MOSS-Image vs Nano Banana 2: Uno tiene fecha de cierre, el otro no tiene endpoint

Esta comparación tiene una propiedad incómoda que ningún proveedor anuncia. N​ano Banana 2 —el nombre de cara al consumidor de G​oogle para G​emini 3.1 Flash Image, el identificador g​emini-3.1-flash-image— tiene una fecha de apagado dentro de doce días. El registro de cambios de la API G​emini de G​oogle lo marca como obsoleto el 29 de octubre de 2026, tres semanas después de que N​ano Banana 2.1 se lanzara el 6 de octubre a aproximadamente la mitad del precio por imagen. M​OSS-Image, publicado como pesos abiertos Apache 2.0 el 16 de octubre de 2026, no tiene fecha de apagado porque no hay nada que apagar: es una descarga de 27 GB que ejecutas tú mismo, y no se ha publicado ninguna API comercial para él.

Entonces, la versión honesta de esta comparación no es «cuál es mejor». Es una comparación entre un modelo que está a punto de dejar de existir en los servidores de otra persona y un modelo que existirá en los tuyos durante todo el tiempo que conserves los archivos. Ese planteamiento es más útil que una hoja de especificaciones, porque es exactamente la decisión que un equipo está tomando este mes, y porque la pregunta de segundo orden —qué sustituye a N​ano Banana 2— tiene una respuesta que reduce el precio a la mitad.

Primero, ¿contra cuál N​ano Banana estás comparando en realidad?

La nomenclatura de Google tiene tres capas y las diferencias no son cosméticas.

N​ano Banana 2 es G​emini 3.1 Flash Image. El lanzamiento para consumidores comenzó el 26 de febrero de 2026 y la API para desarrolladores alcanzó la disponibilidad general el 28 de mayo de 2026 bajo gemini-3.1-flash-image. Es el generador de imágenes predeterminado en la aplicación G​emini, las superficies Lens y AI Mode de G​oogle Search, Flow y G​oogle Ads —lo cual es el hecho que domina cualquier decisión de adopción, porque no es un modelo que tus usuarios tengan que ser persuadidos de usar.

N​ano Banana Pro es el de gama superior, y es el modelo que OpenMOSS eligió como referencia para comparar en su propio informe. En la tabla LongLongTextBench del proveedor, N​ano Banana Pro obtiene 96.6 de Mean-6 frente a los 96.3 de M​OSS-Image: una diferencia de tres décimas que es el margen más estrecho de la tabla y el que más merece la pena entender.

N​ano Banana 2.1 es lo que reemplaza a N​ano Banana 2 el 6 de octubre. No es el tema aquí, pero es el destino, y su existencia marca las condiciones: el aviso de obsolescencia y el sucesor llegaron en la misma entrada del registro de cambios.

La brecha de tres décimas, bien leída

El informe de MOSS-Image es inusual porque publica una tabla en la que un competidor lo supera. LongLongTextBench consta de 240 tareas de renderizado de texto literario —120 en inglés, 120 en chino, con una longitud objetivo media de 1.339,8 caracteres, aproximadamente once veces el promedio de LongTextBench—, y el Mean-6 de 96,3 de MOSS-Image lo sitúa muy por delante del 64,9 de Qwen-Image-2512, con 97,1 en inglés y 92,4 en chino en el subconjunto de condición más larga. Por encima se sitúan GPT Image 2 con 99,0 y Nano Banana Pro con 96,6.

Las tres décimas entre M​OSS-Image y N​ano Banana Pro son menores que la confianza que cualquiera debería tener en cualquiera de las dos cifras. Ambas fueron producidas por laboratorios distintos en un benchmark creado por OpenMOSS, usando las propias ejecuciones del laboratorio del modelo de G​oogle. Y N​ano Banana 2 no es el modelo de esa fila — el nivel Flash está por debajo de Pro, así que la lectura honesta es que el resultado de renderizado de texto de M​OSS-Image está aproximadamente al nivel del nivel premium de G​oogle en una prueba escrita por los autores de M​OSS-Image, mientras que el modelo con el que realmente lo compararías en una adquisición está un nivel por debajo de eso.

Donde MOSS-Image no se acerca a nada de lo que Google lanza es en el diseño. En 7Bench, el benchmark que el informe también presenta, MOSS-Image reporta un IoU medio de diseño de 0,88 con un AUC de diseño de 0,70. Nano Banana Pro está en 0,33 y 0,20 en la misma tabla. Si esas cifras sobreviven a la reproducción, la colocación precisa de objetos es una capacidad que MOSS-Image posee y que ningún modelo de imagen de Gemini disputa actualmente. No se han reproducido, y el mismo laboratorio escribió la métrica.

Lo que N​ano Banana 2 te ofrece hoy, y durante doce días más

La ficha de capacidades es la de un generalista, y es la razón por la que el modelo está en todas partes.

• Consistencia — hasta cinco personajes y catorce objetos mantenidos estables a lo largo de un flujo de trabajo, la característica por la que se vende toda la línea Nano Banana.

• Salida — hasta 4K en catorce relaciones de aspecto, incluidas las extremas de 1:4 y 1:8 que requieren los formatos de banner y fondo de pantalla.

• Texto en imágenes — renderizado dentro de la imagen que incluye traducción y localización con el diseño preservado. Esta es la capacidad que se superpone más directamente con la propuesta de MOSS-Image, y es la que Google mostró en el lanzamiento.

• Grounding — generación basada en la búsqueda web y de imágenes en lugar de en el prompt únicamente, el mismo instinto arquitectónico que Meta llevó más lejos con Muse Image.

• Controles — niveles de pensamiento configurables que equilibran la latencia con el razonamiento, además de marca de agua SynthID y metadatos de procedencia C2PA en cada salida por defecto.

• Precio — la salida se factura a $60 por millón de tokens, lo que según la propia documentación de G​oogle equivale a aproximadamente $0.045 a 512px, $0.067 a 1024×1024, $0.101 a 2K y $0.151 a 4K, con el modo por lotes a la mitad. Artificial Analysis lo lista a $67 por cada 1,000 imágenes.

• Posición medida — Elo 1.125 en el ranking de texto a imagen de Artificial Analysis y 1.108 en su ranking de edición de imágenes a fecha del 6 de octubre de 2026.

Nada de eso está en disputa. Lo que también es cierto es que el 29 de octubre el identificador deja de funcionar, y la ruta a seguir es N​ano Banana 2.1 — que Artificial Analysis aún no ha puntuado, que G​oogle ofrece a aproximadamente la mitad de precio, y que un artículo aparte de este blog cubre en detalle.

Lo que M​OSS-Image te da, y lo que pide a cambio

La arquitectura es un transformer de difusión de flujo único de 5B entrenado desde cero: 42 bloques conjuntos, ancho oculto de 3.072, 24 cabezas de 128 dimensiones, un feed-forward SiTU-GLU de 8.192 de ancho y una codificación posicional rotatoria de cuatro ejes cuyo primer eje está reservado para un índice de referencia. La etiqueta 5B excluye las partes costosas: un codificador de texto Qwen3.5-9B congelado y un VAE FLUX.2 congelado cargado desde FLUX.2-klein-4B con 32 canales latentes, con parches latentes de 2×2 sobre un submuestreo de 8×, lo que da un paso efectivo de 16 píxeles.

El prompt puede ser un objeto JSON. Cuadros delimitadores en coordenadas de píxeles absolutas medidas desde el centro del lienzo, cadenas de texto literales, notas de tipografía, todo con bbox_format "yxyx". El límite del prompt es de 4.096 tokens en la etapa final de preentrenamiento, las dimensiones de salida deben ser múltiplos positivos de 16, y la guía recomienda uno, uno y medio o dos megapíxeles con un rango admitido de 512×512 a 4M. Los valores predeterminados de muestreo son flow-matching Euler a 50 pasos, CFG 3.0, shift 5.0, con skip-layer guidance en la rama negativa en la capa 22 — y la ruta de guía predeterminada necesita dos pases forward del transformer por paso, por lo que 50 pasos no es la configuración barata que parece.

El costo de entrada es real: unos 27,2 GB para el repositorio SFT, de los cuales aproximadamente 16,8 GB corresponden al codificador de texto, además de tu propia GPU y tu propio trabajo de servicio. La recompensa es un modelo que puedes cuantizar, ajustar con fine-tuning, ejecutar en un entorno aislado de la red y distribuir dentro de un producto comercial sin negociar una licencia, porque Apache 2.0 cubre los pesos y el código independiente del pipeline sin umbral de ingresos ni anexo de uso aceptable.

Línea por línea

• Estado — N​ano Banana 2 está obsoleto y se cerrará el 29 de octubre de 2026; M​OSS-Image se lanzó el 16 de octubre de 2026 como pesos abiertos, sin mecanismo de obsolescencia.

• Acceso — Nano Banana 2 a través de la API de Google y de las interfaces de consumo, y mediante plataformas de enrutamiento; MOSS-Image descargándolo

• Precio — N​ano Banana 2 alrededor de $0.067 por imagen de 1024×1024 y $0.151 en 4K, facturado en tokens de salida, el lote a mitad de precio; M​OSS-Image gratis con una huella de ~27.2 GB y tu propio tiempo de GPU

• Licencia — N​ano Banana 2 es propietario, solo API, sin pesos disponibles; M​OSS-Image es Apache 2.0 para los pesos y el código del pipeline independiente

• Puntuación independiente — N​ano Banana 2 con Elo 1.125 en texto a imagen y 1.108 en edición en Artificial Analysis; M​OSS-Image no tiene entrada en Artificial Analysis y sus puntuaciones publicadas provienen de benchmarks escritos por sus propios autores

• Renderizado de texto — N​ano Banana Pro obtiene 96.6 Mean-6 en LongLongTextBench frente a los 96.3 de M​OSS-Image; el nivel Flash no aparece en esa fila

• Control de disposición — MOSS-Image acepta disposiciones JSON en coordenadas de píxeles absolutas relativas al centro y reporta un IoU medio de 0,88 en 7Bench; Nano Banana Pro reporta 0,33 en la misma tabla y Google no publica ninguna métrica de disposición propia

• Referencias — N​ano Banana 2 mantiene hasta cinco personajes y catorce objetos consistentes en un solo prompt; el condicionamiento de referencia de M​OSS-Image es un eje posicional reservado que el proveedor describe como trabajo futuro, no una función ya disponible

• Procedencia — N​ano Banana 2 aplica marca de agua SynthID y metadatos C2PA a cada salida de forma predeterminada; M​OSS-Image no incluye ninguna capa de marca de agua

• Ajuste fino — M​OSS-Image se puede ajustar finamente y cuantizar, y las cuantizaciones de la comunidad, un LoRA DMD de 4 pasos y una variante destilada de 8 pasos aparecieron en aproximadamente un día; N​ano Banana 2 no se puede tocar

Por qué la desaprobación cambia la respuesta

Si N​ano Banana 2 y M​OSS-Image fueran ambas opciones estables, la decisión sería ordinaria: una API a siete centavos por imagen frente a un modelo autoalojado a tu propio costo, con una calidad más o menos comparable en un benchmark de texto creado por el proveedor y con la disposición inclinándose decisivamente hacia M​OSS-Image. La deprecación rompe la simetría, y la rompe en ambas direcciones.

Frente a Nano Banana 2, MOSS-Image ahora gana de manera rotunda el argumento de la longevidad. Construir un pipeline sobre un modelo que tiene un fin de ciclo de vida anunciado a doce días y un sucesor que no has medido es una migración que ya tienes programada. No hay entrada del registro de cambios que pueda declarar obsoletos los archivos que descargas. Eso no es un punto retórico sobre la apertura; es un hecho de planificación, y es el argumento más fuerte de todos los que arroja esta comparación.

Pero la deprecación también corta en sentido contrario, y esta es la parte que normalmente se omite. Que N​ano Banana 2.1 llegue a aproximadamente la mitad del precio significa que la alternativa a M​OSS-Image no es una imagen de siete centavos — es una imagen de tres centavos y medio, y una que G​oogle seguirá mejorando a su propio ritmo sin carga operativa para ti. El coste total de propiedad de M​OSS-Image solo supera eso si tu tiempo de GPU es barato, tu volumen es alto, o necesitas una de las cosas que una API estructuralmente no puede darte: ajuste fino, cuantización, despliegue en entorno aislado, o una licencia que no tengas que renegociar.

El lado de OrcaRouter de esto, sin exagerar

Este es el único emparejamiento del conjunto actual en el que el relato del enrutamiento es concreto en lugar de hipotético, así que vale la pena enunciarlo con precisión. Nano Banana 2 se sirve en nuestro catálogo como google/gemini-3.1-flash-image-preview — aunque, dado el cierre del 29 de octubre, lo sensato que se puede hacer con ese endpoint este mes es una prueba de migración, no una nueva integración, y se puede acceder al sucesor de la misma manera. MOSS-Image no está en nuestro catálogo y no lo alojamos; es una descarga, y nada de lo que aquí se dice implica lo contrario.

Aquello para lo que la combinación es realmente útil es la decisión que tienes delante. Si quieres saber si un M​OSS-Image autoalojado produce una salida de texto y diseño mejor que el nivel alojado por el que estás pagando, necesitas ambos números con los mismos prompts, y la mitad alojada de esa prueba no debería requerir un segundo contrato. Una única clave de API, el precio de lista del proveedor trasladado con un 0 % de margen de beneficio para que un cambio de precio de G​oogle se refleje aquí el mismo día, conmutación automática por error entre proveedores para que una ejecución de comparación no fracase por una mala tarde de un proveedor upstream, y un DSL de enrutamiento que coloca a ambos detrás de un único endpoint. Esa es toda la afirmación, y se detiene exactamente donde empezaría la oferta de alojar M​OSS-Image.

Qué hacer en los próximos doce días

Si estás usando N​ano Banana 2 en producción, la tarea inmediata no tiene nada que ver con M​OSS-Image: tienes un identificador obsoleto, un sucesor a la mitad del precio y una fecha límite. Vuelve a ejecutar tu conjunto de evaluación contra el sucesor antes del día 29 y decide basándote en la evidencia, no en la rebaja de precio.

Si estás evaluando MOSS-Image, hazlo por las dos razones que sobreviven a la comparación. Primera, el control del diseño: la brecha de 0,88 frente a 0,33 en 7Bench es el único resultado en este ámbito que nada alojado disputa actualmente, y si la colocación precisa es tu problema, ningún nivel de API lo resuelve. Segunda, la permanencia: pesos Apache 2.0 que no pueden ser deprecados, tarificados ni restringidos por la hoja de ruta de nadie más que la tuya.

No adoptes M​OSS-Image para el renderizado de texto. Es excelente en eso y no lleva ventaja en eso: 96,3 se sitúa por debajo del 96,6 de N​ano Banana Pro y por debajo del 99,0 de GPT Image 2 en la propia tabla del proveedor, y el modelo al que reemplazarías cuesta unos pocos centavos por imagen sin los 27 GB. El argumento a favor de este modelo es limitado, específico y real, y no es el argumento que su tabla de referencia está diseñada para esgrimir.

Dos cosas lo resolverían. Una ejecución independiente de LongLongTextBench o 7Bench por alguien que no sea OpenMOSS, y la pull request de vLLM-Omni que añade MOSS-Image con skip-layer guidance y que se está fusionando en una versión etiquetada — se abrió el 14 de octubre, suma 3.605 líneas añadidas en 25 archivos y sigue abierta, con el revisor pidiendo evidencia de paridad de salida frente a una referencia fijada. Hasta que ocurran ambas cosas, el resumen preciso es que el modelo de Google es el mejor generalista, más barato de conseguir y desaparecerá en doce días, mientras que el modelo de OpenMOSS hace una cosa que nadie más hace, requiere hardware y seguirá siendo instalable cuando el registro de cambios que retiró a su rival lleve mucho tiempo olvidado.

Los fallos de IA documentados y los incidentes de agentes que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.