MOSS-Image kontra Nano Banana 2: jeden ma datę wyłączenia, drugi nie ma punktu końcowego

To porównanie ma niezręczną właściwość, której nie reklamuje żaden z dostawców. Nano Banana 2 — konsumencka nazwa Gemini 3.1 Flash Image używana przez Google, identyfikator gemini-3.1-flash-image — ma datę wyłączenia za dwanaście dni. W changelogu Google Gemini API zostaje oznaczony jako przestarzały 29 października 2026 roku, trzy tygodnie po tym, jak 6 października ukazał się Nano Banana 2.1 w cenie mniej więcej o połowę niższej za obraz. MOSS-Image, udostępniony 16 października 2026 roku jako otwarte wagi na licencji Apache 2.0, nie ma daty wyłączenia, bo nie ma czego wyłączać: to 27 GB do pobrania, które uruchamiasz samodzielnie, a żadne komercyjne API dla niego nie zostało opublikowane.

A więc uczciwa wersja tego starcia nie brzmi: „który jest lepszy”. To porównanie między modelem, który wkrótce przestanie istnieć na cudzych serwerach, a modelem, który będzie istnieć na twoich tak długo, jak długo będziesz przechowywać pliki. Ta perspektywa jest bardziej przydatna niż karta specyfikacji, ponieważ to dokładnie decyzja, którą zespół podejmuje w tym miesiącu, i ponieważ pytanie drugiego rzędu — co zastąpi N​ano Banana 2 — ma odpowiedź, która zmienia cenę o połowę.

Najpierw, z którym N​ano Banana faktycznie porównujesz

Nazewnictwo Google ma trzy warstwy, a różnice nie są kosmetyczne.

N​ano Banana 2 to G​emini 3.1 Flash Image. Wdrożenie dla konsumentów rozpoczęło się 26 lutego 2026, a API dla deweloperów osiągnęło ogólną dostępność 28 maja 2026 pod nazwą g​emini-3.1-flash-image. Jest to domyślny generator obrazów w aplikacji G​emini, w Lens i trybie AI wyszukiwarki G​oogle, w Flow oraz w G​oogle Ads — co jest faktem, który przesądza o każdej decyzji o wdrożeniu, ponieważ nie jest to model, do którego używania trzeba przekonywać twoich użytkowników.

Nano Banana Pro to model z wyższej półki i to właśnie jego OpenMOSS wybrał do testów porównawczych w swoim raporcie. W tabeli LongLongTextBench dostawcy Nano Banana Pro uzyskuje 96,6 w Mean-6 wobec 96,3 MOSS-Image — różnica trzech dziesiątych, najwęższa w całej tabeli i ta, którą najbardziej warto zrozumieć.

N​ano Banana 2.1 to to, co 6 października zastępuje N​ano Banana 2. Nie jest tutaj tematem, ale jest celem, a jego istnienie wyznacza warunki: powiadomienie o wycofaniu i następca pojawiły się w tym samym wpisie changelogu.

Luka trzech dziesiątych, odczytana właściwie

Raport M​OSS-Image jest nietypowy, bo publikuje tabelę, w której konkurent go wyprzedza. LongLongTextBench to 240 zadań renderowania tekstu literackiego — 120 po angielsku, 120 po chińsku, przy średniej długości docelowej 1 339,8 znaku, około jedenaście razy większej niż średnia LongTextBench — a 96,3 Mean-6 M​OSS-Image stawia go wyraźnie ponad 64,9 Q​wen-Image-2512, z 97,1 w angielskim i 92,4 w chińskim w podzbiorze najdłuższych warunków. Powyżej znajdują się GPT Image 2 z 99,0 i N​ano Banana Pro z 96,6.

Trzy dziesiąte dzielące M​OSS-Image i N​ano Banana Pro to mniej, niż pewność, jaką ktokolwiek powinien mieć co do którejkolwiek z tych liczb. Obie liczby powstały w różnych laboratoriach, na benchmarku autorstwa OpenMOSS, przy użyciu własnych uruchomień modelu G​oogle'a wykonanych przez to laboratorium. A N​ano Banana 2 nie jest modelem z tego wiersza — poziom Flash plasuje się poniżej Pro, więc uczciwa interpretacja jest taka, że wynik M​OSS-Image w renderowaniu tekstu jest w przybliżeniu na poziomie najwyższej półki G​oogle'a w teście napisanym przez autorów M​OSS-Image, podczas gdy model, z którym faktycznie porównywano by go w procesie zakupowym, jest o półkę niżej.

Obszarem, w którym MOSS-Image nie zbliża się do niczego, co dostarcza Google, jest layout. W 7Bench — benchmarku, który raport również wprowadza — MOSS-Image podaje średnią wartość layout IoU na poziomie 0,88 przy Layout AUC wynoszącym 0,70. Nano Banana Pro ma 0,33 i 0,20 w tej samej tabeli. Jeśli te liczby przetrwają reprodukcję, precyzyjne umieszczanie obiektów to zdolność, którą MOSS-Image posiada i której żaden model obrazowy Gemini obecnie nie kwestionuje. Nie zostały one odtworzone, a tę metrykę opracowało to samo laboratorium.

Co N​ano Banana 2 daje Ci dziś i przez kolejne dwanaście dni

Karta możliwości jest kartą generalisty i to jest powód, dla którego ten model jest wszędzie.

• Spójność — do pięciu postaci i czternastu obiektów utrzymywanych stabilnie w całym przepływie pracy, cecha, na której opiera się sprzedaż całej linii Nano Banana.

• Dane wyjściowe — do 4K w czternastu proporcjach obrazu, w tym ekstremalne kształty 1:4 i 1:8, których potrzebują formaty banerów i tapet.

• Tekst na obrazach — renderowanie w obrazie, w tym tłumaczenie i lokalizacja z zachowaniem układu. To funkcja, która najbardziej bezpośrednio pokrywa się z założeniami M​OSS-Image i to właśnie ją G​oogle zaprezentowało na premierze.

• Ugruntowanie — generowanie oparte na wyszukiwaniu w internecie oraz wyszukiwaniu obrazów, a nie wyłącznie na samym prompcie; ten sam instynkt architektoniczny, który M​eta posunęła dalej dzięki M​use Image.

• Mechanizmy kontroli — konfigurowalne poziomy myślenia, pozwalające wymieniać opóźnienie na rozumowanie, a także znakowanie wodne SynthID i metadane pochodzenia C2PA domyślnie na każdym wyjściu.

• Cena — dane wyjściowe rozliczane po 60 USD za milion tokenów, co według dokumentacji samego Google przekłada się na około 0,045 USD przy 512px, 0,067 USD przy 1024×1024, 0,101 USD przy 2K i 0,151 USD przy 4K, a tryb wsadowy za połowę tej kwoty. Artificial Analysis podaje cenę 67 USD za 1000 obrazów.

• Zmierzona pozycja — Elo 1 125 w rankingu text-to-image serwisu Artificial Analysis i 1 108 w jego rankingu edycji obrazów na dzień 6 października 2026 r.

Nic z tego nie jest sporne. Prawdą jest również, że 29 października identyfikator przestanie działać, a drogą naprzód jest N​ano Banana 2.1 — który Artificial Analysis jeszcze nie ocenił, który G​oogle wycenia na około połowę i który osobny tekst na tym blogu omawia szczegółowo.

Co M​OSS-Image ci daje i czego oczekuje w zamian

Architektura to 5B jednostrumieniowy transformer dyfuzyjny trenowany od zera: 42 bloki łączone, szerokość ukryta 3 072, 24 głowice o wymiarze 128, feed-forward SiTU-GLU o szerokości 8 192 oraz czteroosiowe kodowanie pozycji rotary, którego pierwsza oś jest zarezerwowana dla indeksu referencyjnego. Oznaczenie 5B nie obejmuje kosztownych elementów — zamrożonego enkodera tekstowego Qwen3.5-9B oraz zamrożonego VAE FLUX.2 ładowanego z FLUX.2-klein-4B przy 32 kanałach ukrytych, z 2×2 łatkami ukrytymi przy 8× podpróbkowaniu, co daje efektywny krok 16 pikseli.

Monit może być obiektem JSON. Ramki ograniczające w bezwzględnych współrzędnych pikselowych mierzonych od środka płótna, dosłowne ciągi tekstowe, uwagi typograficzne — wszystko z bbox_format "yxyx". Limit monitu wynosi 4096 tokenów na końcowym etapie pretreningu, wymiary wyjściowe muszą być dodatnimi wielokrotnościami 16, a przewodnik zaleca jeden, półtora lub dwa megapiksele z obsługiwanym zakresem od 512×512 do 4M. Domyślne ustawienia próbkowania to flow-matching Euler z 50 krokami, CFG 3.0, shift 5.0, z guidance typu skip-layer na gałęzi negatywnej w warstwie 22 — a domyślna ścieżka guidance wymaga dwóch przejść w przód transformera na krok, dlatego 50 kroków nie jest tak tanim ustawieniem, jak brzmi.

Koszt wejścia jest realny: około 27,2 GB na repozytorium SFT, z czego mniej więcej 16,8 GB to enkoder tekstu, plus własny GPU i własna praca związana z serwowaniem. Nagrodą za to jest model, który możesz kwantyzować, dostrajać, uruchamiać w izolacji sieciowej i dostarczać w ramach produktu komercyjnego bez negocjacji licencyjnych, ponieważ Apache 2.0 obejmuje wagi i samodzielny kod pipeline'u, bez progu przychodów i bez załącznika dotyczącego dopuszczalnego użytku.

Linia po linii

Status — N​ano Banana 2 jest przestarzały, a jego wyłączenie zaplanowano na 29 października 2026 r.; M​OSS-Image został wydany 16 października 2026 r. jako otwarte wagi, bez mechanizmu deprecjacji

• Dostęp — N​ano Banana 2 przez API G​oogle i interfejsy konsumenckie, a także przez platformy routingu; M​OSS-Image poprzez jego pobranie

• Cena — N​ano Banana 2 około 0,067 USD za obraz 1024×1024 i 0,151 USD przy 4K, rozliczane w tokenach wyjściowych, batch za połowę ceny; M​OSS-Image bezpłatnie przy ~27,2 GB zajętości i własnym czasie GPU

• Licencja — N​ano Banana 2 jest własnościowe i dostępne wyłącznie przez API, bez dostępnych wag; M​OSS-Image to Apache 2.0 dla wag i samodzielnego kodu pipeline

• Niezależny wynik — N​ano Banana 2 osiąga Elo 1 125 w generowaniu obrazów z tekstu i 1 108 w edycji w Artificial Analysis; M​OSS-Image nie ma wpisu w Artificial Analysis, a jego opublikowane wyniki pochodzą z benchmarków napisanych przez jego własnych autorów

• Renderowanie tekstu — N​ano Banana Pro uzyskuje 96,6 Mean-6 w LongLongTextBench w porównaniu z wynikiem 96,3 M​OSS-Image; poziom Flash nie znajduje się w tym wierszu

• Kontrola układu — MOSS-Image przyjmuje układy JSON we bezwzględnych współrzędnych pikselowych względem środka i raportuje 0,88 średniego IoU na 7Bench; Nano Banana Pro raportuje 0,33 w tej samej tabeli, a Google nie publikuje własnej metryki układu

• Referencje — Nano Banana 2 utrzymuje spójność do pięciu postaci i czternastu obiektów w jednym promptcie; warunkowanie referencyjne MOSS-Image to zarezerwowana oś pozycyjna, którą dostawca opisuje jako przyszłe prace, a nie jako wydaną funkcję

• Pochodzenie — Nano Banana 2 domyślnie stosuje znakowanie wodne SynthID i metadane C2PA w każdym wyniku; MOSS-Image nie zawiera warstwy znakowania wodnego

• Dostrajanie — M​OSS-Image można dostrajać i kwantyzować, a kwantyzacje społecznościowe, 4-stopniowa DMD LoRA i 8-stopniowy wariant destylowany pojawiły się w ciągu około jednego dnia; N​ano Banana 2 nie można dotknąć

Dlaczego deprecjacja zmienia odpowiedź

Gdyby zarówno Nano Banana 2, jak i MOSS-Image były stabilnymi opcjami, decyzja byłaby zwyczajna: API w cenie siedmiu centów za obraz kontra model hostowany samodzielnie, na własny koszt, przy jakości w przybliżeniu porównywalnej na benchmarku tekstowym autorstwa dostawcy, a layout zdecydowanie na korzyść MOSS-Image. Deprecjacja łamie tę symetrię i łamie ją w obu kierunkach.

W starciu z N​ano Banana 2, M​OSS-Image teraz bezapelacyjnie wygrywa argument o długowieczności. Budowanie pipeline'u na modelu, którego ogłoszony koniec wsparcia wypada za dwanaście dni, a którego następcy nie zmierzyłeś, to migracja, którą już zaplanowałeś. Pobranych plików nie da się zdeprecjonować wpisem w changelogu. To nie jest retoryczny argument o otwartości; to fakt dotyczący harmonogramu i najsilniejszy argument, jaki daje to porównanie.

Ale wycofanie działa też w drugą stronę, a to jest część, która zwykle zostaje pominięta. N​ano Banana 2.1 dostępny za mniej więcej połowę ceny oznacza, że alternatywą dla M​OSS-Image nie jest obraz za siedem centów — jest nią obraz za trzy i pół centa, i to taki, który G​oogle będzie nadal ulepszać według własnego harmonogramu, bez obciążenia operacyjnego po Twojej stronie. Całkowity koszt posiadania M​OSS-Image jest korzystniejszy niż tamto tylko wtedy, gdy Twój czas GPU jest tani, wolumen duży, albo potrzebujesz jednej z rzeczy, których API strukturalnie nie może Ci dać: dostrajania, kwantyzacji, wdrożenia w środowisku odizolowanym od sieci lub licencji, której nie musisz renegocjować.

Strona OrcaRouter w tym zakresie, bez wyolbrzymiania

To jedyne starcie w obecnym zestawie, w którym kwestia routingu jest konkretna, a nie hipotetyczna, więc warto przedstawić ją precyzyjnie. N​ano Banana 2 jest udostępniany w naszym katalogu jako google/gemini-3.1-flash-image-preview — choć biorąc pod uwagę wyłączenie z 29 października, najrozsądniejszą rzeczą do zrobienia z tym punktem końcowym w tym miesiącu jest test migracji, a nie nowa integracja, a następca jest osiągalny w ten sam sposób. M​OSS-Image nie znajduje się w naszym katalogu i nie hostujemy go; to plik do pobrania, a nic tutaj nie sugeruje inaczej.

To, do czego to połączenie faktycznie się nadaje, to decyzja, która stoi przed Tobą. Jeśli chcesz wiedzieć, czy samodzielnie hostowany MOSS-Image daje lepsze wyniki tekstu i układu niż hostowana warstwa, za którą płacisz, potrzebujesz obu liczb na tych samych promptach, a hostowana połowa tego testu nie powinna wymagać drugiej umowy. Jeden klucz API, cena katalogowa dostawcy przekazywana z narzutem 0%, dzięki czemu zmiana ceny Google jest tu widoczna tego samego dnia, automatyczne przełączanie awaryjne między dostawcami, dzięki czemu przebieg porównawczy nie padnie przez złe popołudnie jednego z upstreamów, oraz DSL routingu, który umieszcza oba za jednym punktem końcowym. To cała obietnica i kończy się dokładnie tam, gdzie zaczynałaby się oferta hostowania MOSS-Image.

Co robić w ciągu najbliższych dwunastu dni

Jeśli używasz N​ano Banana 2 na produkcji, najpilniejsze zadanie nie ma nic wspólnego z M​OSS-Image: masz przestarzały identyfikator, następcę za połowę ceny i termin. Uruchom ponownie swój zestaw ewaluacyjny na następcy przed 29. i zdecyduj na podstawie dowodów, a nie obniżki ceny.

Jeśli oceniasz M​OSS-Image, zrób to z dwóch powodów, które przetrwają porównanie. Po pierwsze, kontrola układu — różnica 0,88 wobec 0,33 w 7Bench to jedyny wynik w tej dziedzinie, którego żadne hostowane rozwiązanie obecnie nie podważa, a jeśli precyzyjne rozmieszczenie jest twoim problemem, żaden poziom API go nie rozwiąże. Po drugie, trwałość — wagi Apache 2.0, których nie można zdeprecjonować, wycenić ani ograniczyć przez czyjkolwiek plan rozwoju poza twoim.

Nie wdrażaj MOSS-Image do renderowania tekstu. Jest w tym doskonały i nie ma w tym przewagi: 96,3 plasuje się poniżej 96,6 Nano Banana Pro i poniżej 99,0 GPT Image 2 w tabeli samego dostawcy, a model, który miałbyś zastąpić, kosztuje kilka centów za obraz i nie wymaga 27 GB. Argument za tym modelem jest wąski, konkretny i realny, ale nie jest to argument, który jego tabela benchmarków ma przedstawiać.

Dwie rzeczy by to rozstrzygnęły. Niezależne uruchomienie LongLongTextBench lub 7Bench przez kogoś innego niż OpenMOSS oraz pull request do vLLM-Omni, który dodaje MOSS-Image ze skip-layer guidance i jest scalany do oznaczonego wydania — został otwarty 14 października, obejmuje 3605 dodanych linii w 25 plikach i nadal jest otwarty, a recenzent prosi o dowody zgodności wyników z przypiętą referencją. Dopóki nie stanie się jedno i drugie, trafne podsumowanie jest takie, że model Google’a jest lepszym generalistą, tańszym w dostępie i zniknie za dwanaście dni, podczas gdy model OpenMOSS robi jedną rzecz, której nie robi nikt inny, wymaga sprzętu i nadal będzie można go zainstalować, gdy changelog, który wycofał jego rywala, będzie już dawno zapomniany.

Udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporności.