MAI Image 2.7 Preview vs Nano Banana 2.1: Wat 42 Elo daadwerkelijk oplevert

Vrijwel elk cijfer bij de lancering van MAI Image 2.7 Preview valt met niets te vergelijken. Het model debuteerde op 27 oktober 2026 met 1.193 Elo op de AA-Image-Editing v2.1-ranglijst van Artificial Analysis, en de meeste modellen die je ernaast zou willen zetten, zijn weken eerder gemeten op een ranglijst die sindsdien is veranderd. Nano Banana 2.1 is de uitzondering. Het model van Google staat op dezelfde versie van dezelfde ranglijst op 1.151, uit dezelfde evaluatie van 22 oktober 2026 — dus 1.193 min 1.151 is een aftrekking die je mag maken. Het verschil is 42 Elo, en dat is de enige zuivere rechtstreekse vergelijking die deze lancering je oplevert.

Dat maakt de twee modellen het natuurlijke paar voor de vraag die iedereen eigenlijk heeft: is de beste editor op het bord het gebruik waard in plaats van de goedkoopste goede die wordt geleverd met maskers, 4K-uitvoer, veertien referentieafbeeldingen en een gepubliceerde prijs? Het antwoord blijkt af te hangen van een stukje rekenwerk dat niemand heeft losgelaten op de prijsverlaging van Nano Banana 2.1.

Waarom deze vergelijking de enige eerlijke op het bord is

Leaderboards zijn geen thermometers. Het zijn bewegende populaties — modellen komen erbij, modellen worden deprecated, stemmen stapelen zich op — en een score is alleen betekenisvol ten opzichte van de andere getallen die in dezelfde sweep zijn vastgelegd. Dit is de valkuil in de meeste berichtgeving over de 2.7-lancering. Microsofts eigen grafiek zet 2.7 op 1,193, GPT Image 2.5 Sunburst op 1,199, GPT Image 2.5 Flare op 1,182, MAI-Image-2.6 op 1,151, Krea 3 Ultra op 1,151, Nano Banana 2.1 op 1,151, MAI-Image-2.6-Flash op 1,144 en GPT Image 2 op 1,136 — allemaal uit dezelfde AA-Image-Editing v2.1-run, wat de hele grafiek citeerbaar maakt. Zes Elo scheidt 2.7 van de top en die zes punten vallen binnen de ruis die een blind-vote-board in een week kan verschuiven.

Wat geen ruis is, is de vorm van de verdeling. Tussen 1.136 en 1.199 staan acht modellen van vier labs, allemaal binnen 63 punten. Bij editing is de voorhoede drukbevolkt, en 42 punten — het verschil van 2.7 tot Nano-Banana-2.1 — is ongeveer twee derde van de volledige spreiding van de top acht. Het is een echte scheiding binnen een gecomprimeerd veld, en het is ook klein genoeg dat een specifieke workload het kan omkeren.

Spec-regels, met de hiaten gemarkeerd

• Release — Nano Banana 2.1 verscheen op 6 oktober 2026, verving Nano Banana 2 en staat in Googles productlijn onder Nano Banana Pro; MAI Image 2.7 Preview verscheen op 27 oktober 2026.

• Reikwijdte — Nano Banana 2.1 genereert en bewerkt, gebouwd op Gemini 3.6 Flash; 2.7 is alleen voor bewerken, waarbij tekst-naar-afbeelding is beloofd maar niet is geleverd.

• Uitvoer — Nano Banana 2.1 biedt 1K, 2K en 4K met beeldverhoudingen van 1:8 tot 8:1; Microsoft heeft geen resolutie gepubliceerd voor 2.7.

• Referenties — maximaal veertien voor Nano Banana 2.1, opgesplitst in vier personages en tien objecten die consistent blijven; niet gepubliceerd voor 2.7.

• Controle — Nano Banana 2.1 ondersteunt op maskers gebaseerde lokale bewerking, waarbij je een gebied schildert en alleen dat gebied verandert, plus drie denkniveaus; Microsoft beschrijft de sterke punten van 2.7 per gebruiksscenario — restyling, herbelichting, tekst- en symboolbewerkingen — zonder gepubliceerde maskerinterface.

• Prijs — Nano Banana 2.1 kost $0,0336 per 1K afbeelding, $0,0504 bij 2K en $0,113 bij 4K via de Gemini API, waarbij batchtaken nog eens de helft kosten; voor 2.7 is geen tarief gepubliceerd.

• Toegang — Nano Banana 2.1 is in de Gemini-app, AI Studio, de Gemini API, AI Mode van Search, Google Ads, Flow en Stitch; 2.7 is in MAI Playground, Arena en Artificial Analysis, zonder API en zonder Foundry-vermelding.

De tabel die je daaruit zou opstellen, komt nergens bij in de buurt, behalve bij de score. Dus de score kan maar beter veel waard zijn.

De beroemde prijsverlaging van 50% is kleiner dan het klinkt

De belangrijkste boodschap van Google over Nano Banana 2.1 was dat beeldoutput de helft kost van wat het eerder kostte: $30 per miljoen outputtokens, tegenover $60. Dat klopt, en voor pure tekst-naar-beeld is het ruwweg een halvering, omdat het grootste deel van de rekening uit output bestaat.

Bewerken is een ander soort verzoek. Een bewerking neemt de bronafbeelding als invoertokens op en levert ook een afbeelding op, en Google verhoogde tegelijkertijd de invoerprijzen — van $0,50 naar $1,50 per miljoen tokens, een verdrievoudiging. De uitvoer voor tekst en redenering ging van $3 naar $7,50 per miljoen. De werkelijke besparing bij een bewerking is dus niet 50%; het is het verschil tussen twee lineaire kosten, en dat klapt om van teken wanneer de invoerkant groot genoeg wordt.

Zet het als een ongelijkheid. Laat I invoertokens zijn en O uitvoertokens voor één verzoek. Het oude verzoek kostte 0,5I + 60O en het nieuwe kost 1,5I + 30O. De nieuwe prijs is precies dan goedkoper wanneer 1,5I + 30O < 0,5I + 60O, wat vereenvoudigt tot I < 30O: de invoer moet onder dertig keer de uitvoer blijven. Dat is een ruime marge voor een 1K-bewerking en een veel krappere voor een 4K-bewerking met een grote referentieset, omdat referentieafbeeldingen invoer zijn en een 4K-uitvoer niet dertig keer het tokental is van de referenties die hem hebben geproduceerd.

De praktische consequentie: als je workload bestaat uit "één bronafbeelding erin, één afbeelding van vergelijkbaar formaat eruit" — wat de meeste pipelines voor productfoto's en retouchewerk beschrijft — dan is de bewerkingsprijs van Nano Banana 2.1 wezenlijk beter dan die van zijn voorganger, maar niet half zo goed, en een 4K-pipeline met vier of vijf referenties merkt mogelijk bijna niets van de verlaging. Als je workload alleen promptgebaseerde generatie is, krijg je de volledige halvering, en in batchmodus wordt die nog eens gehalveerd.

Waar de 42 Elo zou opduiken, als dat al gebeurt

De categoriedetails van Microsoft zijn nuttiger dan de totale score, omdat ze aangeven waar de winst vandaan kwam. Tussen MAI-Image-2.6 en 2.7 steeg het aantal op redenering gebaseerde bewerkingen van de zevende naar de eerste plaats, scène- en stijlbewerkingen van de zevende naar de eerste plaats, en tekst- of symboolbewerkingen van de zesde naar de eerste plaats. De grootste afzonderlijke voorsprong is 24 Elo in scène en stijl ten opzichte van het op één na beste model. Dat zijn uitspraken van de leverancier over de categorieën van Artificial Analysis, en het patroon is consistent: 2.7 werd beter in de bewerkingen waarbij een oordeel over de hele afbeelding nodig is in plaats van een lokale reparatie.

De gepubliceerde zwakke punten van Nano Banana 2.1 zijn bijna het fotografische negatief daarvan. Google's eigen modelkaart geeft toe: wazige kleine tekst bij 1K, af en toe links/rechts-verwarring, onvolmaakte karaktergelijkenis en beperkte 3D-redenering en feitelijkheid. Links/rechts-verwarring is een ruimtelijk-redeneerfout; wazige kleine tekst bij 1K is een resolutieafhankelijke fout. Geen van beide is het soort fout dat een scène-herbelichting verbetert.

Dus de eerlijke lezing van de 42 Elo is dat die geconcentreerd is waar Microsoft zegt dat die zit: restyling van het hele beeld, opnieuw belichten, tekst geïntegreerd in een bestaande compositie, en bewerkingen waarbij het model moet begrijpen hoe objecten en licht zich tot elkaar verhouden. Als je werk er zo uitziet, is de kloof waarschijnlijk zichtbaar. Als je werk erin bestaat één object uit een productfoto te maskeren en er een ander in te zetten, test je niet de as waarop 2.7 voorloopt, en een masker dat je daadwerkelijk kunt tekenen is meer waard dan een score.

De maskervraag is wat de doorslag geeft.

Dit is het minst glamoureuze verschil, en het is degene die het vaakst de doorslag geeft bij een echte integratie. Op maskers gebaseerde bewerking betekent dat een mens al heeft besloten wat er verandert; de taak van het model is om de verandering er natuurlijk uit te laten zien. Die taakverdeling is de reden dat bewerkingstools in productiepijplijnen reviewbaar zijn: een reviewer kan het geschilderde gebied zien en alleen dat gebied beoordelen.

MAI Image 2.7 Preview neemt, zoals gedocumenteerd, een instructie en een afbeelding. Microsofts beschrijving van de mogelijkheden — restyle de scène, wijzig de tekst, herstel de asset — is volledig instructiegestuurd, zonder gepubliceerde maskerparameter, zonder bounding-box-besturing en zonder gedocumenteerd maximum voor referentieafbeeldingen. Het kan best maskers accepteren; er is simpelweg geen gepubliceerde interface om tegen te programmeren, wat voor een ontwikkelaar hetzelfde probleem is.

Voor een creatief directeur die beeld voor beeld werkt, is instructiegestuurd sneller en vaak beter. Voor een pipeline die een audittrail moet opleveren, is een masker geen nice-to-have.

Waar elk ervan zich bevindt, en wat het je kost om er te komen

Nano Banana 2.1 is een van de meest wijdverbreide beeldmodellen ter wereld: de Gemini API, AI Studio, de Gemini-app, de AI-modus van Zoeken, Google Ads, Flow en Stitch. Distributie is geen specificatie, maar bepaalt wel hoeveel integratiewerk je doet voordat je weet of het model past.

MAI Image 2.7 Preview staat op drie plaatsen, waarvan twee evaluatieoppervlakken zijn. Dat is een bewuste keuze voor een preview, en het is ook een muur: een team dat de 42 Elo op zijn eigen assets wil testen, moet dat handmatig in een browser doen, één afbeelding tegelijk, en kan het experiment niet scripten.

Aan de prijskant is er een concreet technisch detail dat het weten waard is. OrcaRouter voert de beeldlijn van Google tegen de lijstprijs van de provider met 0% opslag — Nano Banana 2 voor $0.15 per verzoek en Nano Banana Pro voor $0.24 vandaag — zodat een prijswijziging van een leverancier dezelfde dag bij ons aankomt als bij Google, in plaats van te wachten op een heronderhandeling. Of 2.1 zelf wordt toegevoegd, is een catalogusbeslissing, geen prijsbeslissing; als dat gebeurt, is het gehalveerde outputtarief wat je in rekening wordt gebracht, omdat er niets tussen jou en de lijstprijs zit.

De Beslisregel

Als je bewerkingen op het niveau van de hele afbeelding worden beoordeeld — deze scène opnieuw belichten, deze kamer restylen, nieuwe tekst op dit bord zetten en het er gedrukt laten uitzien — gebruik dan deze week MAI Image 2.7 Preview in Arena of Playground en vergelijk het met Nano Banana 2.1 op tien van je eigen afbeeldingen. Dat is precies de dimensie waarop 2.7 zijn voorsprong van 24 punten claimt, en een blinde vergelijking is de enige test die overdraagbaar is.

Als je bewerkingen lokaal en gespecificeerd zijn — vervang dit label, verwijder deze kabel, breid deze achtergrond uit — wint Nano Banana 2.1 op het vermogen om precies te zeggen wat er moet veranderen, voor $0,0336 per 1K-output, met 4K beschikbaar wanneer de bestemming dat vereist en veertien referentieafbeeldingen wanneer merkconsistentie dat vereist. De 42 Elo krijgt nooit de kans om van belang te zijn, omdat je niet de vraag stelt die hij beantwoordt.

Als je vandaag een editor in een pipeline nodig hebt en geen van beide op jou van toepassing is, zijn de modellen op die ranglijst de modellen met gepubliceerde interfaces. MAI Image 2.7 Preview zal op de dag dat het er een heeft een werkelijk interessante optie zijn; de ranglijst heeft je al verteld wat je ervan kunt verwachten, en het enige dat ontbreekt is de mogelijkheid om er zelf achter te komen.