Qwen-Image 2.1 vs Nano Banana 2: Ile płacisz za obraz, a ile płacisz, aby go posiadać

Tylko jeden z tych dwóch modeli ma cenę, którą można wpisać do arkusza kalkulacyjnego. Nano Banana 2 — model Gemini 3.1 Flash Image, ogólnie dostępny od 28 maja 2026 — kosztuje około 0,067 USD za obraz 1024×1024, 0,101 USD przy 2048×2048 i mniej więcej 0,151 USD przy rozdzielczości 4K, przy czym tryb wsadowy to około połowy tej kwoty, a tekst wejściowy jest rozliczany osobno, po 0,25 USD za milion tokenów. Qwen-Image 2.1, udostępniony jako open source przez zespół Qwen-Image 20 września 2026, nie ma w ogóle ceny za obraz, bo nie istnieje żaden hostowany endpoint, od którego można by go kupić: to 33 GB wag do pobrania na licencji badawczej, która zabrania użytku komercyjnego. Pierwszym pytaniem w tym starciu nie jest więc to, który model jest lepszy. Jest nim to, czy kupujesz obrazy, czy kupujesz maszynę, która je tworzy — a tych dwóch zakupów nie da się porównać w sposób, jaki sugeruje karta ze specyfikacją.

Forecastability is the thing a per-image price actually buys

Cennik Google'a jest nietypowy w kategorii obrazów ze względu na to, jak przejrzyście się przelicza. Model nalicza $60 za milion tokenów wyjściowych, a ponieważ dane wyjściowe obrazu są tokenizowane w przewidywalny sposób, przekłada się to na stawki za obraz, które możesz przeanalizować, zanim cokolwiek wygenerujesz.

• Nano Banana 2 — około 0,067 USD za 1024×1024, 0,101 USD za 2048×2048, mniej więcej 0,151 USD przy 4K, około połowy tych kwot w trybie wsadowym, plus 0,25 USD za milion tokenów wejściowych tekstu. Tysiąc obrazów 2K to około 101 USD, przewidywalne co do dolara.

• Qwen-Image 2.1 — brak opublikowanej ceny. Koszt to czas własnego GPU przy 33 GB pakiecie, a zalecenie z karty modelu dla ograniczonego sprzętu to odciążenie CPU przez pipe.enable_model_cpu_offload(), co jest raczej wyjściem awaryjnym niż rozwiązaniem.

To, co daje cena rozliczana za użycie, to nie tylko obrazy. To możliwość odpowiedzi na pytanie „ile kosztuje nas ta funkcja przy dziesięciu tysiącach obrazów miesięcznie”, bez wcześniejszego benchmarkowania własnego sprzętu. To prawdziwa przewaga i łatwo ją nie docenić, ponieważ alternatywa — hostowanie we własnym zakresie — ma koszt, który naprawdę trudno obliczyć: zależy on od stopnia wykorzystania, od Twojej karty, od Twojego prądu i od tego, czy maszyna nie stałaby poza tym bezczynnie. Uczciwe porównanie to nie 101 USD za tysiąc kontra darmowe rozwiązanie. To 101 USD za tysiąc kontra zamortyzowana kwota, którą musisz samodzielnie wyliczyć, a większość zespołów, które wykonają te obliczenia, stwierdza, że cena rozliczana za użycie jest konkurencyjna aż do momentu, gdy wykorzystanie staje się bardzo wysokie.

Licencja to miejsce, w którym „wolne ciężary” przestają być darmowe.

To najostrzejsza różnica między tymi dwoma modelami, a wcale nie jest to blisko.

Nano Banana 2 to produkt komercyjny z komercyjnymi warunkami. Płacisz za obraz i wypuszczasz to, co stworzysz. Qwen-Image 2.1 jest udostępniany na mocy Qwen Research License Agreement z dnia 20 września 2026 r., która przyznaje prawa „WYŁĄCZNIE DO CELÓW NIEKOMERCYJNYCH” i stanowi, że użycie komercyjne wymaga odrębnej licencji, o którą należy wystąpić do dostawcy. To zmiana względem wcześniejszej linii Qwen-Image, która była udostępniana na licencji Apache 2.0 — zatem opcja otwarta w tym porównaniu jest otwarta w tym sensie, że można ją przeczytać i uruchomić, a nie w tym sensie, że można na niej zbudować biznes.

Dla zespołu badawczego, hobbysty czy kogokolwiek przeprowadzającego testy porównawcze to całkiem dobra licencja, a samo pobranie jest naprawdę darmowe. Dla zespołu produktowego oznacza to, że model w tym zestawieniu, który nie ma ceny za obraz, nie ma też ścieżki komercyjnej, co całkowicie rozsypuje porównanie kosztów: nie wybierasz między $101 a czymś tańszym, tylko między modelem, z którego wyniki możesz sprzedawać, a takim, z którego nie możesz.

Rozdzielczość i proporcje obrazu, gdzie otwarty model ma realną przewagę

Pomijając licencję, Qwen-Image 2.1 robi coś, czego Nano Banana 2 nie robi, w sposób, który ma znaczenie dla konkretnych przepływów pracy.

• Qwen-Image 2.1 — natywne 2K z 2048×2048 jako udokumentowanym ustawieniem domyślnym przy 40 krokach wnioskowania, siedem presetów proporcji, do 10 obrazów referencyjnych oraz wyjście RGBA: prawdziwy kanał alfa, edycja przezroczystych warstw i wyodrębnianie obiektu ze zdjęć RGB.

• Nano Banana 2 — wyjście 4K z obsługą nietypowych proporcji, w tym skrajnych 1:4 i 1:8, co daje większy zakres niż oferuje większość modeli w obu kierunkach, a do tego publikuje wskaźniki spójności pięciu postaci i czternastu obiektów w ramach jednego generowania.

Kanał alfa jest tym, na co warto zwrócić uwagę. Model Google’a nie jest udokumentowany jako generujący przezroczystość, a Qwen-Image 2.1 robi to natywnie, co oznacza, że etap komponowania, który w przeciwnym razie byłby ręczną pracą — wycięcie obiektu, zachowanie miękkich krawędzi, umieszczenie go na czymś innym — znajduje się wewnątrz modelu, a nie po nim. Jeśli utrzymujesz się z tworzenia warstwowych zasobów, to różnica w przepływie pracy, a nie twierdzenie o jakości. Warto też powiedzieć wprost, że oba modele renderują większe obrazy, niż wymaga większość prac: 4K i 2048×2048 wykraczają już poza punkt, w którym ograniczeniem jest model, a nie miejsce docelowe.

Opublikowana liczba wobec obietnicy

Model Google'a znajduje się na obu rankingach obrazów Artificial Analysis od wiosny i w wrześniowym zestawieniu plasuje się w pierwszej piątce w generowaniu obrazów z tekstu oraz edycji obrazów, z wynikiem około 1320 Elo w generowaniu obrazów z tekstu. Jego wskaźniki spójności — pięć postaci, czternaście obiektów — pochodzą od samego Google'a, ale są zestawione z niezależną tablicą wyników, co oznacza, że można je zweryfikować pod kątem tego, jak model faktycznie wypada w porównaniach w ciemno.

Qwen-Image 2.1 nie ma niezależnej oceny. Ma wpis na blogu dostawcy z wykresem Qwen-Image-Bench, którego nie odtworzyła żadna strona trzecia, oraz jeden praktyczny raport z wczesnego dostępu od testera w programie Qwen Ambassador, który uruchomił ostateczne wagi przez interfejs ModelScope Studio: około 10–15 sekund dla generowania obrazu z tekstu, 18–23 sekundy dla edycji, mocną obsługę pozycji kamery i ról wielu postaci oraz spójność wielu referencji pogarszającą się od około trzech obrazów wejściowych wzwyż. Jeden recenzent, nie pokazano timera, nie opublikowano zestawu promptów. To jedyna istniejąca publicznie zewnętrzna obserwacja tego modelu i należy ją odczytywać raczej jako wskazówkę niż pomiar.

W relacjach zewnętrznych krąży również liczba opisująca Qwen-Image 2.1 jako transformator 20-warstwowy. Przeczy to karcie modelu, w której udokumentowano 32-warstwowy jednostrumieniowy transformator dyfuzyjny z 7B parametrami w komponencie generowania wizualnego, enkoder tekstu Qwen3-VL 8B oraz 64-kanałowy VAE RGBA przy 16× kompresji przestrzennej. Korzystaj z karty modelu.

Jedyna rzecz, którą możesz zrobić z oboma

To jedyny artykuł w tej partii, w którym przeciwnikiem jest model, który faktycznie routujemy. Nano Banana 2 jest dostępny w OrcaRouter jako google/gemini-3.1-flash-image-preview, obok reszty linii modeli obrazowych — rodziny GPT-Image od OpenAI, poziomów Imagen 4 od Google, pozostałych podglądów Gemini do obrazów oraz endpointu obrazowego Grok Imagine od xAI — wszystko za jednym endpointem zgodnym z OpenAI, w cenie katalogowej dostawcy, bez żadnej marży. Qwen-Image 2.1 nie należy do modeli, które routujemy, a ten artykuł nie zamierza sugerować, że jest inaczej.

Co to oznacza w praktyce dla tej decyzji, jest węższe niż prezentacja ofertowa i bardziej użyteczne niż ona. Jeśli chcesz porównać oba modele na własnych promptach, strona Google kosztuje cię klucz API i około jednej dziesiątej centa za obraz przy 2K, i znajduje się w tym samym punkcie końcowym co wszystko inne, co wywołujesz. Strona Alibaby kosztuje cię pobranie 33 GB, GPU i przegląd licencji badawczej, zanim będziesz mógł zrobić cokolwiek komercyjnego z wynikiem. Automatyczne przełączanie awaryjne między dostawcami to kolejny element, który ma tu znaczenie: trasa może obsługiwać ruch produkcyjny na mierzonym modelu, podczas gdy niemierzony model jest oceniany obok niego, więc ocena nigdy nie znajduje się na ścieżce krytycznej.

Który, dla kogo

• Wybierz Nano Banana 2, jeśli wdrażasz produkt. Ma licencję komercyjną, cenę, którą przewidzisz co do dolara, miejsce w pierwszej piątce niezależnych rankingów na obu listach, obrazy w 4K i najszerszy zakres proporcji w tym porównaniu. Koszt tysiąca obrazów 2K to około 101 dolarów, a generować je możesz już dziś po południu.

• Wybierz Qwen-Image 2.1, jeśli prowadzisz badania. Można go pobrać za darmo, architektura i systemowy prompt przepisujący polecenia są w pełni dostępne do wglądu, renderuje natywnie w rozdzielczości 2048×2048 z prawdziwą przezroczystością i przyjmuje do 10 obrazów referencyjnych z lokalnymi edycjami za pomocą okręgu, namalowanej adnotacji lub maski. Nie możesz sprzedawać tego, co wygeneruje, a nikt nie zmierzył, czy jest w ogóle dobry.

Luka między tymi dwoma akapitami to luka między modelami, i nie jest to luka jakościowa — to luka dojrzałości, a ona zamyka się zgodnie z harmonogramem. Testerzy wczesnego dostępu Qwen zostali poproszeni o opublikowanie próbek lub recenzji do 29 września 2026 r. Kiedy się pojawią, otwarty model przestaje być niewiadomą i zaczyna być porównywalny, a jedynym pozostałym pytaniem będzie licencja. To jest liczba, na którą warto patrzeć, i jest to plik licencji, a nie benchmark.