Gemini Omni 1.2 Flash vs Nano Banana 2.1: Tiga Puluh Satu Gambar Diam untuk Satu Klip

Anggarkan iklan produk tiga puluh detik dan Anda akan membutuhkan dua model Google, bukan satu. Nano Banana 2.1 adalah mesin gambar diam — endpoint gemini-nano-banana-2.1, tersedia umum sejak 6 Oktober 2026, $0.0336 untuk gambar 1K, $0.0504 pada 2K, dan $0.113 pada 4K. Gemini Omni 1.2 Flash adalah mesin gerak: tersedia umum sejak 5 November 2026, sekitar $0.07 per detik video 720p, yang membuat klip lima belas detik mendekati $1.05. Bagi satu dengan yang lain dan satu render lima belas detik biayanya kira-kira sama dengan biaya tiga puluh satu gambar diam 1K. Rasio itulah seluruh keputusannya, dan itu rasio yang banyak tim balikkan karena mereka memberi harga pada model, bukan pada hasil akhir.

Keduanya milik Google, keduanya berbasis penggunaan berbayar, keduanya membawa SynthID, dan keduanya memiliki keanehan penamaan yang menyulitkan integrasi: nama tampilan dan ID endpoint tidak berbentuk seperti yang Anda harapkan. Nano Banana adalah nama produk Google untuk pembuatan gambar native Gemini, dan yang terbaru merespons sebagai gemini-nano-banana-2.1 sementara pendahulunya adalah gemini-3.1-flash-image. Yang terbaru dari Omni merespons sebagai gemini-omni-1.2-flash. Tidak ada nama yang memberi tahu Anda modalitas mana yang sedang Anda beli.

Apa yang dikembalikan oleh masing-masing

Nano Banana 2.1 menerima teks, gambar, video, dan PDF sebagai masukan, serta mengembalikan gambar dan teks sebagai keluaran, pada 1K, 2K, atau 4K dengan tingkat pemikiran minimal, sedang, atau tinggi. Model ini menampung hingga 14 gambar referensi untuk fusi multi-gambar — cukup untuk empat karakter dan menjaga kesetiaan objek pada sepuluh objek — dan melakukan grounding Google Search serta Image Search. Batas tokennya adalah 131.072 masukan dan 32.768 keluaran.

Gemini Omni 1.2 Flash menerima teks, gambar, dan video sebagai input, lalu menghasilkan video dengan audio tersinkronisasi native, berdurasi tiga hingga lima belas detik pada 24 frame per detik, dalam 360p, 720p, 1080p, atau 4K dengan dua resolusi teratas di-upscale. Model ini mendukung hingga enam gambar referensi per permintaan, plus video referensi hingga tiga detik. Model ini menerima 131.072 token input yang sama dan mengembalikan hingga 65.536 token.

• Keluaran — gambar dan teks versus video dengan audio asli.

• Durasi — satu frame dibandingkan tiga hingga lima belas detik, dapat diperpanjang hingga total 30 detik.

• Gambar referensi — hingga 14 versus hingga enam.

• Resolusi — tingkatan native 1K, 2K, 4K dibandingkan dengan 360p, 720p, 1080p, 4K dengan dua teratas di-upscale.

• Kontrol pemikiran — minimal, sedang, tinggi dibandingkan tanpa opsi; Omni sama sekali tidak mengekspos temperature, top_p, atau instruksi sistem.

• Jenis input — teks, gambar, video, dan PDF terhadap teks, gambar, dan video.

• Harga — $0,0336 per 1K gambar dibandingkan dengan sekitar $0,07 per detik untuk 720p.

Aritmetika iklan tiga puluh detik

Ambil alur kerja yang realistis, bukan tolok ukur. Anda punya delapan bidikan untuk mengisi tiga puluh detik, masing-masing dua hingga empat detik, dan Anda ingin memilih frame yang menjual sebelum Anda membayar untuk motion.

Di sisi stills, hasilkan empat kandidat per shot pada 2K: tiga puluh dua gambar dengan $0.0504, atau $1.61. Tinjau semuanya, pilih delapan, lalu upscale yang terpilih ke 4K dengan $0.113 per gambar: tambahan $0.90. Anda sudah mengeluarkan sekitar $2.51 untuk proyek ini dan memiliki delapan frame yang disetujui.

Sekarang animasikan. Delapan shot masing-masing sekitar tiga detik berarti 24 detik 720p, ditambah percobaan ulang — dan pengeditan percakapan Omni berarti percobaan ulang adalah alur kerja normal, bukan pengecualian. Anggap dua take per shot: 48 detik output dengan tarif $0.07, sekitar $3.36. Lalu upscale hasil final: 24 detik dengan $0.104 per detik untuk 1080p, sekitar $2.50, atau dua kali lipat untuk 4K.

Sebut saja $8 hingga $9 secara keseluruhan, dengan sekitar sepertiganya dihabiskan untuk foto still. Itulah bentuk tagihan nyata, dan itulah sebabnya rasio "31 foto still per klip" menyesatkan jika Anda menganggapnya sebagai saran. Foto still bukan alternatif bagi klip. Itu adalah bagian murah yang menentukan apakah klip itu layak dibuat.

Di mana rasio itu benar-benar berpengaruh adalah pertanyaan lain: apakah hasil yang harus diserahkan ini berupa gambar atau rangkaian gerak? Katalog berisi 500 gambar produk adalah pekerjaan Nano Banana senilai $25 atau pekerjaan Omni senilai $525, dan dalam perbandingan itu tidak ada pertandingan yang perlu diadili. Kesalahannya adalah membuat video karena prompt mendeskripsikan sesuatu yang bergerak.

Gambar referensi, di mana model yang lebih murah adalah model yang lebih mampu

Inilah temuan yang berlawanan dengan intuisi dari perbandingan ini dan dapat diverifikasi di kedua dokumen. Nano Banana 2.1 menerima hingga 14 gambar referensi. Gemini Omni 1.2 Flash menerima hingga enam.

Kerangka Google sendiri untuk enam referensi Omni bersifat spesifik: hingga tiga gambar per karakter, untuk hingga dua karakter, ditambah referensi produk dan gaya. Kartu model menyebutnya "konsistensi karakter dan subjek yang lebih baik di seluruh hingga 6 gambar referensi" dan posting peluncuran menjelaskan menjaga wajah, pakaian, tipografi kemasan, dan warna merek tetap konsisten di berbagai sudut. Jalur video referensi terpisah dan bertingkat berdasarkan durasi — keluaran berdurasi sebelas hingga lima belas detik menggunakan satu video referensi berdurasi hingga tiga detik, keluaran berdurasi tiga hingga sepuluh detik menggunakan hingga tiga video referensi — dan video referensi hanya berfungsi untuk pembuatan baru, bukan untuk pengeditan atau perluasan.

Empat belas kemampuan Nano Banana 2.1 ditujukan untuk masalah yang berbeda: menggabungkan beberapa subjek ke dalam satu adegan, dengan kartu tersebut mengklaim fidelitas untuk empat karakter dan sepuluh objek. Itu adalah kemampuan pengomposisian, bukan kemampuan kontinuitas, dan cocok untuk pekerjaan katalog — menempatkan tas yang sama di sepuluh ruangan berbeda tanpa menggambar ulang tas tersebut.

Konsekuensi praktisnya: jika pekerjaan Anda adalah "karakter yang sama, banyak bidikan," enam referensi Omni dengan framing tiga per karakter adalah alat yang spesifikasinya lebih tepat. Jika pekerjaan Anda adalah "banyak objek, satu bingkai," empat belas referensi Nano Banana adalah pilihannya. Menghitung referensi dan menyatakan pemenang justru membuat ini salah total.

Rendering teks, di sinilah model-model ini sebenarnya berbeda

Kedua model ini luar biasa baik dalam hal tipografi yang mudah dibaca, dan bagi keduanya, kemampuan inilah yang paling mengubah apa yang dapat Anda rilis.

Kemajuan yang tercantum pada Nano Banana 2.1 dibandingkan Nano Banana 2 adalah kualitas visual, kepatuhan terhadap prompt, konsistensi karakter lintas giliran, dan rendering teks, plus perbaikan untuk rasio panorama lebar — 1:4, 4:1, 1:8, dan 8:1 tidak lagi terpecah menjadi tile pada 2K dan 4K. Jika hasil yang Anda perlukan adalah infografik, poster, atau mock UI, kombinasi itu adalah keseluruhan produknya.

Klaim setara Omni 1.2 adalah tentang teks di dalam gerakan: keterbacaan label, animasi bagan, dan callout di layar. Materi peluncuran Google bersandar pada hal itu, dan satu-satunya uji coba langsung independen yang tersedia — dua puluh generasi oleh Rohit Rao dari Segmind, $16.17 dalam kredit — menemukan bahwa explainer berlabel dan animasi bagan dari frame akhir yang disediakan adalah area dengan performa terbaik model ini, sementara orang fotorealistis yang dibuat dari nol adalah area kegagalannya. Ringkasan kalimatnya adalah bahwa model ini "model video paling tepat mengikuti instruksi yang pernah saya uji," dengan catatan bahwa sekitar satu dari empat instruksi dilewati.

Perhatikan apa artinya bagi pasangan ini: penggunaan Omni 1.2 yang paling kuat dan terdokumentasi adalah menganimasikan grafik yang sudah Anda desain. Itu tugas Nano Banana 2.1.

Resolusi, upscaling, dan seberapa berharga "4K"

Keduanya mengiklankan 4K, tetapi yang dimaksud masing-masing tidak sama.

Nano Banana 2.1 menghasilkan pada 1K, 2K, atau 4K sebagai tingkatan output yang dapat dipilih, dan Google menetapkan harga secara terpisah: $0,0336, $0,0504, dan $0,113 per gambar. Perhitungan token mencerminkan piksel sebenarnya — 1.120 token untuk gambar 1K, 1.680 untuk 2K, 3.780 untuk 4K.

Panduan Gemini Omni 1.2 Flash menyatakan secara eksplisit bahwa 1080p dan 4K di-upscale. Penetapan harganya mengikuti konsumsi token, bukan render native, yaitu 8.688 token per detik untuk 1080p dan 17.376 untuk 4K, dibandingkan 5.792 pada 720p. Jadi klip 4K berdurasi lima belas detik berbiaya sekitar $3.14, dan tier teratas merupakan pembesaran dari render yang lebih kecil, bukan detail yang ditangkap pada saat pengambilan. Untuk distribusi media sosial, itu tidak masalah. Untuk siaran, ujilah sebelum menjanjikannya.

Alur kerja keduanya termasuk dalam

Disiplin Omni yang direkomendasikan Google sendiri adalah buat draf murah, iterasi, lalu tingkatkan resolusi pemenangnya: 360p atau 720p untuk eksplorasi, 1080p atau 4K untuk final. Padanan Nano Banana adalah hasilkan pada 1K, lalu tingkatkan resolusi pilihan. Jalankan secara berurutan dan urutannya akan tersusun sendiri — gambar diam dulu untuk menetapkan komposisi dan tipografi, lalu gerak pada frame yang lolos peninjauan, lalu upscale final pada keduanya.

Ada satu batas tegas. Omni tidak menerima gambar sebagai hasil video, dan Nano Banana tidak menerima video sebagai hasil gambar. Keluaran dari kedua model tidak dapat dikembalikan ke model lainnya sebagai penyuntingan dalam modalitas yang sama — Omni dapat memperpanjang dan menyunting klipnya sendiri secara percakapan, Nano Banana dapat menyunting foto diamnya sendiri, dan keduanya tidak saling menyeberang.

Membeli salah satunya melalui OrcaRouter

Tidak satu pun dari kedua endpoint ini ada di katalog kami saat ini. google/gemini-nano-banana-2.1 dan google/gemini-omni-1.2-flash sama-sama mengembalikan 404 pada halaman model OrcaRouter, jadi API vendor adalah jalur untuk keduanya. Yang kami sediakan dari keluarga yang sama adalah endpoint pembuatan gambar sebelumnya, google/gemini-3.1-flash-image-preview — Nano Banana 2 — bersama Nano Banana Pro dan model teks Gemini 3.8 Flash, yang berarti pipeline gambar yang tidak dipatok ke checkpoint terbaru dapat menjalankan langkah perencanaan, perluasan prompt, dan QA-nya dengan satu kunci.

Itulah gambaran jujurnya: panggilan media langsung, sedangkan panggilan teks di sekitarnya tidak harus demikian. OrcaRouter menagih dengan markup 0% dan harga daftar penyedia diteruskan apa adanya, jadi jika Google mengubah tarif Nano Banana atau Omni, perubahan itu muncul di sisi kami pada hari yang sama saat muncul di sisi mereka, dan failover otomatis menjaga langkah perluasan prompt tetap berjalan ketika salah satu penyedia mengalami degradasi.

Apa yang sebenarnya harus dipilih

Jika hasil kerjanya adalah visual yang akan dilihat orang — pack shot, infografis, hero image, atau mock UI — Nano Banana 2.1 tiga puluh kali lebih murah per keluaran, menerima lebih dari dua kali jumlah referensi, mendukung PDF, dan memiliki kontrol thinking yang tidak disediakan Omni. Tidak ada versi keputusan itu di mana Omni menang berdasarkan merit.

Jika hasil akhirnya adalah gerakan, Nano Banana 2.1 tidak dapat membuatnya dengan harga berapa pun, dan perbandingannya berakhir di situ.

Jebakannya adalah kasus tengah: proyek yang menginginkan "iklan video" tetapi masalah-masalah sulitnya semuanya adalah komposisi, tipografi, dan konsistensi. Itu tetap masalah. Selesaikan pada model yang biayanya tiga sen per frame, dan biarkan Omni menganimasikan delapan frame yang disetujui alih-alih tiga puluh dua frame spekulatif. Rasio tiga puluh satu banding satu bukanlah argumen untuk model gambar diam. Itu adalah argumen untuk menggunakannya lebih dulu.