MOSS-Image vs Nano Banana 2: de een heeft een afsluitdatum, de ander heeft geen eindpunt.

Deze vergelijking heeft een ongemakkelijke eigenschap die geen van beide leveranciers adverteert. N​ano Banana 2 — de consumentennaam van G​oogle voor G​emini 3.1 Flash Image, de identifier gemini-3.1-flash-image — heeft een beëindigingsdatum over twaalf dagen. De changelog van de G​emini API van G​oogle markeert het op 29 oktober 2026 als verouderd, drie weken nadat N​ano Banana 2.1 op 6 oktober werd uitgebracht voor ongeveer de helft van de prijs per afbeelding. M​OSS-Image, uitgebracht als open gewichten onder Apache 2.0 op 16 oktober 2026, heeft geen beëindigingsdatum omdat er niets valt te beëindigen: het is een download van 27 GB die je zelf draait, en er is geen commerciële API voor gepubliceerd.

Dus de eerlijke versie van deze vergelijking is niet "welke is beter." Het is een vergelijking tussen een model dat op het punt staat op te houden te bestaan op de servers van iemand anders, en een model dat op de jouwe zal bestaan zolang je de bestanden bewaart. Die framing is nuttiger dan een specsheet, want het is precies de beslissing die een team deze maand neemt, en omdat de vraag van de tweede orde — wat vervangt N​ano Banana 2 — een antwoord heeft dat de prijs halveert.

Ten eerste, met welke N​ano Banana je eigenlijk vergelijkt

De naamgeving van Google kent drie lagen en de verschillen zijn niet cosmetisch.

N​ano Banana 2 is G​emini 3.1 Flash Image. De consumentenuitrol begon op 26 februari 2026 en de developer-API bereikte algemene beschikbaarheid op 28 mei 2026 onder gemini-3.1-flash-image. Het is de standaard beeldgenerator in de G​emini-app, de Lens- en AI Mode-oppervlakken van G​oogle Search, Flow en G​oogle Ads — en dat is nu juist het gegeven dat elke adoptiebeslissing domineert, want het is geen model waarvan je je gebruikers nog moet overtuigen.

N​ano Banana Pro is de hogere tier, en het is het model waartegen OpenMOSS in zijn eigen rapport heeft gebenchmarkt. In de LongLongTextBench-tabel van de leverancier scoort N​ano Banana Pro 96,6 Mean-6 tegenover de 96,3 van M​OSS-Image — een verschil van drie tienden dat de nauwste marge in de tabel is en degene die het meest de moeite waard is om te begrijpen.

N​ano Banana 2.1 is wat N​ano Banana 2 op 6 oktober vervangt. Het is hier niet het onderwerp, maar het is de bestemming, en het bestaan ervan bepaalt de spelregels: de deprecatiekennisgeving en de opvolger verschenen in hetzelfde changelog-item.

De kloof van drie tienden, juist gelezen

Het rapport van M​OSS-Image is ongewoon doordat het een tabel publiceert waarin een concurrent het beter doet. LongLongTextBench bestaat uit 240 taken voor het weergeven van literaire tekst — 120 Engels, 120 Chinees, met een gemiddelde doellengte van 1.339,8 tekens, ongeveer elf keer het gemiddelde van LongTextBench — en met een Mean-6 van 96,3 komt M​OSS-Image ruim boven de 64,9 van Q​wen-Image-2512 uit, met 97,1 voor Engels en 92,4 voor Chinees op de subset met de langste conditie. Daarboven staan GPT Image 2 met 99,0 en N​ano Banana Pro met 96,6.

De drie tienden tussen M​OSS-Image en N​ano Banana Pro is kleiner dan het vertrouwen dat men in elk van beide cijfers zou moeten hebben. Beide zijn door verschillende labs geproduceerd op een benchmark die door OpenMOSS is opgesteld, met behulp van de eigen runs van dat lab op het model van G​oogle. En N​ano Banana 2 is niet het model in die rij — de Flash-tier zit onder Pro, dus de eerlijke lezing is dat het tekstweergaveresultaat van M​OSS-Image op een test die de auteurs van M​OSS-Image hebben geschreven ongeveer op het niveau ligt van de premium-tier van G​oogle, terwijl het model waarmee je het in een inkooptraject daadwerkelijk zou vergelijken een tier daaronder zit.

Het punt waarop M​OSS-Image niet in de buurt komt van wat G​oogle ook maar uitbrengt, is lay-out. Op 7Bench, de benchmark die het rapport ook introduceert, rapporteert M​OSS-Image een gemiddelde lay-out-IoU van 0,88 met een Layout AUC van 0,70. N​ano Banana Pro staat op 0,33 en 0,20 in dezelfde tabel. Als die cijfers een reproductie doorstaan, is nauwkeurige objectplaatsing een capaciteit die M​OSS-Image bezit en die momenteel door geen enkel G​emini-beeldmodel wordt betwist. Ze zijn niet gereproduceerd, en hetzelfde lab heeft de metriek geschreven.

Wat N​ano Banana 2 je vandaag geeft, en nog twaalf dagen

De capaciteitenlijst is die van een generalist, en dat is de reden dat het model overal is.

• Consistentie — tot vijf personages en veertien objecten stabiel gehouden gedurende een workflow, het kenmerk waarmee de hele N​ano Banana-lijn wordt verkocht.

• Uitvoer — tot 4K in veertien beeldverhoudingen, inclusief de extreme 1:4- en 1:8-vormen die banner- en wallpaperformaten nodig hebben.

• Tekst in afbeeldingen — weergave in de afbeelding, inclusief vertaling en lokalisatie met behoud van de lay-out. Dit is de capaciteit die het meest direct overlapt met de pitch van M​OSS-Image, en het is degene die G​oogle bij de lancering demonstreerde.

• Grounding — generatie die gebaseerd is op web- en beeldzoekopdrachten in plaats van alleen in de prompt, hetzelfde architectonische instinct dat M​eta verder doorvoerde met M​use Image.

• Bedieningselementen — configureerbare denkniveaus die latentie afwegen tegen redeneervermogen, plus standaard SynthID-watermerking en C2PA-herkomstmetadata op elke output.

• Prijs — output wordt gefactureerd tegen $60 per miljoen tokens, wat volgens de eigen documentatie van Google neerkomt op ongeveer $0,045 bij 512px, $0,067 bij 1024×1024, $0,101 bij 2K en $0,151 bij 4K, met batchmodus tegen de helft. Artificial Analysis vermeldt het als $67 per 1.000 afbeeldingen.

• Gemeten positie — Elo 1.125 op de tekst-naar-afbeelding-ranglijst van Artificial Analysis en 1.108 op zijn ranglijst voor beeldbewerking per 6 oktober 2026.

Niets daarvan staat ter discussie. Wat ook waar is, is dat de identifier op 29 oktober stopt met werken, en dat de weg vooruit N​ano Banana 2.1 is — die Artificial Analysis nog niet heeft beoordeeld, die G​oogle voor ongeveer de helft prijst, en die een apart artikel op deze blog in detail behandelt.

Wat M​OSS-Image je geeft, en wat het daarvoor terugvraagt

De architectuur is een 5B single-stream diffusietransformer die vanaf nul is getraind: 42 joint-blokken, verborgen breedte 3.072, 24 heads met 128 dimensies, een 8.192 brede SiTU-GLU feed-forward en een vierassige roterende positie-encoding waarvan de eerste as is gereserveerd voor een referentie-index. Het 5B-label laat de dure onderdelen buiten beschouwing — een bevroren Qwen3.5-9B tekstencoder en een bevroren FLUX.2 VAE, geladen uit FLUX.2-klein-4B met 32 latente kanalen, met 2×2 latente patches over een 8× downsample, wat een effectieve stride van 16 pixels oplevert.

De prompt kan een JSON-object zijn. Begrenzingsvakken in absolute pixelcoördinaten gemeten vanaf het midden van het canvas, letterlijke tekststrings, typografische notities, allemaal met bbox_format "yxyx". Het promptmaximum is 4.096 tokens in de laatste pretrainingsfase, de uitvoerafmetingen moeten positieve veelvouden van 16 zijn, en de handleiding beveelt één, anderhalf of twee megapixels aan met een ondersteund bereik van 512×512 tot 4M. De standaardwaarden voor sampling zijn flow-matching Euler met 50 stappen, CFG 3,0, shift 5,0, met skip-layer-guidance op de negatieve tak in laag 22 — en het standaardpad voor guidance vereist twee forward-passes van de transformer per stap, daarom zijn 50 stappen niet zo'n goedkope instelling als het lijkt.

De kosten om mee te doen zijn reëel: ongeveer 27,2 GB voor de SFT-repository, waarvan ruwweg 16,8 GB de tekstencoder is, plus je eigen GPU en je eigen werk om het te serveren. De beloning daarvoor is een model dat je kunt kwantiseren, fine-tunen, air-gapped kunt draaien en kunt meeleveren in een commercieel product zonder licentieonderhandelingen, omdat Apache 2.0 de gewichten en de standalone-pipelinecode dekt, zonder omzetdrempel en zonder bijlage over acceptabel gebruik.

Regel voor regel

• Status — Nano Banana 2 is verouderd en wordt op 29 oktober 2026 stopgezet; MOSS-Image is op 16 oktober 2026 uitgebracht als open weights, zonder deprecatiemechanisme.

• Toegang — N​ano Banana 2 via de API van G​oogle en consumenteninterfaces, en via routeringsplatforms; M​OSS-Image door het te downloaden

• Prijs — N​ano Banana 2 ongeveer $0,067 per afbeelding van 1024×1024 en $0,151 bij 4K, gefactureerd in outputtokens, batch voor de helft; M​OSS-Image gratis met een footprint van ~27,2 GB en je eigen GPU-tijd

• Licentie — Nano Banana 2 is propriëtair en alleen via API beschikbaar, zonder beschikbare gewichten; MOSS-Image is Apache 2.0 voor gewichten en zelfstandige pipelinecode

• Onafhankelijke score — N​ano Banana 2 met Elo 1.125 voor tekst-naar-afbeelding en 1.108 voor bewerken op Artificial Analysis; M​OSS-Image heeft geen vermelding op Artificial Analysis en de gepubliceerde scores komen uit benchmarks die de eigen auteurs hebben geschreven

• Tekstweergave — N​ano Banana Pro scoort 96,6 Mean-6 op LongLongTextBench tegenover de 96,3 van M​OSS-Image; de Flash-tier staat niet in die rij

• Lay-outbeheer — MOSS-Image accepteert JSON-lay-outs in absolute pixelcoördinaten ten opzichte van het midden en rapporteert een gemiddelde IoU van 0,88 op 7Bench; Nano Banana Pro rapporteert 0,33 op dezelfde tabel en Google publiceert geen eigen lay-outmetriek.

• References — N​ano Banana 2 houdt tot vijf personages en veertien objecten consistent in één prompt; de referentieconditionering van M​OSS-Image is een gereserveerde positionele as die de leverancier beschrijft als toekomstig werk, niet als een uitgebrachte functie

• Herkomst — N​ano Banana 2 past standaard SynthID-watermerking en C2PA-metadata toe op elke output; M​OSS-Image bevat geen watermerklaag

• Fine-tuning — MOSS-Image kan worden gefinetuned en gekwantiseerd, en community-kwantisaties, een 4-staps DMD LoRA en een 8-staps gedistilleerde variant verschenen binnen ongeveer een dag; Nano Banana 2 kan niet worden aangeraakt

Waarom de deprecatie het antwoord verandert

Als Nano Banana 2 en MOSS-Image beide stabiele opties zouden zijn, zou de beslissing gewoon zijn: een API tegen zeven cent per afbeelding tegenover een zelfgehost model op eigen kosten, met een kwaliteit die ongeveer vergelijkbaar is op een door de leverancier opgestelde tekstbenchmark en een lay-out die beslist naar MOSS-Image gaat. De deprecatie doorbreekt de symmetrie, en dat doet ze in beide richtingen.

Tegenover N​ano Banana 2 wint M​OSS-Image nu ronduit het levensduurargument. Een pipeline bouwen op een model waarvan het einde van de levensduur over twaalf dagen is aangekondigd en dat een opvolger heeft die je niet hebt gemeten, is een migratie die je al hebt gepland. Bestanden die je downloadt, kunnen niet door een changelog-vermelding worden afgeschaft. Dat is geen retorisch punt over openheid; het is een planningsgegeven, en het is het allersterkste argument dat deze vergelijking oplevert.

Maar de deprecatie werkt ook de andere kant op, en dit is het deel dat meestal wordt weggelaten. Dat N​ano Banana 2.1 voor ongeveer de helft van de prijs beschikbaar komt, betekent dat het alternatief voor M​OSS-Image geen afbeelding van zeven cent is — het is een afbeelding van drieënhalve cent, en een die G​oogle volgens zijn eigen schema blijft verbeteren zonder operationele belasting voor jou. De totale eigendomskosten van M​OSS-Image zijn alleen lager dan dat als je GPU-tijd goedkoop is, je volume hoog is, of je een van de dingen nodig hebt die een API structureel niet kan bieden: fine-tuning, kwantisatie, luchtgeïsoleerde implementatie, of een licentie die je niet hoeft te heronderhandelen.

De OrcaRouter-kant hiervan, zonder overdrijven

Dit is de enige matchup in de huidige set waarin het routingverhaal concreet is in plaats van hypothetisch, dus het is de moeite waard om het precies te formuleren. Nano Banana 2 wordt aangeboden op onze catalogus als google/gemini-3.1-flash-image-preview — hoewel, gezien de stopzetting van 29 oktober, het verstandigste wat je deze maand met dat endpoint kunt doen, een migratietest is, niet een nieuwe integratie, en de opvolger is op dezelfde manier bereikbaar. MOSS-Image staat niet in onze catalogus en wij hosten het niet; het is een download, en niets hier impliceert het tegendeel.

Waar de combinatie echt goed voor is, is de beslissing die voor je ligt. Als je wilt weten of een zelfgehoste M​OSS-Image betere tekst- en lay-outuitvoer oplevert dan de gehoste tier waarvoor je betaalt, heb je beide cijfers nodig op dezelfde prompts, en de gehoste helft van die test zou geen tweede contract mogen vereisen. Eén API-sleutel, de lijstprijs van de provider doorgegeven met 0% marge, zodat een prijswijziging van G​oogle hier dezelfde dag live is, automatische failover tussen providers zodat een vergelijkingsrun niet stukloopt op een slechte middag van één upstream, en een routing-DSL die beide achter één enkel endpoint zet. Dat is de hele claim, en die stopt precies waar het aanbod om M​OSS-Image te hosten zou beginnen.

Wat te doen in de komende twaalf dagen

Als je in productie op N​ano Banana 2 draait, heeft de onmiddellijke taak niets te maken met M​OSS-Image: je hebt een verouderde identifier, een opvolger voor de helft van de prijs, en een deadline. Draai je evalset opnieuw tegen de opvolger vóór de 29e en beslis op basis van bewijs in plaats van op basis van de prijsverlaging.

Als je M​OSS-Image evalueert, doe dat dan om de twee redenen die de vergelijking doorstaan. Ten eerste: lay-outbeheersing — het gat van 0,88 tegenover 0,33 op 7Bench is het enige resultaat in dit domein dat momenteel door geen enkele gehoste oplossing wordt betwist, en als precieze plaatsing jouw probleem is, lost geen enkele API-laag dat op. Ten tweede: permanentie — Apache 2.0-gewichten die door niemand via zijn roadmap kunnen worden gedeprecieerd, geprijsd of afgeschermd, behalve door jou via de jouwe.

Neem MOSS-Image niet in gebruik voor tekstweergave. Het is er uitstekend in, maar het loopt er niet mee voorop: 96,3 staat onder de 96,6 van Nano Banana Pro en onder de 99,0 van GPT Image 2 in de eigen tabel van de leverancier, en het model dat je zou vervangen kost een paar cent per afbeelding, zonder dat daar 27 GB voor nodig is. Het argument voor dit model is smal, specifiek en reëel, en het is niet het argument dat zijn benchmarktabel beoogt te maken.

Twee dingen zouden het beslechten. Een onafhankelijke run van LongLongTextBench of 7Bench door iemand anders dan OpenMOSS, en de vLLM-Omni pull request die MOSS-Image met skip-layer guidance toevoegt en in een getagde release wordt samengevoegd — hij werd geopend op 14 oktober, staat op 3.605 toegevoegde regels verspreid over 25 bestanden, en is nog steeds open, waarbij de reviewer vraagt om bewijs van outputpariteit ten opzichte van een gepinde referentie. Totdat beide zich voordoen, is de nauwkeurige samenvatting dat het model van Google de betere generalist is, goedkoper te bereiken, en over twaalf dagen verdwijnt, terwijl het model van OpenMOSS iets doet wat niemand anders doet, hardware vereist, en nog steeds installeerbaar zal zijn wanneer de changelog die zijn rivaal met pensioen stuurde allang vergeten is.

De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.