Qwen-Image-2.1 vs Nano Banana 2 Lite: $340 voor tienduizend afbeeldingen, of 13 uur GPU

Tienduizend afbeeldingen van 1024 pixels op Nano Banana 2 Lite kosten ongeveer $340. Tienduizend afbeeldingen van Qwen-Image-2.1 kosten ongeveer dertien uur op een 24 GB GPU en een licentie die je verbiedt er ook maar één van te verkopen. Dat is de afweging in één regel, en het is de enige vergelijking in deze familie waarin de twee modellen op hetzelfde moment echt hetzelfde werk doen. Qwen-Image-2.1 werd op 20 september 2026 als open weights uitgebracht. Nano Banana 2 Lite — de model-ID van de leverancier google/gemini-3.1-flash-lite-image, officieel Gemini 3.1 Flash-Lite Image — werd gelanceerd op 30 juni 2026 en is de goedkoopste generator voor stilstaande beelden in de Nano Banana-lijn.

De twee kandidaten, eerlijk geprijsd

Nano Banana 2 Lite genereert een 1K-afbeelding in ongeveer vier seconden, ongeveer 2,7× sneller dan Gemini 3.1 Flash Image, en rekent een vast tarief van $0,034 per 1K-afbeelding. De tokentarieven van Google achter dat cijfer zijn $0,25 per 1M invoertokens en $30 per 1M tokens voor afbeeldingsuitvoer, wat bij 1K neerkomt op ongeveer $0,0336; de batchmodus halveert dit tot ongeveer $0,0168. Er is geen gratis niveau, en elke uitvoer bevat een onzichtbaar SynthID-watermerk.

Qwen-Image-2.1 heeft geen prijs, want er is niets te kopen. Het is een download van ongeveer 33 GB — een 7B, 32-laags single-stream diffusietransformer gekoppeld aan een Qwen3-VL 8B tekstencoder — die je zelf host. Het dichtst in de buurt van een tariefkaart komt de gemeten latentie van SGLang-Diffusion: 4,74 seconden voor de denoising-pass op een 24 GB RTX 4090 met Cache-DiT en INT8-kernels, 8,23 seconden voor een volledige 1024×1024, 40-staps generatie op een RTX PRO 6000 Blackwell bij een piekgeheugengebruik van 40,1 GiB, en 2,748 seconden op een enkele B200. Dat zijn latenties voor één verzoek, inclusief de genoemde componenten, geen doorvoercijfers, dus beschouw 13 uur voor tienduizend afbeeldingen als een orde van grootte en niet als een benchmark.

Zet je die naast elkaar, dan is de rekensom niet "$340 versus gratis". Het is $340 versus dertien uur op een kaart die je ofwel al bezit ofwel huurt, plus de engineeringtijd om een servingstack op te zetten. Het omslagvolume ligt veel lager dan de meeste teams aannemen — maar alleen als de kaart de rest van de maand niet stilstaat, en alleen als de output iets is dat je mag produceren.

Drie workloads, en welk model neemt welke voor zijn rekening

Volume is op zichzelf de verkeerde as. Het soort werk bepaalt het sneller.

• Grootschalige on-screen assets — social-media-uitsneden, thumbnails, A/B-varianten. Nano Banana 2 Lite wint op bijna elk onderdeel. Vier seconden per afbeelding, veertien beeldverhoudingen waaronder 1:4 en 8:1, een vaste prijs per afbeelding die je tot op de cent kunt voorspellen, batchmodus tegen de helft. Niets aan deze workload heeft alpha of 2K nodig, en de commerciële licentie met watermerk is precies wat je wilt wanneer de output wordt geleverd.
• Print, compositing op grootformaat, of alles wat je stevig moet bijsnijden. Qwen-Image-2.1, en het is niet eens dichtbij. Native 2048×2048 bij 40 stappen tegenover een model dat hard begrensd is op ongeveer 1 megapixel, zonder 2K-modus, zonder upscaling en zonder API-parameter om dat te verhogen — in plaats daarvan verwijst Google 2K- en 4K-werk naar Nano Banana 2 of Nano Banana Pro. Als je een derde van het frame wilt wegsnijden en toch een bruikbaar asset wilt overhouden, kan Lite je daar niet brengen.
• Transparante uitsneden, iconen, sprites, gelaagde composities. Qwen-Image-2.1. Het alfakanaal is een onderdeel van de 64-kanaals RGBA-latente ruimte waarin de sampler ruis verwijdert, dus er is geen segmentatiepass en geen mattingpass; het model kan ook een onderwerp uit een gewone foto naar een transparante laag halen. Nano Banana 2 Lite heeft geen gedocumenteerde output met transparante achtergrond.
• Alles wat commercieel gelicentieerd moet worden. Nano Banana 2 Lite, zonder voorbehoud. Qwen-Image-2.1 wordt geleverd onder de Qwen Research License Agreement van 20 september 2026 en staat uitsluitend niet-commercieel onderzoek en evaluatie toe; commerciële inzet vereist een aparte licentie van Hangzhou Tongyi Laboratory Technology, en er is geen gepubliceerde prijs of term sheet voor een dergelijke licentie.

Er hoort nog een regel in die lijst, en die gaat tegen het open model in. Nano Banana 2 Lite weet dingen — het wordt geleverd met een kennisafsluitdatum van januari 2025 en een profiel voor promptnaleving dat is gebouwd op de Gemini 3.1 Flash Lite-backbone, met sterke tekstweergave in afbeeldingen, waaronder Chinees, Japans en Koreaans. Het onafhankelijke bewijs van Qwen-Image-2.1 voor het volgen van instructies is beperkt en gemengd. Een AI-judge-arenavergelijking die Nano Banana 2 Lite tegenover een Qwen-afbeeldingsmodel plaatste — de vermelding legt geen versie vast, dus lees het als een signaal over de familie in plaats van specifiek over 2.1 — gaf Lite de overwinning bij de ongewoon ruimtelijke prompts ("een astronaut die een paard berijdt", "een capybara als taxichauffeur") en bij tekstweergave, waar de Qwen-output een Halloween-uitnodigingstitel weergaf als "Hallofarty Invitation". De eigen gedocumenteerde zwakke plekken van Lite zijn kleine gezichten, fijne tekstdetails, dichte infographics en complexe gemaskeerde bewerkingen. Geen van beide modellen is betrouwbaar beter in het volgen van een vreemde instructie; ze falen op verschillende plekken.

De kwestie van het referentiebeeld, onopgelost

Multi-image-bewerking is waar een volumepijplijn niet langer het ene model door het andere kan vervangen, en het is ook de rij waar de publieke informatie tegenstrijdig is.

Qwen-Image-2.1 accepteert tot 10 referentieafbeeldingen en ondersteunt daarnaast virtueel passen, groepsportretten en garderobecompositie. Voor Nano Banana 2 Lite lopen de bronnen sterk uiteen: de modelpagina van de ene provider vermeldt ondersteuning voor tot 14 referentieafbeeldingen voor stijloverdracht en bewerken met meerdere referenties, terwijl een vergelijkend artikel het tegenovergestelde stelt — dat Lite één afbeelding accepteert voor bewerken, en dat de mogelijkheid voor 14 referenties bij de volledige Nano Banana 2 hoort, met maximaal vijf personen plus zes objecten. Gezien dit conflict is de verdedigbare positie dat Lite wel beeldinvoer en compositie van meerdere afbeeldingen ondersteunt, maar dat de referentiecapaciteit het onderscheidende punt is dat Google gebruikt om het van Nano Banana 2 te scheiden. Als je workflow afhankelijk is van zes consistente personages in een reeks, verifieer de limiet dan aan de hand van Google's eigen modelkaart voordat je daar je architectuur op baseert.

Dit is ook waar de modellen in bredere zin ophouden uitwisselbaar te zijn. Google positioneert Nano Banana 2 Lite en Gemini Omni Flash als een paar — het model voor stilstaande beelden en het videomodel, gebouwd om te koppelen. Qwen-Image-2.1 heeft geen video-tegenhanger, en zijn animatietruc is een geketende reeks lokale regiobewerkingen die een eenvoudige frame-voor-frame-lus opbouwt, geen videomodel.

Waar een routeringslaag zijn plaats verdient

Geen van deze modellen staat op OrcaRouter. We routeren geen enkel Qwen-Image-model, van welke versie dan ook, dus Qwen-Image-2.1 is zelf hosten of niets. Nano Banana 2 Lite — de gemini-3.1-flash-lite-image-identifier — staat ook niet in onze catalogus; de Google-image-routes die wij wel aanbieden zijn google/gemini-3.1-flash-image-preview, google/gemini-2.5-flash-image, google/gemini-3-pro-image-preview en de drie Imagen 4-tiers, plus OpenAI's GPT-Image-2, GPT-Image-1.5 en GPT-Image-1-mini, en xAI's Grok Imagine image-endpoint.

Wat dat een gemengde pipeline oplevert, is precies waar deze vergelijking steeds tegenaan loopt: een beslissing die per asset verandert. Volume-assets gaan naar een goedkope gehoste route, transparante uitsneden gaan naar je eigen kaart, en een prijswijziging van een leverancier aan de gehoste kant komt dezelfde dag al door, omdat we de lijstprijs van de provider met nul marge doorgeven in plaats van die zelf te bepalen. Voeg automatische failover tussen providers toe, een routing-DSL voor het samenstellen van fallbacks, en modelfusie voor panel-achtige calls, en dan houdt de gehoste helft op een leveranciersrelatie te zijn die je per model moet beheren — 200+ modellen, één OpenAI-compatibel endpoint, één sleutel. De zelf-gehoste helft blijft jouw probleem, en dat is de eerlijke prijs van het draaien van een checkpoint met onderzoekslicentie op hardware die je zelf bezit.

Welke te kiezen, en de voorwaarde die het doet kantelen.

Als je op grote schaal on-screen assets voor commercieel gebruik produceert, is Nano Banana 2 Lite het antwoord en komt de licentievraag nooit aan de orde: $0,034 per afbeelding, vier seconden, voorspelbaar, verkoopbaar. Als je 2K, native transparantie of tien referentieafbeeldingen nodig hebt, is Qwen-Image-2.1 de enige van de twee die een van deze mogelijkheden heeft, en dat betaal je met hardware, engineeringtijd en een niet-commerciële licentie die er een onderzoeksinstrument van maakt in plaats van een productieafhankelijkheid.

Eén feit zou de kloof dichten. Een gepubliceerde commerciële term sheet voor Qwen-Image-2.1 — met een prijs en voorwaarden die iemand daadwerkelijk kan ondertekenen — verandert een 13-urige GPU-taak in een regelpost die concurreert met $340, en op dat punt beginnen de resolutie- en alpha-voordelen workloads te winnen die nu standaard naar Lite gaan. Totdat dat bestaat, is de splitsing helder: Lite voor alles wat wordt uitgebracht, Qwen-Image-2.1 voor alles wat binnenshuis blijft, en een servingstack voor de tweede die je zelf onderhoudt.