Gemini Nano Banana 2.1 vs Gemini Omni 1.1 Flash : une image fixe et un clip, facturés dans des unités différentes

La première chose à savoir lorsqu’on compare Nano Banana 2.1 et Omni 1.1 Flash, c’est qu’ils ne sont pas interchangeables, et les pages de tarification le rendent évident d’une manière que ne le fait pas une liste de fonctionnalités. Nano Banana 2.1 est facturé en images — 30 $ par million de jetons d’image, que le fournisseur traduit en 0,0336 $ pour un rendu 1K. Omni 1.1 Flash est facturé en secondes de vidéo — 17,50 $ par million de jetons vidéo de sortie, qu’une note de bas de page du fournisseur convertit en environ 0,10 $ par seconde en 720p. L’un est un modèle robuste d’image fixe et d’édition qui a atteint la disponibilité générale le 6 octobre 2026. L’autre est un générateur de vidéo que la documentation du fournisseur demande aux développeurs d’utiliser par défaut pour la vidéo et de laisser l’extension de scène à Veo 3.1. Choisir entre les deux revient en réalité à se demander quelle moitié d’un pipeline vous n’avez pas encore construite.

Il y a aussi un piège de dénomination qu'il vaut la peine de clarifier avant même d'aborder les chiffres. Le modèle que la plupart des gens appellent Gemini Omni 1.1 Flash est répertorié par Google sous le nom de Gemini Omni Flash ; le « 1.1 » n'existe que dans le point de terminaison, gemini-omni-1.1-flash. Nano Banana 2.1 présente la configuration inverse — son nom d'affichage porte la version, et son point de terminaison correspond à gemini-nano-banana-2.1. Si vous lisez un journal des modifications ou un export de facturation, cette incohérence explique pourquoi l'un de ces éléments est facile à trouver et l'autre non.

Les deux tâches, formulées simplement

Gemini Nano Banana 2.1 génère et modifie des images fixes de manière conversationnelle. Ses entrées documentées sont le texte, l’image et la vidéo dans n’importe quelle combinaison — l’audio n’est pas accepté — et il produit en sortie du texte et des images, avec une sortie entrelacée texte + image configurable. Il prend en charge jusqu’à 14 images de référence, réparties en un maximum de 10 références d’objets à haute fidélité et de 4 références de personnages, et il ancre les générations dans Google Search et, nouveauté de cette génération, dans Google Image Search. Le mode réflexion est activé par défaut à un niveau moyen et ne peut pas être désactivé. Chaque sortie porte un filigrane SynthID. Il génère en 1K, 2K et 4K ; le palier 512 px que prenait en charge Nano Banana 2 a été supprimé.

Gemini Omni Flash génère et modifie des vidéos. Son argumentaire documenté est « génération vidéo rapide, montage, interpolation d'images clés et extension, avec audio natif », et sa page tarifaire indique qu'il est « désormais généralement disponible pour les développeurs sur le palier payant de l'API Gemini ». Les entrées sont le texte, l'image, la vidéo et l'audio — l'audio étant la modalité que Nano Banana 2.1 ne prend pas en charge. Les clips générés comportent des dialogues et des sons synchronisés plutôt que d'arriver comme des ressources muettes. La documentation vidéo de Google est inhabituellement directive sur le modèle vidéo à privilégier : utilisez Gemini Omni Flash par défaut pour la génération vidéo, et Veo 3.1 pour des capacités spécifiques telles que l'extension de scène et le travail one-shot à plus haute fidélité.

• Artefact de sortie — Gemini Nano Banana 2.1 produit des images fixes et du texte ; Gemini Omni 1.1 Flash produit des vidéos avec un audio natif synchronisé.

• Unité de facturation — Nano Banana 2.1 est facturé par jeton d’image de sortie ; Omni 1.1 Flash est facturé par jeton de vidéo de sortie, avec une conversion publiée de 5 792 jetons de sortie par seconde de 720p.

• Prix phare — Nano Banana 2.1 : 0,0336 $ pour 1 000 images aux tarifs standard ; Omni 1.1 Flash : environ 0,10 $ par seconde de vidéo 720p.

• Prix des entrées — 1,50 $ par million de jetons d’entrée pour les deux, mais seul Omni 1.1 Flash compte l’audio parmi les entrées.

• Sortie texte — Nano Banana 2.1 7,50 $ par million de jetons ; Omni 1.1 Flash 9,00 $ par million de jetons pour le texte, 17,50 $ pour la vidéo.

• Provenance — Nano Banana 2.1 intègre un filigrane SynthID sur chaque image ; la provenance au niveau du clip d'Omni 1.1 Flash n'est pas indiquée sur la page de tarification.

• Mesure indépendante — aucun des deux modèles ne dispose d’un classement public en arène dans les jours suivant sa sortie ; le seul discours sur les performances, pour l’un comme pour l’autre, est celui de Google.

Ce que les prix unitaires achètent réellement

Comparer 0,0336 $ à 0,10 $ ne sert à rien tant que vous n’avez pas décidé ce qu’est une unité de sortie. La version honnête, c’est une scène : un clip produit de 30 secondes en 720p coûte environ 3,00 $ d’Omni 1.1 Flash, selon la conversion du fournisseur lui-même, et les images fixes à partir desquelles cette scène est construite coûtent une fraction de cent chacune sur Banana 2.1. Un flux de travail qui réalise le storyboard de douze images, en rejette dix et génère une composition finale dépense, pour les onze images fixes rejetées, plus que ce que la plupart des gens supposent, mais deux ordres de grandeur de moins que pour la vidéo. Cette asymétrie est la raison même pour laquelle les deux modèles sont généralement enchaînés plutôt que comparés.

La page de tarification publie également une conversion facile à manquer et importante à connaître : 5 792 jetons de sortie par seconde en 720p. Ce chiffre est ce qui transforme un compteur de jetons en un budget par seconde, et c'est le nombre à mettre dans un modèle de coûts plutôt que le chiffre phare de 0,10 $, car ce chiffre phare en est dérivé selon la tarification standard. Google n'a pas publié de chiffre équivalent par seconde pour d'autres résolutions sur ce modèle — ses tarifs par résolution appartiennent à Veo 3.1, et non à Omni Flash — donc quiconque cite un tarif par seconde en 1080p ou 4K pour Omni cite une estimation, et non la page.

Du côté des images fixes, le coût de Nano Banana 2.1 est exceptionnellement facile à appréhender, car les deux extrémités sont publiées : 30 $ le million de tokens d'image en standard et 15 $ le million en batch, avec les nombres de tokens par résolution indiqués (1 120 tokens pour une image 1K, 1 680 pour la 2K, 2 520 pour la 4K). Le batch en 1K revient à 0,0168 $ par image. Si votre pipeline peut tolérer un délai de 24 heures, le palier batch change ce que coûte une grande passe de rendu de références.

La date de migration qui fait partie de ceci

Une moitié de cette comparaison est soumise à une échéance, et l'autre ne l'est pas. Le jour même où Nano Banana 2.1 est passé en disponibilité générale, le journal des modifications de Google a annoncé que gemini-3.1-flash-image — le modèle vendu sous le nom de Nano Banana 2 — « est obsolète et sera désactivé le 29 octobre 2026 ». Gemini Omni Flash ne porte pas un tel avis. Donc, si vous exploitez actuellement un pipeline image et vidéo sur le modèle d'image précédent, c'est la moitié « image fixe » qui nécessitera votre attention au cours des trois prochaines semaines, et non la moitié vidéo.

Cette asymétrie explique aussi pourquoi un pipeline à deux modèles mérite d'être câblé à un seul endroit. OrcaRouter place plus de 200 modèles derrière un unique point de terminaison compatible OpenAI, avec 0 % de marge sur le prix catalogue du fournisseur et un basculement automatique entre fournisseurs, de sorte qu'un appel d'image et un appel de vidéo sortent de la même clé, de la même facture et de la même logique de nouvelle tentative, au lieu de deux contrats fournisseurs avec deux modes de défaillance. Aucun de ces deux modèles ne figure dans notre catalogue — c'est via l'API de Google elle-même et plusieurs plateformes tierces que vous les obtenez — et l'idée n'est pas que nous les hébergions ; c'est que lorsqu'un identifiant de modèle change sous vos pieds, le fait qu'il réside dans la configuration de routage plutôt que d'être codé en dur dans un déploiement est ce qui transforme une échéance en une simple modification de configuration. Nous routons d'autres modèles d'image, notamment google/gemini-3.1-flash-image-preview et openai/gpt-image-2, ce qui permet une comparaison côte à côte en direct avec 2.1 sans second compte.

Là où s’arrêtent les preuves

Aucun des deux modèles ne figure dans un classement de benchmark indépendant dans les données publiques au 7 octobre 2026. Pour Nano Banana 2.1, c'est attendu — il n'a qu'un jour. Pour Omni 1.1 Flash, la lacune est plus intéressante, car le modèle est disponible depuis plus longtemps et la génération vidéo est exactement le type de tâche où le vote de préférence humaine produit un signal clair. Quiconque vous affirme que l'un de ces modèles surpasse l'autre sur la qualité mesurée répète une affirmation d'un fournisseur ou une image soigneusement sélectionnée. Les améliorations annoncées par Google pour Nano Banana 2.1 concernent « la qualité visuelle, le rendu du texte, la cohérence multi-tours et l'ancrage dans Google Search » ; le positionnement annoncé par Google pour Omni 1.1 Flash est la cohérence et le raisonnement multi-entrées, Veo 3.1 étant conservé pour l'extension et la fidélité. Dans les deux cas, c'est le fournisseur qui décrit son propre travail.

La seule chose que vous pouvez vérifier sans faire confiance à personne est d'ordre comportemental. Omni 1.1 Flash est un modèle vidéo : demandez-lui une image fixe et la requête échoue, car la génération et l'édition d'images ne figurent pas parmi les capacités qu'il répertorie. C'est une question de routage, pas de qualité, et c'est le mode de défaillance qui piège les équipes qui construisent une abstraction « un seul modèle pour tous mes médias ».

Lequel votre projet nécessite-t-il

Si le livrable est une image fixe — une photo de produit, une bannière localisée, une infographie avec du texte lisible, un personnage maintenu cohérent sur une campagne — Gemini Nano Banana 2.1 est le modèle, et ses plafonds de cohérence de quatre personnages et de dix objets sont les contraintes dont il faut tenir compte dans la conception. Si le livrable bouge et doit comporter du son, Gemini Omni 1.1 Flash est le modèle, et son budget par seconde en 720p est le chiffre à prendre en compte pour planifier. Si les deux, la configuration naturelle est celle que la documentation de Google elle-même laisse entendre : créer les images sur le modèle d'image, animer l'image gagnante sur le modèle vidéo, et accepter que vous achetez deux unités différentes sur deux compteurs différents.

La décision devient plus facile dès que vous cessez de la traiter comme une comparaison directe. Il n’existe aucun scénario dans lequel payer 0,10 $ par seconde pour de la vidéo 720p soit la mauvaise façon d’obtenir une image fixe, car ce n’est pas du tout une façon d’obtenir une image fixe. La vraie comparaison est entre chacune de ces options et ses propres concurrents — pour Nano Banana 2.1, cela signifie le bas de gamme du marché de l’image plutôt que Nano Banana Pro, et pour Omni 1.1 Flash, cela signifie Veo 3.1 en matière de capacités et quel que soit le modèle vidéo que votre budget permet réellement.

Qu'est-ce qui le réglerait

Deux évolutions feraient passer ceci d'une note d'architecture à une comparaison tranchée. La première est un classement indépendant en édition d'image pour Nano Banana 2.1 — son prédécesseur se situant au milieu du peloton sur les classements établis par des votes humains, la question de savoir si l'affirmation d'« améliorations significatives » se traduit dans les votes reste réellement ouverte. La seconde est un tarif à la seconde publié pour Omni 1.1 Flash au-delà de 720p, car d'ici là, tout budget vidéo 1080p ou 4K construit sur ce modèle repose sur une estimation de revendeur plutôt que sur un chiffre de Google.