Gemini Nano Banana 2.1 vs. Gemini Omni 1.1 Flash: una imagen fija y un clip, con precios en unidades distintas

Lo primero que hay que saber al comparar Nano Banana 2.1 con Omni 1.1 Flash es que no son sustitutos, y las páginas de precios lo dejan claro de una forma que una lista de características no logra. Nano Banana 2.1 se factura por imágenes: $30 por millón de tokens de imagen, lo que el proveedor traduce a $0.0336 por un render de 1K. Omni 1.1 Flash se factura en segundos de video: $17.50 por millón de tokens de video de salida, que una nota al pie del proveedor convierte en aproximadamente $0.10 por segundo de 720p. Uno es un modelo de trabajo de imágenes fijas y edición que alcanzó disponibilidad general el 6 de octubre de 2026. El otro es un generador de video que la documentación del proveedor indica a los desarrolladores usar como predeterminado para video y dejar la extensión de escenas a Veo 3.1. Elegir entre ellos es en realidad una pregunta sobre qué mitad de un pipeline aún no has construido.

También hay una trampa de nomenclatura que conviene aclarar antes de entrar en los números. El modelo que la mayoría de la gente llama Gemini Omni 1.1 Flash figura en Google como Gemini Omni Flash; el "1.1" existe solo en el endpoint, gemini-omni-1.1-flash. Nano Banana 2.1 tiene la disposición contraria: su nombre para mostrar incluye la versión y su endpoint coincide en gemini-nano-banana-2.1. Si estás leyendo un registro de cambios o una exportación de facturación, esa discrepancia es la razón por la que uno de estos es fácil de encontrar y el otro no.

Las dos tareas, expresadas sin rodeos

Gemini Nano Banana 2.1 genera y edita imágenes fijas de forma conversacional. Sus entradas documentadas son texto, imagen y video en cualquier combinación —no se acepta audio— y produce texto e imágenes, con salida intercalada de texto e imágenes configurable. Admite hasta 14 imágenes de referencia, divididas en hasta 10 referencias de objetos de alta fidelidad y hasta 4 referencias de personajes, y basa las generaciones en la Búsqueda de Google y, como novedad en esta generación, en la Búsqueda de Imágenes de Google. El modo de pensamiento está activado de forma predeterminada en un nivel medio y no se puede desactivar. Cada salida lleva una marca de agua SynthID. Genera en 1K, 2K y 4K; se eliminó el nivel de 512 px que admitía Nano Banana 2.

Gemini Omni Flash genera y edita video. Su propuesta documentada es "generación de video rápida, edición, interpolación de fotogramas clave y extensión con audio nativo", y la página de precios afirma que "ahora está disponible de forma general para desarrolladores en el nivel de pago de la Gemini API". Las entradas son texto, imagen, video y audio —siendo el audio la modalidad que Nano Banana 2.1 no admite. Los clips generados incluyen diálogo y sonido sincronizados en lugar de llegar como recursos silenciosos. La documentación de video de Google es inusualmente directiva sobre a qué modelo de video conviene recurrir: usa Gemini Omni Flash como opción predeterminada para la generación de video, y usa Veo 3.1 para capacidades específicas, como la extensión de escenas y el trabajo de mayor fidelidad de una sola toma.

• Artefacto de salida — Gemini Nano Banana 2.1 produce imágenes fijas y texto; Gemini Omni 1.1 Flash produce vídeo con audio nativo sincronizado.

• Unidad de facturación — Nano Banana 2.1 se factura por token de imagen de salida; Omni 1.1 Flash se factura por token de video de salida, con una conversión publicada de 5.792 tokens de salida por segundo de 720p.

Precio destacado — Nano Banana 2.1: $0.0336 por 1K de imágenes con tarifas estándar; Omni 1.1 Flash, aproximadamente $0.10 por segundo en 720p.

• Precio de entrada — ambos $1.50 por millón de tokens de entrada, pero solo Omni 1.1 Flash incluye audio entre las entradas.

• Salida de texto — Nano Banana 2.1 $7.50 por millón de tokens; Omni 1.1 Flash $9.00 por millón de tokens para texto, $17.50 para video.

• Procedencia — Nano Banana 2.1 lleva marca de agua SynthID en cada imagen; la procedencia a nivel de clip de Omni 1.1 Flash no se indica en la página de precios.

• Medición independiente — ninguno de los modelos tiene una posición pública en la arena en los días posteriores a su lanzamiento; el único discurso sobre rendimiento para cualquiera de los dos es el de Google.

Qué compran en realidad los precios por unidad

Comparar $0.0336 con $0.10 carece de sentido hasta que decides qué es una unidad de salida. La versión honesta es una escena: un clip de producto de 30 segundos a 720p cuesta aproximadamente $3.00 de Omni 1.1 Flash según la conversión del propio proveedor, y las imágenes fijas a partir de las cuales se construye esa escena cuestan una fracción de centavo cada una en Nano Banana 2.1. Un flujo de trabajo que hace el guion gráfico de doce fotogramas, rechaza diez de ellos y renderiza una composición final gasta más en las once imágenes fijas rechazadas de lo que la mayoría supone y menos que el vídeo en dos órdenes de magnitud. Esa asimetría es exactamente la razón por la que los dos modelos suelen encadenarse en lugar de compararse.

La página de precios también publica una conversión fácil de pasar por alto e importante de conocer: 5.792 tokens de salida por segundo de 720p. Esa cifra es la que convierte un medidor de tokens en un presupuesto por segundo, y es el número que hay que introducir en un modelo de costes, no la cifra destacada de $0.10, porque esa cifra destacada se deriva de ella con los precios estándar. Google no ha publicado una cifra por segundo para otras resoluciones en este modelo —sus tarifas por segundo pertenecen a Veo 3.1, no a Omni Flash—, así que cualquiera que cite una tarifa por segundo de 1080p o 4K para Omni está citando una estimación sacada de la página.

En el caso de las imágenes fijas, el costo de Nano Banana 2.1 es inusualmente fácil de calcular porque ambos extremos están publicados: 30 $ por millón de tokens de imagen en la modalidad estándar y 15 $ por millón en la modalidad por lotes, con los recuentos de tokens por resolución indicados (1.120 tokens para una imagen de 1K, 1.680 para 2K y 2.520 para 4K). El procesamiento por lotes a 1K cuesta 0,0168 $ por imagen. Si tu pipeline puede tolerar un tiempo de espera de 24 horas, la modalidad por lotes cambia lo que cuesta una pasada grande de renderizado de referencias.

La fecha de migración que decide parte de esto

Una mitad de esta comparación tiene una fecha límite y la otra no. El mismo día en que Nano Banana 2.1 alcanzó la disponibilidad general, el registro de cambios de Google anunció que gemini-3.1-flash-image —el modelo comercializado como Nano Banana 2— «está obsoleto y se desactivará el 29 de octubre de 2026». Gemini Omni Flash no tiene ese aviso. Así que, si actualmente ejecutas una canalización de imagen y vídeo con el modelo de imagen anterior, la mitad de imágenes fijas es la que necesita atención en las próximas tres semanas, y la mitad de vídeo no.

Esa asimetría es también la razón por la que vale la pena canalizar una pipeline de dos modelos a través de un solo punto. OrcaRouter pone más de 200 modelos por delante de un único endpoint compatible con OpenAI con 0% de recargo sobre el precio de lista del proveedor y conmutación por error automática entre proveedores, de modo que una llamada de imagen y una llamada de vídeo salen de la misma clave, la misma factura y la misma lógica de reintento, en lugar de dos contratos con proveedores y dos modos de fallo. Ninguno de estos dos modelos está en nuestro catálogo —la propia API de Google y varias plataformas de terceros son donde están— y la cuestión no es que los alojemos nosotros; es que, cuando un identificador de modelo cambia bajo tus pies, el tenerlo en la configuración de enrutamiento en lugar de codificado en un despliegue es lo que convierte una fecha límite en una edición de configuración. Sí enrutamos otros modelos de imagen, incluidos google/gemini-3.1-flash-image-preview y openai/gpt-image-2, que es lo que hace posible una comparación en vivo frente a 2.1 sin una segunda cuenta.

Donde termina la evidencia

Ninguno de los dos modelos tiene una posición independiente en benchmarks en el registro público a fecha del 7 de octubre de 2026. Para Nano Banana 2.1 eso es de esperar: tiene un día de vida. Para Omni 1.1 Flash es una brecha más interesante, porque el modelo lleva más tiempo disponible y la generación de video es exactamente el tipo de tarea en la que la votación de preferencia humana produce una señal clara. Cualquiera que te diga que uno de estos supera al otro en calidad medida está repitiendo una afirmación de un proveedor o un render seleccionado a mano. Las mejoras declaradas por Google para Nano Banana 2.1 están en «calidad visual, renderizado de texto, consistencia multiturno y fundamentación en Google Search»; el enfoque declarado por Google para Omni 1.1 Flash es la coherencia y el razonamiento con múltiples entradas, con Veo 3.1 reservado para la extensión y la fidelidad. Ambos son el proveedor describiendo su propio trabajo.

Lo único que puedes verificar sin confiar en nadie es el comportamiento. Omni 1.1 Flash es un modelo de vídeo: pídele una imagen fija y la solicitud falla, porque la generación y la edición de imágenes no figuran entre las capacidades que enumera. Eso es una cuestión de enrutamiento, no de calidad, y es el modo de fallo que pilla a los equipos que construyen una abstracción de «un solo modelo hace todos mis medios».

Cuál necesita tu proyecto

Si el entregable es una imagen fija —una foto de producto, un banner localizado, una infografía con texto legible, un personaje mantenido consistente a lo largo de una campaña—, el modelo es Gemini Nano Banana 2.1, y sus límites de consistencia de cuatro personajes y diez objetos son las restricciones a tener en cuenta al diseñar. Si el entregable se mueve y necesita sonar como algo, el modelo es Gemini Omni 1.1 Flash, y su presupuesto por segundo a 720p es la cifra con la que hay que planificar. Si son ambas cosas, la forma natural es la que insinúan los propios documentos de Google: originar fotogramas en el modelo de imagen, animar el ganador en el modelo de video y aceptar que estás comprando dos unidades distintas de dos medidores distintos.

La decisión se vuelve más fácil una vez que dejas de tratarla como un enfrentamiento directo. No hay ningún escenario en el que pagar 0,10 $ por segundo por video en 720p sea la forma incorrecta de obtener una imagen fija, porque no es una forma de obtener una imagen fija en absoluto. La comparación real es entre cada uno de estos y sus propios competidores: para Nano Banana 2.1, eso significa el extremo económico del mercado de imágenes en lugar de Nano Banana Pro, y para Omni 1.1 Flash, significa Veo 3.1 en capacidad y cualquier modelo de video que tu presupuesto realmente permita.

¿Qué lo resolvería?

Dos avances harían que esto pasara de ser una nota arquitectónica a una comparación definitiva. El primero es una posición independiente en edición de imágenes para Nano Banana 2.1 —con su predecesor en mitad del pelotón en tablas votadas por humanos, la pregunta de si la afirmación de «mejoras significativas» se refleja en los votos está genuinamente abierta. El segundo es una tarifa por segundo publicada para Omni 1.1 Flash por encima de 720p, porque hasta entonces todo presupuesto de vídeo en 1080p o 4K basado en este modelo se apoya en una estimación de un revendedor y no en una cifra de Google.