Wygenerowana karta tytułowa z nagłówkiem „Ideogram 4.6 vs Nano Banana 2.1” i podtytułem „Jeden rozlicza za edycję, drugi za piksel”. Lewa karta, „Wydano 19 listopada 2026”: Wyjście do 4096 na 4096; Zakres cen od $0.008 do $0.60 za obraz; Edycja 4K w wysokiej jakości $0.60; Referencje do 5 przez Generate; Wieloetapowa edycja Rapidata: 1. miejsce, 1,892. Prawa karta, „Google, gemini-nano-banana-2.1”: Wyjście 1K, 2K lub 4K; Cena za obraz $0.0336, $0.0504, $0.113; Edycja 4K w wysokiej jakości $0.113; Referencje do 14, cztery postacie i 10 obiektów; Ranking edycji AA: 10. miejsce, Elo 1,152. Stopka informuje, że ceny pochodzą z własnych kart każdego dostawcy, że zrzut danych Rapidata pochodzi z 17 listopada 2026 r., a ranking edycji Artificial Analysis odczytano 20 listopada 2026 r. na tablicy dla pojedynczych tur. Logo OrcaRouter znajduje się w prawym dolnym rogu.
Guides & Insights

Ideogram 4.6 vs Nano Banana 2.1: edycje kontra zakres

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

Te dwa modele nie konkurują o to samo zadanie, a najszybszym sposobem, by to zobaczyć, jest zestawienie obok siebie ich drabinek cenowych. Ideogram 4.6, wydany 19 listopada 2026, pobiera 0,60 USD za edycję 4K w wysokiej jakości i 0,10 USD za generowanie 2K. Nano Banana 2.1, czyli gemini-nano-banana-2.1 od Goog​le, pobiera 0,113 USD za ten sam wynik 4K i 0,0336 USD za 1K — ponieważ rozlicza według tokenów wyjściowych, a nie według zadania, o które poproszono. Jeden model pobiera najwięcej za najtrudniejszą edycję. Drugi pobiera najwięcej za największą liczbę pikseli i prawie nie zauważa, czy je wygenerowałeś, czy wyedytowałeś.

Okazuje się, że ta różnica w filozofii rozliczeń pozwala przewidzieć niemal wszystko inne na ich temat.

Te dwie tablice odpowiadają na różne pytania.

Screenshot of Rapidata's benchmark.ai page 'Multi-Step Image Editing Benchmark: Identity Drift Judged by Humans'. A leaderboard with columns Model, Organization, Score, 95% CI Interval, Responses, Matches and Winrate shows Ideogram 4.6 rank 1 at 1,892 with an 86.3% winrate and Ideogram 4.5 rank 2 at 1,866. The remaining visible rows run Seedream5.5 at 1,805, FLUX 3 Image at 1,697, Muse Image at 1,406, MAI-Image-2.6 at 1,299, MAI-Image-2.1-Pro (Thinking) at 1,291, Seedream 5.0 Pro at 1,174, MAI-Image-2.5-Pro at 1,145, Qwen-image-3.0-Pro (Thinking) at 1,014, GPT-Image 2.6 at 1,001 and Nano Banana Pro at 987, followed by a 'Show all 23 models' control. No Nano Banana 2.1 row appears in the visible twelve. The abstract above states 199 photographs and 413,667 responses across 76,714 matches, and the table caption states the score is a Bradley-Terry fit rescaled to Elo with 95% Wald intervals.

Żaden z modeli nie ma wyniku na macierzystej tablicy drugiego, i nie jest to przeoczenie autorów benchmarków — to konsekwencja tego, co mierzy każda z tablic.

Najważniejszy wynik Ideogram 4.6 znajduje się w tabeli liderów Multi-step Image Edit firmy Rapidata: pierwsze miejsce z wynikiem 1 892 i 32-punktowym przedziałem, na podstawie 199 zdjęć rzeczywistych osób, z których każde zostało przepuszczone przez pięcioelementowy łańcuch edycji ubrań, obiektów i tekstu, ocenianych przez ludzi pod kątem tego, jak bardzo twarz odbiegła od oryginału. Oceniana konfiguracja to Precise Edit w trybie High Quality. Ta tabela ma odpowiadać na jedno pytanie — czy obiekt przetrwa dwadzieścia rund edycji — a 4.6 zajmuje jej pierwszy wiersz.

Nano Banana 2.1 nie ma wiersza w pierwszej dwunastce tego samego zestawienia. Jego liczby są natomiast w Artificial Analysis i obejmują inny zakres: 8. miejsce na tablicy text-to-image z 1,176 Elo i 12-punktowym przedziałem z 6,793 próbek, przy 33,60 USD za tysiąc obrazów, oraz 10. miejsce na tablicy edycji z 1,152 Elo i 12-punktowym przedziałem z 7,606 próbek w tej samej cenie. To wyniki dla pojedynczej tury. Mierzą jakość jednego generowania i jednej edycji, a nie kumulującego się dryfu przy pięciu z rzędu.

Uczciwe porównanie nie polega więc na tym, że „1 892 bije 1 152”. Polega ono na tym, że Ideogram 4.6 przewodzi w rankingu dla zadań wieloturowych, a Nano Banana 2.1 to model z górnej jednej trzeciej w rankingach dla pojedynczych tur, i żadne z tych stwierdzeń nie mówi nic o drugim. Każdy, kto zestawia te dwie liczby ze sobą, porównuje Elo z jednej skali z Elo z innej skali w odmiennym zadaniu.

Czym dokładnie jest każdy model

Po odjęciu warstwy marketingowej te dwie specyfikacje opisują różne maszyny.

Ideogram 4.6 to model do generowania i edycji obrazów o wąskim zakresie danych wejściowych i rozbudowanej pętli edycji. Przyjmuje obraz źródłowy i opis zmiany, opcjonalnie z maską, i zwraca obraz w tych samych wymiarach. Akceptuje do pięciu obrazów referencyjnych przez Generate. Ma cztery tryby jakości i dwa punkty końcowe, a jego udokumentowane mocne strony dotyczą utrzymywania czegoś w niezmienionej postaci: twarzy osoby, określonego koloru, szczegółów produktu, zamaskowanego obszaru.

Nano Banana 2.1 to multimodalny model Gem​ini, który generuje obrazy. Jego dane wejściowe to tekst, obraz, wideo i PDF; dane wyjściowe to obraz i tekst. Ma limit wejściowy wynoszący 131 072 tokeny i limit wyjściowy 32 768 tokenów, obsługuje konfigurowalne rozumowanie na poziomie minimalnym, średnim i wysokim, obsługuje ugruntowanie w Goog​le Web i Image Search oraz obsługuje Batch API. Jego mocną stroną w zakresie obrazów jest pojemność referencyjna: do 14 obrazów referencyjnych, przy czym karta modelu określa spójność postaci dla maksymalnie czterech postaci i wierność obiektów dla maksymalnie dziesięciu obiektów.

Ta ostatnia linia to faktyczny element odróżniający, a łatwo ją przeoczyć przy pobieżnym czytaniu. Czternaście referencji nie jest większą wersją pięciu. To zupełnie inny rodzaj zadania — złożenie obsady, linii produktów, zestawu zasobów marki w jedną ramę, zamiast dopracowywania jednej fotografii, aż będzie idealna.

Inwersja cen 4K

Generated comparison scoreboard headed 'Ideogram 4.6 vs Nano Banana 2.1'. Rows: Modality in image plus prompt against text, image, video and PDF; Output up to 4096 by 4096 against 1K, 2K or 4K; 2K edit $0.06 at Medium and $0.22 at High against $0.0504; 4K edit $0.20 at Medium and $0.60 at High against $0.113; References 5 through Generate against up to 14; Measured on Rapidata multi-step edit 1,892 against AA editing 1,152 on a single turn. Footer reads that prices are per each vendor's own card, that the Rapidata snapshot is dated 17 November 2026, that Artificial Analysis was read 20 November 2026, and that the two scores come from different boards. The OrcaRouter logo sits bottom-right.

Tutaj te dwa ciągi rozchodzą się w sposób, który sprawia, że to, który model jest tańszy, zależy od tego, co robisz.

• Najtańszy wynik — Ideogram 0,008 USD za obraz przy Very low / 2K wobec Nano Banana 2.1 0,0168 USD za obraz 1K w warstwie Batch, 0,0336 USD standardowo

• Generowanie 2K — Ideogram od $0.06 do $0.10 w trybie Medium i High; Nano Banana 2.1 $0.0504

• Edycja 2K — Ideogram $0.06 na poziomie Medium, $0.22 na poziomie High; Nano Banana 2.1 $0.0504, ponieważ edycja jest rozliczana jako obraz

• Generowanie 4K — Ideogram 0,12 USD w trybie Medium, 0,20 USD w trybie High; Nano Banana 2.1 — 0,113 USD

• Edycja 4K — Ideogram $0.20 w trybie Medium, $0.60 w trybie High; Nano Banana 2.1 $0.113

Wzorzec jest jaskrawy, gdy zestawisz dolny wiersz. Edycja 4K w wysokiej jakości kosztuje 5,3 razy więcej w Ideogram 4.6 niż w Nano Banana 2.1. Na poziomie Medium stosunek wynosi 1,8. Na poziomie 2K High wynosi 4,4. Dopiero na samym dole drabinki Ideogram wygrywa, i to wyłącznie ze standardowym poziomem Goog​le, a nie z jego poziomem Batch.

Powód jest strukturalny, a nie wynika z decyzji cenowej, którą którykolwiek z dostawców prawdopodobnie by cofnął. Google pobiera opłaty za tokeny, a edycja daje tyle samo tokenów wyjściowych co generowanie przy tej samej rozdzielczości — 3 780 tokenów dla obrazu 4K, czyli 0,113 USD. Ideogram pobiera opłaty za pracę i uznał, że edycja 4K w wysokiej jakości to najwięcej pracy, jaką sprzedaje. Jeśli Twój potok w dużym stopniu opiera się na edycjach w wysokiej rozdzielczości, ta decyzja jest największą pojedynczą pozycją na Twoim rachunku.

Jedna szczera uwaga dotycząca routingu: obecnie żaden z tych modeli nie znajduje się na liście OrcaRouter, więc nie ma trasy dla pojedynczego wywołania do żadnego z nich ani powodu oczekiwać, że nasza cena będzie się różnić od ceny samych dostawców. W mieszanym obciążeniu warstwa routingu zasługuje na swoje miejsce właśnie wokół nich — Nano Banana 2 i Nano Banana Pro, poprzednie modele obsługiwane przez routing w tej samej rodzinie modeli obrazowych Gemini, są dostępne za jednym kluczem, z ceną katalogową dostawcy przekazywaną bez marży (0%), dzięki czemu połowa potoku odpowiedzialna za generowanie może nadal działać z automatycznym przełączaniem awaryjnym, podczas gdy połowa odpowiedzialna za edycję jest kierowana do wybranego przez Ciebie dostawcy.

Dlaczego tablice edycyjne się nie zgadzają

Jeśli spojrzysz tylko na dwie główne liczby, Ideogram wydaje się znacznie wyprzedzać konkurencję w edycji. Rankingi mówią jednak coś ciekawszego.

Łańcuch Rapidata jest celowo skonstruowany tak, by wykrywać konkretny rodzaj awarii: pięć edycji, które nigdy nie dotykają twarzy, a następnie porównanie twarzy przez człowieka z oryginałem. Model może wykonać pięć indywidualnie doskonałych edycji i mimo to uzyskać zły wynik, jeśli twarz „ucieka”. Właśnie to ma wychwytywać ten ranking i dlatego odsetek użytecznych wyników edycji z maską w Ideogram — 90% na 4.6 wobec 82% na 4.5 — pokrywa się z jego pozycją w rankingu. Oba mierzą tę samą właściwość bazową: jak dużą część kadru model pozostawia bez zmian, gdy nie poproszono go o jej dotknięcie.

Plansza edycyjna Artificial Analysis mierzy coś węższego. Ocenia jakość pojedynczej edycji, co premiuje model, który daje piękny wynik, i nic nie mówi o tym, czy wynik nadal byłby piękny przy piątym przebiegu. Model zoptymalizowany pod kompozycję mocno opartą na referencjach — składanie czternastu zasobów w scenę — będzie zwykle dobrze wypadać pod względem jakości pojedynczej edycji, a słabo pod względem dryfu, ponieważ każdy dodatkowy element, który miał uzgodnić, to kolejna szansa, by pierwotny obiekt się przesunął.

Te dwa rankingi nie są ze sobą sprzeczne. Klasyfikują modele według cech, których rzeczywisty workflow potrzebuje jednocześnie, a każdy model jest lepszy w jednej z nich.

Limity referencyjne, 5 wobec 14

Screenshot of Ideogram's own Ideogram 4.6 model page. The hero reads 'Ideogram 4.6 is the new frontier of precise editing.' An 'Ideogram 4.6 at a glance' block lists Release date November 19, 2026; Resolution Up to 2K or 4K, with Very low quality supporting up to 2K; Quality modes Very low, Low, Medium, High; Reference images up to five through Generate; Local edits optional mask through Precise Edit; and API endpoints Generate and Precise Edit. A right-hand card promotes 'Meet Ideogram 4.5 - Precise control. One edit at a time.' Further down, a 'Multi-step Image Edit - benchmark.ai' panel headed '#1 in multi-step image editing' charts Ideogram 4.6 first, Ideogram 4.5 at 1866, Seedream5.5 at 1805, Flux 3 Image at 1697, Muse Image, MAI-Image-2.6 at 1299 and MAI-Image-2.1-Pro (Thinking) at 1291, sourced to Rapidata. No per-image API rate table appears in this capture.

Liczba odwołań to punkt, w którym starcie przestaje być wyrównane w którąkolwiek stronę i staje się czystym podziałem pracy.

Ideogram 4.6 akceptuje do pięciu obrazów przez Generate, a gdy dołączone są referencje, pierwszy z nich jest obrazem poddawanym edycji, a pozostałe są referencjami. Dokumentacja ujmuje to jako edycję, która akurat ma materiał pomocniczy. Nano Banana 2.1 akceptuje do 14, przy czym karta modelu wymienia cztery postacie i dziesięć obiektów jako cele wierności, a także akceptuje wideo i PDF jako dane wejściowe obok obrazów.

W praktyce: jeśli Twoim zadaniem jest jedno zdjęcie, jeden obiekt i sekwencja zmian, limit pięciu referencji Ideogramu nie jest ograniczeniem — użyjesz jednej lub dwóch, a resztę pracy wykona maska. Jeśli Twoim zadaniem jest scena zawierająca cztery osoby i wachlarz produktów, które wszystkie muszą wyglądać jak one same, czternaście nie jest luksusem i żadna jakość pętli edycji nie zrekompensuje modelu, który nie widzi dziesiątego odniesienia.

Zachodzi też odwrotność. Pojemność referencyjna nie zapewnia odporności na dryf. Model utrzymujący czternaście referencji uzgadnia czternaście rzeczy w każdej turze, a łańcuch Rapidata jest właśnie testem tego, co dzieje się z piętnastą rzeczą — twarzą, której nikt nie prosił zmieniać.

Pokrętła myślenia i poziom wsadowy

Dwie funkcje występują po jednej stronie tego porównania, a nie po drugiej, i obie dotyczą infrastruktury produkcyjnej, a nie jakości obrazu.

Nano Banana 2.1 udostępnia konfigurowalne thinking na poziomach minimal, medium i high. W przypadku pracy z obrazami to raczej pokrętło opóźnienia i kosztu niż funkcja rozumowania: domyślne Medium, które większość wywołujących pozostawi bez zmian, oraz ustawienie High dla żądań, w których kompozycja jest na tyle trudna, że warto zużyć dodatkowe tokeny. Obsługuje także Batch API, które o połowę obniża cenę za obraz — do $0.0168 przy 1K, $0.0252 przy 2K i $0.0567 przy 4K — przy edycji 4K daje to $0.0567 wobec $0.60 w Ideogramie, czyli ponad dziesięciokrotną różnicę.

Ideogram 4.6 nie ma żadnego z nich. Ma cztery tryby jakości, które są zgrubną wersją tej samej idei — od Very low do High — i nie oferuje zniżki za przetwarzanie wsadowe w API. Ma natomiast określony pułap: dokumentacja podaje 4,096 na 4,096 jako maksimum, a wszystko w rozdzielczości 2K lub niższej jest rozliczane według ceny 2K. Karta modelu Google'a jest mniej sztywna co do pułapu, a bardziej sztywna co do rozliczeń, ponieważ każdy token jest mierzony niezależnie od tego, co go wygenerowało.

W przypadku zadania wsadowego na dużą skalę {{1}}drugi z tych faktów dominuje nad wszystkim innym na tej stronie{{/1}}. Przy dziesięciu tysiącach edycji 4K miesięcznie różnica między $0.0567 a $0.60 na zasób nie jest kwestią preferencji. To pozycja budżetowa, która decyduje, który model trafi do wdrożenia.

Wybieranie jednego i uruchamianie obu

Ten podział jest czystszy niż w większości bezpośrednich porównań i właśnie to sprawia, że ta para w ogóle zasługuje na to, by o niej pisać.

Wybierz Ideogram 4.6, gdy zadanie polega na jednym obrazie dopracowywanym wiele razy i obiekt musi to przetrwać: retusz, korekcja kolorów marki, naprawa szczegółów produktu, fotografia talentów, cokolwiek, gdzie ta sama klatka przechodzi przez dziesięć lub dwadzieścia przebiegów, a piąta wersja musi nadal przedstawiać tę samą osobę. Dowody na dryf to najsilniejszy pojedynczy wynik, jaki ma którykolwiek z modeli, wskaźnik edycji z maską mówi, że model respektuje granicę, a poniżej 4K kosztuje tyle samo co model, który zastępuje.

Wybierz Nano Banana 2.1, gdy zadanie polega na komponowaniu z wielu źródeł, gdy dane wejściowe nie są fotografią lub gdy wolumen sprawia, że decydujące znaczenie ma poziom wsadowy. Czternaście referencji, wejście wideo i PDF, ugruntowanie w wyszukiwaniu oraz cena 0,0567 USD za partię w 4K to cztery odrębne powody, które nie mają nic wspólnego z jakością edycji, a wszystko ze specyfiką samego zadania. Wynik 1 152 w edycji Elo to przyzwoity wynik w górnej tercji; nie jest to powód, dla którego wybrałbyś ten model.

Uruchamianie obu naraz to odpowiedź dla większości potoków produkcyjnych i jedyny przypadek, w którym dwie drabinki cenowe przestają ze sobą konkurować. Generuj i komponuj na modelu Gemini w cenach batchowych, a następnie przekaż skomponowaną klatkę do Ideogramu na edytorski szlif i korekty z maską. Drogie wywołania Ideogramu to te, które wymagają tego, w czym jest naprawdę dobry, a wolumen pozostaje po taniej stronie.

Co obserwować: Artificial Analysis nie ma jeszcze wiersza Ideogram 4.6, a gdy tylko go doda, niniejsze porównanie zyska drugi niezależny punkt danych na rankingach jednokrokowych, na których Ideogram nie jest obecnie mierzony. Do tego czasu można obronić podsumowanie, że Ideogram 4.6 wygrywa argument dotyczący dryfu, a Nano Banana 2.1 wygrywa argument dotyczący kosztu, i że żaden z tych wyników nie jest zaskoczeniem, gdy zauważyć, że jeden rozlicza się za edycję, a drugi za piksel.