GPT-Image-2.6 против Nano Banana 2.1: лидерборд противоречит сам себе

По состоянию на 5 ноября 2026 года две самые интересные модели генерации изображений, которые можно вызвать, разделены по возрасту одним месяцем, по цене за изображение — примерно одним центом, и ни одна из них не является моделью, которую независимые лидерборды ставят на первое место. OpenAI выпустила GPT-Image-2.6 4 ноября. Google выпустила Nano Banana 2.1 6 октября. Artificial Analysis, которая подвергла всесторонней оценке предыдущие поколения обеих компаний, вообще не имеет строки для GPT-Image-2.6 — при этом Nano Banana 2.1 занимает четвёртое место в её лидерборде текст-в-изображение с 1175 Elo по итогам 6322 голосов и четвёртое место в её лидерборде редактирования с 1151 Elo из 7009 голосов, уступая трём моделям, каждая из которых старше той, что OpenAI анонсировала на этой неделе.

Вот в чём вся проблема этого сравнения, умещённая в один абзац. Модель, за которую голосовали месяц, — более дешёвая, медленнее развивающаяся и уже выпущенная. Модель без голосов — это та, у которой новые форматы вывода. Кто бы ни говорил вам, какая из них лучше, либо цитирует вендора, либо гадает.

Два запуска — два противоположных инстинкта

Октябрьский релиз Google — это ход в области цен и инфраструктуры. Nano Banana 2.1 — API ID gemini-nano-banana-2.1 — построена на Gemini 3.6 Flash; в ней не появилось нового формата вывода, нового медиума или нового типа управления. Она снизила стоимость выходных токенов изображения с $60 до $30 за миллион, что вдвое уменьшает стоимость рендера 1K до $0.0336, а рендера 2K — до $0.0504, и оставила 4K на уровне $0.113, поскольку более высокое разрешение содержит 3 780 токенов изображения, а не 2 520. Она добавила именованную лестницу разрешений, четвёртый слот для референсов — если вы вели счёт — и обоснование через поиск. Суть предложения — предсказуемость: вы знаете тарифный уровень, знаете число токенов, знаете счёт.

Ноябрьский релиз OpenAI — это совершенно другой подход. GPT-Image-2.6 оставил тарифную сетку ровно там же, где её оставил GPT-Image-2.5, — $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений, $30 за миллион выходных токенов изображений, — а сам релиз посвятил новым регуляторам и новым возможностям на выходе: управление сложностью, редактирование с помощью разметки, экспорт SVG, вывод анимированных GIF, прозрачные фоны, пользовательские размеры, кратные 16 пикселям. Акцент на возможностях: вот что модель умеет создавать, чего не могла предыдущая.

Перечитайте эти два абзаца — и вы сможете предсказать почти все практические различия между продуктами. Одна компания оптимизирует юнит-экономику вещи, которая уже работает. Другая расширяет набор того, чем эта вещь может быть.

Что на самом деле говорят независимые советы

Artificial Analysis ведёт две отдельные таблицы лидеров по изображениям, и это разделение важно — модель может отлично отрисовывать запрос с нуля и посредственно следовать инструкции по редактированию, а усреднение этих двух показателей скрывает именно ту разницу, которая важна производственной команде.

• Текст-в-изображение — GPT-Image-2.5 Sunburst (max) 1 224 Elo, 13 153 голоса, первое место. GPT-Image-2.5 Flare (max) — 1 207, второе. GPT Image 2 (high) — 1 188, третье. Nano Banana 2.1 — 1 175, 6 322 голоса, четвёртое. GPT-Image-2.6: строки нет.

Редактирование — GPT-Image-2.5 Sunburst (max): 1 200, 18 370 голосов, первое место. MAI-Image-2.7-Preview: 1 197, второе место. GPT-Image-2.5 Flare (max): 1 183, третье место. Nano Banana 2.1: 1 151, 7 009 голосов, четвёртое место. GPT-Image-2.6: строки нет.

• По сравнению со своим предшественником — Nano Banana 2.1 опережает Nano Banana 2, которая занимает седьмое место в категории «текст-в-изображение» с результатом 1 140 Elo по итогам 16 224 голосов, на 35 пунктов.

Два предостережения, прежде чем кто-либо будет строить на этих цифрах решение о покупке. Первое — размер выборки: 6,322 голоса Nano Banana 2.1 в категории «текст-в-изображение» составляют меньше половины от 13,153 голосов GPT-Image-2.5 Sunburst, поэтому его доверительный интервал шире, а позиция менее устойчива, чем подразумевает рейтинг. Второе — разрыв в 49 пунктов между первым и четвёртым местами по примерно 1,000-балльной шкале Эло реален, но не огромен: это разница, которая надёжно проявляется в слепых попарных голосованиях и лишь время от времени — в том, пригодна ли конкретная картинка для конкретной задачи.

Два утверждения поставщиков, которые нельзя сравнить между собой

Обе компании публикуют собственные данные о предпочтениях людей, и оба набора непригодны для принятия этого решения — по разным причинам.

Google сообщает, что Nano Banana 2.1 набирает 1 050 Elo в режиме размышления и 1 015 без размышления во внутренней оценке методом попарного сравнения людьми, против 990 у Nano Banana 2 и 935 у Nano Banana Pro. Это реальные измерения реальных оценщиков, выполненные по собственной шкале Google с собственным распределением промптов Google — поэтому 1 050 и 1 175 от Artificial Analysis оба описывают одну и ту же модель, не противореча друг другу. Не сравнивайте результаты по этим шкалам между собой.

OpenAI ссылается на Design Arena как на источник первого места для GPT-Image-2.6 Sunburst. Та же проблема, только в другом обличье: другой рейтинг, другой пул оценщиков и вендор, выбирающий рейтинг, который льстит релизу. Возможно, это и правда. Но это не число, которое можно поставить рядом с 1,175 и из которого можно вычесть.

Единственный честный вывод состоит в том, что у Google есть независимо измеренная позиция, а у OpenAI её пока нет. Эта асимметрия должна определять, насколько вы можете доверять каждой из них.

Метрики: именованная лестница против бюджета токенов

Именно здесь два продукта расходятся так, что это важнее для финансовой команды, чем для дизайнера, — и именно эту разницу упускает большинство сравнений.

• Рендер 1K — Nano Banana 2.1 $0.0336, фиксировано на 1,120 токенах изображения. GPT-Image-2.6 при среднем качестве — примерно $0.043, оценено исходя из примерно 1,449 выходных токенов.

• Рендер в 2K — Nano Banana 2.1 $0.0504. У GPT-Image-2.6 нет именованного уровня 2K; вы задаёте размеры в пикселях, кратные 16, в диапазоне соотношения сторон от 1:3 до 3:1.

• 4K-рендеринг — Nano Banana 2.1 $0.113, от 3 780 токенов изображения. GPT-Image-2.6 не предлагает 4K-тариф.

• Потолок качества — GPT-Image-2.6 при максимальном качестве стоит примерно $0,21 за изображение; Nano Banana 2.1 упирается в цену 4K.

• Ввод — Nano Banana 2.1: $1,50 за миллион токенов; GPT-Image-2.6: $5 за миллион текстовых и $8 за миллион графических токенов.

• Batch — Nano Banana 2.1 стоит вдвое меньше: 50% от стандартной цены. GPT-Image-2.6 пока недоступен через Batch API.

• Рычаги — Nano Banana 2.1 изменяет стоимость в зависимости от уровня разрешения и уровня мышления. GPT-Image-2.6 изменяет стоимость в зависимости от качества, сложности и объёма содержимого изображения.

Оценки стоимости за изображение для GPT-Image-2.6 заслуживают отдельной оговорки: OpenAI не публикует фиксированную цену за изображение, поскольку тарифицирует токены, а их количество зависит от того, что вы запросили. Приведённые выше цифры получены из количества выходных токенов, а не взяты из прайс-листа, и разные издания публиковали существенно разные числа, исходя из разных бюджетов токенов. Любое утверждение вида «GPT-Image-2.6 стоит X за изображение», включая наше, следует считать оценкой с указанием диапазона.

Практическое следствие очевидно. С Nano Banana 2.1 вы можете спрогнозировать месяц продуктовых снимков в 2K с точностью до ошибки округления, потому что разрешение определяет количество токенов, а количество токенов определяет цену. С GPT-Image-2.6 вы можете спрогнозировать тариф, но не бюджет, потому что параметр сложности по умолчанию установлен на высокий уровень, а токены планирования тарифицируются по той же цене $30 за миллион, что и отрендеренные. Если вашей финансовой команде нужна цифра, которая не меняется, это реальный аргумент в пользу Google. Если ваша команда предпочла бы получить возможность и измерить потом, то нет.

Редактирование: четырнадцать слотов-ссылок для сопоставления с сохранённой библиотекой

Nano Banana 2.1 принимает до 14 референсных изображений в одном запросе — четыре персонажа и десять объектов — и поддерживает локальные правки на основе масок в разрешениях 1K, 2K и 4K. По собственным данным Google, консистентность нескольких персонажей составляет 1 106 Elo в режиме размышления против 978 у Nano Banana 2 — это крупнейший скачок за одно поколение в опубликованной таблице и тот, который наиболее прямо соотносится с реальным рабочим процессом: сохранение одних и тех же трёх людей неизменными на протяжении кампании.

История редактирования GPT-Image-2.6 — это скорее про последовательность, чем про широту. OpenAI описывает Sunburst как более согласованный при последовательных правках — десятая правка смещается меньше, чем раньше, — и добавляет редактирование с помощью разметки, когда вы рисуете на прозрачном PNG-оверлее, а не предоставляете маску. Эти два режима нельзя комбинировать: это разметка или маска, но не то и другое одновременно. Отдельно: многоразовая библиотека референсов — сохраните человека или персонажа один раз и используйте повторно — это функция ChatGPT, а не API, поэтому команда, создающая решение на /v1/images/edits, её не получает.

Если ваш рабочий процесс редактирования — это «удержать четырнадцать ассетов согласованными за одну генерацию», то Nano Banana 2.1 — единственный из двух, кто с этим справляется. Если же это «внести двадцать небольших изменений в одно изображение без деградации», то 2.6 нацелен прямо на вас, и независимых замеров того, насколько хорошо он работает, не существует.

Форматы: единственное место, где нет никакой конкуренции.

GPT-Image-2.6 экспортирует SVG и выдаёт анимированный GIF. Nano Banana 2.1 выдаёт растровые изображения и ничего больше. Если результат — это векторный ресурс для дизайн-системы или короткая зацикленная анимация для продуктовой поверхности, сравнение заканчивается, не успев начаться, — и стоит прямо сказать, что это разрыв в возможностях, а не разрыв в результатах бенчмарка, поэтому это не требует независимой проверки, чтобы быть правдой.

С разрешением ситуация обратная. Nano Banana 2.1 предлагает именованные уровни 1K, 2K и 4K и поддерживает соотношения сторон до 8:1 на двух верхних уровнях, а значит, можно вписать «баннер 4K, 8:1» в спецификацию и получить именно это. GPT-Image-2.6 принимает произвольные размеры, кратные 16, в диапазоне от 1:3 до 3:1 и не публикует именованную линейку разрешений, поэтому типография, запрашивающая оговорённый в договоре результат в 4K, задаёт вам вопрос, на который документация OpenAI не отвечает.

Где в собственной карточке модели Google признаётся эта слабость

Надо отдать должное: карточка модели Google для Nano Banana 2.1 на удивление откровенна. В ней перечислены размытый мелкий текст при разрешении 1K, слабая работа с длинными текстовыми фрагментами, неидеальная согласованность персонажей, периодическая путаница в пространственном расположении слева и справа, а также ограниченные возможности 3D-рассуждений и фактическая точность. Именно эти слабые места вредят реальному проекту — этикетка продукта с нечитаемым мелким шрифтом, схема, где стрелка указывает не в ту сторону.

Так и тянется сказать, что у GPT-Image-2.6 нет этих проблем. Возможно, и нет. Но независимой оценки рендеринга текста или пространственных рассуждений 2.6 не существует, и честная позиция такова: Google задокументировала свои слабые места, а OpenAI не задокументировала ни одного. Отсутствие опубликованной слабости не является доказательством её отсутствия, особенно для модели, выпущенной за 24 часа до написания этого текста.

Выбрать один, учитывая всё это

• Если вам нужен {{1}}вывод в разрешении для печати или крупноформатный вывод{{/1}} при бюджете, который вы можете утвердить заранее, выбирайте {{2}}Nano Banana 2.1{{/2}}. {{3}}Именованная лестница{{/3}}, {{4}}поддержка соотношения сторон 8:1{{/4}} и {{5}}скидка за пакетный заказ{{/5}} — всё это то, чего {{6}}2.6{{/6}} сейчас не предлагает.

• Если в ваши материалы входят векторная графика или анимация, выбирайте GPT-Image-2.6. Никакое ценовое преимущество другой стороны не обеспечит вам SVG.

• Если ваша работа — это длинные последовательности правок небольшого числа ассетов, то 2.6 — более целенаправленный продукт, с той оговоркой, что никто за пределами OpenAI не измерял, даёт ли он результаты.

• Если вам нужно лучшее независимо проверенное статичное изображение на сегодняшний день, не выбирайте ни одну из них. Это GPT-Image-2.5 Sunburst, набравшая 1,224 балла при преобразовании текста в изображение и 1,200 при редактировании, и она на месяц старше одной из этих моделей и на два месяца старше другой.

Последний пункт — это тот, который люди обычно пропускают, и при этом здесь это самое полезное предложение. Оба поставщика продают вам шаг вперёд. Судя по единственным публичным доказательствам, которые не были получены ни одним из них, этот шаг вперёд пока не виден.

Как увидеть и то и другое, не делая ставки ни на одно из них

По состоянию на 5 ноября 2026 года OrcaRouter не предоставляет GPT-Image-2.6 или Nano Banana 2.1, так что это не тот материал, в котором мы можем посоветовать вам направить обе модели на один эндпоинт. А что мы действительно предоставляем — так это предыдущее поколение каждой из них: GPT-Image-2.5 Sunburst и GPT-Image-2.5 Flare, а также Nano Banana 2 под именем gemini-3.1-flash-image-preview — на одном ключе, по цене из прайс-листа с наценкой 0%, так что тариф провайдера — это тот тариф, который платите вы, с автоматическим переключением при сбое между провайдерами.

Что, впрочем, и так является правильным способом начать. Модели с подтверждёнными оценками — это ровно те модели, которые вы можете вызвать сегодня через единую конечную точку и по единому счёту, а прогон собственных запросов через обе эти модели подскажет, чья эстетика и чьи режимы отказа подходят вашей работе, — прежде чем вы сделаете выбор в пользу новейшего релиза любого из поставщиков, полагаясь на анонс о запуске. Когда каждая новая модель попадает в каталог, правило сквозной передачи означает, что цена поставщика приходит вместе с ней без изменений, так что на вашей стороне меняется только строка модели.

Такова последовательность, которую подтверждают данные: решить вопрос с поставщиком на поколении, по которому уже голосовали, а затем перейти к новому, когда появится цифра, на которую можно опереться. Альтернатива — выбирать между двумя моделями, единственные сопоставимые показатели которых относятся к их предшественникам, — это ставка, замаскированная под сравнение.