Qwen-Image-2.1 kontra Nano Banana 2 Lite: 340 dolarów za dziesięć tysięcy obrazów albo 13 godzin GPU

Dziesięć tysięcy obrazów o rozdzielczości 1024 pikseli w Nano Banana 2 Lite kosztuje około 340 dolarów. Dziesięć tysięcy obrazów z Qwen-Image-2.1 kosztuje mniej więcej trzynaście godzin pracy karty GPU z 24 GB pamięci oraz licencję, która zabrania sprzedaży któregokolwiek z nich. Oto cały ten kompromis w jednym zdaniu — i to jedyne porównanie w tej rodzinie, w którym oba modele faktycznie wykonują tę samą pracę w tym samym momencie. Qwen-Image-2.1 udostępniono na otwartych wagach 20 września 2026 roku. Nano Banana 2 Lite — identyfikator modelu dostawcy google/gemini-3.1-flash-lite-image, oficjalnie Gemini 3.1 Flash-Lite Image — zadebiutował 30 czerwca 2026 roku i jest najtańszym generatorem obrazów statycznych w linii Nano Banana.

Dwaj kandydaci, uczciwie wycenieni

Nano Banana 2 Lite generuje obraz 1K w około cztery sekundy, czyli około 2,7× szybciej niż Gemini 3.1 Flash Image, i pobiera stałą opłatę $0,034 za obraz 1K. Stawki Google za tokeny kryjące się za tą kwotą to $0,25 za 1 mln tokenów wejściowych i $30 za 1 mln tokenów wyjściowych obrazu, co daje około $0,0336 przy 1K; tryb wsadowy zmniejsza to o połowę, do około $0,0168. Nie ma darmowego planu, a każde wyjście zawiera niewidoczny znak wodny SynthID.

Qwen-Image-2.1 nie ma ceny, ponieważ nie ma nic do kupienia. To około 33 GB do pobrania — 7B, 32-warstwowy jednotorowy transformator dyfuzyjny połączony z enkoderem tekstu Qwen3-VL 8B — który hostujesz samodzielnie. Najbliższym odpowiednikiem cennika jest zmierzona latencja SGLang-Diffusion: 4,74 sekundy na przebieg odszumiania na 24 GB RTX 4090 z użyciem Cache-DiT i jąder INT8, 8,23 sekundy na pełne generowanie 1024×1024 w 40 krokach na RTX PRO 6000 Blackwell przy szczytowym zużyciu 40,1 GiB oraz 2,748 sekundy na pojedynczym B200. To opóźnienia dla pojedynczego żądania obejmujące wymienione komponenty, a nie wartości przepustowości, więc 13 godzin dla dziesięciu tysięcy obrazów traktuj jako rząd wielkości, a nie benchmark.

Zestaw to ze sobą, a rachunek nie wygląda jak „340 dolarów kontra za darmo”. To 340 dolarów kontra trzynaście godzin pracy karty, którą albo już masz, albo wynajmujesz, plus czas inżynierów na postawienie stosu serwującego. Wolumen, od którego to się opłaca, jest znacznie niższy, niż zakłada większość zespołów — ale tylko wtedy, gdy karta nie stoi bezczynnie przez resztę miesiąca i tylko wtedy, gdy wynik jest czymś, co wolno ci wytwarzać.

Trzy obciążenia i który model obsługuje każde

Wolumen sam w sobie to niewłaściwa oś. Typ pracy decyduje o tym szybciej.

• Materiały ekranowe w dużych ilościach — przycięcia do social mediów, miniatury, warianty A/B. Nano Banana 2 Lite wygrywa w niemal każdym aspekcie. Cztery sekundy na obraz, czternaście proporcji, w tym 1:4 i 8:1, stała cena za obraz, którą można przewidzieć co do centa, tryb wsadowy za połowę ceny. Nic w tym obciążeniu nie wymaga kanału alfa ani 2K, a licencja komercyjna ze znakiem wodnym jest dokładnie tym, czego potrzebujesz, gdy wynik trafia do odbiorcy.
• Druk, kompozycje wielkoformatowe lub cokolwiek, co będzie mocno przycinane. Qwen-Image-2.1 — i nie ma tu nawet porównania. Natywne 2048×2048 przy 40 krokach w porównaniu z modelem, który ma twardy limit około 1 megapiksela, bez trybu 2K, bez skalowania w górę i bez parametru API, który mógłby go zwiększyć — Google zamiast tego kieruje zadania 2K i 4K do Nano Banana 2 lub Nano Banana Pro. Jeśli musisz odciąć jedną trzecią kadru i nadal mieć użyteczny materiał, Lite cię do tego nie doprowadzi.
• Przezroczyste wycinki, ikony, sprite'y, kompozycje warstwowe. Qwen-Image-2.1. Kanał alfa jest składnikiem 64-kanałowej przestrzeni utajonej RGBA, w której sampler odszumia, więc nie ma etapu segmentacji ani etapu matowania; model potrafi też wyodrębnić obiekt ze zwykłego zdjęcia do przezroczystej warstwy. Nano Banana 2 Lite nie ma udokumentowanej możliwości generowania przezroczystego tła.
• Cokolwiek, co wymaga licencji komercyjnej. Nano Banana 2 Lite, bez żadnych zastrzeżeń. Qwen-Image-2.1 jest udostępniany na podstawie Qwen Research License Agreement z dnia 20 września 2026 r. i zezwala wyłącznie na niekomercyjne badania i ocenę; wdrożenie komercyjne wymaga oddzielnej licencji od Hangzhou Tongyi Laboratory Technology, a dla takiej licencji nie opublikowano ceny ani arkusza warunków.

Do tej listy należy jeszcze jeden wiersz i przemawia on przeciwko otwartemu modelowi. Nano Banana 2 Lite coś wie — ma granicę wiedzy wyznaczoną na styczeń 2025 i profil zgodności z promptami oparty na szkielecie Gemini 3.1 Flash Lite, z mocnym renderowaniem tekstu w obrazie, w tym chińskiego, japońskiego i koreańskiego. Niezależne dowody na podążanie za instrukcjami przez Qwen-Image-2.1 są skąpe i mieszane. Porównanie na arenie z sędzią AI, które skonfrontowało Nano Banana 2 Lite z modelem graficznym Qwen — wpis nie przypina wersji, więc czytaj go jako sygnał o całej rodzinie, a nie konkretnie o 2.1 — dało Lite zwycięstwo w przypadku dziwnych promptów przestrzennych („astronauta jadący na koniu”, „kapibara kierowca taksówki”) oraz w renderowaniu tekstu, gdzie wynik Qwen wyrenderował tytuł zaproszenia na Halloween jako „Hallofarty Invitation”. Udokumentowane słabe punkty samego Lite to małe twarze, drobne szczegóły tekstu, gęste infografiki i złożone edycje z maską. Żaden z modeli nie jest niezawodnie lepszy w podążaniu za dziwną instrukcją; zawodzą w różnych miejscach.

Kwestia obrazu referencyjnego, nierozstrzygnięta

Edycja wielu obrazów to miejsce, w którym potok przetwarzania dużych wolumenów przestaje być w stanie zastąpić jeden model drugim, i jest to również wiersz, w którym informacje publiczne są sprzeczne.

Qwen-Image-2.1 przyjmuje do 10 obrazów referencyjnych, a dodatkowo obsługuje wirtualną przymierzalnię, portrety grupowe i kompozycję garderoby. W przypadku Nano Banana 2 Lite źródła zdecydowanie się różnią: strona modelu jednego dostawcy podaje obsługę do 14 obrazów referencyjnych do przenoszenia stylu i edycji z wieloma odniesieniami, podczas gdy artykuł porównawczy twierdzi coś przeciwnego — że Lite przyjmuje pojedynczy obraz do edycji, a możliwość korzystania z 14 odniesień należy do pełnego Nano Banana 2, z maksymalnie pięcioma osobami plus sześcioma obiektami. Wobec tej sprzeczności można obronić stanowisko, że Lite obsługuje wprowadzanie obrazów i kompozycję z wielu obrazów, ale jego pojemność referencyjna to wyróżnik, którego Google używa, aby oddzielić go od Nano Banana 2. Jeśli Twój przepływ pracy zależy od sześciu spójnych postaci w serii, zweryfikuj ten limit w karcie modelu Google, zanim zaczniesz projektować wokół niego rozwiązanie.

To także moment, w którym modele przestają być wymienne w szerszym sensie. Google pozycjonuje Nano Banana 2 Lite i Gemini Omni Flash jako parę — model do obrazów statycznych i model do wideo, stworzone do łączenia w łańcuch. Qwen-Image-2.1 nie ma odpowiednika wideo, a jego trik animacyjny to łańcuchowa sekwencja lokalnych edycji regionów, która tworzy prostą pętlę klatka po klatce, a nie model wideo.

Kiedy warstwa routingu zasługuje na swoje miejsce

Żaden z tych modeli nie znajduje się w OrcaRouter. Nie kierujemy żadnego modelu Qwen-Image w żadnej wersji, więc Qwen-Image-2.1 jest hostowany samodzielnie albo wcale. Nano Banana 2 Lite — gemini-3.1-flash-lite-image identyfikator — również nie znajduje się w naszym katalogu; trasy do obrazów Google, które oferujemy, to google/gemini-3.1-flash-image-preview, google/gemini-2.5-flash-image, google/gemini-3-pro-image-preview oraz trzy poziomy Imagen 4, a także GPT-Image-2, GPT-Image-1.5 i GPT-Image-1-mini od OpenAI oraz endpoint do obrazów Grok Imagine od xAI.

To, co daje to mieszanemu pipeline'owi, jest właśnie tym, na co to porównanie wciąż natrafia: decyzją, która zmienia się w zależności od zasobu. Zasoby masowe trafiają do taniej hostowanej trasy, przezroczyste wycinanki trafiają na twoją własną kartę, a zmiana ceny dostawcy po stronie hostowanej wchodzi tego samego dnia, bo przepuszczamy cenę katalogową dostawcy przy zerowej marży, zamiast ustalać ją sami. Dodaj automatyczne przełączanie awaryjne między dostawcami, DSL routingu do komponowania fallbacków i fuzję modeli dla wywołań w stylu panelowym, a hostowana połowa przestaje być relacją z dostawcą, którą trzeba zarządzać dla każdego modelu — ponad 200 modeli, jeden endpoint zgodny z OpenAI, jeden klucz. Połowa self-hosted pozostaje twoim problemem, co jest uczciwym kosztem uruchamiania checkpointu na licencji badawczej na sprzęcie, który posiadasz.

Który wybrać i warunek, który to odwraca

Jeśli tworzysz masowo zasoby ekranowe do użytku komercyjnego, odpowiedzią jest Nano Banana 2 Lite i kwestia licencji w ogóle się nie pojawia: 0,034 USD za obraz, cztery sekundy, przewidywalne, nadające się do sprzedaży. Jeśli potrzebujesz 2K, natywnej przezroczystości lub dziesięciu obrazów referencyjnych, Qwen-Image-2.1 jest jedynym z tych dwóch, który ma którąkolwiek z tych możliwości, a płacisz za to sprzętem, czasem inżynierów i licencją niekomercyjną, która czyni go narzędziem badawczym, a nie zależnością produkcyjną.

Jeden fakt zniwelowałby tę lukę. Opublikowany komercyjny term sheet dla Qwen-Image-2.1 — z ceną i warunkami, które ktoś może faktycznie podpisać — zamienia 13-godzinne zadanie na GPU w pozycję kosztową, która konkuruje z 340 USD, i w tym momencie przewagi w rozdzielczości i kanale alfa zaczynają wygrywać obciążenia, które obecnie domyślnie trafiają do Lite. Dopóki to nie istnieje, podział jest czysty: Lite do wszystkiego, co trafia na produkcję, Qwen-Image-2.1 do wszystkiego, co zostaje wewnątrz firmy, oraz stos serwujący dla tego drugiego, który utrzymujesz samodzielnie.