GPT-Image-2.6 vs Nano Banana 2.1: Papan Peringkat Tidak Sepakat dengan Dirinya Sendiri

Pada 5 November 2026, dua model gambar paling menarik yang dapat Anda panggil selisih usianya sebulan, harga per gambarnya berselisih sekitar satu sen, dan tak satu pun dari keduanya merupakan model yang menduduki peringkat pertama di papan independen. GPT-Image-2.6 dirilis oleh OpenAI pada 4 November. Nano Banana 2.1 dirilis oleh Google pada 6 Oktober. Artificial Analysis, yang telah memberi skor sangat rendah terhadap generasi-generasi sebelumnya dari kedua perusahaan, sama sekali tidak memiliki baris untuk GPT-Image-2.6 — sementara Nano Banana 2.1 berada di peringkat keempat pada papan teks-ke-gambar-nya dengan 1.175 Elo dari 6.322 suara dan peringkat keempat pada papan penyuntingannya dengan 1.151 dari 7.009 suara, di belakang tiga model yang semuanya lebih tua daripada model yang diumumkan OpenAI minggu ini.

Itulah seluruh masalah dalam perbandingan ini dalam satu paragraf. Model yang sudah sebulan mengumpulkan suara adalah yang lebih murah, bergerak lebih lambat, dan sudah dirilis. Model yang belum punya suara adalah yang memiliki format keluaran baru. Siapa pun yang memberi tahu Anda mana yang lebih baik di antara ini sedang mengutip vendor atau menebak.

Dua peluncuran, dua insting yang berlawanan

Rilis Google pada Oktober adalah langkah di sisi harga dan infrastruktur teknis. Nano Banana 2.1 — ID API gemini-nano-banana-2.1, yang dibangun di atas Gemini 3.6 Flash, tidak menambahkan format output baru, medium baru, atau jenis kontrol baru. Langkah ini memangkas token output gambar dari $60 menjadi $30 per juta, sehingga separuh biaya render 1K menjadi $0,0336 dan render 2K menjadi $0,0504, serta membiarkan 4K pada $0,113 karena resolusi yang lebih tinggi membawa 3.780 token gambar, bukan 2.520. Langkah ini menambahkan tangga resolusi yang diberi nama, slot referensi keempat kalau Anda memang menghitungnya, dan grounding pencarian. Pesan utamanya adalah prediktabilitas: Anda tahu tingkatnya, Anda tahu jumlah tokennya, Anda tahu tagihannya.

Rilis OpenAI bulan November adalah insting yang sama sekali berbeda. GPT-Image-2.6 mempertahankan kartu tarif persis seperti yang ditinggalkan GPT-Image-2.5 — $5 per juta token input teks, $8 per juta token input gambar, $30 per juta token output gambar — dan menghabiskan rilisnya untuk dial baru dan hasil baru: kontrol kompleksitas, pengeditan berpemandu markup, ekspor SVG, output GIF animasi, latar belakang transparan, ukuran khusus dalam kelipatan 16 piksel. Tawarannya adalah kemampuan: inilah hal-hal yang dapat dibuat model ini yang tidak bisa dilakukan model sebelumnya.

Baca lagi kedua paragraf itu dan Anda hampir dapat memprediksi setiap perbedaan praktis di antara produk-produk tersebut. Satu perusahaan mengoptimalkan ekonomi unit dari sesuatu yang sudah berfungsi. Perusahaan lain memperluas himpunan hal yang dapat menjadi wujud sesuatu itu.

Apa yang sebenarnya dikatakan oleh dewan independen

Artificial Analysis menjalankan dua papan gambar terpisah dan pemisahan itu penting — sebuah model bisa sangat baik dalam merender prompt dari nol tetapi biasa saja dalam mengikuti instruksi penyuntingan, dan merata-ratakan keduanya justru menyembunyikan persis perbedaan yang diperhatikan tim produksi.

• Teks-ke-gambar — GPT-Image-2.5 Sunburst (max) 1.224 Elo, 13.153 suara, peringkat pertama. GPT-Image-2.5 Flare (max) 1.207, peringkat kedua. GPT Image 2 (high) 1.188, peringkat ketiga. Nano Banana 2.1 1.175, 6.322 suara, peringkat keempat. GPT-Image-2.6: tidak ada baris.

• Pengeditan — GPT-Image-2.5 Sunburst (max) 1.200, 18.370 suara, pertama. MAI-Image-2.7-Preview 1.197, kedua. GPT-Image-2.5 Flare (max) 1.183, ketiga. Nano Banana 2.1 1.151, 7.009 suara, keempat. GPT-Image-2.6: tidak ada baris.

• Dibandingkan dengan pendahulunya sendiri — Nano Banana 2.1 memimpin Nano Banana 2, yang berada di peringkat ketujuh pada teks-ke-gambar dengan 1.140 Elo dari 16.224 suara, dengan selisih 35 poin.

Ada dua catatan sebelum siapa pun mendasarkan keputusan pembelian pada angka-angka itu. Yang pertama adalah ukuran sampel: 6.322 suara text-to-image milik Nano Banana 2.1 kurang dari setengah dari 13.153 suara GPT-Image-2.5 Sunburst, sehingga interval kepercayaannya lebih lebar dan posisinya belum sekokoh yang tersirat dari peringkat tersebut. Yang kedua adalah bahwa selisih 49 poin antara peringkat pertama dan keempat pada skala Elo sekitar 1.000 poin memang nyata, tetapi tidaklah sangat besar — itu adalah jenis perbedaan yang muncul secara konsisten dalam pemungutan suara berpasangan secara buta dan secara intermiten dalam hal apakah suatu gambar tertentu dapat digunakan untuk suatu pekerjaan tertentu.

Dua klaim vendor yang tidak dapat dibandingkan satu sama lain

Kedua perusahaan menerbitkan angka preferensi manusia mereka sendiri, dan kedua kumpulan data itu tidak dapat digunakan untuk keputusan ini, karena alasan yang berbeda.

Google melaporkan Nano Banana 2.1 pada 1.050 Elo dalam mode berpikir dan 1.015 tanpa mode berpikir pada evaluasi internal side-by-side oleh manusia, dibandingkan dengan 990 untuk Nano Banana 2 dan 935 untuk Nano Banana Pro. Itu adalah pengukuran nyata dari penilai nyata, dan berada pada skala milik Google sendiri dengan distribusi prompt milik Google sendiri — itulah sebabnya 1.050 dan 1.175 dari Artificial Analysis sama-sama menggambarkan model yang sama tanpa saling bertentangan. Jangan membandingkan keduanya.

OpenAI mengutip Design Arena untuk posisi peringkat pertama bagi GPT-Image-2.6 Sunburst. Masalah yang sama dalam bentuk berbeda: papan peringkat yang berbeda, kumpulan penilai yang berbeda, dan vendor yang memilih papan yang membuat rilisnya tampak bagus. Bisa jadi itu memang benar. Tetapi itu bukan angka yang bisa Anda letakkan di samping 1,175 lalu dikurangkan.

Satu-satunya ringkasan yang jujur adalah bahwa Google memiliki posisi yang diukur secara independen dan OpenAI belum memilikinya. Asimetri itu seharusnya membentuk seberapa besar keyakinan yang Anda berikan kepada masing-masing.

Meteran: tangga bernama terhadap anggaran token

Di sinilah kedua produk tersebut berbeda dengan cara yang lebih penting bagi tim keuangan daripada bagi seorang desainer, dan inilah perbedaan yang paling sering terlewatkan dalam perbandingan.

• Render 1K — Nano Banana 2.1 $0,0336, ditetapkan pada 1.120 token gambar. GPT-Image-2.6 pada kualitas sedang sekitar $0,043, diperkirakan dari sekitar 1.449 token keluaran.

• Render 2K — Nano Banana 2.1 $0.0504. GPT-Image-2.6 tidak memiliki tier 2K bernama; Anda menentukan dimensi piksel dalam kelipatan 16 dalam rentang rasio aspek 1:3 hingga 3:1.

• Render 4K — Nano Banana 2.1 $0.113, dari 3.780 token gambar. GPT-Image-2.6 tidak menerbitkan tier 4K.

• Batas kualitas — GPT-Image-2.6 pada kualitas maksimum sekitar $0.21 per gambar; Nano Banana 2.1 mencapai puncaknya pada harga 4K.

• Input — Nano Banana 2.1 $1.50 per juta token; GPT-Image-2.6 $5 per juta untuk teks dan $8 per juta untuk gambar.

• Batch — Nano Banana 2.1 menjadi setengahnya, yakni 50% dari tarif standar. GPT-Image-2.6 belum tersedia melalui API Batch.

• Lever — Nano Banana 2.1 mengubah biaya berdasarkan tingkat resolusi dan tingkat pemikiran. GPT-Image-2.6 mengubah biaya berdasarkan kualitas, kompleksitas, dan seberapa banyak konten yang dimuat dalam gambar.

Estimasi per gambar untuk GPT-Image-2.6 perlu diberi catatan: OpenAI tidak menerbitkan harga tetap per gambar, karena mereka menagih berdasarkan token dan jumlah token bervariasi tergantung pada apa yang Anda minta. Angka-angka di atas diturunkan dari jumlah token output, bukan dikutip dari daftar harga, dan berbagai media telah menerbitkan angka yang berbeda secara signifikan dengan mengasumsikan anggaran token yang berbeda. Perlakukan klaim apa pun bahwa "GPT-Image-2.6 berbiaya X per gambar", termasuk klaim kami, sebagai estimasi dengan rentang yang menyertainya.

Konsekuensi praktisnya lugas. Dengan Nano Banana 2.1, Anda dapat memperkirakan biaya untuk sebulan foto produk 2K hingga hanya menyisakan kesalahan pembulatan, karena resolusi menentukan jumlah token yang menentukan harga. Dengan GPT-Image-2.6, Anda dapat memperkirakan tarifnya tetapi tidak anggarannya, karena parameter kompleksitas secara default bernilai tinggi dan token perencanaan ditagih sebesar $30 per juta, sama seperti token yang dirender. Jika tim keuangan Anda membutuhkan angka yang tidak berubah, itu argumen nyata untuk Google. Jika tim Anda lebih memilih memiliki kemampuannya dan mengukurnya setelahnya, itu bukan.

Penyuntingan: empat belas slot referensi terhadap pustaka tersimpan

Nano Banana 2.1 menerima hingga 14 gambar referensi dalam satu permintaan — empat karakter dan sepuluh objek — serta mendukung penyuntingan lokal berbasis mask di 1K, 2K, dan 4K. Angka milik Google sendiri menempatkan konsistensi multi-karakter pada 1.106 Elo dalam mode berpikir, dibandingkan 978 untuk Nano Banana 2, yang merupakan lompatan satu generasi terbesar dalam tabel yang mereka publikasikan dan yang paling langsung berkaitan dengan alur kerja nyata: menjaga konsistensi tiga orang yang sama di sepanjang kampanye.

Kisah penyuntingan GPT-Image-2.6 lebih tentang urutan daripada keluasan. OpenAI mendeskripsikan Sunburst sebagai lebih konsisten di seluruh penyuntingan berturut-turut — suntingan kesepuluh lebih sedikit melenceng dibandingkan sebelumnya — dan menambahkan penyuntingan berpanduan markup, di mana Anda menggambar pada overlay PNG transparan alih-alih memberikan mask. Keduanya tidak dapat digabungkan: ini markup atau mask, bukan keduanya. Secara terpisah, pustaka referensi yang dapat digunakan kembali — simpan seseorang atau karakter sekali dan gunakan kembali — adalah fitur ChatGPT, bukan fitur API, sehingga tim yang membangun di atas /v1/images/edits tidak mendapatkannya.

Jika alur kerja penyuntingan Anda adalah "menjaga empat belas aset tetap konsisten dalam satu generasi", Nano Banana 2.1 adalah satu-satunya dari keduanya yang mampu melakukannya. Jika alur kerja Anda adalah "membuat dua puluh perubahan kecil pada satu gambar tanpa penurunan kualitas", 2.6 memang ditujukan langsung untuk Anda, dan belum ada pengukuran independen tentang seberapa baik kinerjanya.

Format: satu-satunya area yang sama sekali tanpa persaingan

GPT-Image-2.6 mengekspor SVG dan menghasilkan GIF animasi. Nano Banana 2.1 hanya menghasilkan gambar raster dan tidak ada yang lain. Jika hasil yang diinginkan adalah aset vektor untuk sistem desain atau animasi berulang pendek untuk permukaan produk, perbandingannya sudah selesai sebelum dimulai — dan perlu dikatakan secara terus terang bahwa ini adalah kesenjangan kapabilitas, bukan kesenjangan tolok ukur, sehingga tidak perlu verifikasi independen untuk menjadi benar.

Hal sebaliknya berlaku untuk resolusi. Nano Banana 2.1 menjual tingkatan bernama 1K, 2K, dan 4K serta mendukung rasio aspek hingga 8:1 pada dua tingkatan teratas, yang berarti Anda dapat menulis "4K, 8:1 banner" ke dalam lembar spesifikasi dan mendapatkannya. GPT-Image-2.6 menerima dimensi khusus dalam kelipatan 16 dalam rentang 1:3 hingga 3:1 dan tidak menerbitkan tangga resolusi bernama, jadi vendor percetakan yang meminta deliverable 4K yang ditentukan kontrak sedang menanyakan pertanyaan yang tidak dijawab dokumentasi OpenAI.

Di mana kartu model Google sendiri mengakui kelemahannya

Pujian patut diberikan: kartu model Google untuk Nano Banana 2.1 luar biasa terbuka. Kartu itu mencantumkan teks kecil yang buram pada 1K, penanganan yang lemah terhadap bagian teks panjang, konsistensi karakter yang tidak sempurna, kebingungan spasial kiri-kanan yang kadang terjadi, serta penalaran 3D dan akurasi faktual yang terbatas. Itulah mode kegagalan yang merugikan proyek nyata — label produk dengan cetakan kecil yang tidak terbaca, diagram dengan panah yang menunjuk ke arah salah.

Godaan untuk mengatakan bahwa GPT-Image-2.6 tidak memiliki masalah-masalah tersebut. Mungkin saja tidak. Namun, tidak ada evaluasi independen terhadap rendering teks atau penalaran spasial 2.6, dan posisi yang jujur adalah bahwa Google telah mendokumentasikan kelemahannya dan OpenAI tidak mendokumentasikan apa pun. Tidak adanya kelemahan yang dipublikasikan bukanlah bukti tidak adanya kelemahan, terutama untuk model yang dirilis 24 jam sebelum tulisan ini dibuat.

Memilih satu, dengan mempertimbangkan semua itu

• Jika Anda memerlukan keluaran resolusi cetak atau format besar dengan anggaran yang dapat Anda setujui terlebih dahulu, pilihlah Nano Banana 2.1. Tangga harga bernama, dukungan rasio aspek 8:1, dan diskon batch adalah hal-hal yang saat ini tidak ditawarkan oleh 2.6.

• Jika hasil kerja Anda mencakup vektor atau motion, pilih GPT-Image-2.6. Sebesar apa pun keunggulan harga di pihak lain, itu tidak akan memberi Anda SVG.

• Jika pekerjaan Anda adalah rangkaian pengeditan panjang pada sedikit aset, 2.6 adalah produk yang lebih tepat sasaran, dengan catatan bahwa belum ada pihak di luar OpenAI yang mengukur apakah produk ini benar-benar memberikan hasil.

Jika yang Anda inginkan adalah gambar statis terbaik yang terverifikasi secara independen saat ini, jangan pilih keduanya. Yang terbaik adalah GPT-Image-2.5 Sunburst, dengan skor 1,224 pada text-to-image dan 1,200 pada editing, dan model itu sebulan lebih tua daripada salah satu model ini serta dua bulan lebih tua daripada model lainnya.

Butir terakhir itulah yang akan dilewati orang, dan itu adalah kalimat paling berguna di sini. Kedua vendor menjual langkah maju kepada Anda. Berdasarkan satu-satunya bukti publik yang tidak dihasilkan oleh keduanya, langkah maju itu belum terlihat.

Cara melihat keduanya tanpa memihak pada salah satunya

OrcaRouter tidak menyediakan GPT-Image-2.6 atau Nano Banana 2.1 per 5 November 2026, jadi ini bukan artikel di mana kami bisa menyarankan Anda mengarahkan satu endpoint ke keduanya. Yang kami sediakan adalah generasi sebelumnya dari masing-masing model — GPT-Image-2.5 Sunburst dan GPT-Image-2.5 Flare, serta Nano Banana 2 sebagai gemini-3.1-flash-image-preview — dengan satu kunci, pada harga daftar dengan markup 0% sehingga tarif penyedia adalah tarif yang Anda bayar, dengan failover otomatis antar penyedia.

Yang kebetulan merupakan cara yang tepat untuk memulai. Model dengan skor terverifikasi adalah tepat model yang dapat Anda panggil hari ini dari satu endpoint dan satu tagihan, dan menjalankan prompt Anda sendiri melalui keduanya memberi tahu Anda estetika dan mode kegagalan vendor mana yang cocok dengan pekerjaan Anda — sebelum Anda berkomitmen pada rilis terbaru vendor mana pun hanya bermodal postingan peluncuran. Ketika setiap model baru masuk ke katalog, aturan pass-through berarti harga vendor ikut hadir tanpa perubahan, jadi satu-satunya hal yang berubah di sisi Anda adalah string model.

Itulah urutan yang didukung bukti: selesaikan persoalan vendor pada generasi yang telah dipilih melalui pemungutan suara, lalu beralih ke yang baru ketika sudah ada angka untuk dijadikan dasar beralih. Alternatifnya — memilih antara dua model yang skor sebandingnya hanya dimiliki oleh pendahulunya — adalah taruhan yang dikemas sebagai perbandingan.