Gemini Nano Banana 2.1 vs Qwen Image 3.0: 1K에서는 동점, 2K에서는 갈림

Gem​ini Nano Banana 2.1과 Qw​en Image 3.0을 요금표에 올려놓으면 첫 번째 숫자부터 웃음이 난다. 최신 Gem​ini 이미지 모델로 만든 1K 이미지의 가격은 $0.0336이고, Model Studio에서 Qw​en Image 3.0으로 생성한 1K 이미지의 가격은 $0.03438이다. 1센트의 100분의 7 차이다. 세계 반대편에 있는 두 연구소가 서로 다른 통화로, 서로 다른 플랫폼을 위해 가격을 공개했는데도, 대부분의 사람이 실제로 구매하는 것에 대해서는 같은 가격에 도달한 것이다. 이 동점은 2K로 넘어가는 순간 깨진다 — $0.0504 대 $0.0688, Gem​ini에 유리한 36% 격차다 — 그리고 Qw​en은 이미지 입력과 편집 입력을 별도의 계량기로 청구하는 반면 Nano Banana 2.1은 그렇지 않다는 점을 알아차리면 또 다르게 깨진다. 이 두 사실 중 어느 것이 당신의 빌드를 결정하느냐는 전적으로 당신의 파이프라인이 이미지를 하나 내보내기까지 그 이미지를 몇 번이나 건드리느냐에 달려 있다.

이들은 가격이 시사하는 것보다도 더 서로 다르다. Nano Banana 2.1은 2026년 10월 6일에 전작에 23일의 마이그레이션 기한이 붙은 호스팅 API 모델로 일반 제공되기 시작했다. Qwen Image 3.0은 2026년 8월 5일 알리바바의 Qwen AI 플랫폼에서 Standard와 Pro 티어 및 API와 동시에 출시되었으며, Qwen Cloud와 Alibaba Cloud Model Studio를 통해 국제 개발자들에게 다가간다. 하나는 이미지 토큰당 가격이 책정된 서구 프런티어 랩 모델이고, 다른 하나는 이미지당 가격이 책정된 중국 플랫폼 모델로, 공개된 동시성 예산과 서로 일치하지 않는 국내 및 국제 요금표를 갖고 있다.

두 요금표, 한 줄씩

Nano Banana 2.1은 토큰 단위로 청구되며, 이미지당 환산 기준이 함께 공개되어 있습니다. 출력은 이미지 토큰 100만 개당 $30이며, Google은 이를 1K, 2K, 4K에 대해 각각 $0.0336, $0.0504, $0.0756으로 환산하는데, 이미지당 토큰 수는 각각 1,120, 1,680, 2,520으로 제시됩니다. 입력은 텍스트, 이미지, 동영상 전반에 걸쳐 100만 토큰당 $1.50입니다. 배치 출력은 절반입니다: $0.0168, $0.0252, $0.0378. 이미지를 다시 입력으로 넣는 것에 대한 별도의 요금 계량기는 없습니다. 입력으로 전달한 이미지는 입력 토큰 요율로 한 번만 계산됩니다.

Qwen Image 3.0은 중국 클라우드 요금표에서 두 등급으로 제공됩니다. Standard는 1K와 2K 모두 이미지당 RMB 0.18이며, 이미지 입력은 이미지당 RMB 0.02, 편집 입력은 이미지당 RMB 0.02입니다. Pro는 1K에서 RMB 0.25, 2K에서 RMB 0.50입니다. Qwen Cloud 인터내셔널에서는 Standard 등급이 이미지당 입력 $0.003, 출력 $0.03입니다. Alibaba Cloud Model Studio의 USD 기준 공개 수치는 1K 입력당 $0.00275, 1K 생성당 $0.03438, 2K 생성당 $0.068761, 1K 출력당 $0.04, 2K 출력당 $0.075입니다. 처리량도 공개되어 있습니다: 동시 요청 10개, 200개 요청 비동기 대기열, 분당 요청 20개입니다.

• 1K 생성 — Gemini Nano Banana 2.1 $0.0336; Model Studio에서 Qwen Image 3.0 Standard $0.03438. 사실상 무승부.

• 2K 생성 — Nano Banana 2.1 $0.0504; Qwen Image 3.0 Standard $0.068761. Google이 36% 더 저렴합니다.

• 4K — Nano Banana 2.1은 $0.0756이며 문서화된 티어입니다. Qwen Image 3.0의 Model Studio 항목은 총 픽셀을 2048×2048로 제한하므로, 비교할 4K 행이 없습니다.

• 이미지 입력 — Nano Banana 2.1은 이를 백만 입력당 $1.50 요율로 산정하고, Qwen Image 3.0은 1K 입력당 $0.00275로 별도 계량하며, 편집 입력은 국내에서 RMB 0.02로 청구됩니다.

• 배치 — Nano Banana 2.1은 Batch API를 통해 최대 24시간 소요로 모든 것을 절반으로 줄입니다; Qwen Image 3.0이 공개한 수단은 할인 등급이 아니라 200개 규모의 비동기 큐입니다.

• 처리량 — Qwen Image 3.0은 동시 10개, 대기 200개, 분당 20회(RPM)를 공개합니다. Google은 Nano Banana 2.1에 대해 이 중 어느 것도 공개하지 않습니다.

• 국내 기준 — Qwen Image 3.0 Standard는 중국 요금표에서 이미지당 0.18위안이며, Nano Banana 2.1은 Google이 중국 국내 요금제를 판매하지 않기 때문에 해당 요금제가 없습니다.

그 행들 중 두 개는 나머지보다 더 중요합니다. 4K 행은 가격 격차라기보다 기능 격차입니다 — 4K 출력이 필요하다면 Qwen Image 3.0의 Model Studio 항목은 아예 논의 대상이 아닙니다. 그리고 이미지 입력 행은 두 과금 철학이 크게 갈리는 지점으로, 이는 대표 가격에는 드러나지 않는 부분이기에 별도 섹션으로 다룰 가치가 있습니다.

두 번째 패스가 수학을 바꾸는 이유

단일 샷 생성은 쉬운 경우이고, 단일 샷에서는 이 둘을 가격 면에서 서로 바꿔 쓸 수 있다. 실제 이미지 작업은 단일 샷으로 끝나는 경우가 드물다. 일반적인 편집 워크플로는 후보를 생성하고, 보정을 위해 참조 이미지를 다시 입력하며, 스타일 패스를 위해 보정된 이미지를 다시 입력한 뒤에야 결과물을 내보낸다. 그러한 각 반환은 모두 이미지 입력이다.

Nano Banana 2.1에서는 해당 입력이 텍스트 프롬프트와 함께 일반 입력 요율로 과금되며, 모델의 대화형 편집은 이를 위해 명시적으로 설계되었습니다. 이전 상호작용을 통한 멀티턴 편집은 문서화된 기능이고, 사고 모드가 대화를 이어갑니다. Qwen Image 3.0에서는 동일한 루프가 공급업체가 공개한 전용 항목으로 과금됩니다. Model Studio에서는 이미지 입력이 1K당 $0.00275이고, 국내에서는 편집 입력 기준 이미지당 RMB 0.02입니다. 호출당 비용은 둘 다 비싸지 않습니다. 차이는 Qwen의 과금 기준은 반복 비용을 자체적인 별도 항목으로 드러내는 반면, Google의 과금 기준은 이를 입력 토큰에 합쳐 버린다는 점이며, 대표적인 이미지당 수치로 예산을 세우는 팀은 두 플랫폼 모두에서 3회 패스 워크플로를 과소평가하게 됩니다.

계산을 솔직하게 해보면, 실용적인 지침은 시시하지만 현실적이다. 1K 가격에서는 둘이 같으므로, 가격은 어느 쪽을 선택할 이유가 아니다. 2K에서는 Nano Banana 2.1이 생성당 상당히 더 저렴하고, 게다가 배치 티어를 제공해 그 비용을 다시 절반으로 줄인다. 4K가 필요하다면 비교할 것도 없다. 그에 맞춰 큐를 계획할 수 있는 공개된 동시성 예산이 필요하다면, Qwen Image 3.0은 이를 공개하고 Nano Banana 2.1은 공개하지 않는다. 이것이 결정의 윤곽이다: 대부분 필요한 해상도와 처리량 보장에 관한 것이지, 모두가 말하는 티어의 가격에 관한 것이 아니다.

무엇이 측정되며, 누구를 위한 것인가

여기서 증거의 비대칭성은 예상과는 반대 방향으로 흘러갑니다. Qwen Image 3.0은 독립적인 순위가 있지만, 출시된 지 하루 된 Nano Banana 2.1은 그렇지 않습니다. Artificial Analysis의 텍스트-투-이미지 보드에서, 2026년 7월에 수집된 샘플을 기준으로 하면, Qwen-Image-3.0은 5,816개 샘플에서 Elo 1,077로 16위에, Qwen-Image-3.0-Pro는 6,077개 샘플에서 1,088로 14위에 위치합니다 — 중간권이고, 샘플도 충분하며, 프런티어 모델이라기보다는 강력한 플랫폼 모델이 자리할 만한 지점입니다. 알리바바가 직접 내세운 출시 당시의 주장, 즉 이 모델이 Arena.ai의 텍스트-투-이미지 리더보드에서 중국 1위를 차지했다는 주장은 다른 보드에서 다른 유권자 집단을 대상으로 한 공급업체 보고 수치입니다. 이는 Artificial Analysis의 순위와 모순되지 않으며, 그저 다른 무언가를 측정할 뿐입니다.

Nano Banana 2.1의 장부상 몫은 더 빈약하다. 2026년 10월 7일 현재 공개 기록에는 Elo도, 투표 수도, 제3자 렌더 비교도 없다. 존재하는 것은 시각적 품질, 프롬프트 준수, 다중 턴 캐릭터 일관성, 텍스트 렌더링의 "상당한 개선"을 언급한 Google의 변경 로그 문구와, 문서화된 기능 변경 사항들이다: 512px 티어가 없는 1K, 2K, 4K 출력, 사물 10개와 캐릭터 4개로 나뉜 최대 14개의 참조 이미지, 기본으로 켜져 있는 사고 모드, 그리고 웹 검색과 함께 제공되는 Google Image Search 그라운딩. 오늘 이 둘을 품질로 비교하려 한다면, 한 모델의 측정된 중위권 점수를 다른 모델의 공급업체 주장과 비교하는 셈인데, 이 둘은 같은 종류의 숫자가 아니다.

각각을 어디에서 호출할 수 있는지

두 모델 모두 OrcaRouter에 없으며, 그렇지 않은 것처럼 암시하기보다 이를 분명히 말할 가치가 있습니다. Gemini Nano Banana 2.1은 공급업체의 자체 API와 여러 서드파티 플랫폼에서 사용할 수 있고, Qwen Image 3.0은 자체 플랫폼과 여러 서드파티 플랫폼에서 사용할 수 있습니다. 저희 카탈로그에는 다른 이미지 모델들 — 그중 OpenAI의 openai/gpt-image-2 및 google/gemini-3.1-flash-image-preview — 이 있으며, 하나의 OpenAI 호환 엔드포인트 뒤에 총 207개 모델이 있습니다.

그것이 이 비교에서 중요한 이유는 한 가지 특정한 이유 때문입니다: 이 두 공급업체는 모두 숫자를 바꿉니다. Google은 Nano Banana 2.1의 전신의 티어 구조 전체를 변경하고 같은 날 서비스 종료를 발표했습니다. Alibaba는 국내 플랫폼용으로는 RMB 요금표를, Model Studio용으로는 USD 요금표를, 국제 Qwen Cloud용으로는 세 번째 수치 묶음을 게시합니다. 공급업체의 가격이 움직이는 표적일 때, 공급자 정가를 0% 마크업으로 그대로 전달하는 계층을 통해 구매하는 것의 가치는 여러분 쪽의 숫자가 그들 쪽에서 움직이는 바로 그날 함께 움직이며, 여러분과 게시된 수치 사이에 마진이 없고 재협상할 별도 계약도 없다는 것입니다. 그것이 OrcaRouter의 라우팅이 기반으로 삼은 원칙이며, 이런 요금표 비교가 한 달 후에도 흐트러지지 않고 그대로 유효한 이유입니다.

실제로 어떤 걸 골라야 할까

4K 출력이 필요할 때, 대규모 레퍼런스 패스에서 이미지당 비용을 절반으로 줄여 주는 배치 티어를 원할 때, 최대 14개의 레퍼런스 이미지를 사용하는 프롬프트 기반 편집이 워크플로일 때, 또는 생성 과정 안에서 Google Search 그라운딩을 원할 때 Gemini Nano Banana 2.1을 선택하세요. 전작의 마이그레이션 마감은 피해야 할 이유가 아니라 이쪽으로 옮겨야 할 이유이며, Nano Banana 2 대비 가격 인하는 모든 해상도에서 대략 절반 수준입니다. 남은 의문점은 독립적인 품질 측정이 전무하다는 점과 공개되지 않은 처리량 한도이며, 그래서 프로덕션 경로는 엔드포인트가 유지된다고 가정하기보다 장애 조치를 할 준비가 되어 있어야 합니다.

출력이 2048×2048 이하로 유지될 때, 작업을 큐에 넣고 있어 공개된 동시성 예산이 중요할 때, 이미지당 RMB 0.18의 중국 요금표가 상업적으로 관련 있는 숫자일 때, 또는 Pro 등급의 더 높은 가격이 여러분의 평가로 입증할 수 있는 무언가를 제공할 때 Qwen Image 3.0을 선택하세요. 이 용도에서 중간권의 독립적 배치는 약점이 아닙니다 — 그것은 이 비교에서 가장 신뢰할 수 있는 단일 사실입니다. 왜냐하면 그것은 여기서 어느 벤더도 산출하지 않은 유일한 숫자이기 때문입니다.

비교 평가를 할 여유가 있다면, 실제로 차이가 나는 측면, 즉 멀티패스 편집에서 실행하세요. 후보를 하나 생성한 뒤 각 모델에서 세 차례 연속 보정을 수행하고, 첫 렌더 비용이 아니라 채택된 이미지의 총비용을 계산하세요. 그것이 어느 벤더의 요금표도 대신 계산해 주지 않는 비교이며, 1K에서의 "동점"이 정말 동점인지 판가름하는 비교입니다.