Nano Banana 2.1: model obrazów Gemini, jego rodzina i ile kosztuje

Nano Banana 2.1 to model generowania obrazów i edycji konwersacyjnej, który dostawca udostępnia w API pod identyfikatorem gemini-nano-banana-2.1. W dokumentacji dostawcy widnieje on pod nazwą produktu Gemini Nano Banana 2.1 i jest określany jako aktualizacja Nano Banana 2, którego identyfikator to gemini-3.1-flash-image. Dwa inne modele otaczają go w tej samej rodzinie: Nano Banana 2 Lite (gemini-3.1-flash-lite-image) poniżej niego oraz Nano Banana Pro (gemini-3-pro-image) powyżej niego. Taki jest kształt tej rodziny — trzypoziomowa rodzina modeli obrazowych, której czwarty, starszy członek wciąż ma dokumentację — a większość zamieszania wokół nazwy wynika z faktu, że nazwy produktów i ciągi endpointów nigdy nie zostały dopasowane. Ta strona jest źródłem informacji o samym modelu: czym jest, kto go publikuje, co można wprowadzić i co się w zamian otrzyma, co twierdzi dostawca oraz jak można uzyskać do niego dostęp dzisiaj. Wszystkie poniższe dane są cytowane z karty modelu, przewodnika po generowaniu obrazów, strony z cennikiem i dziennika zmian dostawcy w wersji z 13 października 2026 r., a każda z nich jest oznaczona jako podana przez dostawcę; jedyne wykorzystane niezależne źródło jest nazwane tam, gdzie się pojawia.

Czym jest i dlaczego identyfikator jest tym, co ma znaczenie

Katalog modeli dostawcy wymienia gemini-nano-banana-2.1 ze statusem „New Stable" oraz opisem „Wysoce wydajny model do generowania i edycji obrazów o ulepszonej jakości wizualnej, typografii i spójności w kolejnych turach". Przewodnik po generowaniu obrazów ujmuje to jeszcze prościej: to „aktualizacja modelu Nano Banana 2, stanowiąca podstawowy, wysoce wydajny model roboczy do generowania obrazów i edycji konwersacyjnej".

Nazewnictwo to pierwszy praktyczny problem, na jaki natrafia czytelnik, więc warto powiedzieć to wprost. W tej rodzinie nazwy produktu nie da się wyprowadzić z identyfikatora:

• Nano Banana 2.1 — nazwa produktu „Gemini Nano Banana 2.1”, identyfikator API gemini-nano-banana-2.1, obecny wysokowydajny koń roboczy.

• Nano Banana 2 — identyfikator API gemini-3.1-flash-image. W identyfikatorze nie ma w ogóle numeru wersji, dlatego „Nano Banana 2” i „gemini-3.1-flash-image” to ten sam model.

• Nano Banana 2 Lite — identyfikator API gemini-3.1-flash-lite-image. Przewodnik Google nazywa go specjalistą ds. efektywności w rodzinie, stworzonym do pracy z ultraniskimi opóźnieniami i interaktywnego użytkowania o dużym wolumenie.

• Nano Banana Pro — identyfikator API gemini-3-pro-image, opisywany jako profesjonalny silnik projektowania z rdzeniem rozumowania, przeznaczony do złożonych układów i precyzyjnego renderowania tekstu.

Jeśli coś podłączasz, niezawodnym uchwytem jest identyfikator, a nie nazwa marketingowa. To nie kwestia stylu: changelog Google'a przeniósł gemini-3.1-flash-image do statusu przestarzałego tego samego dnia, w którym wydano gemini-nano-banana-2.1, a wpis o wycofaniu opiera się na identyfikatorach, a nie na nazwach marketingowych.

Kto to publikuje?

Google to robi i publikuje go jako hostowany model API, a nie jako model do pobrania — nie ma checkpointu do pobrania ani licencji do przeczytania, ponieważ wagi nie są udostępniane. Autorytatywnym materiałem jest własny zestaw dokumentacji Gemini API Google: katalog modeli i karta poszczególnych modeli na ai.google.dev, przewodnik po generowaniu obrazów, strona cennika i dziennik zmian Gemini API. Tam, gdzie ta strona podaje liczbę, to jest źródło, i jest to źródło dostawcy.

Relacja rodzinna ma jednak większe znaczenie niż linia wydawcy, bo to ona decyduje, między czym tak naprawdę możesz wybierać. W zestawieniu z Nano Banana 2, swoim bezpośrednim poprzednikiem, 2.1 jest generacją, ku której Google kieruje nowe projekty; w porównaniu z Nano Banana 2 Lite, 2.1 daje wyższy pułap przy takiej samej cenie wejściowej, ponieważ oba są rozliczane po 0,0336 USD za obraz 1K (ceny dostawcy, poziom standardowy). Lite rezygnuje z tego w trzech udokumentowanych aspektach: obsługuje wyłącznie wyjście 1K, nie ma Search grounding, a przewodnik Google mówi, że „nie jest przeznaczony do wielu wejść referencyjnych ani wieloetapowej edycji sekwencyjnej”. Jeśli Twoje obciążenie to jedno zdjęcie na wejściu i jedno na wyjściu na dużą skalę, Lite jest tańszym wyborem inżynieryjnym; jeśli potrzebujesz 2K lub 4K, kilku referencji albo rozmowy z obrazem, Lite w ogóle nie jest kandydatem.

Co przyjmuje i co zwraca

To tutaj model okazuje się szerszy, niż sugeruje jego nazwa, i warto to odczytać z karty dostawcy, a nie wnioskować ze słowa „image”.gemini-nano-banana-2.1 wymienia akceptowane typy danych wejściowych jako tekst, obraz, wideo i PDF, a typy wyjściowe jako obraz i tekst. Zatem po stronie wejściowej przyjmowany jest prompt, jeden lub więcej obrazów, wideo albo dokument PDF — nie sam tekst — a po stronie wyjściowej obok obrazu może zostać zwrócony tekst, co umożliwia edycję konwersacyjną: model może odpowiadać o obrazie, który właśnie utworzył lub zmienił.

Pozostała część obwiedni — wszystko podane przez dostawcę z karty modelu, przewodnika i dziennika zmian:

• Rozdzielczości wyjściowe — 1K, 2K i 4K. Oferowany przez Nano Banana 2 poziom 512px (0,5K) jest wyraźnie „nieobsługiwany w Gemini Nano Banana 2.1”, więc w tym modelu minimum to 1K. Parametry muszą używać wielkiej litery K; przewodnik Google podaje, że wartości zapisane małymi literami, takie jak 1k są odrzucane.

• Proporcje obrazu — przewodnik publikuje teraz tabelę dla poszczególnych modeli, a kolumna 2.1 zawiera czternaście: 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9 i 21:9. Obejmuje to proporcje szerokie i panoramiczne 1:4, 4:1, 1:8 i 8:1, które przewodnik przypisuje również Gemini 3.1 Flash Image. Lite wymienia tylko dziesięć konwencjonalnych proporcji.

• Obrazy referencyjne — „Połącz maksymalnie 14 obrazów referencyjnych, aby utworzyć końcowy obraz” — zgodnie z przewodnikiem, a tabela przewodnika przydziela teraz budżet dla poszczególnych modeli, czego nie robiła w czytelny sposób, gdy ta strona była po raz pierwszy szkicowana. W kolumnie zatytułowanej „Gemini Nano Banana 2.1 & Gemini 3.1 Flash Image” podział obejmuje maksymalnie 10 obrazów obiektów o wysokiej wierności i maksymalnie 4 obrazy zapewniające spójność postaci; część opisowa przewodnika podaje te same liczby, mówiąc, że wersja 2.1 obsługuje „podobieństwo do maksymalnie 4 postaci i wierność do maksymalnie 10 obiektów w jednym przepływie pracy”. Referencje stylu są wymienione tylko dla Gemini 3 Pro Image, więc nie planuj ich tutaj.

• Limity tokenów — 131,072 tokenów wejściowych i 32,768 tokenów wyjściowych, zgodnie z kartą modelu. Karta nie podaje daty odcięcia wiedzy dla tego modelu.

• Myślenie — obsługiwane, a przewodnik wyraźnie stwierdza, że w modelach obrazowych Gemini 3 jest „domyślnie włączone i nie można go wyłączyć w API.” Model generuje do dwóch obrazów tymczasowych, aby przetestować kompozycję i logikę, a te obrazy myśli są widoczne w backendzie, ale nie są rozliczane. Parametr thinking_level można ustawić w konfiguracji generowania; własny przykład przewodnika przekazuje high.

• Grounding — w karcie modelu jako obsługiwane wymieniono wyszukiwanie z groundingiem, a dziennik zmian przypisuje wersji 2.1 obsługę groundingu w wyszukiwaniu Google. Nano Banana 2 Lite tego nie ma.

• Znakowanie wodne — „Wszystkie wygenerowane obrazy zawierają znak wodny SynthID". Dotyczy to całej rodziny i nie jest opcjonalne.

• Co karta oznacza jako nieobsługiwane — generowanie dźwięku, buforowanie, wykonywanie kodu, wyszukiwanie plików, wywoływanie funkcji, grounding Google Maps, Live API, ustrukturyzowane dane wyjściowe i kontekst URL. Batch API jest obsługiwane; inferencja Flex i Priority nie jest obsługiwana.

Renderowanie i edytowanie tekstu, zgodnie z dokumentacją

Dwie udokumentowane zachowania odróżniają model taki jak ten od zwykłego punktu końcowego tekst-na-obraz, a Google opisuje oba w przewodniku po generowaniu obrazów, a nie w benchmarku.

Pierwsza to typografia. Przewodnik wymienia tę możliwość jako „Zaawansowane renderowanie tekstu: zdolność do generowania czytelnego, stylizowanego tekstu na potrzeby infografik, menu, diagramów i materiałów marketingowych”, a dziennik zmian przypisuje ulepszone renderowanie tekstu konkretnie wersji 2.1. Karta modelu powtarza to słowem „typografia”. Warto doprecyzować, czym to jest: opisem możliwości, a nie zmierzonym wskaźnikiem dokładności. Google nie publikuje żadnego wskaźnika błędów znaków, żadnego wyniku czytelności ani porównania z własnym wcześniejszym modelem w zadaniu renderowania tekstu, więc każdy, kto podaje liczbę określającą, jak dobrze 2.1 renderuje litery, cytuje coś innego niż Google.

Drugi to edycja, którą przewodnik traktuje jako tryb konwersacyjny modelu. Przy edycji „model dopasuje się do stylu, oświetlenia i perspektywy oryginalnego obrazu” — edycja zostaje zastosowana wewnątrz istniejącego kadru, zamiast tworzyć nowy obraz w tym samym gatunku. W przypadku inpaintingu instrukcja jest jeszcze węższa: zmień tylko element, który wskażesz, i zachowaj „oryginalny styl, oświetlenie i kompozycję”. Sztandarowe twierdzenie changelogu dotyczące wersji 2.1 w tym wymiarze to poprawiona spójność postaci w wielu turach — właściwość, która decyduje o tym, czy obiekt lub osoba przetrwa pięć kolejnych edycji, zachowując własny wygląd. To twierdzenie pochodzi od dostawcy i na dzień dzisiejszy nie zostało odtworzone poza Google.

Co Google twierdzi w porównaniu z tym, co faktycznie zostało zmierzone

Wpis Google w dzienniku zmian z 6 października 2026 r. mówi, że 2.1 „utrzymuje szybkość i efektywność kosztową na poziomie Flash”, dodając jednocześnie „znaczące ulepszenia jakości wizualnej, zgodności z promptami, spójności postaci w wielu turach, renderowania tekstu” oraz szerokie i panoramiczne proporcje obrazu. Katalog modeli dodaje „ulepszoną jakość wizualną, typografię i spójność w wielu turach”. To słowa dostawcy, mają charakter kierunkowy, a nie ilościowy, i nie towarzyszą im żadne testy porównawcze przeprowadzone przez dostawcę.

Następują trzy rzeczy i są one uczciwym obrazem stanu dowodów, a nie asekuracją.

Po pierwsze, Google nie publikuje żadnych własnych danych benchmarkowych dla Nano Banana 2.1 — żadnego Elo, żadnego odsetka zwycięstw, żadnego wyniku jakiegokolwiek rodzaju na swoich stronach dokumentacji. Jeśli jakakolwiek liczba dotycząca jakości tego modelu jest przedstawiana jako liczba Google, jest to liczba, której Google nie opublikował.

Po drugie, nie istnieje żadne bezpośrednie porównanie ze strony producenta między Nano Banana 2.1 a Nano Banana 2 przy dopasowanych ustawieniach. Google twierdzi, że każda kolejna generacja przynosi poprawę; nie opublikowało jednak sparowanej oceny przy dopasowanych promptach, dopasowanych rozdzielczościach i dopasowanym nakładzie pracy, która pozwoliłaby czytelnikowi je ocenić. Każdy, kto sugeruje, że między tymi dwoma istnieje zmierzona różnica, sugeruje coś, czego nikt nie przeprowadził.

Po trzecie, niezależna ocena istnieje, a warto wymienić ten system oceny, aby czytelnik mógł go ocenić: Artificial Analysis ocenia Nano Banana 2.1 w swojej Image Arena, która obejmuje zarówno generowanie obrazu z tekstu, jak i edycję obrazów, oraz publikuje głosy stojące za swoimi wynikami. To jest źródło zewnętrzne, którego należy użyć do ustalenia pozycji. Konkretna pozycja i wartość Elo, jakie ten model tam zajmuje, to inne pytanie niż to, na które odpowiada ta strona, i są obliczane według harmonogramu, nad którym ta strona nie ma kontroli — sprawdź je u źródła, a nie w oparciu o liczbę skopiowaną skądinąd, w tym od nas.

Jak dziś uzyskać dostęp i ile to kosztuje

Dostęp odbywa się przez własne API Google. Wywołujesz Gemini API z identyfikatorem modelu gemini-nano-banana-2.1; ten identyfikator jest stabilny i to właśnie wpis o wycofaniu w dzienniku zmian dla gemini-3.1-flash-image wskazuje go jako cel migracji. Nie istnieje żadna ścieżka samodzielnego hostowania, żadne pobieranie wag ani żaden społecznościowy checkpoint, ponieważ żaden model z rodziny obrazów nie jest udostępniany w ten sposób.

Ceny – wszystkie ze strony z cennikiem Google w warstwie standardowej i wszystkie podane przez dostawcę:

• Tokeny — wejście 1,50 USD za 1 mln tokenów dla tekstu, obrazu i wideo; wyjście 7,50 USD za 1 mln tokenów dla tekstu i myślenia oraz 30,00 USD za 1 mln tokenów dla obrazów.

• Za obraz — 0,0336 USD przy 1K, 0,0504 USD przy 2K i 0,113 USD przy 4K. Google publikuje również przykładowe przeliczenie równoważności dla przypadku 1K: wynik 1024×1024 zużywa 1120 tokenów obrazu.

• Batch — połowa standardowej stawki: 0,75 USD za 1 mln tokenów wejściowych i 15,00 USD za 1 mln tokenów obrazu, co daje 0,0168 / 0,0252 / 0,0567 USD za obraz 1K / 2K / 4K, w zamian za czas realizacji do 24 godzin.

• Grounding — brak oddzielnej pozycji rozliczeniowej dla samego obrazu. Google łączy grounding z wyszukiwania Web i Image Search z modelami obrazowymi Gemini 3: 5000 darmowych żądań wyszukiwania miesięcznie, współdzielonych przez wszystkie modele Gemini 3 i nowsze, a następnie 14 USD za 1000 żądań; pobrany kontekst nie jest rozliczany jako tokeny wejściowe.

• Darmowy plan — kolumna „Darmowy plan” na stronie cennika wyświetla „Niedostępne” dla każdej z powyższych wartości. Ten model nie ma darmowego limitu na generowanie obrazów. Jeśli taki limit się pojawi, pojawi się tam i nigdzie indziej.

• Porównanie poziomów w ramach rodziny — Nano Banana 2 Lite kosztuje 0,0336 USD za obraz 1K, tyle samo co stawka 2.1 za obraz 1K, ale nie publikuje ceny dla 2K ani 4K, ponieważ nie obsługuje tych rozmiarów. Nano Banana 2 (Gemini 3.1 Flash Image) kosztuje 0,067 USD za obraz 1K i 0,101 USD za obraz 2K, więc 2.1 jest tańszy przy każdym wspólnym rozmiarze. Nano Banana Pro (Gemini 3 Pro Image) kosztuje 0,134 USD za obraz 1K lub 2K i 0,24 USD przy 4K, czyli około dwa razy więcej niż stawka 2.1 aż do 2K i nieco ponad dwa razy więcej przy 4K.

• Starszy członek rodziny, dla kompletności — oryginalny Nano Banana (gemini-2.5-flash-image) jest przestarzały, a strona z cennikiem zawiera informację o wyłączeniu z dniem 2 października 2026 r. Model ten nie jest już w żadnym działającym sensie poziomem poniżej 2.1; punktem wejścia do tej rodziny jest teraz Nano Banana 2 Lite.

Jedna liczba w tym zestawie się nie zgadza i warto o tym powiedzieć, zamiast wybierać tę wygodniejszą. Strona z cennikiem Google podaje, że obraz 4K w tym modelu zużywa 3780 tokenów, i podaje cenę 0,113 USD za obraz 4K; te dwie wartości zgadzają się przy 30 USD za 1 mln tokenów obrazu. Tabela dla poszczególnych modeli w przewodniku po generowaniu obrazów podaje takie same liczby tokenów dla 1K i 2K jak strona z cennikiem (1120 i 1680), ale dla 4K podaje 2520, co przy tej samej stawce dałoby około 0,0756 USD. Obie są stronami Google i są ze sobą sprzeczne. To ceny należy się trzymać, bo to ona widnieje na stronie, która wystawia rachunek, a rozbieżność jest dokładnie tym, co warto zweryfikować u źródła, zanim zbudujesz na tym model kosztów.

Jeszcze jedno zdanie, które czytelnik może chcieć zobaczyć, powiedziane wprost: Nano Banana 2.1 nie znajduje się dziś na bieżącej liście modeli OrcaRouter, więc ta strona nie twierdzi, że można go tu wywołać. To, co jest na tej liście, to bezpośredni poprzednik tego modelu pod identyfikatorem google/gemini-3.1-flash-image-preview, który jest modelem, którego ciągi tekstowe migrują do 2.1. OrcaRouter przekazuje cenę katalogową dostawcy dalej z 0% marży w przypadku modeli, które routuje, więc zmiana ceny dostawcy dla routowanego modelu pojawia się tutaj tego samego dnia, a nie z opóźnieniem — i to jest właściwość, którą warto sprawdzić w tej rodzinie, gdy Google wciąż na nowo ustala dla niej poziomy cenowe.

Krótka wersja

Nano Banana 2.1 to średniej klasy model obrazów Gemini: na wejściu tekst, obraz, wideo i PDF; na wyjściu obraz i tekst; 1K, 2K i 4K; do 14 referencji podzielonych na dziesięć obiektów i cztery postacie; grounding w wyszukiwaniu internetowym i wyszukiwaniu obrazów; SynthID na każdym wyjściu; myślenie domyślnie włączone; 0,0336 USD za obraz 1K. Plasuje się powyżej Nano Banana 2 Lite, który dorównuje jego cenie za 1K, ale zatrzymuje się na 1K i rezygnuje z groundingu w wyszukiwaniu, oraz poniżej Nano Banana Pro, który jest około dwukrotnie droższy i stanowi kosztowną drogę do złożonych układów i precyzyjnego tekstu. Jego identyfikator, gemini-nano-banana-2.1, to jedyna nazwa, która nie wprowadzi cię w błąd — a przypisywane mu twierdzenia o jakości to słowa Google, niepowtórzone. Strona modelu jest miejscem, w którym można dowiedzieć się, czym jest; jeśli wybierasz go ze względu na różnicę w jakości względem Nano Banana 2, jedynym miejscem, w którym można zobaczyć, jak tę różnicę się waży, jest niezależna arena, a nie informacja o wydaniu od dostawcy.