MOSS-Image vs Nano Banana 2: 하나는 서비스 종료 날짜가 있고, 다른 하나는 엔드포인트가 없다

이 비교에는 어느 벤더도 광고하지 않는 어색한 속성이 하나 있습니다. Nano Banana 2 — 구글이 소비자용으로 붙인 이름인 Gemini 3.1 Flash Image, 식별자 gemini-3.1-flash-image의 종료일이 12일 앞으로 다가왔습니다. 구글의 Gemini API 변경 로그에 따르면 2026년 10월 29일자로 지원이 중단되는데, 이는 Nano Banana 2.1이 10월 6일 이미지당 약 절반 가격으로 출시된 지 3주 후입니다. MOSS-Image는 2026년 10월 16일 Apache 2.0 오픈 웨이트로 공개되었으며, 종료할 것이 없기 때문에 종료일도 없습니다. 직접 실행하는 27 GB 다운로드 파일이며, 이에 대한 상용 API는 공개된 적이 없습니다.

그러니까 이 맞대결의 솔직한 버전은 '어느 쪽이 더 나은가'가 아니다. 그것은 곧 다른 누군가의 서버에서 존재를 멈추게 될 모델과, 파일을 보관하는 한 당신의 서버에서 계속 존재할 모델 사이의 비교다. 그런 프레이밍은 스펙 시트보다 더 유용하다. 왜냐하면 그것은 바로 한 팀이 이번 달에 내리는 결정이며, 2차 질문 — Nano Banana 2를 무엇이 대체하는가 —에는 가격을 절반으로 바꾸는 답이 있기 때문이다.

먼저, 당신이 실제로 비교하고 있는 N​ano Banana는 어느 것인지

Google의 명명에는 세 가지 층이 있으며, 그 차이점은 단순한 겉치레가 아니다.

N​ano Banana 2는 G​emini 3.1 Flash Image입니다. 소비자 대상 출시는 2026년 2월 26일에 시작되었고, 개발자 API는 2026년 5월 28일에 gemini-3.1-flash-image로 정식 출시되었습니다. 이는 G​emini 앱, G​oogle 검색의 Lens 및 AI 모드 영역, Flow, G​oogle Ads 전반에서 기본 이미지 생성기입니다 — 이는 모든 도입 결정을 좌우하는 사실인데, 사용자가 사용하도록 설득할 필요가 없는 모델이기 때문입니다.

N​ano Banana Pro는 상위 등급이며, OpenMOSS가 자체 보고서에서 벤치마크 상대로 선택한 모델입니다. 공급업체의 LongLongTextBench 표에서 N​ano Banana Pro는 M​OSS-Image의 96.3에 맞서 96.6 Mean-6을 기록했습니다 — 0.3점 차이는 표에서 가장 좁은 격차이자 가장 이해할 가치가 있는 차이입니다.

N​ano Banana 2.1은 10월 6일에 N​ano Banana 2를 대체하는 것입니다. 여기서 주제는 아니지만 목적지이며, 그 존재가 조건을 정합니다: 지원 중단 공지와 후속 버전은 같은 변경 로그 항목에 함께 등장했습니다.

3할의 격차, 제대로 읽기

M​OSS-Image의 보고서는 경쟁자가 자기를 앞서는 표를 공개한다는 점에서 이례적이다. LongLongTextBench는 240개의 문학 텍스트 렌더링 작업 — 영어 120개, 중국어 120개, 평균 목표 길이 1,339.8자로, 대략 LongTextBench 평균의 11배 — 이며, M​OSS-Image의 96.3 Mean-6은 Q​wen-Image-2512의 64.9보다 훨씬 앞서게 하며, 가장 긴 조건 하위 집합에서 영어 97.1, 중국어 92.4를 기록한다. 그 위에는 GPT Image 2가 99.0, N​ano Banana Pro가 96.6으로 자리한다.

M​OSS-Image와 N​ano Banana Pro 사이의 0.3점 차이는 두 수치 중 어느 하나에 대해서도 누구나 가질 수 있는 신뢰보다 작다. 두 모델 모두 서로 다른 연구소에서 만들어졌고, OpenMOSS가 작성한 벤치마크에서 OpenMOSS 자체의 G​oogle 모델 실행을 사용하여 평가되었다. 그리고 N​ano Banana 2는 그 행에 있는 모델이 아니다 — Flash 티어는 Pro 아래에 있으므로, 솔직하게 해석하자면 M​OSS-Image의 텍스트 렌더링 결과는 M​OSS-Image 저자들이 작성한 테스트에서 G​oogle의 프리미엄 티어 수준에 대략 맞먹는 반면, 실제 조달에서 비교하게 될 모델은 그보다 한 티어 아래에 있다.

M​OSS-Image가 G​oogle이 내놓는 어떤 것과도 가깝지 않은 지점은 레이아웃이다. 보고서가 또한 소개하는 벤치마크인 7Bench에서 M​OSS-Image는 평균 레이아웃 IoU 0.88과 레이아웃 AUC 0.70을 보고한다. N​ano Banana Pro는 같은 표에서 0.33과 0.20이다. 그 수치들이 재현된다면, 정밀한 객체 배치는 M​OSS-Image가 보유한 능력이며 현재 어떤 G​emini 이미지 모델도 겨루지 못한다. 그 수치들은 재현되지 않았고, 같은 연구소가 그 지표를 작성했다.

N​ano Banana 2가 오늘, 그리고 앞으로 12일 동안 여러분에게 주는 것

이 역량표는 제너럴리스트의 것이며, 바로 그것이 이 모델이 어디에나 있는 이유다.

• 일관성 — 워크플로 전반에 걸쳐 최대 5명의 캐릭터와 14개의 객체를 안정적으로 유지하는 기능으로, N​ano Banana 라인 전체가 내세우는 판매 포인트입니다.

• 출력 — 배너와 배경 화면 형식에 필요한 극단적인 1:4 및 1:8 비율을 포함해 14가지 화면 비율 전반에서 최대 4K까지.

• 이미지 내 텍스트 — 레이아웃을 유지한 채 번역 및 현지화를 포함하는 이미지 내 렌더링. 이는 MOSS-Image가 내세우는 것과 가장 직접적으로 겹치는 기능이며, Google이 출시 당시 시연한 바로 그 기능입니다.

• Grounding — 프롬프트만이 아니라 웹 및 이미지 검색에 기반을 둔 생성, ​Meta가 ​Muse Image를 통해 더욱 발전시킨 것과 같은 아키텍처적 본능.

• 컨트롤 — 지연 시간과 추론 사이에서 균형을 맞추는 구성 가능한 사고 수준, 그리고 기본적으로 모든 출력에 적용되는 SynthID 워터마킹과 C2PA 출처 메타데이터.

• 가격 — 출력은 백만 토큰당 $60로 청구되며, Google 자체 문서에 따르면 512px에서 약 $0.045, 1024×1024에서 $0.067, 2K에서 $0.101, 4K에서 $0.151이고, 배치 모드는 그 절반입니다. Artificial Analysis는 이를 1,000개 이미지당 $67로 기재합니다.

• 측정된 위치 — 2026년 10월 6일 기준 Artificial Analysis의 텍스트-이미지 리더보드에서 Elo 1,125, 이미지 편집 리더보드에서 1,108.

그중 어느 것도 이견이 있는 사안이 아닙니다. 또한 사실인 것은, 10월 29일이면 그 식별자가 작동을 멈추고, 앞으로 나아갈 길은 N​ano Banana 2.1이라는 점입니다. 이는 Artificial Analysis가 아직 점수를 매기지 않았고, G​oogle이 대략 절반 가격을 책정했으며, 이 블로그의 별도 글에서 자세히 다루고 있는 모델입니다.

MOSS-Image가 주는 것과 그 대가로 요구하는 것

아키텍처는 처음부터 학습된 5B 단일 스트림 확산 트랜스포머로, 42개의 조인트 블록, 은닉 폭 3,072, 128차원의 헤드 24개, 8,192 폭의 SiTU-GLU 피드포워드, 그리고 첫 번째 축이 참조 인덱스용으로 예약된 4축 회전 위치 인코딩을 갖춘다. 5B라는 표기에는 값비싼 부분들, 즉 고정된 Qwen3.5-9B 텍스트 인코더와 FLUX.2-klein-4B에서 32개 잠재 채널로 로드된 고정된 FLUX.2 VAE(8× 다운샘플 위의 2×2 잠재 패치로 실효 스트라이드가 16픽셀임)가 제외된다.

프롬프트는 JSON 객체일 수 있습니다. 캔버스 중심에서 측정한 절대 픽셀 좌표의 바운딩 박스, 리터럴 텍스트 문자열, 타이포그래피 관련 참고 사항이 모두 bbox_format "yxyx" 형식을 따릅니다. 프롬프트 상한은 최종 사전학습 단계에서 4,096 토큰이고, 출력 크기는 16의 양의 배수여야 하며, 가이드에서는 1, 1.5 또는 2 메가픽셀을 권장하고 지원 범위는 512×512부터 4M까지입니다. 샘플링 기본값은 50 스텝의 flow-matching Euler, CFG 3.0, shift 5.0이며, 레이어 22의 네거티브 분기에 스킵 레이어 가이던스를 적용합니다 — 그리고 기본 가이던스 경로는 스텝당 트랜스포머 순전파 두 번이 필요하므로, 50 스텝은 들리는 것처럼 저렴한 설정이 아닙니다.

진입 비용은 실재합니다: SFT 리포지토리에 약 27.2 GB, 그중 대략 16.8 GB가 텍스트 인코더이며, 여기에 자체 GPU와 자체 서빙 작업이 더해집니다. 그에 대한 보상은 라이선스 협상 없이 양자화하고, 파인튜닝하고, 에어갭 환경에서 실행하고, 상용 제품 안에 탑재해 출시할 수 있는 모델입니다. Apache 2.0이 가중치와 독립형 파이프라인 코드를 포괄하며 매출 임계값도, 허용 사용 부속서도 없기 때문입니다.

한 줄씩

• 상태 — N​ano Banana 2는 2026년 10월 29일 종료 예정으로 지원 중단되었으며, M​OSS-Image는 2026년 10월 16일 지원 중단 메커니즘 없이 오픈 웨이트로 공개되었습니다.

• 접근 — G​oogle의 API와 소비자 접점, 그리고 라우팅 플랫폼을 통해 N​ano Banana 2를, M​OSS-Image는 다운로드를 통해 이용할 수 있습니다

• 가격 — N​ano Banana 2는 1024×1024 이미지당 약 $0.067, 4K에서는 $0.151이며 출력 토큰 기준으로 청구되고 배치 시 절반; M​OSS-Image는 약 27.2 GB의 설치 용량과 자체 GPU 시간만 들면 무료

• 라이선스 — Nano Banana 2는 독점 라이선스로 API 전용이며 가중치를 제공하지 않습니다; MOSS-Image는 가중치와 독립형 파이프라인 코드에 대해 Apache 2.0입니다

• 독립적인 점수 — Artificial Analysis에서 N​ano Banana 2는 텍스트-투-이미지 부문 Elo 1,125, 편집 부문 1,108을 기록했고; M​OSS-Image는 Artificial Analysis에 등재된 항목이 없으며, 공개된 점수는 자체 저자들이 작성한 벤치마크에서 나온 것입니다

• 텍스트 렌더링 — N​ano Banana Pro는 LongLongTextBench에서 Mean-6 96.6점을 기록해 M​OSS-Image의 96.3과 대비된다; Flash 티어는 그 행에 없다

• 레이아웃 제어 — M​OSS-Image는 절대 중심 기준 픽셀 좌표로 된 JSON 레이아웃을 받아들이며 7Bench에서 평균 IoU 0.88을 보고합니다. N​ano Banana Pro는 같은 표에서 0.33을 보고하고, G​oogle은 자체 레이아웃 지표를 공개하지 않습니다

• 참조 — Nano Banana 2는 하나의 프롬프트에서 최대 5명의 캐릭터와 14개의 객체를 일관되게 유지합니다; MOSS-Image의 레퍼런스 컨디셔닝은 벤더가 향후 작업으로 설명하는 예약된 위치 축이며, 출시된 기능은 아닙니다.

• 출처 — N​ano Banana 2는 기본적으로 모든 출력물에 SynthID 워터마킹과 C2PA 메타데이터를 적용합니다; M​OSS-Image는 워터마킹 계층을 포함하지 않습니다

• 파인튜닝 — M​OSS-Image는 파인튜닝 및 양자화가 가능하며, 커뮤니티 양자화, 4단계 DMD LoRA 및 8단계 증류 변형이 약 하루 만에 등장했습니다; N​ano Banana 2는 건드릴 수 없습니다.

왜 사용 중단이 답을 바꾸는가

만약 N​ano Banana 2와 M​OSS-Image가 둘 다 안정적인 선택지라면, 결정은 평범했을 것이다: 이미지당 7센트의 API 대 자체 비용으로 운영하는 자체 호스팅 모델, 품질은 벤더가 작성한 텍스트 벤치마크에서 대략 비슷하고 레이아웃은 M​OSS-Image가 결정적으로 앞선다. 지원 중단은 그 대칭성을 깨뜨리며, 그것도 양방향으로 깨뜨린다.

Nano Banana 2와 비교할 때, MOSS-Image는 이제 수명 논쟁에서 완전히 승리한다. 서비스 종료가 12일 앞으로 다가왔다고 발표된 모델과 아직 측정하지 않은 후속 모델 위에 파이프라인을 구축하는 것은 이미 예정된 마이그레이션이다. 다운로드한 파일은 체인지로그 항목으로 지원 중단될 수 없다. 이것은 개방성에 관한 수사적 논점이 아니다. 그것은 일정상의 사실이며, 이 비교가 산출하는 가장 강력한 단일 논거다.

하지만 지원 중단은 반대 방향으로도 작용하는데, 이 부분은 대개 간과되곤 합니다. Nano Banana 2.1이 약 절반 가격으로 등장한다는 것은 MOSS-Image의 대안이 7센트 이미지가 아니라 3.5센트 이미지이며, Google이 자체 일정에 따라 계속 개선해 나가고 여러분에게 운영 부담이 전혀 없는 이미지라는 것을 의미합니다. MOSS-Image의 총 소유 비용이 그것을 능가하는 경우는 GPU 시간이 저렴하거나, 사용량이 많거나, API가 구조적으로 제공할 수 없는 것 중 하나가 필요할 때뿐입니다: 파인튜닝, 양자화, 에어갭 배포, 또는 재협상할 필요가 없는 라이선스.

과장하지 않고 말하자면, 이 문제에서 OrcaRouter 쪽은

현재 세트에서 라우팅 이야기가 가정이 아니라 구체적인 유일한 맞대결이므로, 정확히 밝혀둘 가치가 있습니다. N​ano Banana 2는 저희 카탈로그에서 google/gemini-3.1-flash-image-preview로 제공됩니다 — 다만 10월 29일 종료를 감안하면, 이번 달에 그 엔드포인트로 하는 합당한 일은 새로운 통합이 아니라 마이그레이션 테스트이며, 후속 모델도 같은 방식으로 접근할 수 있습니다. M​OSS-Image는 저희 카탈로그에 없고 저희가 호스팅하지도 않습니다. 그것은 다운로드이며, 여기서 그와 반대되는 것을 암시하는 바는 없습니다.

이 조합이 실제로 유용한 점은 당신 앞에 놓인 결정입니다. 자체 호스팅 M​OSS-Image가 당신이 비용을 지불하는 호스팅 티어보다 더 나은 텍스트 및 레이아웃 출력을 생성하는지 알고 싶다면, 동일한 프롬프트에 대한 두 수치가 모두 필요하며, 그 테스트의 호스팅 쪽 절반은 두 번째 계약을 요구해서는 안 됩니다. API 키 하나, 제공자 정가가 0% 마크업으로 전달되어 G​oogle 가격 변동이 같은 날 여기에 반영됩니다, 자동 장애 조치가 제공자 전반에 걸쳐 작동하므로 비교 실행이 한 업스트림의 안 좋은 오후 때문에 중단되지 않으며, 둘 모두를 단일 엔드포인트 뒤에 두는 라우팅 DSL입니다. 그것이 전체 주장이며, M​OSS-Image를 호스팅하겠다는 제안이 시작될 바로 그 지점에서 멈춥니다.

앞으로 12일 동안 무엇을 해야 할까

프로덕션에서 N​ano Banana 2를 사용 중이라면, 당장의 작업은 M​OSS-Image와는 아무 관련이 없습니다. 여러분에게는 더 이상 사용되지 않는 식별자, 절반 가격의 후속 제품, 그리고 마감 기한이 있습니다. 29일 전까지 후속 제품을 대상으로 평가 세트를 다시 실행하고, 가격 인하가 아니라 증거를 바탕으로 결정하세요.

M​OSS-Image를 평가하고 있다면, 비교에서도 살아남는 두 가지 이유로 평가하세요. 첫째, 레이아웃 제어 — 7Bench에서의 0.88 대 0.33 격차는 현재 어떤 호스팅 서비스도 맞서지 못하는 이 영역의 유일한 결과이며, 정확한 배치가 당신의 문제라면 어떤 API 티어도 그것을 해결하지 못합니다. 둘째, 영구성 — 당신의 로드맵 외에는 누구의 로드맵으로도 폐기되거나 가격이 매겨지거나 제한될 수 없는 Apache 2.0 가중치입니다.

텍스트 렌더링에 M​OSS-Image를 도입하지 마십시오. 이 작업을 아주 잘하지만, 이 작업에서 앞서 있지는 않습니다. 공급업체 자체 표에서 96.3은 N​ano Banana Pro의 96.6보다 낮고 GPT Image 2의 99.0보다 낮습니다. 그리고 대체하려는 모델은 이미지당 몇 센트가 들고 27 GB도 차지하지 않습니다. 이 모델을 택할 근거는 좁고 구체적이며 실재하지만, 그 벤치마크 표가 만들어내려는 근거는 아닙니다.

두 가지가 그것을 매듭지을 것이다. OpenMOSS가 아닌 다른 누군가가 수행한 LongLongTextBench 또는 7Bench의 독립적인 실행, 그리고 skip-layer guidance를 병합한 MOSS-Image를 추가하는 vLLM-Omni 풀 리퀘스트가 태그된 릴리스로 들어가는 것 — 그것은 10월 14일에 열렸고, 25개 파일에 걸쳐 3,605줄이 추가되었으며, 고정된 레퍼런스에 대한 출력 동등성 증거를 요구하는 리뷰어와 함께 여전히 열려 있다. 둘 다 일어나기 전까지, 정확한 요약은 Google의 모델이 더 나은 범용 모델이고, 더 저렴하게 접근할 수 있으며, 12일 뒤 사라지는 반면, OpenMOSS의 모델은 다른 누구도 하지 않는 한 가지 일을 하고, 하드웨어를 필요로 하며, 경쟁자를 은퇴시킨 변경 로그가 오래도록 잊힌 뒤에도 여전히 설치할 수 있을 것이라는 것이다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.