MAI Image 2.7 Preview vs Nano Banana 2.1: 42 Elo가 실제로 무엇을 가져다주는가

MAI Image 2.7 Preview 출시에 등장하는 거의 모든 수치는 그 무엇과도 비교할 수 없다. 이 모델은 2026년 10월 27일 Artificial Analysis의 AA-Image-Editing v2.1 보드에서 1,193 Elo로 데뷔했지만, 이와 비교하고 싶은 대부분의 모델은 이후 변경된 보드에서 몇 주 전에 측정되었다. Nano Banana 2.1은 예외다. Google의 모델은 동일한 2026년 10월 22일 평가에서 같은 보드의 같은 버전에 1,151로 올라 있으므로, 1,193에서 1,151을 빼는 계산은 해도 된다. 격차는 42 Elo이며, 이번 출시가 제공하는 유일한 깔끔한 일대일 비교다.

그렇게 하면 두 모델은 모두가 실제로 품고 있는 질문에 대한 자연스러운 짝이 된다. 즉, 보드에서 최고의 편집기가 마스크, 4K 출력, 14개의 참조 이미지, 공개된 가격을 갖추고 나오는 가장 저렴한 좋은 편집기 대신 사용할 가치가 있는가? 답은 Nano Banana 2.1의 가격 인하에 대해 아무도 해 보지 않은 한 가지 산수에 달려 있는 것으로 밝혀진다.

왜 이 비교만이 이 게시판에서 유일하게 공정한 비교인가

리더보드는 온도계가 아니다. 그것들은 움직이는 모집단이다 — 모델이 들어오고, 모델이 지원 중단되고, 투표가 누적된다 — 그리고 점수는 같은 스윕에서 기록된 다른 숫자들과의 상대적 관계에서만 의미가 있다. 2.7 출시를 다룬 대부분의 보도에서 빠지는 함정이 바로 이것이다. 마이크로소프트 자체 차트는 2.7을 1,193, GPT Image 2.5 Sunburst를 1,199, GPT Image 2.5 Flare를 1,182, MAI-Image-2.6을 1,151, Krea 3 Ultra를 1,151, Nano Banana 2.1을 1,151, MAI-Image-2.6-Flash를 1,144, GPT Image 2를 1,136에 놓는다 — 모두 동일한 AA-Image-Editing v2.1 실행에서 나온 수치이며, 이것이 차트 전체를 인용 가능하게 만든다. 2.7과 선두를 가르는 것은 6 Elo이고, 그 6점은 블라인드 투표 보드가 일주일 만에 움직일 수 있는 노이즈 범위 안에 있다.

잡음이 아닌 것은 분포의 형태다. 1,136과 1,199 사이에는 네 개 연구소의 여덟 모델이 있으며, 모두 63점 이내에 있다. 편집에서는 최전선이 붐비며, 42점, 즉 2.7-to-Nano-Banana-2.1 격차는 상위 8개 모델 전체 분포 폭의 약 3분의 2에 해당한다. 이는 압축된 영역 안에서의 실질적인 분리이며, 동시에 특정 워크로드가 이를 뒤집을 수 있을 만큼 작다.

간격이 표시된 사양선

• 출시 — Nano Banana 2.1이 2026년 10월 6일에 출시되어 Nano Banana 2를 대체하며 Google 제품군에서 Nano Banana Pro 아래에 위치합니다. MAI Image 2.7 Preview는 2026년 10월 27일에 출시되었습니다.

• 범위 — Nano Banana 2.1은 Gemini 3.6 Flash를 기반으로 생성 및 편집을 수행하며, 2.7은 편집 전용으로 텍스트-투-이미지 기능은 예고되었으나 아직 출시되지 않았습니다.

• 출력 — Nano Banana 2.1은 1:8부터 8:1까지의 화면 비율로 1K, 2K, 4K를 제공합니다. Microsoft는 2.7의 해상도를 공개하지 않았습니다.

• 참조 — Nano Banana 2.1의 경우 최대 14개로, 4개 캐릭터와 10개 오브젝트로 나누어 일관성을 유지합니다. 2.7의 경우 미공개입니다.

• 제어 — Nano Banana 2.1은 마스크 기반 로컬 편집을 지원하여, 영역을 칠하면 해당 영역만 변경되며, 세 가지 사고 수준도 제공합니다. Microsoft는 2.7의 강점을 사용 사례로 설명합니다 — 스타일 재구성, 재조명, 텍스트 및 기호 편집 — 공개된 마스크 인터페이스는 없습니다.

• 가격 — Nano Banana 2.1은 Gemini API를 통해 1K 이미지당 $0.0336, 2K는 $0.0504, 4K는 $0.113이며, 배치 작업은 다시 절반 가격입니다. 2.7은 공개된 요금이 없습니다.

• 액세스 — Nano Banana 2.1은 Gemini 앱, AI Studio, Gemini API, Search의 AI Mode, Google Ads, Flow 및 Stitch에서 사용할 수 있고, 2.7은 MAI Playground, Arena 및 Artificial Analysis에서 사용할 수 있으며 API와 Foundry 목록은 없습니다.

그것으로부터 도출할 표는 점수 외에는 어느 항목에서도 비슷하지 않다. 그러니 점수는 그만한 가치가 충분히 있어야 한다.

그 유명한 50% 가격 인하는 들리는 것보다 작다

Google이 {{1}}Nano Banana 2.1{{/1}}에 대해 내세운 핵심 문구는 이미지 출력 비용이 이전의 절반이라는 것이었습니다. 출력 토큰 100만 개당 $30로, $60에서 내려간 것입니다. 이는 사실이며, 순수 텍스트-투-이미지의 경우 대략 절반으로 줄어든 것인데, 청구서의 대부분이 출력이기 때문입니다.

편집은 요청의 형태가 다릅니다. 편집은 이미지를 출력할 뿐 아니라 원본 이미지를 입력 토큰으로 함께 전달하며, Google은 동시에 입력 가격을 백만 토큰당 $0.50에서 $1.50로 세 배 인상했습니다. 텍스트 및 추론 출력은 백만 토큰당 $3에서 $7.50로 올랐습니다. 따라서 편집에서 실제 절감액은 50%가 아니라 두 선형 비용의 차이이며, 입력 측이 충분히 커지면 부호가 뒤바뀝니다.

부등식으로 나타내 봅시다. 한 요청의 입력 토큰을 I, 출력 토큰을 O라고 하면, 기존 요청 비용은 0.5I + 60O이고 새 요청 비용은 1.5I + 30O입니다. 새 가격이 더 저렴한 것은 정확히 1.5I + 30O < 0.5I + 60O일 때이며, 이는 I < 30O로 단순화됩니다. 즉 입력은 출력의 30배 미만이어야 합니다. 이는 1K 편집에는 넉넉한 여유이지만, 큰 참조 세트가 있는 4K 편집에는 훨씬 빠듯합니다. 참조 이미지는 입력이고, 4K 출력은 그것을 만들어 낸 참조의 토큰 수의 30배가 아니기 때문입니다.

실질적인 결과: 워크로드가 "소스 이미지 하나 입력, 비슷한 크기의 이미지 하나 출력"이라면 — 대부분의 제품 사진 및 리터칭 파이프라인이 여기에 해당한다 — Nano Banana 2.1의 편집 가격은 전작보다 확실히 낫지만 절반까지는 아니며, 참조 이미지를 네다섯 개 사용하는 4K 파이프라인은 인하 혜택을 거의 못 볼 수도 있다. 프롬프트만으로 생성하는 워크로드라면 절반 인하를 온전히 누리고, 배치 모드에서는 여기서 다시 절반이 된다.

42 Elo가 실제로 나타난다면, 어디에 나타날까

Microsoft의 카테고리 세부 정보는 전체 점수보다 더 유용합니다. 왜냐하면 상승분이 어디서 왔는지 말해 주기 때문입니다. MAI-Image-2.6과 2.7 사이에서 추론 기반 편집은 7위에서 1위로, 장면 및 스타일 편집은 7위에서 1위로, 텍스트 또는 기호 편집은 6위에서 1위로 올랐습니다. 가장 큰 단일 우위는 장면 및 스타일 부문에서 차점 모델보다 24 Elo입니다. 이는 Artificial Analysis의 카테고리에 관한 벤더의 진술이며, 그 패턴은 일관됩니다. 2.7은 국소적 수정보다 전체 이미지에 대한 판단이 필요한 편집에서 더 나아졌습니다.

Nano Banana 2.1의 공개된 약점은 그것과 거의 정반대다. Google 자체 모델 카드는 1K에서 흐릿한 작은 텍스트, 간헐적인 좌/우 혼동, 불완전한 인물 유사성, 제한적인 3D 추론 및 사실성을 인정한다. 좌/우 혼동은 공간 추론 실패이고, 1K에서 흐릿한 작은 텍스트는 해상도에 의존하는 실패다. 어느 것도 장면 재조명이 개선하는 종류의 오류가 아니다.

그래서 42 Elo를 정직하게 해석하자면, 그것은 Microsoft가 말하는 지점에 집중되어 있습니다. 즉 이미지 전체의 스타일 재구성, 조명 변경, 기존 구성에 통합된 텍스트, 그리고 모델이 객체와 빛의 관계를 이해해야 하는 편집입니다. 당신의 작업이 그런 모습이라면 격차는 눈에 띌 가능성이 큽니다. 당신의 작업이 제품 사진에서 한 객체를 마스킹해 빼고 다른 객체를 집어넣는 것이라면, 당신은 2.7이 앞서는 축을 테스트하는 것이 아니며, 실제로 그릴 수 있는 마스크가 점수보다 더 가치 있습니다.

마스크 질문이 바로 그것을 결정하는 질문이다

가장 화려하지는 않지만 실제 통합에서 가장 자주 결판을 짓는 차이입니다. 마스크 기반 편집은 사람이 이미 무엇을 바꿀지 결정해 두었다는 뜻입니다. 모델의 역할은 그 변경이 원래부터 있던 것처럼 자연스럽게 보이도록 만드는 것입니다. 이러한 역할 분담 덕분에 프로덕션 파이프라인의 편집 도구는 검토가 가능합니다. 검토자는 칠해진 영역을 보고 그 영역만 판단할 수 있습니다.

문서에 따르면 MAI Image 2.7 Preview는 지시문과 이미지를 입력으로 받습니다. 장면 스타일 변경, 텍스트 변경, 에셋 복원이라는 Microsoft의 기능 설명은 전반적으로 지시문 기반이며, 공개된 마스크 매개변수도, 바운딩 박스 제어도, 문서화된 참조 이미지 최대치도 없습니다. 마스크를 받아들일 수도 있습니다. 다만 프로그래밍할 수 있는 공개 인터페이스가 없을 뿐이며, 이는 개발자에게 사실상 같은 문제입니다.

이미지를 하나씩 작업하는 크리에이티브 디렉터에게는 지시 기반 방식이 더 빠르고 종종 더 좋습니다. 감사 추적을 생성해야 하는 파이프라인에서는 마스크가 있으면 좋은 선택 사항이 아닙니다.

각각이 있는 곳, 그리고 거기에 닿기 위해 당신이 치르는 대가

Nano Banana 2.1은 전 세계에서 가장 널리 배포된 이미지 모델 중 하나입니다. Gemini API, AI Studio, Gemini 앱, 검색의 AI 모드, Google Ads, Flow, Stitch에서 사용할 수 있습니다. 배포 범위는 스펙이 아니지만, 모델이 적합한지 알아보기 전에 얼마나 많은 통합 작업을 해야 하는지를 결정합니다.

MAI Image 2.7 Preview는 세 곳에 있으며, 그중 두 곳은 평가용 표면입니다. 이는 프리뷰를 위한 의도적인 선택이자 하나의 장벽이기도 합니다. 자체 자산으로 42 Elo를 테스트하려는 팀은 브라우저에서 한 번에 이미지 하나씩 수작업으로 해야 하며, 실험을 스크립트로 자동화할 수 없습니다.

가격 책정 측면에서 알아둘 만한 구체적인 연결 구조가 하나 있습니다. OrcaRouter는 Google의 이미지 라인을 제공업체 정가로 제공합니다 — 마크업 0%로, 현재 Nano Banana 2는 요청당 $0.15, Nano Banana Pro는 $0.24입니다 — 따라서 공급업체의 가격 변동은 재협상을 기다릴 필요 없이 Google에 적용되는 바로 그날 저희 쪽에도 반영됩니다. 2.1 자체가 추가될지는 가격의 문제가 아니라 카탈로그의 결정 사항이며, 추가될 경우 청구되는 금액은 절반으로 줄어든 출력 요율입니다. 귀하와 정가 사이에는 아무것도 없기 때문입니다.

결정 규칙

편집이 이미지 전체를 판단하는 작업이라면 — 이 장면의 조명을 바꾸고, 이 방의 스타일을 바꾸고, 이 표지판에 새 텍스트를 넣어 인쇄된 것처럼 보이게 하는 것 — 이번 주에 Arena 또는 Playground에서 MAI Image 2.7 Preview를 사용하고, 자신의 이미지 열 장으로 Nano Banana 2.1과 비교해 보세요. 바로 그 축에서 2.7이 24포인트 우위를 주장하고 있으며, 블라인드 비교만이 전이되는 유일한 테스트입니다.

편집이 국소적이고 구체적으로 지정된 경우 — 이 라벨을 교체하고, 이 케이블을 제거하고, 이 배경을 확장하는 식으로 — Nano Banana 2.1은 무엇이 바뀌어야 하는지 정확히 말할 수 있는 능력에서 앞섭니다. 1K 출력 기준 $0.0336이며, 목적지가 필요로 할 때는 4K를, 브랜드 일관성이 필요로 할 때는 14장의 참조 이미지를 사용할 수 있습니다. 42 Elo는 중요해질 기회조차 얻지 못합니다. 당신은 그 점수가 답하는 질문을 하고 있지 않기 때문입니다.

오늘 파이프라인에 편집기가 필요하고 그 어느 것도 당신에게 해당하지 않는다면, 그 보드에 있는 모델들이 바로 공개된 인터페이스를 갖춘 모델들입니다. {{1}}MAI Image 2.7 Preview{{/1}}는 인터페이스가 생기는 날 진정으로 흥미로운 선택지가 될 것입니다. {{2}}리더보드{{/2}}는 이미 그것에서 무엇을 기대할 수 있는지 알려 주었고, 유일하게 빠진 것은 직접 확인할 수 있는 능력뿐입니다.