering im Bild, einschließlich Übersetzung und Lokalisierung unter Beibehaltung des Layouts. Das ist die Fähigkeit, die sich am direktesten mit dem Pitch von MOSS-Image überschneidet, und diejenige, die Google bei der Markteinführung vorführte.

• Grounding — Generierung, die auf Web- und Bildsuche beruht statt allein auf dem Prompt – dieselbe architektonische Intuition, die Meta mit Muse Image weiter vorangetrieben hat.

• Steuerungsmöglichkeiten — konfigurierbare Denkstufen, die Latenz gegen Reasoning abwägen, plus SynthID-Wasserzeichen und C2PA-Herkunftsmetadaten standardmäßig bei jeder Ausgabe.

• Preis — Die Ausgabe wird mit 60 $ pro Million Tokens abgerechnet, was laut G​oogles eigener Dokumentation etwa 0,045 $ bei 512 px, 0,067 $ bei 1024×1024, 0,101 $ bei 2K und 0,151 $ bei 4K ergibt, wobei der Batch-Modus zum halben Preis läuft. Artificial Analysis listet es mit 67 $ pro 1.000 Bilder.

• Gemessene Position — Elo 1.125 auf der Text-zu-Bild-Rangliste von Artificial Analysis und 1.108 auf seiner Bildbearbeitungs-Rangliste, Stand 6. Oktober 2026.

Nichts davon wird bestritten. Was ebenfalls stimmt, ist, dass am 29. Oktober der Identifier nicht mehr funktioniert, und der Weg nach vorn ist N​ano Banana 2.1 – das Artificial Analysis noch nicht bewertet hat, für das G​oogle ungefähr die Hälfte verlangt und das ein separater Beitrag in diesem Blog ausführlich behandelt.

Was M​OSS-Image dir gibt und was es dafür im Gegenzug verlangt

Die Architektur ist ein von Grund auf trainierter 5B-Single-Stream-Diffusionstransformer: 42 Joint-Blöcke, versteckte Breite 3.072, 24 Köpfe mit 128 Dimensionen, ein 8.192 breites SiTU-GLU-Feed-Forward und eine vierachsige Rotary-Positionskodierung, deren erste Achse für einen Referenzindex reserviert ist. Das 5B-Label schließt die teuren Teile aus – einen eingefrorenen Qwen3.5-9B-Textencoder und einen eingefrorenen FLUX.2-VAE, geladen aus FLUX.2-klein-4B mit 32 latenten Kanälen, mit 2×2-latenten Patches über ein 8×-Downsampling, was einer effektiven Schrittweite von 16 Pixeln entspricht.

Der Prompt kann ein JSON-Objekt sein. Bounding-Boxen in absoluten Pixelkoordinaten, gemessen vom Mittelpunkt der Leinwand, wörtliche Textstrings, Typografie-Hinweise, alle mit bbox_format "yxyx". Die Prompt-Obergrenze liegt bei 4.096 Tokens in der finalen Pretraining-Phase, die Ausgabedimensionen müssen positive Vielfache von 16 sein, und der Leitfaden empfiehlt ein, eineinhalb oder zwei Megapixel mit einem unterstützten Bereich von 512×512 bis 4M. Die Sampling-Standardwerte sind Flow-Matching-Euler mit 50 Schritten, CFG 3.0, Shift 5.0, mit Skip-Layer-Guidance auf dem negativen Zweig in Layer 22 — und der standardmäßige Guidance-Pfad benötigt zwei Transformer-Forwards pro Schritt, weshalb 50 Schritte nicht die günstige Einstellung sind, nach der es sich anhört.

Der Preis des Einstiegs ist real: etwa 27,2 GB für das SFT-Repository, wovon rund 16,8 GB auf den Textencoder entfallen, plus deine eigene GPU und dein eigener Serving-Aufwand. Die Belohnung dafür ist ein Modell, das du quantisieren, feinabstimmen, air-gapped betreiben und in einem kommerziellen Produkt ausliefern kannst, ohne eine Lizenzverhandlung, weil Apache 2.0 die Gewichte und den eigenständigen Pipeline-Code abdeckt, ohne Umsatzschwelle und ohne Acceptable-Use-Anhang.

Zeile für Zeile

• Status — N​ano Banana 2 ist veraltet (Deprecated) und wird am 29. Oktober 2026 abgeschaltet; M​OSS-Image wurde am 16. Oktober 2026 als offene Gewichte ohne Deprecation-Mechanismus veröffentlicht

• Zugriff — N​ano Banana 2 über G​oogles API und Endkunden-Oberflächen sowie über Routing-Plattformen; M​OSS-Image durch Herunterladen

• Preis — Nano Banana 2 etwa 0,067 $ pro 1024×1024-Bild und 0,151 $ bei 4K, abgerechnet in Output-Tokens, Batch zum halben Preis; MOSS-Image kostenlos mit ~27,2 GB Speicherbedarf und eigener GPU-Zeit

• Lizenz — Nano Banana 2 ist proprietär, nur über API verfügbar, ohne verfügbare Gewichte; MOSS-Image ist Apache 2.0 für Gewichte und eigenständigen Pipeline-Code

• Unabhängiger Score — N​ano Banana 2 bei Artificial Analysis mit Elo 1.125 für Text-zu-Bild und 1.108 für Bearbeitung; M​OSS-Image hat keinen Eintrag bei Artificial Analysis, und seine veröffentlichten Werte stammen aus Benchmarks, die seine eigenen Autoren geschrieben haben.

• Textwiedergabe — N​ano Banana Pro erzielt 96,6 Mean-6 auf LongLongTextBench gegenüber 96,3 von M​OSS-Image; die Flash-Stufe ist in dieser Zeile nicht aufgeführt

• Layout-Steuerung — M​OSS-Image akzeptiert JSON-Layouts in absoluten, mittelpunktrelativen Pixelkoordinaten und gibt eine mittlere IoU von 0,88 auf 7Bench an; N​ano Banana Pro gibt 0,33 in derselben Tabelle an, und G​oogle veröffentlicht keine eigene Layout-Metrik.

• Referenzen — N​ano Banana 2 hält bis zu fünf Charaktere und vierzehn Objekte in einem Prompt konsistent; die Referenzkonditionierung von M​OSS-Image ist eine reservierte Positionsachse, die der Anbieter als zukünftige Arbeit beschreibt, nicht als ausgeliefertes Feature

• Herkunftsnachweis — N​ano Banana 2 wendet standardmäßig SynthID-Wasserzeichen und C2PA-Metadaten auf jede Ausgabe an; M​OSS-Image besitzt keine Wasserzeichenebene.

• Feinabstimmung — M​OSS-Image lässt sich feinabstimmen und quantisieren, und Community-Quantisierungen, ein 4-Schritt-DMD-LoRA und eine 8-Schritt-distillierte Variante erschienen innerhalb von etwa einem Tag; N​ano Banana 2 kann nicht angefasst werden.

Warum die Deprecation die Antwort ändert

Wären Nano Banana 2 und MOSS-Image beide stabile Optionen, wäre die Entscheidung gewöhnlich: eine API für sieben Cent pro Bild gegen ein selbst gehostetes Modell auf eigene Kosten, wobei die Qualität auf einem vom Anbieter erstellten Text-Benchmark ungefähr vergleichbar ist und das Layout eindeutig an MOSS-Image geht. Die Deprecation bricht die Symmetrie, und sie bricht sie in beide Richtungen.

Im Vergleich zu N​ano Banana 2 entscheidet M​OSS-Image das Langlebigkeitsargument nun eindeutig für sich. Eine Pipeline auf einem Modell aufzubauen, das in zwölf Tagen sein angekündigtes End-of-Life erreicht und einen Nachfolger hat, den Sie nicht gemessen haben, ist eine Migration, die Sie bereits eingeplant haben. Dateien, die Sie herunterladen, können nicht durch einen Changelog-Eintrag als veraltet eingestuft werden. Das ist kein rhetorischer Punkt in Sachen Offenheit; es ist eine Tatsache der Terminplanung, und es ist das stärkste einzelne Argument, das dieser Vergleich hervorbringt.

Aber die Deprecation wirkt auch in die andere Richtung, und das ist der Teil, der normalerweise weggelassen wird. Dass Nano Banana 2.1 zu ungefähr der Hälfte des Preises erscheint, bedeutet, dass die Alternative zu MOSS-Image kein Bild für sieben Cent ist – sondern ein Bild für dreieinhalb Cent, und eines, das Google nach eigenem Zeitplan immer weiter verbessern wird, ohne operative Belastung für dich. Die Gesamtbetriebskosten von MOSS-Image schlagen das nur, wenn deine GPU-Zeit günstig ist, dein Volumen hoch ist oder du eines der Dinge brauchst, die eine API strukturell nicht liefern kann: Fine-Tuning, Quantisierung, Air-Gapped-Deployment oder eine Lizenz, die du nicht neu verhandeln musst.

Die OrcaRouter-Seite davon, ohne überzogene Behauptungen

Dies ist die einzige Paarung im aktuellen Set, bei der die Routing-Geschichte konkret statt hypothetisch ist, daher lohnt es sich, sie präzise zu benennen. N​ano Banana 2 gibt es in unserem Katalog als google/gemini-3.1-flash-image-preview — doch angesichts der Abschaltung am 29. Oktober ist das Vernünftigste, was man diesen Monat mit diesem Endpunkt tun kann, ein Migrationstest, keine neue Integration, und der Nachfolger ist auf demselben Weg erreichbar. M​OSS-Image ist nicht in unserem Katalog, und wir hosten es nicht; es ist ein Download, und nichts hier deutet etwas anderes an.

Wofür die Kombination tatsächlich gut ist, ist die Entscheidung, die vor Ihnen steht. Wenn Sie wissen möchten, ob ein selbstgehostetes MOSS-Image eine bessere Text- und Layout-Ausgabe erzeugt als der Hosted-Tarif, für den Sie bezahlen, brauchen Sie beide Werte bei denselben Prompts, und die gehostete Hälfte dieses Tests sollte keinen zweiten Vertrag erfordern. Ein API-Schlüssel, der Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht, sodass eine Preisänderung von Google hier am selben Tag live ist, automatisches Failover über Anbieter hinweg, damit ein Vergleichslauf nicht wegen eines schlechten Nachmittags eines Upstreams scheitert, und eine Routing-DSL, die beides hinter einem einzigen Endpunkt zusammenführt. Das ist die ganze Behauptung, und sie endet genau dort, wo das Angebot beginnen würde, MOSS-Image zu hosten.

Was in den nächsten zwölf Tagen zu tun ist

Wenn Sie im Produktivbetrieb auf Nano Banana 2 setzen, hat die unmittelbare Aufgabe nichts mit MOSS-Image zu tun: Sie haben einen veralteten Bezeichner, einen Nachfolger zum halben Preis und eine Deadline. Lassen Sie Ihren Eval-Satz vor dem 29. erneut gegen den Nachfolger laufen und entscheiden Sie anhand von Belegen statt aufgrund der Preissenkung.

Wenn Sie MOSS-Image evaluieren, dann tun Sie es aus den zwei Gründen, die den Vergleich überstehen. Erstens die Layout-Kontrolle – der Abstand von 0,88 zu 0,33 bei 7Bench ist das einzige Ergebnis in diesem Bereich, dem derzeit kein gehostetes Angebot etwas entgegensetzt, und wenn präzise Platzierung Ihr Problem ist, löst keine API-Stufe es. Zweitens die Beständigkeit – Apache-2.0-Gewichte, die durch niemandes Roadmap außer Ihrer eigenen abgekündigt, bepreist oder zugangsbeschränkt werden können.

Setzen Sie M​OSS-Image nicht für die Textdarstellung ein. Es ist darin exzellent, und es liegt darin nicht vorn: 96,3 liegt in der Tabelle des Anbieters selbst unter den 96,6 von N​ano Banana Pro und unter den 99,0 von GPT Image 2, und das Modell, das Sie ersetzen würden, kostet ein paar Cent pro Bild – ohne die 27 GB. Das Argument für dieses Modell ist eng, spezifisch und real, und es ist nicht das Argument, für das seine Benchmark-Tabelle gemacht ist.

Zwei Dinge würden die Sache klären. Ein unabhängiger Durchlauf von LongLongTextBench oder 7Bench durch jemanden, der nicht OpenMOSS ist, und der vLLM-Omni-Pull-Request, der M​OSS-Image mit Skip-Layer-Guidance hinzufügt und in ein getaggtes Release einfließt — er wurde am 14. Oktober geöffnet, umfasst 3.605 hinzugefügte Zeilen in 25 Dateien und ist weiterhin offen, wobei der Reviewer Nachweise zur Output-Parität gegenüber einer gepinnten Referenz verlangt. Bis beides geschieht, ist die zutreffende Zusammenfassung, dass G​oogles Modell der bessere Generalist ist, günstiger zugänglich ist und in zwölf Tagen verschwindet, während das Modell von OpenMOSS eine Sache tut, die sonst niemand tut, Hardware voraussetzt und auch dann noch installierbar sein wird, wenn das Changelog, das seinen Rivalen ausgemustert hat, längst vergessen ist.

Die dokumentierten KI-Ausfälle und Agent-Vorfälle hinter Veröffentlichungen wie dieser werden gesammelt in dem OrcaRouter AI Incident Archive, wo jeder Eintrag eigene Quellen, Schweregrad, Konfidenzstufe und eine Kennzeichnung als strittig enthält.