Gemini Nano Banana 2.1 vs Qwen Image 3.0 : égalité en 1K, division en 2K

Mettez Gem​ini Nano Banana 2.1 et Qw​en Image 3.0 sur une grille tarifaire et le premier chiffre est amusant : une image 1K du tout dernier modèle d'image Gem​ini coûte 0,0336 $, et une génération 1K de Qw​en Image 3.0 sur Model Studio coûte 0,03438 $. À sept centièmes de cent près. Deux labos aux antipodes, qui publient dans des devises différentes pour des plateformes différentes, sont arrivés au même prix pour ce que la plupart des gens achètent réellement. L'égalité se rompt dès que vous passez à la 2K — 0,0504 $ contre 0,0688 $, un écart de 36 % en faveur de Gem​ini — et elle se rompt encore différemment lorsque vous remarquez que Qw​en facture l'entrée d'image et l'entrée d'édition comme des compteurs distincts, alors que Nano Banana 2.1 ne le fait pas. Lequel de ces deux faits décide de votre build dépend entièrement du nombre de fois que votre pipeline touche une image avant d'en livrer une.

Ils sont également plus différents que ne le suggère le prix. Nano Banana 2.1 est passé en disponibilité générale le 6 octobre 2026 en tant que modèle d'API hébergé, avec une échéance de migration de 23 jours associée à son prédécesseur. Qwen Image 3.0 a été lancé sur la plateforme Qwen AI d'Alibaba le 5 août 2026 avec des offres Standard et Pro et des API en même temps, et est accessible aux développeurs internationaux via Qwen Cloud et Alibaba Cloud Model Studio. L'un est un modèle d'un laboratoire de pointe occidental facturé par token d'image ; l'autre est un modèle de plateforme chinois facturé à l'image, avec un budget de simultanéité publié et des grilles tarifaires nationale et internationale qui ne concordent pas entre elles.

Les deux cartes tarifaires, ligne par ligne

Nano Banana 2.1 est facturé en tokens, avec une conversion par image publiée en parallèle. La sortie est facturée 30 $ par million de tokens d'image, ce que Google convertit en 0,0336 $, 0,0504 $ et 0,0756 $ pour 1K, 2K et 4K respectivement, les nombres de tokens par image étant donnés comme 1 120, 1 680 et 2 520. L'entrée est à 1,50 $ par million de tokens pour le texte, l'image et la vidéo. La sortie par lots coûte moitié moins : 0,0168 $, 0,0252 $ et 0,0378 $. Il n'existe pas de compteur distinct pour renvoyer une image en entrée — une image que vous fournissez en entrée est comptée au tarif des tokens d'entrée, une seule fois.

Qwen Image 3.0 se décline en deux niveaux sur une grille tarifaire cloud chinoise. Le niveau Standard est à 0,18 RMB par image en 1K et 2K, avec l'entrée d'image à 0,02 RMB et l'entrée d'édition à 0,02 RMB par image. Le niveau Pro est à 0,25 RMB en 1K et 0,50 RMB en 2K. Sur Qwen Cloud international, le niveau Standard coûte 0,003 $ en entrée et 0,03 $ en sortie par image. Sur Alibaba Cloud Model Studio en USD, les chiffres publiés sont 0,00275 $ par entrée 1K, 0,03438 $ par génération 1K, 0,068761 $ par génération 2K, 0,04 $ par sortie 1K et 0,075 $ par sortie 2K. Le débit est également publié : 10 requêtes simultanées, une file d'attente asynchrone de 200 requêtes et 20 requêtes par minute.

• Génération 1K — Gemini Nano Banana 2.1 0,0336 $ ; Qwen Image 3.0 Standard 0,03438 $ sur Model Studio. Pratiquement à égalité.

• Génération 2K — Nano Banana 2.1 0,0504 $ ; Qwen Image 3.0 Standard 0,068761 $. Google est 36 % moins cher.

• 4K — Nano Banana 2.1 0,0756 $ et il s'agit d'un palier documenté ; l'entrée Model Studio de Qwen Image 3.0 plafonne le nombre total de pixels à 2048 × 2048, il n'y a donc pas de ligne 4K à comparer.

• Entrée image — Nano Banana 2.1 la compte au tarif d'entrée de 1,50 $ par million ; Qwen Image 3.0 la mesure séparément à 0,00275 $ par 1K d'entrée, l'entrée d'édition étant facturée 0,02 RMB sur le marché intérieur.

• Batch — Nano Banana 2.1 divise tout par deux via l’API Batch, avec un délai de traitement pouvant atteindre 24 heures ; le levier publié de Qwen Image 3.0 est une file d’attente asynchrone de 200 plutôt qu’un palier de remise.

Débit — Qwen Image 3.0 publie 10 en simultané, 200 en file d’attente, 20 RPM ; Google ne publie aucune de ces informations pour Nano Banana 2.1.

• Sur le marché intérieur — Qwen Image 3.0 Standard est à 0,18 RMB par image sur la grille tarifaire chinoise ; Nano Banana 2.1 n’a pas de palier domestique chinois, car Google n’en propose pas.

Deux de ces lignes comptent davantage que les autres. La ligne 4K relève d'un écart de capacités plutôt que d'un écart de prix — si vous avez besoin d'une sortie 4K, l'entrée Model Studio de Qwen Image 3.0 n'entre pas du tout dans l'équation. Et la ligne de l'entrée d'image est celle où les deux philosophies de facturation divergent nettement, ce qui mérite sa propre section, car c'est la partie qui n'apparaît pas dans un prix affiché.

Pourquoi la seconde passe change les calculs

Une génération en une seule prise est le cas facile, et sur une seule prise, ces deux-là sont interchangeables côté prix. Le vrai travail d’image se fait rarement en une seule prise. Une édition typique génère une image candidate, la réinjecte en entrée pour une correction, réinjecte à nouveau l’image corrigée pour une passe de style, et ne la livre qu’ensuite. Chacun de ces retours est une entrée d’image.

Sur Nano Banana 2.1, cette entrée est facturée au tarif général des entrées, aux côtés du prompt texte, et l’édition conversationnelle du modèle est explicitement conçue pour cela — l’édition multi-tours via une interaction précédente est une fonctionnalité documentée, et le mode de réflexion prend en charge la conversation. Sur Qwen Image 3.0, la même boucle est facturée sur une ligne dédiée publiée par le fournisseur : entrée image à 0,00275 $ pour 1K sur Model Studio, 0,02 RMB par image comme entrée d’édition sur le marché intérieur. Aucun des deux n’est coûteux par appel. La différence est que le compteur de Qwen rend le coût d’itération visible sous la forme d’une ligne distincte, tandis que celui de Google l’intègre aux tokens d’entrée, et une équipe qui budgétise à partir du chiffre phare par image sous-estimera le workflow en trois passes sur les deux plateformes.

Faites le calcul honnêtement, et le conseil pratique est ennuyeux mais bien réel. Au palier de 1K, ils sont identiques, donc le prix n’est pas la raison d’en choisir un plutôt que l’autre. Au palier 2K, Nano Banana 2.1 est nettement moins cher par génération et propose en outre un palier par lots qui le divise encore par deux. Si vous avez besoin de 4K, il n’y a même pas de comparaison à faire. Si vous avez besoin d’un budget de concurrence publié autour duquel planifier une file d’attente, Qwen Image 3.0 en publie un et Nano Banana 2.1 non. Voilà la forme de la décision : elle porte surtout sur la résolution et la garantie de débit dont vous avez besoin, pas sur le prix au palier que tout le monde cite.

Qu’est-ce qui est mesuré, et pour qui ?

L’asymétrie des preuves ici va à l’opposé de ce à quoi vous pourriez vous attendre. Qwen Image 3.0 dispose d’un classement indépendant, et Nano Banana 2.1, âgé d’un jour, n’en dispose pas. Dans le classement texte-image d’Artificial Analysis, à partir d’échantillons collectés en juillet 2026, Qwen-Image-3.0 se situe à 1 077 Elo, à la seizième place sur 5 816 échantillons, et Qwen-Image-3.0-Pro à 1 088, à la quatorzième place sur 6 077 — en milieu de tableau, avec un échantillonnage solide, et à peu près là où se classe un modèle de plateforme solide plutôt qu’un modèle de frontière. La propre affirmation d’Alibaba au lancement, selon laquelle le modèle a pris la première place en Chine dans le classement texte-image d’Arena.ai, est un chiffre rapporté par le fournisseur sur un classement différent avec une population de votants différente ; elle ne contredit pas le classement d’Artificial Analysis, elle mesure simplement autre chose.

Du côté de Nano Banana 2.1, le bilan est plus maigre. Il n’y a ni Elo, ni nombre de votes, ni comparaison de rendus par des tiers dans les informations publiques au 7 octobre 2026. Ce qui existe, c’est le libellé du journal des modifications de Google — « améliorations significatives » de la qualité visuelle, du respect des invites, de la cohérence des personnages sur plusieurs tours et du rendu du texte — ainsi que les changements de fonctionnalités documentés : sortie en 1K, 2K et 4K sans palier 512 px, jusqu’à 14 images de référence réparties en dix objets et quatre personnages, mode réflexion activé par défaut, et ancrage Google Image Search en plus de la recherche web. Si vous voulez comparer ces deux modèles sur la qualité aujourd’hui, vous comparez le score mesuré de milieu de tableau d’un modèle à une affirmation du fournisseur de l’autre, et ce ne sont pas des chiffres de même nature.

Où vous pouvez appeler chacun d'eux

Aucun des deux modèles ne figure sur OrcaRouter, et il vaut mieux le dire clairement plutôt que de laisser entendre le contraire. Gemini Nano Banana 2.1 est disponible via l'API du fournisseur lui-même et sur plusieurs plateformes tierces ; Qwen Image 3.0 est disponible via sa propre plateforme et plusieurs plateformes tierces. Notre catalogue propose bel et bien d'autres modèles d'image — celui d'OpenAI, openai/gpt-image-2 et google/gemini-3.1-flash-image-preview, entre autres — et 207 modèles au total derrière un point de terminaison compatible OpenAI.

Cela compte pour cette comparaison pour une raison précise : ces deux fournisseurs modifient leurs chiffres. Google a remanié toute la structure de paliers du prédécesseur de Nano Banana 2.1 et annoncé un arrêt le même jour ; Alibaba publie une grille tarifaire en RMB pour la plateforme domestique, une deuxième en USD pour Model Studio et un troisième ensemble de chiffres pour Qwen Cloud à l'international. Lorsque le prix d'un fournisseur est une cible mouvante, l'intérêt d'acheter via une couche qui répercute le prix catalogue du fournisseur à 0 % de marge est que le chiffre de votre côté évolue le jour même où il évolue chez eux, sans marge entre vous et le chiffre publié et sans contrat distinct à renégocier. C'est la discipline sur laquelle repose le routage d'OrcaRouter, et c'est la raison pour laquelle une comparaison de grilles tarifaires comme celle-ci reste exacte un mois plus tard au lieu de dériver.

Lequel choisir au final ?

Choisissez Gemini Nano Banana 2.1 lorsque vous avez besoin d'une sortie 4K, lorsque vous voulez un palier par lots qui divise par deux le coût par image pour les grands lots de références, lorsque l'édition par prompt avec jusqu'à 14 images de référence est votre flux de travail, ou lorsque vous voulez l'ancrage Google Search au sein de la génération. La date limite de migration sur son prédécesseur est une raison de migrer vers lui plutôt qu'une raison de l'éviter, et la baisse de prix par rapport à Nano Banana 2 équivaut à peu près à une division par deux à chaque résolution. Les questions en suspens sont l'absence de toute mesure de qualité indépendante et les limites de débit non publiées, c'est pourquoi un chemin de production devrait être préparé à basculer plutôt que de supposer que le point de terminaison tient.

Choisissez Qwen Image 3.0 lorsque le résultat reste à 2048×2048 ou en dessous, lorsqu’un budget de concurrence publié compte parce que vous mettez du travail en file d’attente, lorsque la grille tarifaire chinoise à 0,18 RMB par image est le chiffre commercialement pertinent, ou lorsque le prix plus élevé de l’offre Pro vous apporte quelque chose que votre évaluation peut démontrer. Le positionnement indépendant en milieu de tableau n’est pas une faiblesse pour cet usage : c’est le fait isolé le plus fiable de cette comparaison, car c’est le seul chiffre ici qu’aucun des deux fournisseurs n’a produit.

Si vous avez le luxe d'un comparatif, faites-le porter sur la dimension qui diffère réellement : l'édition multi-passes. Générez un candidat, puis effectuez trois corrections successives sur chaque modèle, et comptez le coût total de l'image retenue plutôt que le coût du premier rendu. C'est la comparaison qu'aucune grille tarifaire de fournisseur n'effectue pour vous, et c'est celle qui détermine si une « égalité » en 1K est vraiment une égalité.