MOSS-Image לעומת Nano Banana 2: לאחד יש תאריך סגירה, ולאחר אין נקודת קצה

להשוואה הזו יש תכונה מביכה שאף ספק לא מפרסם. N​ano Banana 2 — השם הצרכני של G​oogle ל-G​emini 3.1 Flash Image, המזהה g​emini-3.1-flash-image — יש לו תאריך כיבוי בעוד שנים עשר יום. יומן השינויים של G​emini API של G​oogle מציין אותו כמיושן ב-29 באוקטובר 2026, שלושה שבועות לאחר ש-N​ano Banana 2.1 שוחרר ב-6 באוקטובר בכמחצית המחיר לכל תמונה. M​OSS-Image, שוחרר כמשקולות פתוחות תחת Apache 2.0 ב-16 באוקטובר 2026, אין לו תאריך כיבוי כי אין מה לכבות: זהו קובץ הורדה בגודל 27 GB שאתה מריץ בעצמך, ולא פורסם עבורו API מסחרי.

אז הגרסה הכנה של ההתמודדות הזו היא לא "מי טוב יותר". מדובר בהשוואה בין מודל שעומד להפסיק להתקיים בשרתים של מישהו אחר לבין מודל שיתקיים אצלך כל עוד אתה שומר את הקבצים. המסגור הזה שימושי יותר מדף מפרט, כי זו בדיוק ההחלטה שצוות מקבל החודש, וכי לשאלת הסדר השני — מה מחליף את N​ano Banana 2 — יש תשובה שמשנה את המחיר בחצי.

קודם כל, מול איזה N​ano Banana אתה בעצם משווה?

למערכת השמות של Google יש שלוש שכבות, וההבדלים אינם קוסמטיים.

Nano Banana 2 הוא Gemini 3.1 Flash Image. ההשקה הצרכנית החלה ב-26 בפברואר 2026 וה-API למפתחים הגיע לזמינות כללית ב-28 במאי 2026 תחת gemini-3.1-flash-image. זהו מחולל התמונות המוגדר כברירת מחדל בכל אפליקציית Gemini, במשטחי Lens ו-AI Mode של Google Search, ב-Flow וב-Google Ads — וזו העובדה שמכריעה כל החלטת אימוץ, משום שזה אינו מודל שאת המשתמשים שלכם צריך לשכנע להשתמש בו.

Nano Banana Pro הוא הדרג הגבוה יותר, והוא המודל ש-OpenMOSS בחרה להשוות מולו בדוח שלה. בטבלת LongLongTextBench של הספק, Nano Banana Pro משיג 96.6 ב-Mean-6 לעומת 96.3 של MOSS-Image — פער של שלוש עשיריות שהוא המרווח הצר ביותר בטבלה, וזה שהכי שווה להבין.

N​ano Banana 2.1 הוא מה שמחליף את N​ano Banana 2 ב-6 באוקטובר. הוא אינו הנושא כאן, אבל הוא היעד, וקיומו קובע את התנאים: הודעת הדפרקציה והמחליף הגיעו באותה רשומת יומן שינויים.

הפער של שלוש עשיריות, בקריאה נכונה

הדוח של MOSS-Image יוצא דופן בכך שהוא מפרסם טבלה שבה מתחרה גובר עליו. LongLongTextBench הוא 240 משימות רינדור טקסט ספרותי — 120 באנגלית, 120 בסינית, באורך יעד ממוצע של 1,339.8 תווים, בערך פי אחד-עשר מהממוצע של LongTextBench — וה-Mean-6 של MOSS-Image,‏ 96.3, מציב אותו הרחק מעל ה-64.9 של Qwen-Image-2512, עם 97.1 באנגלית ו-92.4 בסינית בתת-הקבוצה של התנאי הארוך ביותר. מעליו ניצבים GPT Image 2 עם 99.0 ו-Nano Banana Pro עם 96.6.

שלוש העשיריות שבין MOSS-Image ל-Nano Banana Pro קטנות מהביטחון שכל אחד צריך להיות לו באחד משני המספרים. שניהם הופקו על ידי מעבדות שונות על גבי מדד שנכתב על ידי OpenMOSS, תוך שימוש בהרצות של אותה מעבדה על המודל של Google. ו-Nano Banana 2 אינו המודל שבאותה שורה — דרגת Flash נמצאת מתחת ל-Pro, כך שהקריאה הכנה היא שתוצאת רינדור הטקסט של MOSS-Image נמצאת בקירוב ברמה של דרגת הפרימיום של Google במבחן שמחברי MOSS-Image כתבו, בעוד שהמודל שאיתו באמת הייתם משווים אותו ברכש נמצא דרגה אחת מתחת לכך.

היכן ש-M​OSS-Image אינו קרוב לשום דבר ש-G​oogle מוציאה הוא הפריסה. ב-7Bench, מבחן הבנצ'מרק שהדוח גם מציג, M​OSS-Image מדווח על IoU פריסה ממוצע של 0.88 עם Layout AUC של 0.70. N​ano Banana Pro נמצא ב-0.33 ו-0.20 באותה טבלה. אם המספרים האלה ישרדו שחזור, מיקום אובייקטים מדויק הוא יכולת ש-M​OSS-Image מחזיק בה ואף מודל תמונות של G​emini לא מתחרה בה כיום. הם לא שוחזרו, ואותה מעבדה כתבה את המדד.

מה ש-N​ano Banana 2 נותן לך היום, ולעוד שנים עשר ימים

גיליון היכולות הוא של גנרליסט, וזו הסיבה שהמודל נמצא בכל מקום.

• עקביות — עד חמישה דמויות וארבעה־עשר אובייקטים נשמרים יציבים לאורך תהליך עבודה, התכונה שכל סדרת N​ano Banana נמכרת בזכותה.

• פלט — עד 4K ב-14 יחסי רוחב-גובה, כולל הצורות הקיצוניות של 1:4 ו-1:8 שנדרשות לפורמטי באנרים וטפטים.

• טקסט בתמונות — רינדור בתוך התמונה, כולל תרגום ולוקליזציה תוך שמירה על הפריסה. זוהי היכולת שחופפת באופן הישיר ביותר למסר של M​OSS-Image, והיא זו ש-G​oogle הדגימה בהשקה.

• עיגון — יצירה המעוגנת בחיפוש באינטרנט ובתמונות ולא בפרומפט בלבד, אותו אינסטינקט ארכיטקטוני ש-M​eta הרחיקה לכת איתו עם M​use Image.

• בקרות — רמות חשיבה ניתנות להגדרה, המאזנות בין השהיה לבין הסקה, בתוספת סימון מים של SynthID ומטא-נתוני מקור של C2PA בכל פלט כברירת מחדל.

• מחיר — הפלט מחויב ב-60 דולר למיליון טוקנים, אשר לפי התיעוד של G​oogle עצמה מסתכם לכ-0.045 דולר ב-512px, 0.067 דולר ב-1024×1024, 0.101 דולר ב-2K ו-0.151 דולר ב-4K, כאשר מצב אצווה בחצי. Artificial Analysis מציינת אותו ב-67 דולר ל-1,000 תמונות.

• מיקום מדוד — Elo 1,125 בלוח טקסט-לתמונה של Artificial Analysis ו-1,108 בלוח עריכת התמונות שלה נכון ל-6 באוקטובר 2026.

שום דבר מזה אינו שנוי במחלוקת. מה גם נכון הוא שב-29 באוקטובר המזהה מפסיק לעבוד, והדרך קדימה היא N​ano Banana 2.1 — שArtificial Analysis טרם דירגה, שG​oogle מתמחרת בכמחצית, ושמאמר נפרד בבלוג זה מכסה בפירוט.

מה MOSS-Image נותן לך, ומה הוא מבקש בתמורה

הארכיטקטורה היא טרנספורמר דיפוזיה חד-זרימי בגודל 5B שאומן מאפס: 42 בלוקים משותפים, רוחב חבוי 3,072, 24 ראשים ב-128 ממדים, פיד-פורוורד SiTU-GLU ברוחב 8,192 וקידוד מיקום רוטורי בעל ארבעה צירים שצירו הראשון שמור לאינדקס ייחוס. תג ה-5B אינו כולל את החלקים היקרים — מקודד טקסט קפוא Qwen3.5-9B ו-VAE קפוא FLUX.2 שנטען מ-FLUX.2-klein-4B עם 32 ערוצים לטנטיים, עם טלאים לטנטיים בגודל 2×2 מעל דגימה יורדת של פי 8, שנותנת צעד אפקטיבי של 16 פיקסלים.

הפרומפט יכול להיות אובייקט JSON. תיבות תוחמות בקואורדינטות פיקסלים מוחלטות הנמדדות ממרכז הקנבס, מחרוזות טקסט מילוליות, הערות טיפוגרפיה, הכול עם bbox_format "yxyx". תקרת הפרומפט היא 4,096 טוקנים בשלב ה-pretraining הסופי, ממדי הפלט חייבים להיות כפולות חיוביות של 16, והמדריך ממליץ על מגה־פיקסל אחד, אחד וחצי או שניים עם טווח נתמך מ־512×512 עד 4M. ברירות המחדל של הדגימה הן flow-matching Euler ב־50 צעדים, CFG 3.0, shift 5.0, עם skip-layer guidance על הענף השלילי בשכבה 22 — ומסלול ההנחיה המוגדר כברירת מחדל דורש שני מעברי טרנספורמר קדימה בכל צעד, ולכן 50 צעדים אינם ההגדרה הזולה שהם נשמעים.

מחיר הכניסה הוא אמיתי: כ-27.2 GB עבור מאגר ה-SFT, שמתוכם כ-16.8 GB הם מקודד הטקסט, ובנוסף ה-GPU שלך ועבודת ההגשה שלך. התמורה לכך היא מודל שאפשר לכמת, לכוונן, להריץ באוויר סגור ולשלב בתוך מוצר מסחרי בלי משא ומתן על רישיון, מפני ש-Apache 2.0 מכסה את המשקולות ואת קוד הצינור העצמאי, בלי סף הכנסות ובלי נספח שימוש מקובל.

שורה אחר שורה

• סטטוס — N​ano Banana 2 הוצא משימוש עם השבתה ב-29 באוקטובר 2026; M​OSS-Image שוחרר ב-16 באוקטובר 2026 עם משקולות פתוחות וללא מנגנון הוצאה משימוש

• גישה — Nano Banana 2 דרך ה-API של Google ומשטחי הצריכה שלו, ודרך פלטפורמות ניתוב; MOSS-Image באמצעות הורדתו

• מחיר — N​ano Banana 2 כ-$0.067 לכל תמונה בגודל 1024×1024 וכ-$0.151 ב-4K, מחויב בטוקנים של פלט, אצווה בחצי מחיר; M​OSS-Image בחינם עם דרישת מקום של ~27.2 GB וזמן GPU משלך

• רישיון — N​ano Banana 2 הוא קנייני, API בלבד, ללא משקולות זמינות; M​OSS-Image הוא Apache 2.0 עבור משקולות וקוד pipeline עצמאי

• ציון עצמאי — N​ano Banana 2 עם Elo 1,125 ליצירת תמונה מטקסט ו-1,108 לעריכה ב-Artificial Analysis; ל-M​OSS-Image אין רשומה ב-Artificial Analysis והציונים שפורסמו שלו מגיעים מבנצ'מרקים שהמחברים של המודל עצמו כתבו

• רינדור טקסט — N​ano Banana Pro צובר 96.6 Mean-6 ב-LongLongTextBench לעומת 96.3 של M​OSS-Image; רמת Flash אינה נמצאת בשורה הזו

• שליטה בפריסה — MOSS-Image מקבל פריסות JSON בקואורדינטות פיקסלים מוחלטות ביחס למרכז ומדווח על 0.88 IoU ממוצע ב-7Bench; Nano Banana Pro מדווח על 0.33 באותה טבלה ו-Google אינה מפרסמת מדד פריסה משלה

• הפניות — N​ano Banana 2 שומר על עקביות של עד חמישה דמויות וארבעה־עשר אובייקטים בפרומפט אחד; התניית הרפרנסים של M​OSS-Image היא ציר מיקום שמור שהספק מתאר כעבודה עתידית, לא כתכונה ששוחררה

• מקור — N​ano Banana 2 מיישם סימון מים של SynthID ומטא-נתוני C2PA על כל פלט כברירת מחדל; M​OSS-Image אינו נושא שכבת סימון מים

• כיוונון עדין — MOSS-Image יכול לעבור כיוונון עדין וכימות, וכימותים קהילתיים, LoRA DMD בעל 4 שלבים וגרסה מזוקקת בת 8 שלבים הופיעו בתוך כיום בערך; ב-Nano Banana 2 לא ניתן לגעת

למה ההוצאה משימוש משנה את התשובה

אילו ‌Nano Banana 2 ו‑‌MOSS-Image היו שתיהן אפשרויות יציבות, ההחלטה הייתה שגרתית: API בשבעה סנטים לתמונה מול מודל באירוח עצמי בעלות שלך, כשאיכות פחות או יותר דומה במדד טקסט שנכתב בידי הספק, והפריסה עוברת באופן חד‑משמעי ל‑‌MOSS-Image. ההוצאה משימוש שוברת את הסימטריה, והיא שוברת אותה בשני הכיוונים.

מול N​ano Banana 2, M​OSS-Image מנצחת כעת באופן חד-משמעי בטיעון אריכות החיים. בניית פייפליין על מודל שהוכרז לו סוף חיים בעוד שנים עשר ימים ויש לו יורש שלא מדדת היא הגירה שכבר תזמנת. קבצים שאתה מוריד לא ניתן להכריז עליהם כמיושנים באמצעות רשומה ביומן שינויים. זו אינה נקודה רטורית בדבר פתיחות; זוהי עובדת תזמון, וזהו הטיעון החזק ביותר, ובה בעת היחיד, שההשוואה הזו מפיקה.

אבל ההוצאה משימוש פועלת גם בכיוון ההפוך, וזה החלק שבדרך כלל נשמט. העובדה ש-Nano Banana 2.1 מגיע במחיר של כמחצית משמעה שהחלופה ל-MOSS-Image אינה תמונה בעלות שבעה סנטים — היא תמונה בעלות שלושה וחצי סנטים, וכזו ש-Google תמשיך לשפר לפי לוח הזמנים שלה, בלי עומס תפעולי עליכם. עלות הבעלות הכוללת של MOSS-Image עולה על זו רק אם זמן ה-GPU שלכם זול, הנפח שלכם גבוה, או שאתם זקוקים לאחד הדברים ש-API מעצם טבעו לא יכול לתת לכם: כיוונון עדין, קוונטיזציה, פריסה מבודדת מרשת, או רישיון שלא תצטרכו לנהל עליו משא ומתן מחדש.

הצד של OrcaRouter בעניין הזה, בלי להפריז בהצהרות

זהו ההתמודדות היחידה במערך הנוכחי שבה סיפור הניתוב הוא קונקרטי ולא היפותטי, ולכן כדאי לנסח אותו במדויק. Nano Banana 2 מוגש בקטלוג שלנו בתור google/gemini-3.1-flash-image-preview — אם כי בהתחשב בהשבתה ב-29 באוקטובר, הדבר ההגיוני לעשות עם נקודת הקצה הזו החודש הוא מבחן הגירה, ולא אינטגרציה חדשה, והמחליף נגיש באותה דרך. MOSS-Image אינו נמצא בקטלוג שלנו ואנחנו לא מארחים אותו; הוא הורדה, ושום דבר כאן לא מרמז אחרת.

הדבר שהשילוב הזה באמת טוב עבורו הוא ההחלטה שעומדת לפניך. אם ברצונך לדעת אם MOSS-Image באירוח עצמי מפיק פלט טקסט ופריסה טוב יותר מאשר שכבת האירוח שעבורה משלמים, תצטרך את שני המספרים על אותם פרומפטים, והחצי המתארח של המבחן הזה לא אמור לדרוש חוזה שני. מפתח API אחד, מחיר המחירון של הספק מועבר הלאה עם 0% תוספת, כך ששינוי מחיר של Google נכנס לתוקף כאן באותו יום, מעבר אוטומטי לגיבוי בין ספקים כך שריצת השוואה לא תמות בגלל אחר הצהריים רע של ספק אחד במעלה הזרם, ו-DSL לניתוב שמעמיד את שניהם מאחורי נקודת קצה אחת. זו כל הטענה, והיא נעצרת בדיוק במקום שבו הייתה מתחילה ההצעה לארח את MOSS-Image.

מה לעשות בשנים עשר הימים הקרובים

אם אתם על N​ano Banana 2 בפרודקשן, למשימה המיידית אין שום קשר ל-M​OSS-Image: יש לכם מזהה שהוצא משימוש, יורש במחצית המחיר, ומועד אחרון. הריצו מחדש את מערך ההערכה שלכם מול היורש לפני ה-29 והחליטו על סמך ראיות ולא על סמך הורדת המחיר.

אם אתם בוחנים את MOSS-Image, עשו זאת משתי הסיבות ששורדות את ההשוואה. ראשית, שליטה בפריסה — הפער של 0.88 מול 0.33 ב-7Bench הוא התוצאה היחידה בתחום הזה שאין לה כיום מתחרה באף פתרון מתארח, ואם מיקום מדויק הוא הבעיה שלכם, שום שכבת API לא פותרת אותה. שנית, קביעוּת — משקולות Apache 2.0 שאיש לא יכול להתיישן, לתמחר או לחסום לפי מפת הדרכים שלו מלבד שלכם.

אל תאמצו את MOSS-Image לרינדור טקסט. הוא מצוין בכך, והוא לא מוביל בכך: 96.3 נמצא מתחת ל-96.6 של Nano Banana Pro ומתחת ל-99.0 של GPT Image 2 בטבלה של הספק עצמו, והמודל שאותו הייתם מחליפים עולה כמה סנטים לתמונה בלי אותם 27 ה-GB. הטיעון בעד המודל הזה הוא צר, ספציפי ואמיתי, והוא לא הטיעון שטבלת הבנצ'מרקים שלו בנויה להציג.

שני דברים יכריעו את העניין. הרצה עצמאית של LongLongTextBench או 7Bench על ידי מישהו שאינו OpenMOSS, ובקשת ה-pull request של vLLM-Omni שמוסיפה את MOSS-Image עם הנחיית דילוג-שכבות שמתמזגת למהדורה מתויגת — היא נפתחה ב-14 באוקטובר, עומדת על 3,605 שורות שנוספו ב-25 קבצים, ועדיין פתוחה כשהסוקר מבקש ראיות ל-output parity מול reference מוצמד. עד ששני הדברים יקרו, הסיכום המדויק הוא שהמודל של Google הוא הג'נרליסט הטוב יותר, זול יותר להשגה, ונעלם בעוד שנים עשר ימים, בעוד שהמודל של OpenMOSS עושה דבר אחד שאיש אחר לא עושה, דורש חומרה, ועדיין יהיה ניתן להתקינו כאשר יומן השינויים שהוציא לגמלאות את יריבו נשכח מזמן.

הכשלים המתועדים של ה-AI ותקריות הסוכנים שמאחורי גרסאות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות ודגל מחלוקת.