MAI Image 2.7 Preview לעומת Nano Banana 2.1: מה 42 Elo באמת קונה
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated2026-10-2782 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 283 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 83 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2455אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 118 tok/s
- minimaxחדשMiniMax: M3.1 Flash2026-10-1943אינטליגנציה
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 45 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 112 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 700 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2138אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2146אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 160 tok/s
כמעט כל מספר בהשקת MAI Image 2.7 Preview אינו ניתן להשוואה לשום דבר. המודל הופיע לראשונה ב-27 באוקטובר 2026 עם 1,193 Elo בלוח AA-Image-Editing v2.1 של Artificial Analysis, ורוב המודלים שהייתם רוצים להעמיד מולו נמדדו שבועות קודם לכן על לוח שהשתנה מאז. Nano Banana 2.1 הוא היוצא מן הכלל. המודל של Google נמצא באותה גרסה של אותו לוח עם 1,151, מאותה הערכה של 22 באוקטובר 2026 — כך ש-1,193 פחות 1,151 הוא חיסור שמותר לבצע. הפער הוא 42 Elo, וזהו הראש בראש היחיד והנקי שההשקה הזו נותנת לכם.
מה שהופך את שני המודלים לצמד הטבעי לשאלה שכולם באמת שואלים: האם העורך הטוב ביותר בטבלה שווה שימוש לעומת הזול הטוב ביותר שמגיע עם מסכות, פלט 4K, ארבעה־עשר תמונות ייחוס ומחיר מפורסם? מתברר שהתשובה תלויה בחישוב שאיש לא הריץ על קיצוץ המחיר של Nano Banana 2.1.
למה ההשוואה הזו היא היחידה ההוגנת על הלוח
לוחות דירוג אינם מדחומים. הם אוכלוסיות נעות — מודלים נכנסים, מודלים יוצאים משימוש, הצבעות מצטברות — וציון מקבל משמעות רק ביחס למספרים האחרים שנרשמו באותה סריקה. זה המלכודת ברוב הסיקור של השקת 2.7. התרשים של מיקרוסופט עצמה מציב את 2.7 ב-1,193, את GPT Image 2.5 Sunburst ב-1,199, את GPT Image 2.5 Flare ב-1,182, את MAI-Image-2.6 ב-1,151, את Krea 3 Ultra ב-1,151, את Nano Banana 2.1 ב-1,151, את MAI-Image-2.6-Flash ב-1,144 ואת GPT Image 2 ב-1,136 — כולם מאותה ריצה של AA-Image-Editing v2.1, וזה מה שהופך את כל התרשים לראוי לציטוט. שש נקודות Elo מפרידות בין 2.7 לראש, ושש הנקודות האלה נמצאות בתוך הרעש שלוח הצבעה עיוור יכול לנוע בו בשבוע.
מה שאינו רעש הוא צורת ההתפלגות. בין 1,136 ל-1,199 נמצאים שמונה מודלים מארבעה מעבדות, כולם בטווח של 63 נקודות. בתחום העריכה, החזית צפופה, ו-42 נקודות — הפער בין 2.7 ל-Nano-Banana-2.1 — הן כשני שלישים מכלל הפיזור של שמונת המובילים. זהו הבדל אמיתי בתוך שדה דחוס, והוא גם קטן מספיק כדי שעומס עבודה ספציפי יוכל להפוך אותו.
שורות מפרט, עם הפערים המסומנים
• השקה — Nano Banana 2.1 הגיע ב-6 באוקטובר 2026, החליף את Nano Banana 2 ונמצא מתחת ל-Nano Banana Pro בקו המוצרים של Google; MAI Image 2.7 Preview הגיע ב-27 באוקטובר 2026.
• היקף — Nano Banana 2.1 יוצר ועורך, בנוי על Gemini 3.6 Flash; 2.7 משמש לעריכה בלבד, עם הבטחה ליצירת תמונות מטקסט שטרם שוחררה.
• פלט — Nano Banana 2.1 מציע 1K, 2K ו-4K עם יחסי רוחב-גובה מ-1:8 עד 8:1; מיקרוסופט לא פרסמה רזולוציה עבור 2.7.
• הפניות — עד ארבע עשרה עבור Nano Banana 2.1, מחולקות לארבע דמויות ועשרה אובייקטים הנשמרים עקביים; טרם פורסם עבור 2.7.
• שליטה — Nano Banana 2.1 תומך בעריכה מקומית מבוססת מסכה, שבה מציירים אזור ורק האזור הזה משתנה, וכן בשלוש רמות חשיבה; Microsoft מתארת את החוזקות של 2.7 לפי תרחישי שימוש — עיצוב מחדש, שינוי תאורה, עריכות טקסט וסמלים — ללא ממשק מסכה שפורסם.
• מחיר — Nano Banana 2.1 עולה $0.0336 לכל 1,000 תמונות, $0.0504 ברזולוציית 2K ו-$0.113 ברזולוציית 4K דרך Gemini API, כאשר עבודות אצווה עולות חצי מכך שוב; ל-2.7 אין תעריף מפורסם.
• גישה — Nano Banana 2.1 נמצא באפליקציית Gemini, ב-AI Studio, ב-Gemini API, במצב ה-AI של Search, ב-Google Ads, ב-Flow וב-Stitch; 2.7 נמצא ב-MAI Playground, ב-Arena וב-Artificial Analysis, ללא API וללא רישום ב-Foundry.
הטבלה שתסיק מכך אינה קרובה בשום דבר מלבד התוצאה. אז מוטב שהתוצאה תהיה שווה הרבה.
הקיצוץ המפורסם של 50% במחיר קטן ממה שזה נשמע
הכותרת של Google עבור Nano Banana 2.1 הייתה שעלות פלט התמונה היא חצי ממה שהייתה: $30 למיליון טוקני פלט, לעומת $60. זה נכון, ובמקרה של טקסט-לתמונה טהור מדובר בקירוב להפחתה בחצי, מפני שרוב החשבון הוא פלט.
עריכה היא צורה אחרת של בקשה. עריכה נושאת את תמונת המקור כטוקנים של קלט וכן מפיקה תמונה כפלט, וגוגל העלתה את מחירי הקלט באותו זמן — מ-$0.50 ל-$1.50 למיליון טוקנים, פי שלושה. הפלט של טקסט והסקה עלה מ-$3 ל-$7.50 למיליון. לכן החיסכון בפועל בעריכה אינו 50%; הוא ההפרש בין שתי עלויות לינאריות, והוא מתהפך בסימן כאשר צד הקלט גדול מספיק.
נסח זאת כאי־שוויון. יהי I מספר טוקני הקלט ו־O מספר טוקני הפלט עבור בקשה אחת. הבקשה הישנה עלתה 0.5I + 60O והחדשה עולה 1.5I + 30O. המחיר החדש זול בדיוק כאשר 1.5I + 30O < 0.5I + 60O, מה שמתפשט ל־I < 30O: הקלט חייב להישאר מתחת לשלושים פעמים הפלט. זה מרווח נדיב עבור עריכה של 1K והרבה יותר דק עבור עריכה של 4K עם סט ייחוס גדול, מכיוון שתמונות ייחוס הן קלט ופלט של 4K אינו פי שלושים ממספר הטוקנים של הייחוסים שהפיקו אותו.
ההשלכה המעשית: אם עומס העבודה שלכם הוא "תמונת מקור אחת נכנסת, תמונה אחת בגודל דומה יוצאת" — מה שמאפיין את רוב צינורות עיבוד תמונות המוצר והרטוש — תמחור העריכה של Nano Banana 2.1 טוב באופן מהותי מזה של קודמו, אבל לא בחצי, וצינור 4K עם ארבעה או חמישה מקורות ייחוס עשוי כמעט לא ליהנות מהקיצוץ. אם עומס העבודה שלכם הוא יצירה בפרומפט בלבד, אתם מקבלים את ההפחתה המלאה בחצי, ומצב אצווה מפחית אותה שוב בחצי.
איפה ה-42 Elo יופיעו, אם בכלל
פירוט הקטגוריות של Microsoft שימושי יותר מהציון הכולל שלה, מפני שהוא מלמד מאין הגיע השיפור. בין MAI-Image-2.6 ל-2.7, עריכות מבוססות הסקה עלו מהמקום השביעי לראשון, עריכות סצנה וסגנון מהשביעי לראשון, ועריכות טקסט או סמל מהשישי לראשון. היתרון הבודד הגדול ביותר הוא 24 נקודות Elo בסצנה ובסגנון לעומת המודל הבא בטיבו. אלה הצהרות ספקיות לגבי הקטגוריות של Artificial Analysis, והדפוס עקבי: 2.7 השתפרה בעריכות שדורשות שיקול דעת לגבי התמונה כולה ולא תיקון מקומי.
החולשות שפורסמו של Nano Banana 2.1 הן כמעט התשליל הצילומי של זה. כרטיס המודל של Google עצמה מודה בטקסט קטן מטושטש ב-1K, בבלבול מדי פעם בין שמאל לימין, בדמיון דמות לא מושלם, וביכולת מוגבלת של הסקה תלת-ממדית ועובדתיות. בלבול בין שמאל לימין הוא כשל בהסקה מרחבית; טקסט קטן מטושטש ב-1K הוא כשל תלוי-רזולוציה. אף אחד מהם אינו סוג השגיאה שתאורה מחדש של סצנה משפרת.
אז הקריאה הכנה של ציון Elo 42 היא שהוא מרוכז במקום שבו Microsoft אומרת שהוא נמצא: שינוי סגנון של תמונה שלמה, שינוי תאורה, טקסט המשולב בקומפוזיציה קיימת, ועריכות שבהן המודל צריך להבין כיצד אובייקטים ואור קשורים זה לזה. אם העבודה שלכם נראית כך, סביר שהפער יהיה גלוי. אם העבודה שלכם היא להסוות אובייקט אחד מתוך צילום מוצר ולהכניס אחר במקומו, אתם לא בודקים את הציר שבו 2.7 מוביל, ומסכה שאתם באמת יכולים לצייר שווה יותר מציון.
שאלת המסכה היא זו שמכריעה את העניין
זהו ההבדל הכי פחות זוהר, וזה שלעיתים הקרובות ביותר מכריע אינטגרציה אמיתית. עריכה מבוססת מסכה משמעה שאדם כבר החליט מה משתנה; תפקידו של המודל הוא לגרום לשינוי להיראות טבעי. חלוקת העבודה הזו היא הסיבה לכך שכלי עריכה בצינורות ייצור ניתנים לבדיקה: סוקר יכול לראות את האזור המצויר ולשפוט רק את האזור הזה.
MAI Image 2.7 Preview, כפי שמתועד, מקבל הוראה ותמונה. התיאור של Microsoft את סט היכולות — לשנות את סגנון הסצנה, לשנות את הטקסט, לשחזר את הנכס — מונחה-הוראה לכל אורכו, ללא פרמטר מסכה מפורסם, ללא שליטה בתיבת תיחום, וללא מספר מרבי מתועד של תמונות ייחוס. ייתכן בהחלט שהוא מקבל מסכות; פשוט אין ממשק מפורסם שכנגדו ניתן לתכנת, ובעבור מפתח זו אותה הבעיה בדיוק.
עבור מנהל קריאייטיב שעובד תמונה אחר תמונה, גישה מונחית הוראות מהירה יותר ולעיתים קרובות טובה יותר. עבור תהליך עיבוד שצריך להפיק שובל ביקורת, מסכה אינה בגדר מותרות.
היכן כל אחד מהם נמצא, ומה זה עולה לך להגיע אליו
Nano Banana 2.1 הוא אחד ממודלי התמונה בעלי התפוצה הרחבה ביותר בעולם: Gemini API, AI Studio, אפליקציית Gemini, מצב ה-AI של Search, Google Ads, Flow ו-Stitch. תפוצה אינה מפרט, אבל היא קובעת כמה עבודת אינטגרציה תבצעו לפני שתדעו אם המודל מתאים.
MAI Image 2.7 Preview נמצא בשלושה מקומות, ושניים מהם הם משטחי הערכה. זו בחירה מכוונת עבור תצוגה מקדימה, והיא גם חומה: צוות שרוצה לבדוק את 42 Elo על הנכסים שלו חייב לעשות זאת ידנית בדפדפן, תמונה אחת בכל פעם, ואינו יכול להריץ את הניסוי באמצעות סקריפט.
בצד התמחור יש פרט תשתיתי קונקרטי שכדאי להכיר. OrcaRouter מציעה את קו התמונות של Google במחיר המחירון של הספק עם תוספת של 0% — Nano Banana 2 ב-$0.15 לבקשה ו-Nano Banana Pro ב-$0.24 היום — כך ששינוי מחיר של ספק מגיע אלינו באותו יום שבו הוא מגיע ל-Google, במקום להמתין למשא ומתן מחדש. השאלה אם 2.1 עצמו יתווסף היא החלטת קטלוג, לא החלטת תמחור; כאשר זה יקרה, תעריף הפלט המופחת בחצי הוא מה שייגבה ממך, כי אין דבר בינך לבין מחיר המחירון.
כלל ההחלטה
אם העריכות שלכם הן שיפוטים ברמת התמונה כולה — לשנות את התאורה בסצנה הזו, לעצב מחדש את החדר הזה, לשים טקסט חדש על השלט הזה ולגרום לו להיראות מודפס — השתמשו ב-MAI Image 2.7 Preview ב-Arena או ב-Playground השבוע והשוו אותו ל-Nano Banana 2.1 על עשרה מהתמונות שלכם. זה בדיוק הציר שבו 2.7 טוען ליתרון של 24 נקודות, והשוואה עיוורת היא המבחן היחיד שמחזיק מים.
אם העריכות שלכם מקומיות ומוגדרות — החלפת התווית הזו, הסרת הכבל הזה, הארכת הרקע הזה — Nano Banana 2.1 מנצח ביכולת לומר במדויק מה צריך להשתנות, במחיר של $0.0336 לפלט ברזולוציית 1K, עם 4K זמין כשהמטרה דורשת זאת, וארבע־עשרה תמונות ייחוס כשעקביות המותג דורשת זאת. ל-42 Elo אף פעם אין הזדמנות להיות רלוונטי, כי אתם לא שואלים את השאלה שהוא עונה עליה.
אם אתה צריך עורך בתוך פייפליין היום ואף אחד מאלה לא מתאר אותך, המודלים שעל הלוח הזה הם אלה עם ממשקים מפורסמים. MAI Image 2.7 Preview יהיה אפשרות מעניינת באמת ביום שיהיה לו ממשק כזה; לוח המובילים כבר אמר לך למה לצפות ממנו, והדבר היחיד שחסר הוא היכולת לגלות בעצמך.
