MAI Image 2.7 Preview vs Nano Banana 2.1: qué se consigue realmente con 42 Elo

Casi todos los números del lanzamiento de MAI Image 2.7 Preview resultan imposibles de comparar con cualquier cosa. El modelo debutó el 27 de octubre de 2026 con 1,193 Elo en la tabla AA-Image-Editing v2.1 de Artificial Analysis, y la mayoría de los modelos que querrías poner frente a él se midieron semanas antes en una tabla que ha cambiado desde entonces. Nano Banana 2.1 es la excepción. El modelo de Google está en la misma versión de la misma tabla con 1,151, desde la misma evaluación del 22 de octubre de 2026, así que 1,193 menos 1,151 es una resta que se te permite hacer. La diferencia es de 42 Elo, y es la única comparación directa limpia que ofrece este lanzamiento.

Eso convierte a los dos modelos en la pareja natural para la pregunta que todos tienen en realidad: ¿vale la pena usar el mejor editor de la clasificación en lugar del más barato que sea bueno y que incluya máscaras, salida 4K, catorce imágenes de referencia y un precio publicado? La respuesta resulta depender de un cálculo que nadie ha aplicado a la rebaja de precio de Nano Banana 2.1.

Por qué esta comparación es la única justa en la tabla

Las tablas de clasificación no son termómetros. Son poblaciones en movimiento —los modelos entran, los modelos quedan obsoletos, los votos se acumulan— y una puntuación solo tiene sentido en relación con los demás números registrados en la misma tanda. Esta es la trampa en la mayoría de la cobertura del lanzamiento de 2.7. El propio gráfico de Microsoft sitúa a 2.7 en 1,193, a GPT Image 2.5 Sunburst en 1,199, a GPT Image 2.5 Flare en 1,182, a MAI-Image-2.6 en 1,151, a Krea 3 Ultra en 1,151, a Nano Banana 2.1 en 1,151, a MAI-Image-2.6-Flash en 1,144 y a GPT Image 2 en 1,136 —todos de la misma ejecución de AA-Image-Editing v2.1, que es lo que hace que todo el gráfico sea citable. Seis puntos Elo separan a 2.7 de la cima, y esos seis puntos están dentro del ruido que una tabla de votación a ciegas puede mover en una semana.

Lo que no es ruido es la forma de la distribución. Entre 1.136 y 1.199 se sitúan ocho modelos de cuatro laboratorios, todos dentro de un margen de 63 puntos. En edición, la frontera está abarrotada, y 42 puntos —la diferencia entre 2.7 y Nano-Banana-2.1— son aproximadamente dos tercios de toda la dispersión de los ocho primeros. Es una separación real dentro de un campo comprimido, y también es lo bastante pequeña como para que una carga de trabajo concreta pueda invertirla.

Líneas de especificación, con los huecos marcados

• Lanzamiento — Nano Banana 2.1 llegó el 6 de octubre de 2026, sustituyendo a Nano Banana 2 y situándose por debajo de Nano Banana Pro en la línea de Google; MAI Image 2.7 Preview llegó el 27 de octubre de 2026.

• Alcance — Nano Banana 2.1 genera y edita, basado en Gemini 3.6 Flash; 2.7 es solo edición, con texto a imagen prometido pero no lanzado.

• Salida — Nano Banana 2.1 ofrece 1K, 2K y 4K con relaciones de aspecto de 1:8 a 8:1; Microsoft no ha publicado ninguna resolución para 2.7.

• Referencias — hasta catorce para Nano Banana 2.1, divididas en cuatro personajes y diez objetos mantenidos consistentes; no publicadas para 2.7.

• Control — Nano Banana 2.1 admite la edición local basada en máscaras, en la que se pinta una región y solo esa región cambia, además de tres niveles de pensamiento; Microsoft describe las fortalezas de 2.7 según el caso de uso —restilización, cambio de iluminación, edición de texto y símbolos— sin una interfaz de máscara publicada.

• Precio — Nano Banana 2.1 cuesta $0.0336 por cada 1000 imágenes, $0.0504 a 2K y $0.113 a 4K a través de la API de Gemini, y los trabajos por lotes cuestan la mitad; 2.7 no tiene tarifa publicada.

• Acceso — Nano Banana 2.1 está en la app de Gemini, AI Studio, la API de Gemini, el Modo IA de Búsqueda, Google Ads, Flow y Stitch; 2.7 está en MAI Playground, Arena y Artificial Analysis, sin API y sin listado en Foundry.

La tabla que se obtendría de eso no se acerca en nada excepto en el marcador. Así que más vale que el marcador valga mucho.

El famoso recorte de precios del 50 % es menor de lo que parece

El titular de Google para Nano Banana 2.1 era que la salida de imágenes cuesta la mitad de lo que costaba: 30 dólares por millón de tokens de salida, frente a 60 dólares. Eso es cierto y, para texto a imagen puro, supone aproximadamente una reducción a la mitad, porque la mayor parte de la factura corresponde a la salida.

La edición es una forma diferente de solicitud. Una edición introduce la imagen de origen como tokens de entrada y además produce una imagen de salida, y Google subió los precios de entrada al mismo tiempo —de 0,50 a 1,50 dólares por millón de tokens, el triple—. La salida de texto y razonamiento pasó de 3 a 7,50 dólares por millón. Así que el ahorro real en una edición no es del 50%; es la diferencia entre dos costes lineales, y cambia de signo cuando el lado de la entrada se vuelve lo bastante grande.

Planteémoslo como una desigualdad. Sea I los tokens de entrada y O los tokens de salida de una solicitud. La solicitud antigua costaba 0,5I + 60O y la nueva cuesta 1,5I + 30O. El nuevo precio es más barato exactamente cuando 1,5I + 30O < 0,5I + 60O, lo que se simplifica a I < 30O: la entrada debe mantenerse por debajo de treinta veces la salida. Ese es un margen generoso para una edición de 1K y uno mucho más estrecho para una edición de 4K con un conjunto grande de referencias, porque las imágenes de referencia son entrada y una salida de 4K no es treinta veces el número de tokens de las referencias que la produjeron.

La consecuencia práctica: si tu carga de trabajo consiste en «una imagen de origen de entrada, una imagen de tamaño similar de salida», lo que describe la mayoría de los flujos de trabajo de fotografía de producto y retoque, el precio de edición de Nano Banana 2.1 es sustancialmente mejor que el de su predecesor, pero no la mitad, y un flujo de trabajo en 4K con cuatro o cinco referencias puede que casi no perciba la reducción. Si tu carga de trabajo es generación basada solo en prompts, obtienes la reducción completa a la mitad, y el modo por lotes la vuelve a reducir a la mitad.

Dónde aparecerían los 42 de Elo, si es que aparecen

El desglose por categorías de Microsoft es más útil que su puntuación global, porque indica de dónde procedió la mejora. Entre MAI-Image-2.6 y 2.7, las ediciones basadas en razonamiento subieron del séptimo al primer puesto, las ediciones de escena y estilo del séptimo al primero, y las ediciones de texto o símbolos del sexto al primero. La mayor ventaja individual es de 24 Elo en escena y estilo frente al siguiente mejor modelo. Son afirmaciones del proveedor sobre las categorías de Artificial Analysis, y el patrón es coherente: 2.7 mejoró en las ediciones que requieren un juicio sobre la imagen completa en lugar de una reparación local.

Las debilidades publicadas de Nano Banana 2.1 son casi el negativo fotográfico de eso. La propia ficha del modelo de Google admite texto pequeño borroso a 1K, confusión ocasional entre izquierda y derecha, un parecido imperfecto de los personajes y limitaciones en el razonamiento 3D y la factualidad. La confusión entre izquierda y derecha es un fallo de razonamiento espacial; el texto pequeño borroso a 1K es uno dependiente de la resolución. Ninguno de los dos es el tipo de error que mejora una reiluminación de escena.

Así que la lectura honesta de los 42 Elo es que se concentra donde Microsoft dice que está: reestilización de toda la imagen, reiluminación, texto integrado en una composición existente y ediciones que requieren que el modelo entienda cómo se relacionan los objetos y la luz. Si tu trabajo se parece a eso, es probable que la brecha sea visible. Si tu trabajo consiste en enmascarar un objeto de una foto de producto y colocar otro, no estás poniendo a prueba el eje en el que 2.7 lidera, y una máscara que realmente puedas dibujar vale más que una puntuación.

La pregunta sobre la mascarilla es la que lo decide.

Esta es la diferencia menos llamativa y la que más a menudo decide una integración real. La edición basada en máscaras implica que una persona ya ha decidido qué cambia; la tarea del modelo es hacer que el cambio parezca nativo. Esa división del trabajo es la razón por la que las herramientas de edición en los flujos de producción son revisables: quien revisa puede ver la región pintada y evaluar únicamente esa región.

MAI Image 2.7 Preview, tal como está documentado, recibe una instrucción y una imagen. La descripción de Microsoft del conjunto de capacidades —cambiar el estilo de la escena, cambiar el texto, restaurar el recurso— está basada en instrucciones en su totalidad, sin ningún parámetro de máscara publicado, sin control de cuadro delimitador y sin un máximo documentado de imágenes de referencia. Bien podría aceptar máscaras; simplemente no hay una interfaz publicada contra la que programar, lo que para un desarrollador es el mismo problema.

Para un director creativo que trabaja imagen por imagen, el enfoque basado en instrucciones es más rápido y a menudo mejor. Para un pipeline que debe generar un registro de auditoría, una máscara no es un extra opcional.

Dónde se encuentra cada uno y cuánto te cuesta llegar hasta allí

Nano Banana 2.1 es uno de los modelos de imagen con mayor distribución del mundo: la API de Gemini, AI Studio, la app de Gemini, el modo de IA de Búsqueda, Google Ads, Flow y Stitch. La distribución no es una especificación, pero determina cuánto trabajo de integración haces antes de saber si el modelo encaja.

MAI Image 2.7 Preview está en tres lugares, dos de los cuales son superficies de evaluación. Es una decisión deliberada para una preview y también es una barrera: un equipo que quiera probar los 42 Elo con sus propios recursos tiene que hacerlo a mano en un navegador, una imagen a la vez, y no puede automatizar el experimento con scripts.

En lo que respecta a los precios, hay un detalle técnico concreto que vale la pena conocer. OrcaRouter ofrece la línea de imágenes de Google al precio de lista del proveedor con un margen del 0 % —Nano Banana 2 a $0.15 por solicitud y Nano Banana Pro a $0.24 hoy—, así que un cambio de precio del proveedor llega a nuestro lado el mismo día en que llega al de Google, en lugar de esperar una renegociación. Que se añada o no la propia 2.1 es una decisión de catálogo, no de precios; cuando se añada, se te cobrará la tarifa de salida reducida a la mitad, porque no hay nada entre tú y el precio de lista.

La regla de decisión

Si tus ediciones son juicios de imagen completa —cambiar la iluminación de esta escena, cambiar el estilo de esta habitación, poner texto nuevo en este cartel y hacer que parezca impreso—, usa MAI Image 2.7 Preview en Arena o Playground esta semana y compáralo con Nano Banana 2.1 en diez de tus propias imágenes. Ese es exactamente el eje en el que 2.7 afirma su ventaja de 24 puntos, y la comparación a ciegas es la única prueba que se traslada.

Si tus ediciones son locales y específicas —reemplaza esta etiqueta, elimina este cable, amplía este fondo—, Nano Banana 2.1 se impone por su capacidad de indicar con precisión qué debería cambiar, a $0.0336 por una salida en 1K, con 4K disponible cuando el destino lo necesite y catorce imágenes de referencia cuando la consistencia de marca lo requiera. El 42 Elo nunca llega a importar, porque no estás haciendo la pregunta a la que responde.

Si hoy necesitas un editor en una pipeline y ninguna de esas opciones te describe, los modelos de esa tabla son los que tienen interfaces publicadas. MAI Image 2.7 Preview será una opción genuinamente interesante el día que tenga una; la clasificación ya te ha dicho qué esperar de él, y lo único que falta es la posibilidad de comprobarlo por ti mismo.