Qwen-Image 2.1 vs Nano Banana 2: Berapa yang Anda Bayar per Gambar, dan Berapa yang Anda Bayar untuk Memilikinya

Hanya satu dari dua model ini yang punya harga yang bisa Anda masukkan ke spreadsheet. Nano Banana 2 — model Gemini 3.1 Flash Image, tersedia secara umum sejak 28 Mei 2026 — berbiaya sekitar $0,067 per gambar 1024×1024, $0,101 pada 2048×2048, dan sekitar $0,151 di rentang 4K, dengan mode batch sekitar setengahnya dan input teks ditagih terpisah sebesar $0,25 per juta token. Qwen-Image 2.1, yang di-open-source-kan oleh tim Qwen-Image pada 20 September 2026, sama sekali tidak memiliki harga per gambar, karena tidak ada endpoint yang di-hosting untuk dibeli: model ini adalah unduhan bobot berukuran 33 GB di bawah lisensi riset yang melarang penggunaan komersial. Jadi, pertanyaan pertama dalam perbandingan ini bukanlah model mana yang lebih baik. Pertanyaannya adalah apakah Anda membeli gambar atau membeli mesin yang membuatnya, dan kedua pembelian itu tidak bisa dibandingkan seperti yang tersirat dalam lembar spesifikasi.

Kemampuan peramalan adalah hal yang sebenarnya didapat dari harga per gambar

Penetapan harga Google tidak biasa di kategori gambar karena konversinya yang begitu rapi. Model ini menagih $60 per juta token keluaran, dan karena keluaran gambar ditokenisasi secara terprediksi, hal itu bermuara pada angka per gambar yang bisa Anda perhitungkan sebelum Anda menghasilkan apa pun.

• Nano Banana 2 — sekitar $0.067 untuk 1024×1024, $0.101 untuk 2048×2048, kira-kira $0.151 pada 4K, sekitar setengah dari angka tersebut dalam mode batch, ditambah $0.25 per juta token untuk input teks. Seribu gambar 2K sekitar $101, dapat diperkirakan hingga ke dolar terakhir.

• Qwen-Image 2.1 — tidak ada harga yang dipublikasikan. Biayanya adalah waktu GPU Anda sendiri untuk menjalankan bundel berukuran 33 GB, dan saran pada kartu model untuk perangkat keras dengan sumber daya terbatas adalah pengalihan beban ke CPU (CPU offload) melalui pipe.enable_model_cpu_offload(), yang merupakan jalan keluar darurat, bukan solusi sesungguhnya.

Yang dibeli oleh harga terukur bukan hanya gambar-gambarnya. Ini adalah kemampuan untuk menjawab "berapa biaya fitur ini bagi kami pada sepuluh ribu gambar per bulan" tanpa harus melakukan benchmark perangkat keras Anda sendiri terlebih dahulu. Itu adalah keunggulan nyata dan mudah diremehkan, karena alternatifnya — hosting sendiri — memiliki biaya yang benar-benar sulit dihitung: bergantung pada utilisasi Anda, kartu Anda, listrik Anda, dan apakah mesin itu akan menganggur jika tidak dipakai. Perbandingan yang jujur bukanlah $101 per seribu versus gratis. Melainkan $101 per seribu versus angka teramortisasi yang harus Anda hitung sendiri, dan sebagian besar tim yang melakukan perhitungan tersebut mendapati bahwa harga terukur tetap kompetitif sampai utilisasinya menjadi sangat tinggi.

Lisensi adalah titik di mana "free weights" tidak lagi gratis

Ini adalah perbedaan paling tajam antara kedua model, dan selisihnya sangat jauh.

Nano Banana 2 adalah produk komersial dengan ketentuan komersial. Anda membayar per gambar dan Anda merilis apa yang Anda buat. Qwen-Image 2.1 dirilis di bawah Qwen Research License Agreement tertanggal 20 September 2026, yang memberikan hak "FOR NON-COMMERCIAL PURPOSES ONLY" dan menyatakan bahwa penggunaan komersial memerlukan lisensi terpisah yang diminta dari vendor. Itu merupakan perubahan dari lini Qwen-Image sebelumnya, yang dirilis di bawah Apache 2.0 — jadi opsi terbuka dalam perbandingan ini terbuka dalam arti Anda dapat membacanya dan menjalankannya, bukan dalam arti Anda dapat membangun bisnis di atasnya.

Bagi tim riset, penghobi, atau siapa pun yang melakukan benchmark, itu adalah lisensi yang baik dan unduhannya benar-benar gratis. Bagi tim produk, ini berarti model dalam perbandingan ini yang tidak memiliki harga per gambar juga tidak memiliki jalur komersial, yang sepenuhnya meruntuhkan perbandingan biaya: Anda tidak memilih antara $101 dan sesuatu yang lebih murah, Anda memilih antara model yang outputnya dapat Anda jual dan model yang tidak.

Resolusi dan rasio aspek, di mana model terbuka memiliki keunggulan nyata

Kesampingkan soal lisensinya, Qwen-Image 2.1 melakukan sesuatu yang tidak dilakukan Nano Banana 2, dengan cara yang penting bagi alur kerja tertentu.

• Qwen-Image 2.1 — 2K native dengan 2048×2048 sebagai default yang didokumentasikan pada 40 langkah inferensi, tujuh preset rasio aspek, hingga 10 gambar referensi, dan output RGBA: kanal alfa sungguhan, pengeditan lapisan transparan, dan ekstraksi subjek dari foto RGB.

• Nano Banana 2 — output 4K dengan dukungan rasio yang tidak lazim, termasuk ekstrem 1:4 dan 1:8, yang jangkauannya lebih panjang daripada yang ditawarkan sebagian besar model di kedua arah, dan mereka mempublikasikan angka konsistensi lima karakter serta empat belas objek dalam satu generasi.

Kanal alpha adalah yang perlu diperhatikan. Model Google tidak didokumentasikan sebagai menghasilkan transparansi, sementara Qwen-Image 2.1 melakukannya secara bawaan, yang berarti langkah pengomposisian yang jika tidak akan menjadi pekerjaan manual — memotong subjek, mempertahankan tepi halus, menempatkannya pada sesuatu yang lain — berada di dalam model, bukan setelahnya. Jika Anda membuat aset berlapis untuk mencari nafkah, itu adalah perbedaan alur kerja dan bukan klaim kualitas. Perlu juga dikatakan secara terus terang bahwa kedua model merender lebih besar daripada kebutuhan sebagian besar pekerjaan: 4K dan 2048×2048 keduanya sudah melewati titik ketika kendalanya adalah model, bukan tujuan akhirnya.

Angka yang dipublikasikan dibandingkan dengan janji

Model Google telah ada di kedua papan peringkat gambar Artificial Analysis sejak musim semi dan berada di dalam lima besar untuk teks-ke-gambar dan penyuntingan gambar pada snapshot September, di sekitar Elo 1.320 untuk teks-ke-gambar. Angka konsistensinya — lima karakter, empat belas objek — adalah milik Google sendiri, tetapi berada di samping papan skor independen, yang berarti angka-angka itu dapat diperiksa kewajarannya terhadap bagaimana model tersebut sebenarnya berperforma dalam perbandingan buta.

Qwen-Image 2.1 tidak memiliki skor independen. Ia memiliki posting blog vendor dengan bagan Qwen-Image-Bench yang belum direproduksi oleh pihak ketiga, dan satu laporan uji langsung akses awal dari penguji di program Qwen Ambassador yang menjalankan bobot akhir melalui antarmuka ModelScope Studio: sekitar 10–15 detik untuk text-to-image, 18–23 detik untuk editing, penanganan posisi kamera dan peran multi-karakter yang kuat, serta konsistensi multi-referensi yang menurun mulai dari sekitar tiga gambar masukan ke atas. Satu pengulas, tidak ada pengatur waktu yang ditampilkan, tidak ada kumpulan prompt yang dipublikasikan. Ini adalah satu-satunya pengamatan pihak luar atas model tersebut yang tersedia untuk publik, dan ini harus dibaca sebagai petunjuk, bukan pengukuran.

Ada juga angka yang beredar dalam liputan pihak ketiga yang menggambarkan Qwen-Image 2.1 sebagai transformer 20 lapis. Itu bertentangan dengan model card, yang mendokumentasikan transformer difusi aliran tunggal 32 lapis dengan 7B parameter pada komponen generasi visual, encoder teks Qwen3-VL 8B, dan VAE RGBA 64 kanal pada kompresi spasial 16×. Gunakan model card.

Satu hal yang bisa kamu lakukan dengan keduanya

Ini adalah satu-satunya artikel dalam batch ini yang lawannya adalah model yang benar-benar kami rutekan. Nano Banana 2 tersedia di OrcaRouter sebagai google/gemini-3.1-flash-image-preview, bersama dengan sisa lini gambar — keluarga GPT-Image dari OpenAI, tingkatan Imagen 4 dari Google, pratinjau gambar Gemini lainnya, dan endpoint gambar Grok Imagine dari xAI — semuanya di balik satu endpoint yang kompatibel dengan OpenAI dengan harga daftar penyedia tanpa markup. Qwen-Image 2.1 tidak termasuk dalam model yang kami rutekan, dan artikel ini tidak akan menyiratkan bahwa model itu termasuk.

Apa artinya secara praktis untuk keputusan ini lebih sempit daripada sebuah pitch dan lebih berguna daripada pitch itu. Jika Anda ingin membandingkan kedua model pada prompt Anda sendiri, sisi Google menghabiskan kunci API dan sekitar sepersepuluh sen per gambar pada 2K, dan itu berada di endpoint yang sama dengan semua hal lain yang Anda panggil. Sisi Alibaba menghabiskan unduhan 33 GB, GPU, dan tinjauan lisensi riset sebelum Anda dapat melakukan apa pun yang komersial dengan outputnya. Failover otomatis antar penyedia adalah bagian lain yang penting di sini: sebuah rute dapat membawa lalu lintas produksi pada model yang terukur sementara model yang belum terukur dievaluasi di sisinya, sehingga evaluasi tidak pernah berada di jalur kritis.

Yang mana, untuk siapa

• Pilih Nano Banana 2 jika Anda siap merilis. Produk ini memiliki lisensi komersial, harga yang bisa Anda perkirakan hingga ke dolar, skor independen lima besar di kedua papan peringkat, output 4K, dan rentang rasio terluas dalam perbandingan ini. Biaya seribu gambar 2K sekitar $101 dan Anda sudah bisa menghasilkannya sore ini.

• Pilih Qwen-Image 2.1 jika Anda sedang melakukan riset. Gratis untuk diunduh, arsitektur dan system prompt yang menulis ulang prompt dapat diperiksa sepenuhnya, ia merender secara native pada 2048×2048 dengan transparansi nyata, dan menerima hingga 10 gambar referensi dengan edit lokal melalui lingkaran, anotasi yang dilukis, atau mask. Anda tidak dapat menjual apa yang dihasilkannya, dan belum ada yang mengukur apakah kualitasnya bagus.

Jarak antara kedua paragraf itu adalah kesenjangan antara model-model tersebut, dan itu bukan kesenjangan kualitas — melainkan kesenjangan kematangan, dan kesenjangan itu sedang menutup sesuai jadwal. Penguji akses awal Qwen diminta mempublikasikan sampel atau ulasan paling lambat 29 September 2026. Ketika semua itu terbit, model terbuka itu tidak lagi menjadi misteri dan mulai bisa dibandingkan, dan satu-satunya pertanyaan yang tersisa adalah lisensinya. Itulah angka yang perlu dicermati, dan itu adalah berkas lisensi, bukan tolok ukur.