Images 2.6 vs Nano Banana 2.1: Animatie afgezet tegen een resolutieladder

Slechts één van deze twee modellen kan een bewegend bestand produceren, en dat is niet het model met de betere benchmark. Images 2.6, de release van OpenAI op 4 november 2026 — GPT-Image-2.6 Sunburst voor kwaliteit, GPT-Image-2.6 Flare voor snelheid — voegde het genereren van geanimeerde GIF's in één stap, SVG-export en op markup gebaseerde bewerkingen toe. Nano Banana 2.1, het model van Google dat is gebouwd op Gemini 3.6 Flash en sinds 6 oktober 2026 algemeen beschikbaar is, voegde niets daarvan toe. Wat het wel toevoegde, was een prijsverlaging en een resolutieladder: benoemde uitvoerniveaus op 1K, 2K en 4K, tot 14 referentieafbeeldingen en beeldverhoudingen zo extreem als 8:1.

De keuze tussen beide is dus geen kwaliteitswedstrijd. Het is de vraag welke vorm je oplevering aanneemt. Een team dat geanimeerde stickers, loopende socialmediaposts of korte uitlegframes maakt, heeft hier de ene kandidaat. Een team dat productvisuals op printresolutie of brede bannerformaten maakt, heeft de andere. Pas daarna doet de benchmark ertoe, en wanneer dat het geval is, vallen de cijfers voor de nieuwkomer minder flatteus uit dan de berichtgeving rond de lancering doet vermoeden.

Waar de benchmarks daadwerkelijk staan

Artificial Analysis, gelezen op 5 november 2026:

• AA-Image-Editing v2.1 — Nano Banana 2.1 met 1,151 Elo over 6,937 samples; GPT Image 2.5 Sunburst (max) met 1,199 over 18,300. Images 2.6 heeft geen rij.

• AA-Image-T2I v2.1 — Nano Banana 2.1 met 1.176 over 6.274 samples, vierde plaats; GPT Image 2.5 Sunburst met 1.224, eerste plaats, met GPT Image 2 (high) op 1.188 op de derde plaats. Images 2.6 heeft hier ook geen rij.

• Google's eigen cijfers — 1.050 Elo voor Nano Banana 2.1 in Thinking-modus tegenover 990 voor Nano Banana 2 en 935 voor Nano Banana Pro. Door de leverancier gerapporteerd en op een andere schaal dan de AA-boards; niet door elkaar gebruiken.

Dus de twee dingen die je met zekerheid kunt zeggen, zijn dat Nano Banana 2.1 op onafhankelijke maatstaven voor beeldbewerking een model in de middenmoot is en een sterke vierde plaats inneemt op tekst-naar-afbeelding, en dat zijn voorganger 48 punten lager staat op beeldbewerking. Het derde ding — of Images 2.6 beter is — is nog geen feit. De dichtstbijzijnde benadering is dat OpenAI's vorige generatie beide ranglijsten aanvoert met een marge die breder is dan de betrouwbaarheidsintervallen, en dat de beweerde verbetering van 2.6 bestaat uit consistentie over een reeks bewerkingen in plaats van een sprong in kwaliteit per afbeelding.

De resolutieladder, in detail

Dit is waar Nano Banana 2.1 structureel vooroploopt, en het is geen marginaal voordeel.

• Uitvoerniveaus — 1K, 2K en 4K als benoemde, geprijsde opties. Images 2.6 verkoopt resolutie niet op die manier; de uitvoergrootte wordt impliciet bepaald door het tokenbudget, en OpenAI publiceert geen 2K- of 4K-niveau met een bijbehorende prijs.

• Beeldverhoudingen — tot 8:1 in beide richtingen op Nano Banana 2.1. Een leaderboardbanner van 3.200 × 400 is een volwaardige aanvraag, geen uitsnede. Images 2.6 erft wat de 2.5-generatie ondersteunde, wat OpenAI niet als een expliciet bereik documenteert.

• Referentieafbeeldingen — tot 14 op Nano Banana 2.1, gestructureerd als vier personages en tien objecten. Images 2.6 voegt herbruikbare opgeslagen referentieafbeeldingen toe in ChatGPT en accepteert beeldinvoer op beide endpoints, maar er is geen maximumaantal gepubliceerd.

• Context — ongeveer 131K invoer- en 32K uitvoertokens op Nano Banana 2.1, met zoekgrounding beschikbaar. Images 2.6 publiceert geen contextvenster; de modelpagina's vermelden tekst- en afbeeldingsinvoer en afbeeldingsuitvoer en niets meer.

• Bewerkingsbesturing — op maskers gebaseerde lokale bewerkingen en drie denkniveaus op Nano Banana 2.1; markup-gestuurde bewerkingen plus de nieuwe complexiteitsparameter op Images 2.6. Deze lijken sterk op elkaar: beide laten je het model vertellen hoeveel denkwerk het moet besteden en waar het dat moet toepassen.

De praktische consequentie is dat Nano Banana 2.1 de enige van de twee is die je in een contract kunt specificeren. "Produceer een 4K-afbeelding in 16:9, gefactureerd tegen het gepubliceerde 4K-tarief" is een zin die je in een statement of work kunt schrijven. De equivalente zin voor Images 2.6 is een tokenbudget en een schatting.

De prijsvergelijking kent één echte ambiguïteit

De output van Nano Banana 2.1 wordt gefactureerd tegen $30 per miljoen beeldtokens, tegenover $60 voor Nano Banana 2 — de halvering die de lancering nieuwswaardig maakte. In de praktijk komt dat neer op $0,0336 bij 1K en $0,0504 bij 2K. Batchprijzen halveren beide nog eens.

Bij 4K zijn de bronnen het niet eens, en dat meningsverschil is niet cosmetisch. Sommige publicaties melden $0.0756; andere, waaronder TechRepublic en heise, melden $0.113, op grond van het feit dat het aantal 4K-tokens steeg tot ongeveer 3.780. Beide cijfers komen voor in betrouwbare verslagen van dezelfde lancering. Als je een 4K-pipeline begroot, is dat een verschil van 50% op je grootste kostenpost, en het is de moeite waard om dit te verifiëren aan de hand van de eigen tariefkaart van Google in plaats van welke secundaire bron dan ook — inclusief deze.

Eén ding dat wel de verkeerde kant op ging: Nano Banana 2.1 verhoogde de inputprijs naar $1,50 per miljoen tokens van $0,50, met tekst- en denk-output op $7,50 per miljoen. Voor bewerkingintensieve workflows die grote bronafbeeldingen doorgeven, kan de verlaging aan de outputkant deels teniet worden gedaan door de stijging aan de inputkant, en de netto besparing is kleiner dan de kop doet vermoeden.

Images 2.6 kost ter vergelijking $5 per miljoen tekstinput, $8 per miljoen afbeeldingsinput en $30 per miljoen afbeeldingsoutput. Batchtarieven zijn de helft van die bedragen, maar op de modelpagina's van 2.6 staat /v1/batch als niet ondersteund, dus greenfield-batchprijzen zijn voor dit model nog niet beschikbaar. Per afbeelding komen de schattingen uit op ongeveer $0,006 bij lage kwaliteit, $0,013 bij gemiddelde, $0,053 bij hoge en $0,21 bij maximale kwaliteit — afgeleid van tokenbudgetten die zijn overgenomen uit de 2.5-generatie, niet van gepubliceerde cijfers voor 2.6.

Zet de twee naast elkaar bij de instellingen die ertoe doen, en het beeld is niet zoals de introductieverslaggeving het schetste. Bij 2K kost Nano Banana 2.1 $0,0504. Images 2.6 kost bij hoge kwaliteit ongeveer $0,053. Die liggen binnen vijf procent van elkaar. De prijsverlaging van Google maakte Nano Banana 2.1 niet dramatisch goedkoper dan een concurrent die per token wordt afgerekend; ze maakte het ongeveer gelijk aan een die op hoge kwaliteit draait, en alleen goedkoper ten opzichte van xhigh en max.

Die gelijkheid is het argument om beide vanaf één plek bereikbaar te houden. OrcaRouter geeft de lijstprijs van de provider door met 0% opslag, wat betekent dat een prijsverlaging van een leverancier bij ons live gaat op de dag dat die upstream arriveert, in plaats van wanneer een reseller de prijs herziet — en een routeringsregel kan verkeer sturen naar de gezonde van de twee bijna identieke kosten. Google heeft dit kwartaal al één imagemodel verouderd verklaard; de mogelijkheid om een modelstring te wijzigen in plaats van een integratie opnieuw op te bouwen is meer waard dan een fractie van een cent.

De migratie die Google daadwerkelijk aanraadt

Er gebeurt iets subtielers dan een buitengebruikstelling aan de Google-kant. De actuele documentatie over beeldgeneratie, gelezen op 5 november 2026, vermeldt vijf modellen in de Nano Banana-familie — Nano Banana 2.1 (gemini-nano-banana-2.1), Nano Banana 2 Lite (gemini-3.1-flash-lite-image), Nano Banana 2 (gemini-3.1-flash-image), Nano Banana Pro (gemini-3-pro-image) en het oudere Gemini 2.5 Flash Image-model. Nano Banana 2 staat nog steeds vermeld en is nog steeds aanroepbaar, zonder dat er een buitengebruikstellingsdatum tegenover staat; de richtlijn in de documentatie is dat alle nieuwe projecten Nano Banana 2.1 moeten gebruiken, wat een aanbeveling is en geen deprecatie.

Twee details maken die aanbeveling minder eenduidig dan ze lijkt. Nano Banana 2 Lite is nu de snelste en goedkoopste tier, omschreven als bedoeld voor snelheid en schaal in plaats van meerdere referenties of multi-turn editing — dus "migreren naar 2.1" is niet automatisch de kostenoptimale keuze voor eenvoudige generatie op grote schaal. En op de eigen deprecationpagina van Google staat expliciet dat de datums die het bedrijf publiceert "de vroegst mogelijke datums zijn waarop een model mogelijk wordt uitgefaseerd", met de belofte van een kennisgeving vóór een daadwerkelijke stopzetting. Een model zonder enige datum is geen model dat op weg is om te verdwijnen.

De commerciële complicatie is echter reëel. In de Gemini-app krijgen gratis gebruikers nog steeds Nano Banana 2, terwijl 2.1 een AI Pro-, Plus- of Ultra-abonnement vereist, en er is geen gratis niveau voor 2.1 op de API. Een team dat op het gratis niveau een prototype heeft gebouwd en nu naar productie gaat, zal merken dat de testomgeving en de productieomgeving niet langer hetzelfde model gebruiken — een betrouwbare bron van "het werkte in staging"-fouten.

Wat de documentatie zegt, en wat niet.

Het is de moeite waard om het gewoon duidelijk te zeggen, want dat is het verschil tussen een product en een aankondiging.

Afbeeldingen 2.6: de modelpagina's voor gpt-image-2.6-sunburst staan live op de ontwikkelaarsdocumentatie van OpenAI, met prijzen, ondersteunde endpoints — alleen beeldgeneratie en beeldbewerkingen, niet chat completions of responses — en modaliteitsdeclaraties. De pagina's verwijzen naar de afbeeldingsgids voor "de complexiteitsinstelling, markup-gestuurde bewerkingen, SVG-uitvoer en geanimeerde GIF-uitvoer." Ze vermelden geen resolutieopties, een maximum voor referentieafbeeldingen, GIF-lengte, frames per seconde of limieten voor bestandsgrootte.

Nano Banana 2.1: volledig gedocumenteerd, met benoemde niveaus, gepubliceerde prijzen per afbeelding, een budget voor referentieafbeeldingen, een bereik aan beeldverhoudingen en een contextvenster. Het is een specificatieblad waarop je kunt ontwerpen.

Deze leemte is specifiek van belang voor de GIF-functie. Het genereren van geanimeerde GIF's is uitgerold en werkt in ChatGPT. Of de /v1/images/generations endpoint een geanimeerd bestand retourneert, is door geen enkele openbare test bevestigd, en OpenAI's eigen documentatie beschrijft de functie in een gids in plaats van in de endpoint-referentie. Als animatie de reden is dat je Images 2.6 overweegt, verifieer dat dan met een echte API-aanroep voordat je erop gaat ontwerpen.

Kiezen tussen beide

Kies Nano Banana 2.1 als je deliverables printresolutie hebben of ongewoon geproportioneerd zijn, als je meer dan twaalf referenties in één call nodig hebt, als je een gedocumenteerd specificatieblad nodig hebt om in een contract op te nemen, of als je migreert van de verouderde Nano Banana 2 en de kortste weg wilt — het is het gesanctioneerde doel en de prijzen zijn gepubliceerd voor elk niveau.

Take Images 2.6 als je deliverables verschuiven. De GIF-pipeline is de enige mogelijkheid in deze vergelijking waarvoor aan Google-zijde geen equivalent bestaat, en het is geen nieuwigheid: de mogelijkheid om een geüploade foto te animeren met bewerking per frame en snelheidsregeling vervangt een stap voor videogeneratie voor een hele categorie kortvormig werk. SVG-export is de tweede mogelijkheid zonder equivalent, en voor iconen- en logosystemen is die doorslaggevend. Markup-gestuurde bewerking is een derde, en voor sommige soorten wijzigingen is dat echt een betere interactie dan een masker tekenen.

Als geen van beide beschrijvingen past — als je op grote schaal statische 2K-afbeeldingen produceert en gewoon het betere model wilt — dan is het antwoord dat het bewijs nog niet bestaat. GPT Image 2.5 Sunburst ligt 48 punten voor op Nano Banana 2.1 bij editing en 48 bij text-to-image, beide buiten de betrouwbaarheidsintervallen, en Images 2.6 is nog niet gescoord. Twee weken wachten op een Elo-rij kost niets en zal je waarschijnlijk ook niets aan mogelijkheden kosten, want geen van beide modellen wordt voor die tijd teruggetrokken.