Qwen-Image 2.1 vs Nano Banana 2: wat je per afbeelding betaalt, en wat je betaalt om het te bezitten

Slechts één van deze twee modellen heeft een prijs die je in een spreadsheet kunt zetten. Nano Banana 2 — het Gemini 3.1 Flash Image-model, algemeen beschikbaar sinds 28 mei 2026 — kost ongeveer $0,067 per afbeelding van 1024×1024, $0,101 bij 2048×2048, en ongeveer $0,151 aan de 4K-kant, met batchmodus op ongeveer de helft en tekstinvoer apart gefactureerd tegen $0,25 per miljoen tokens. Qwen-Image 2.1, op 20 september 2026 open-source gemaakt door het Qwen-Image-team, heeft helemaal geen prijs per afbeelding, omdat er geen gehoste endpoint is om van te kopen: het is een download van 33 GB aan gewichten onder een onderzoekslicentie die commercieel gebruik verbiedt. De eerste vraag in deze vergelijking is dus niet welk model beter is. Het is of je afbeeldingen koopt of een machine koopt die ze maakt, en die twee aankopen zijn niet vergelijkbaar op de manier die een specificatieblad suggereert.

Voorspelbaarheid is wat een prijs per afbeelding daadwerkelijk oplevert

De prijsstelling van Google is ongebruikelijk in de categorie afbeeldingen vanwege hoe netjes die om te rekenen is. Het model rekent $60 per miljoen outputtokens, en omdat afbeeldingsoutput voorspelbaar in tokens wordt omgezet, komt dat neer op bedragen per afbeelding waarover je kunt nadenken voordat je iets genereert.

• Nano Banana 2 — ongeveer $0,067 voor 1024×1024, $0,101 voor 2048×2048, circa $0,151 bij 4K, ongeveer de helft van die bedragen in batchmodus, plus $0,25 per miljoen tokens voor tekstinvoer. Duizend 2K-afbeeldingen kosten ongeveer $101, tot op de dollar voorspelbaar.

• Qwen-Image 2.1 — geen gepubliceerde prijs. De kosten zijn je eigen GPU-tijd voor een bundel van 33 GB, en het advies op de modelkaart voor beperkte hardware is CPU-offload via pipe.enable_model_cpu_offload(), wat meer een noodoplossing is dan een echte oplossing.

Wat de verbruiksprijs oplevert, zijn niet alleen de afbeeldingen. Het is de mogelijkheid om de vraag "wat kost deze functie ons bij tienduizend afbeeldingen per maand?" te beantwoorden zonder eerst je eigen hardware te benchmarken. Dat is een echt voordeel en het is gemakkelijk om het te onderwaarderen, want het alternatief — self-hosting — heeft een kostenpost die echt moeilijk te berekenen valt: die hangt af van je benuttingsgraad, je kaart, je stroomverbruik en of de machine anders toch inactief zou zijn. De eerlijke vergelijking is niet $101 per duizend tegenover gratis. Het is $101 per duizend tegenover een geamortiseerd bedrag dat je zelf moet uitrekenen, en de meeste teams die de rekensom maken, vinden de verbruiksprijs concurrerend tot het punt waarop de benutting heel hoog wordt.

De licentie is waar 'vrije gewichten' ophouden gratis te zijn

Dit is het meest uitgesproken verschil tussen de twee modellen, en het is niet eens nipt.

Nano Banana 2 is een commercieel product met commerciële voorwaarden. Je betaalt per afbeelding en je brengt wat je maakt uit. Qwen-Image 2.1 wordt uitgebracht onder de Qwen Research License Agreement van 20 september 2026, die rechten verleent "ALLEEN VOOR NIET-COMMERCIËLE DOELEINDEN" en stelt dat commercieel gebruik een aparte licentie vereist die bij de leverancier moet worden aangevraagd. Dat is een verandering ten opzichte van de eerdere Qwen-Image-lijn, die onder Apache 2.0 werd uitgebracht — dus de open optie in deze vergelijking is open in de zin dat je hem kunt lezen en uitvoeren, niet in de zin dat je er een bedrijf op kunt bouwen.

Voor een onderzoeksteam, een hobbyist of iedereen die benchmarks uitvoert, is dat een prima licentie en de download is echt gratis. Voor een productteam betekent het dat het model in deze vergelijking zonder prijs per afbeelding ook geen commercieel pad heeft, waardoor de kostenvergelijking volledig instort: je kiest niet tussen $101 en iets goedkopers, je kiest tussen een model waarvan je de output kunt verkopen en een model waarmee dat niet kan.

Resolutie en beeldverhoudingen, waar het open model een echt voordeel heeft

Zet de licentie even opzij, en Qwen-Image 2.1 doet iets wat Nano Banana 2 niet doet, op een manier die van belang is voor specifieke workflows.

• Qwen-Image 2.1 — native 2K met 2048×2048 als de gedocumenteerde standaard bij 40 inferentiestappen, zeven presets voor beeldverhoudingen, tot 10 referentieafbeeldingen en RGBA-uitvoer: een echt alfakanaal, het bewerken van transparante lagen en het extraheren van onderwerpen uit RGB-foto's.

• Nano Banana 2 — 4K-uitvoer met ondersteuning voor ongebruikelijke verhoudingen, waaronder de extremen 1:4 en 1:8, wat een groter bereik is dan de meeste modellen in beide richtingen bieden, en het vermeldt consistentiecijfers van vijf personages en veertien objecten in één enkele generatie.

Het alfakanaal is het onderdeel dat opvalt. Van het model van Google is niet gedocumenteerd dat het transparantie produceert, en Qwen-Image 2.1 doet dat native, wat betekent dat de compositiestap die anders handmatig werk zou zijn — het onderwerp uitsnijden, de zachte randen behouden, het ergens anders op plaatsen — zich in het model bevindt in plaats van erna. Als je voor je brood gelaagde assets bouwt, is dat een verschil in workflow en geen kwaliteitsclaim. Het is ook de moeite waard om ronduit te zeggen dat beide modellen groter renderen dan de meeste klussen nodig hebben: 4K en 2048×2048 liggen allebei voorbij het punt waarop de beperking het model is in plaats van de bestemming.

Een gepubliceerd cijfer tegenover een belofte

Het model van Google staat sinds het voorjaar op beide Artificial Analysis-imageboards en bevindt zich in de top vijf voor tekst-naar-afbeelding en beeldbewerking op de septembersnapshot, met een Elo van ongeveer 1.320 voor tekst-naar-afbeelding. De consistentiecijfers — vijf personages, veertien objecten — zijn van Google zelf, maar ze staan naast een onafhankelijk scorebord, wat betekent dat ze kunnen worden gecontroleerd aan de hand van hoe het model daadwerkelijk presteert in blinde vergelijkingen.

Qwen-Image 2.1 heeft geen onafhankelijke score. Het heeft een blogpost van de leverancier met een Qwen-Image-Bench-grafiek die geen enkele derde partij heeft gereproduceerd, en één hands-on verslag over vroegtijdige toegang van een tester in het Qwen Ambassador-programma die de definitieve gewichten via een ModelScope Studio-interface liet draaien: ruwweg 10–15 seconden voor tekst-naar-afbeelding, 18–23 seconden voor bewerken, sterke omgang met camerapositie en rollen van meerdere personages, en consistentie met meerdere referenties die vanaf ongeveer drie invoerafbeeldingen afneemt. Eén reviewer, geen timer getoond, geen gepubliceerde promptset. Het is de enige externe observatie van het model die openbaar bestaat, en het moet worden gelezen als een hint, niet als een meting.

Er circuleert ook een getal in berichtgeving van derden dat Qwen-Image 2.1 beschrijft als een transformer met 20 lagen. Dat is in tegenspraak met de modelkaart, die een single-stream diffusietransformer met 32 lagen documenteert met 7B parameters in de visuele generatiecomponent, een Qwen3-VL 8B tekstencoder en een 64-kanaals RGBA-VAE bij 16× ruimtelijke compressie. Gebruik de modelkaart.

Het enige dat je met beide kunt doen

Dit is het enige artikel in deze batch waarin de tegenstander een model is dat wij daadwerkelijk routeren. Nano Banana 2 staat op OrcaRouter als google/gemini-3.1-flash-image-preview, naast de rest van de beeldlijn — OpenAI's GPT-Image-familie, Google's Imagen 4-tiers, de andere Gemini-imagepreviews, en xAI's Grok Imagine-image-endpoint — allemaal achter één OpenAI-compatibel endpoint tegen de providerlijstprijs zonder markup. Qwen-Image 2.1 behoort niet tot de modellen die wij routeren, en dit stuk zal niet suggereren dat dat wel zo is.

Wat dat in de praktijk voor deze beslissing betekent, is beperkter dan een verkooppraatje en nuttiger dan een verkooppraatje. Als je de twee modellen op je eigen prompts wilt vergelijken, kost de Google-kant je een API-sleutel en ongeveer een tiende cent per afbeelding op 2K, en het zit op hetzelfde endpoint als alles wat je verder aanroept. De Alibaba-kant kost je een download van 33 GB, een GPU en een beoordeling van de onderzoekslicentie voordat je iets commercieels met de output kunt doen. Automatische failover tussen providers is het andere stuk dat hier van belang is: een route kan productieverkeer op een gemeten model dragen terwijl een ongemeten model ernaast wordt geëvalueerd, zodat de evaluatie nooit op het kritieke pad zit.

Welke, voor wie

• Kies Nano Banana 2 als je gaat uitrollen. Het heeft een commerciële licentie, een prijs die je tot op de dollar kunt voorspellen, een onafhankelijke score in de top vijf op beide ranglijsten, 4K-uitvoer en het breedste beeldverhoudingsbereik in deze vergelijking. Duizend 2K-afbeeldingen kosten ongeveer $101 en je kunt ze vanmiddag al genereren.

• Kies Qwen-Image 2.1 als je onderzoek doet. Het is gratis te downloaden, de architectuur en de systeemprompt voor het herschrijven van prompts zijn volledig te inspecteren, het rendert native op 2048×2048 met echte transparantie, en het ondersteunt tot 10 referentieafbeeldingen met lokale bewerkingen via een cirkel, geschilderde annotatie of masker. Je kunt wat het produceert niet verkopen, en niemand heeft gemeten of het goed is.

De kloof tussen die twee alinea's is de kloof tussen de modellen, en het is geen kwaliteitskloof — het is een volwassenheidskloof, en die wordt volgens een planning gedicht. Aan de early-access-testers van Qwen werd gevraagd om uiterlijk 29 september 2026 voorbeelden of reviews te publiceren. Wanneer die verschijnen, is het open model niet langer een onbekende en begint het vergelijkbaar te worden, en de enige vraag die dan nog rest, is de licentie. Dat is het getal om in de gaten te houden, en het is een licentiebestand in plaats van een benchmark.