Qwen-Image 2.1 vs Nano Banana 2: 이미지당 지불하는 비용, 그리고 소유하기 위해 지불하는 비용

이 두 모델 중 스프레드시트에 넣을 수 있는 가격이 있는 모델은 하나뿐입니다. Nano Banana 2 — 2026년 5월 28일부터 일반 제공된 Gemini 3.1 Flash Image 모델 — 은 1024×1024 이미지당 약 $0.067, 2048×2048에서는 $0.101, 4K 쪽에서는 대략 $0.151이며, 배치 모드는 약 절반이고 텍스트 입력은 백만 토큰당 $0.25로 별도 청구됩니다. Qwen-Image 2.1은 2026년 9월 20일 Qwen-Image 팀이 오픈소스로 공개했지만, 이미지당 가격이 전혀 없습니다. 구매할 수 있는 호스팅 엔드포인트가 없기 때문입니다: 이는 상업적 사용을 금지하는 연구 라이선스 아래의 33GB 가중치 다운로드입니다. 따라서 이 맞대결의 첫 번째 질문은 어느 모델이 더 나은가가 아닙니다. 그것은 당신이 이미지를 사는 것인지, 이미지를 만드는 기계를 사는 것인지이며, 그 두 구매는 사양표가 암시하는 방식으로 비교할 수 있는 것이 아닙니다.

예측 가능성, 그것이 바로 이미지당 가격이 실제로 사주는 것이다

구글의 가격 책정은 이미지 카테고리에서 유난히 깔끔하게 환산된다는 점에서 이례적입니다. 이 모델은 출력 토큰 100만 개당 $60를 청구하는데, 이미지 출력이 예측 가능한 방식으로 토큰화되기 때문에 이는 무엇이든 생성하기 전에 미리 따져볼 수 있는 이미지당 수치로 환산됩니다.

• Nano Banana 2 — 1024×1024 기준 약 $0.067, 2048×2048 기준 $0.101, 4K에서는 대략 $0.151이며, 배치 모드에서는 이 수치의 약 절반이고, 텍스트 입력에는 백만 토큰당 $0.25가 추가됩니다. 2K 이미지 1,000장은 약 $101로, 달러 단위까지 예측 가능합니다.

• Qwen-Image 2.1 — 공개된 가격은 없습니다. 비용은 33GB 번들에 맞서는 자신의 GPU 시간이며, 제한된 하드웨어에 대한 모델 카드의 권고는 pipe.enable_model_cpu_offload()를 통한 CPU 오프로드인데, 이는 해결책이라기보다는 임시 방편에 가깝습니다.

종량제 가격으로 얻는 것은 이미지만이 아니다. 그것은 자체 하드웨어를 먼저 벤치마킹하지 않고도 “이 기능이 한 달에 이미지 1만 장을 처리할 때 우리에게 얼마가 드는가”에 답할 수 있는 능력이다. 이는 실질적인 이점이며 과소평가하기 쉽다. 왜냐하면 대안인 자체 호스팅에는 계산하기가 정말 어려운 비용이 따르기 때문이다. 그것은 이용률, 사용하는 카드, 전기 요금, 그리고 그 장비가 그렇지 않았다면 유휴 상태였을지 여부에 달려 있다. 정직한 비교는 1천 장당 $101 대 무료가 아니다. 그것은 1천 장당 $101 대 스스로 산출해야 하는 상각된 수치다. 그리고 그 계산을 해보는 대부분의 팀은 이용률이 아주 높아지기 바로 전까지는 종량제 가격이 경쟁력 있다는 것을 알게 된다.

라이선스는 "프리 웨이트"가 더 이상 무료가 아니게 되는 지점이다.

이것은 두 모델 사이에서 가장 극명한 차이이며, 그 격차는 결코 작지 않습니다.

Nano Banana 2는 상업적 조건이 적용되는 상업용 제품입니다. 이미지당 비용을 지불하고, 만든 결과물을 배포할 수 있습니다. Qwen-Image 2.1은 2026년 9월 20일자 Qwen Research License Agreement에 따라 배포되며, 이 라이선스는 “오직 비상업적 목적으로만” 권리를 부여하고 상업적 사용에는 공급업체로부터 별도의 라이선스를 요청해야 한다고 명시합니다. 이는 Apache 2.0에 따라 배포되었던 이전 Qwen-Image 제품군과 달라진 점입니다. 따라서 이 비교에서 오픈 옵션이 오픈이라는 것은 읽고 실행할 수 있다는 의미이지, 그 위에 사업을 구축할 수 있다는 의미는 아닙니다.

연구 팀, 취미 사용자, 또는 벤치마킹하는 사람이라면 그것은 훌륭한 라이선스이고 다운로드는 정말로 무료입니다. 제품 팀에게 그것은, 이번 비교에서 이미지당 가격이 없는 모델이 상업적 경로도 없다는 뜻이며, 이는 비용 비교를 완전히 무너뜨립니다: 여러분은 $101과 더 저렴한 무언가 사이에서 선택하는 것이 아니라, 출력을 판매할 수 있는 모델과 그럴 수 없는 모델 사이에서 선택하는 것입니다.

해상도와 종횡비, 오픈 모델이 실질적인 우위를 갖는 부분

라이선스는 제쳐두고, Qwen-Image 2.1은 Nano Banana 2가 하지 못하는 일을 해내는데, 그것도 특정 워크플로에서 중요한 방식으로 말이다.

• Qwen-Image 2.1 — 40 추론 단계에서 2048×2048을 문서상 기본값으로 하는 네이티브 2K, 7가지 화면 비율 프리셋, 최대 10개의 참조 이미지, 그리고 RGBA 출력: 실제 알파 채널, 투명 레이어 편집, RGB 사진에서의 피사체 추출.

• Nano Banana 2 — 1:4 및 1:8이라는 극단적인 비율을 포함한 이례적인 화면 비율 지원과 4K 출력을 제공하는데, 이는 대부분의 모델이 양방향 어느 쪽으로든 제공하는 범위보다 더 넓은 것이며, 단일 생성에서 캐릭터 다섯 개와 객체 열네 개의 일관성 수치를 공개합니다.

눈여겨봐야 할 것은 알파 채널이다. Google의 모델은 투명도를 생성한다고 문서화되어 있지 않고, Qwen-Image 2.1은 이를 네이티브로 지원한다. 즉, 그렇지 않으면 수작업이었을 합성 단계 — 피사체를 오려내고, 부드러운 가장자리를 유지하고, 다른 것 위에 배치하는 일 — 가 모델 이후가 아니라 모델 내부에 있다는 뜻이다. 직업적으로 레이어드 에셋을 만든다면, 그것은 품질 주장이 아니라 워크플로의 차이다. 또한 두 모델 모두 대부분의 작업이 필요로 하는 것보다 더 크게 렌더링한다는 점을 분명히 말해둘 만하다: 4K와 2048×2048은 둘 다 제약이 목적지가 아니라 모델인 지점을 이미 넘어선다.

약속에 반하는 공개된 수치

구글의 모델은 봄부터 Artificial Analysis의 두 이미지 보드 모두에 올라 있었고, 9월 스냅샷 기준 텍스트-투-이미지와 이미지 편집 부문에서 상위 5위 안에 들며, 텍스트-투-이미지에서 Elo 약 1,320을 기록했습니다. 일관성 수치 — 다섯 개의 캐릭터, 열네 개의 객체 — 는 구글 자체 측정치이지만, 독립적인 스코어보드 옆에 나란히 놓여 있기 때문에, 이 모델이 블라인드 비교에서 실제로 어떻게 수행하는지와 대조해 정합성을 점검할 수 있습니다.

Qwen-Image 2.1에는 독립적인 점수가 없습니다. 이 모델에는 제3자가 재현하지 않은 Qwen-Image-Bench 차트가 포함된 벤더 블로그 게시물이 있으며, Qwen Ambassador 프로그램의 테스터가 ModelScope Studio 인터페이스를 통해 최종 가중치를 실행한 직접 체험 얼리 액세스 보고서가 하나 있습니다: 텍스트-이미지 변환에 대략 10–15초, 편집에 18–23초, 강력한 카메라 위치 및 다중 캐릭터 역할 처리, 그리고 약 3개의 입력 이미지부터 다중 참조 일관성이 저하됨. 리뷰어 한 명, 타이머 표시 없음, 공개된 프롬프트 세트 없음. 이것은 공개적으로 존재하는 모델에 대한 유일한 외부 관찰이며, 측정값이라기보다는 힌트로 읽어야 합니다.

또한 제3자 보도에서는 Qwen-Image 2.1을 20층 트랜스포머라고 설명하는 숫자가 돌고 있습니다. 이는 모델 카드와 모순됩니다. 모델 카드에는 시각 생성 구성 요소에 7B 파라미터를 갖춘 32층 단일 스트림 확산 트랜스포머, Qwen3-VL 8B 텍스트 인코더, 16× 공간 압축의 64채널 RGBA VAE가 문서화되어 있습니다. 모델 카드를 사용하세요.

둘 모두로 할 수 있는 단 한 가지

이 배치에서 상대가 우리가 실제로 라우팅하는 모델인 유일한 글입니다. Nano Banana 2는 OrcaRouter에 google/gemini-3.1-flash-image-preview로 있으며, 나머지 이미지 라인업 — OpenAI의 GPT-Image 제품군, Google의 Imagen 4 등급, 다른 Gemini 이미지 프리뷰, 그리고 xAI의 Grok Imagine 이미지 엔드포인트 — 과 함께 모두 제공자 정가로 마크업 없이 하나의 OpenAI 호환 엔드포인트 뒤에 있습니다. Qwen-Image 2.1은 우리가 라우팅하는 모델에 포함되지 않으며, 이 글은 그렇다고 암시하지 않을 것입니다.

이 결정에서 그것이 실무적으로 의미하는 바는 피치보다 범위가 좁지만 피치보다 유용하다. 자체 프롬프트로 두 모델을 비교하고 싶다면, Google 쪽은 API 키 하나와 2K 기준 이미지당 약 0.1센트의 비용이 들며, 호출하는 다른 모든 것과 동일한 엔드포인트를 사용한다. Alibaba 쪽은 33 GB 다운로드와 GPU, 그리고 산출물을 상업적으로 활용하기 전에 연구용 라이선스 검토가 필요하다. 제공자 간 자동 페일오버는 여기서 중요한 또 하나의 요소다: 검증된 모델이 프로덕션 트래픽을 처리하는 동안 검증되지 않은 모델을 그 옆에서 평가할 수 있으므로, 평가가 핵심 경로에 놓이는 일이 결코 없다.

어느 것, 누구를 위한 것인가

• 실제 출시를 앞두고 있다면 Nano Banana 2를 선택하세요. 상업용 라이선스, 달러 단위까지 예측 가능한 가격, 두 리더보드 모두에서 상위 5위권의 독립 평가 점수, 4K 출력, 그리고 이번 비교에서 가장 넓은 비율 범위를 갖추고 있습니다. 2K 이미지 1,000장 비용은 약 $101이며, 오늘 오후면 바로 생성을 시작할 수 있습니다.

• Qwen-Image 2.1을 선택하세요연구 중이라면요. 무료로 다운로드할 수 있고, 아키텍처와 프롬프트 재작성 시스템 프롬프트를 완전히 살펴볼 수 있으며, 2048×2048에서 실제 투명도를 갖추고 네이티브로 렌더링하며, 원, 페인팅 주석 또는 마스크를 통한 로컬 편집과 함께 최대 10장의 참조 이미지를 받습니다. 생성된 결과물을 판매할 수는 없고, 그것이 얼마나 좋은지 측정한 사람도 없습니다.

두 문단 사이의 간극은 모델들 사이의 간극이며, 그것은 품질의 간극이 아니라 성숙도의 간극이고, 일정에 따라 좁혀지고 있다. Qwen의 얼리 액세스 테스터들은 2026년 9월 29일까지 샘플이나 리뷰를 공개하도록 요청받았다. 그것들이 공개되면, 오픈 모델은 더 이상 미지의 존재가 아니라 비교 가능한 대상이 되기 시작하고, 남는 질문은 라이선스뿐일 것이다. 바로 그 숫자를 주시해야 하며, 그것은 벤치마크가 아니라 라이선스 파일이다.