Card del titolo con la scritta «Il prossimo Nano Banana su Gemini 4», con il sottotitolo «una voce del 18 novembre 2026», tre chip con la scritta Editore: nessun ID modello, Discendenza: non una capacità documentata e Stato: non rilasciato, e due card delineate etichettate Nano Banana 2.1 e Gemini 4 collegate da una freccia tratteggiata, con un piè di pagina che segnala che Google non ha annunciato un successore
Guides & Insights

Il prossimo Nano Banana su Gemini 4: una voce che collide con la scheda tecnica di Google stessa

Autore

Gideon Frost

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

La mattina del 18 novembre, TestingCatalog ha scritto che "il prossimo Nano Banana, basato su G​emini 4" era in preparazione per il rilascio, elencandolo insieme ad altri tre nomi G​emini di cui si vociferava — Neon, Helix e Krypton. Se prendiamo per buona l'affermazione, ne risulta una storia ordinata: G​emini Nano Banana 2.1 ha guidato la linea di immagini di G​oogle per sei settimane, e un successore basato sulla generazione G​emini 4 sarebbe il prossimo passo ovvio. Leggendo la documentazione di G​oogle stessa, però, la storia si incrina. Gemini 4 Carbon, in disponibilità generale dal 10 novembre, indica la generazione di immagini come non supportata. Lo stesso vale per G​emini 4 Hydrogen, disponibile dal 12 novembre, e lo stesso per Gemini 4 Argon, in vendita dal 13 ottobre. Ogni modello G​emini 4 che G​oogle distribuisce oggi è solo testo in ingresso e testo in uscita. Lo stesso vale per G​emini Nano Banana 2.1, il cui predecessore, Nano Banana 2, è anch'esso ancora richiamabile come gemini-3.1-flash-image nonostante sia stato deprecato in ottobre. Niente di tutto ciò rende falsa la voce. Significa però che la domanda interessante non è "quale modello" ma "quale livello" — e a quella domanda si può dare una risposta verificabile nel riferimento del modello. Questo è un articolo su ciò che sappiamo finora: per il presunto successore non sono stati pubblicati né ID del modello, né prezzo, né scheda, né data, e tutto ciò che segue è etichettato di conseguenza.

Cosa dice effettivamente il post, e cosa non dice

Il post è composto da quattro frasi e due immagini. L'elenco delle indiscrezioni comprende Neon, Helix e Krypton — l'ultimo dei quali abbiamo già trattato come un nome in codice non pubblicato senza alcuna scheda modello a supporto — più "un potenziale aggiornamento di Nano Banana". L'unica frase con un minimo di specificità è l'ultima: "Il prossimo Nano Banana, basato su G​emini 4, è quello che era in fase di preparazione per il rilascio". Gli screenshot, qualunque cosa mostrino, non riportano alcun identificatore API, alcun numero di versione, alcuna riga di prezzo e alcuna data. Il post citato sotto è una sola parola: "G​emini".

È debole anche per gli standard dei leak. Non c'è nessuna stringa interna da scomporre, come c'era con il report di denominazione "gempix" di ottobre. Non c'è alcun artefatto che possa essere confrontato con un changelog. Ci sono un'affermazione sulla discendenza e un'affermazione sui tempi, ed entrambe sono del tipo che un account di rumor può fare da una console di staging senza risultare né giusto né sbagliato per settimane. TestingCatalog ha un buon curriculum nell'individuare le cose in anticipo — è proprio questo il motivo per cui il post vale la pena di essere letto — ma "in preparation" è un'affermazione sull'intento, non su un artefatto già distribuito, e va trattata come tale.

Perché «basato su Gemini 4» è la frase portante

Togli il branding e «basato su Gemini 4» svolge uno di due compiti molto diversi.

Prima lettura: il successore eredita l'output di immagini da un modello Gemini 4. Questa lettura muore al contatto con la scheda tecnica. Apri le pagine dei modelli Gemini 4 Carbon, Gemini 4 Hydrogen e Gemini 4 Argon e ognuna elenca la generazione di immagini come non supportata, accanto a un elenco di output solo testuale. La pagina di Carbon è esplicita sul fatto che restituisce testo e nulla più, con una finestra di contesto di 1.048.576 token e fino a 65.536 token di output. Non esiste alcun modello Gemini 4, in nessuna parte della documentazione di riferimento di Google, che emetta un'immagine, il che significa che non c'è alcun modello Gemini 4 per le immagini da cui ereditare — solo una generazione Gemini 4 su cui costruire.

Seconda lettura: il modello per immagini usa una famiglia di pesi Gemini 4 come livello di comprensione e mantiene una testa dedicata per le immagini, così come Gemini Nano Banana 2.1 mantiene un decoder con l'architettura di Flash sopra il proprio backbone. Questa lettura è del tutto plausibile, ed è quella che conterebbe davvero per un utente. I miglioramenti che un backbone più forte offre sono quelli su cui i modelli per immagini competono oggi: aderenza al prompt, coerenza multi-turno, testo leggibile all'interno del rendering e sapere che aspetto dovrebbero avere un "controller PlayStation" o un "mulino a vento al tramonto" prima che venga campionato un singolo token. Sono precisamente le quattro cose che Google ha dichiarato di migliorare quando ha rilasciato Nano Banana 2.1 il 6 ottobre. Un backbone Gemini 4 è il modo ovvio per migliorarle di nuovo.

Nota anche ciò che implica questa lettura: un successore non sarebbe una nuova capacità, sarebbe la stessa capacità con un cervello migliore. È una storia molto più piccola di «G​emini 4 ora sa disegnare», ed è quella che le prove supportano.

Dove si colloca realmente la classifica attuale

Per giudicare se un successore sia anche solo plausibile, aiuta sapere esattamente quanto spazio ci sia sopra Nano Banana 2.1. Le arene di immagini di Artificial Analysis lo quantificano, con dati letti il 18 novembre 2026. Testo-immagine, più alto è meglio:

• G​emini Nano Banana 2.1 — 1176.06 Elo, intervallo di confidenza da 1164.06 a 1188.06

• Nano Banana 2 — 1143,40 Elo, il modello che G​oogle ha deprecato il 6 ottobre

• Nano Banana Pro — 1118,99 Elo, ancora il modello di immagini G​oogle più costoso della classifica

• Nano Banana 2 Lite — 1109.98 Elo

• G​PT Image 2.6 Sunburst — 1260.66 Elo, la prima riga nella stessa arena

• MAI-Image-2.7 — 1214.39 Elo, secondo tra le voci non-OpenAI

Modifica delle immagini, stessa fonte e stessa data:

• Nano Banana 2.1 — 1152,31 Elo

• Nano Banana 2 — 1125.57 Elo

• Nano Banana Pro — 1110.54 Elo

• Nano Banana 2 Lite — 1052.35 Elo

• MAI-Image-2.7 — 1215.17 Elo, primo

• G​PT Image 2.6 Sunburst — 1210.84 Elo, secondo

Da questo emergono due fatti. Primo, Nano Banana 2.1 è davvero il modello di immagini più forte di Google su entrambi i fronti: la gerarchia a livelli all’interno della famiglia Nano Banana è intatta, con Pro al di sotto del modello di classe Flash su entrambi gli assi, un’inversione insolita e un motivo concreto per aspettarsi un aggiornamento di Pro anziché di Flash. Secondo, Google non è vicina alla vetta. Il divario è di 84,60 Elo sulla generazione da testo a immagine e di 62,86 sull’editing. Non si tratta di rumore; gli intervalli di confidenza non arrivano neppure vicini a sovrapporsi. Ogni successore ha un posto ovvio dove andare, e un backbone più grande è la via più economica per arrivarci.

Two-column scoreboard titled Gemini Nano Banana 2.1 vs GPT Image 2.6 Sunburst, with the Nano Banana column reading text-to-image Elo 1176.06, image-editing Elo 1152.31, price 33 dollars 60 per 1,000 images, Elo per dollar 35.0, API id gemini-nano-banana-2.1 and image editing yes, against a GPT Image column reading 1260.66, 1210.84, 210 dollars 72, 6.0, gpt-image-2.6-sunburst and yes, with a footer citing Artificial Analysis image arenas on 18 November 2026

L’asticella del prezzo è il vincolo più difficile.

Un nuovo modello di immagini è una decisione sul prezzo prima ancora che una decisione sulla qualità, ed è qui che la voce su G​emini 4 diventa scomoda in un modo in cui l'argomento della qualità non lo è.

• Nano Banana 2.1 — $30 per milione di token di output delle immagini, che equivale a $0.0336 per 1K immagini; Artificial Analysis lo indica a $33.60 per 1.000 immagini

• Nano Banana 2 — 60 $ per milione di token immagine; Artificial Analysis lo riporta a 67 $ per 1.000 immagini

Nano Banana Pro — 120 $ per milione di token immagine; Artificial Analysis lo indica a 134 $ per 1.000 immagini

• G​PT Image 2.6 Sunburst — 210,72 $ per 1.000 immagini sulla stessa scheda

Nano Banana 2.1 è la voce più economica della gamma di G​oogle e una delle più economiche vicino alla vetta di entrambe le arene. Il suo valore di Elo per dollaro — circa 35 punti di Elo text-to-image per dollaro di prezzo di listino — è circa sei volte quello di G​PT Image 2.6 Sunburst. È quel rapporto a fare il prodotto. Un successore con una backbone di classe G​emini 4 che applicasse tariffe per token immagine all'altezza lo romperebbe: G​emini 4 Carbon è listato a un prezzo introduttivo di 2,00 $ in input e 10,00 $ in output per milione di token fino al 30 novembre, e Hydrogen a 1,50 $ in input e 7,50 $ in output. Un modello immagine basato su G​emini 4 che ereditasse quell'economia per token immagine costerebbe diverse volte il prezzo del modello che sostituisce, per un guadagno di qualità ignoto.

Qual è il test da applicare quando arriva l'annuncio. Se il successore arriva a o vicino a $0.0336 per 1K immagini, l'affermazione "basato su G​emini 4" riguarda l'architettura e la storia dei prezzi è intatta. Se arriva a prezzi di livello Pro, l'affermazione riguarda il posizionamento e gli utenti della classe Flash che sta nominalmente sostituendo sono stati silenziosamente spostati di un livello superiore.

Che cosa renderebbe questo reale, e che cosa no

La lista falsificabile è breve, e nulla di ciò esiste il 18 novembre.

• Un nuovo identificatore nel riferimento dei modelli dell'API G​emini — l'elenco attuale comprende gemini-nano-banana-2.1, gemini-3.1-flash-image, gemini-3.1-flash-lite-image, gemini-3-pro-image e gemini-2.5-flash-image, e nessun modello simile a G​emini 4 che generi un'immagine

• Una riga di changelog con una data di GA e un prezzo, come l'ha ricevuta Nano Banana 2.1 il 6 ottobre

• Una model card la cui riga di capacità per la generazione di immagini indica supportato anziché non supportato

• Una riga in un'arena indipendente, l'unico luogo in cui un'affermazione sulla qualità può essere verificata senza il coinvolgimento di G​oogle

• Una riga dei prezzi, dato che ogni modello di immagini che G​oogle ha rilasciato è arrivato con una

• Una data di dismissione per qualcosa che sostituisce — vale la pena notare che Nano Banana 2 è stato deprecato il 6 ottobre senza che fosse annunciata una data di dismissione, quindi il vecchio modello image Flash è ancora richiamabile e viene ancora fatturato al doppio della tariffa del nuovo modello

Cosa non lo renderebbe reale: un altro post dallo stesso account, uno screenshot con un identificatore sfocato, o un nome in codice che compare nell'elenco dei modelli supportati di un framework. Il lavoro sul motore e i rilasci dei modelli sembrano identici dall'esterno finché non appare un prezzo, e questa pipeline è già stata scottata da quella distinzione.

Screenshot of Google's Gemini API model reference page in English, headed All Gemini 3 models with Model and Endpoint columns, listing the Nano Banana rows gemini-nano-banana-2.1, gemini-3.1-flash-image, gemini-3.1-flash-lite-image and gemini-3-pro-image among the Gemini 3 text endpoints, with no Gemini 4 model listed at all

Che cosa puoi chiamare mentre questo è speculativo

La domanda pratica che una voce solleva non è a cosa passare, ma cosa mantenere in funzione mentre si aspetta. Su OrcaRouter, i modelli di immagini G​emini attualmente instradati sono Nano Banana 2 come google/gemini-3.1-flash-image-preview, Nano Banana Pro come google/gemini-3-pro-image-preview, l'originale gemini-2.5-flash-image, la famiglia Imagen 4.0 e i modelli di testo G​emini 4 gemini-4-carbon e gemini-4-argon per la parte di ragionamento di una pipeline di immagini. G​emini Nano Banana 2.1 non è in quell'elenco — non è ancora instradato, e nulla qui deve essere interpretato come se dicesse il contrario.

Screenshot of the OrcaRouter model page for Nano Banana 2 (Gemini 3.1 Flash Image Preview) in English, showing the identifier google/gemini-3.1-flash-image-preview, the byline by Google dated 2026-02-26, a listing price of 0.15 dollars, input of image plus text and output of image plus text, and buttons to get the API, try it in the playground and use it via API

Quella suddivisione è utilizzabile. Una pipeline che genera didascalie o critica le immagini con un modello G​emini 4 e le genera con un modello di immagini instradato mantiene indipendenti i due livelli, così un successore che venga rilasciato o meno cambia una riga di configurazione anziché l'architettura. Instradare la chiamata di generazione su più di un modello di immagini con la stessa chiave — con failover automatico tra di essi — è la versione economica della stessa assicurazione, e poiché la piattaforma applica un ricarico dello 0% sui prezzi di listino dei provider, il calcolo per immagine di cui sopra è la fattura per immagine.

Per chiunque oggi voglia specificamente il prezzo e la qualità di Nano Banana 2.1, l'API del fornitore stesso e diverse piattaforme di terze parti lo offrono. Ciò che decideranno le prossime sei settimane è se questa resterà la risposta.

La questione aperta

Tre nomi in codice in un solo post sono un bel segnale per un martedì mattina, e il meno specifico dei tre è quello con conseguenze commerciali. Neon e Helix non hanno alcun artefatto; Krypton ha demo e un conteggio di token ma nessun identificatore. L'affermazione su Nano Banana non ha né l'uno né l'altro, ed è l'unica che implica un cambiamento di prezzo per un modello che le persone stanno già pagando.

L'indizio non sarà uno screenshot. Sarà una riga nel riferimento del modello con una data accanto e un numero alla fine. Fino ad allora, il riepilogo onesto è quello che fornisce la scheda tecnica: G​emini 4 è una generazione di testo. Una Nano Banana costruita su di esso sarebbe un'interprete migliore dei prompt, non un nuovo tipo di renderer — e la parte interessante è se G​oogle può farlo senza raddoppiare il prezzo del modello di immagini valido più economico che ha.