Gemini Nano Banana 2.1 против Qwen Image 3.0: ничья при 1K, расхождение при 2K

Внесите Gem​ini Nano Banana 2.1 и Qw​en Image 3.0 в тарифную сетку — и первое число забавно: изображение 1K от новейшей модели Gem​ini для генерации изображений стоит $0,0336, а генерация 1K от Qw​en Image 3.0 на Model Studio — $0,03438. Разница — семь сотых цента. Две лаборатории на противоположных концах мира, публикующие цены в разных валютах для разных платформ, сошлись на одной цене за то, что большинство людей на самом деле покупает. Это равенство нарушается, как только вы переходите на 2K — $0,0504 против $0,0688, разрыв в 36% в пользу Gem​ini — и нарушается иначе, когда вы замечаете, что Qw​en тарифицирует ввод изображения и ввод для редактирования как отдельные счётчики, а Nano Banana 2.1 — нет. Какой из этих двух фактов определит вашу сборку, целиком зависит от того, сколько раз ваш пайплайн касается изображения, прежде чем выпустит его.

Они также различаются сильнее, чем можно предположить по цене. Nano Banana 2.1 стала общедоступной 6 октября 2026 года как модель, предоставляемая через хостинговый API, причём для её предшественника был установлен 23-дневный срок миграции. Qwen Image 3.0 была запущена на платформе Qwen AI от Alibaba 5 августа 2026 года вместе с уровнями Standard и Pro и API, а международным разработчикам доступна через Qwen Cloud и Alibaba Cloud Model Studio. Одна — модель западной фронтирной лаборатории с ценой за токен изображения; другая — китайская платформенная модель с ценой за изображение, опубликованным бюджетом параллелизма и тарифными сетками для внутреннего и международного рынков, которые не согласуются друг с другом.

Две тарифные карты, строка за строкой

Nano Banana 2.1 тарифицируется в токенах, а конвертация за изображение публикуется рядом. Стоимость вывода — $30 за миллион токенов изображений, что Google пересчитывает в $0,0336, $0,0504 и $0,0756 для 1K, 2K и 4K соответственно, при этом количество токенов на изображение указано как 1 120, 1 680 и 2 520. Ввод стоит $1,50 за миллион токенов для текста, изображений и видео. Пакетный вывод стоит вдвое меньше: $0,0168, $0,0252 и $0,0378. Нет отдельного счётчика для повторной подачи изображения — изображение, которое вы передаёте на вход, учитывается по ставке входных токенов один раз.

Qwen Image 3.0 представлена в двух тарифах в китайском облачном прайс-листе. Тариф Standard — RMB 0,18 за изображение как в 1K, так и в 2K, при этом ввод изображения — RMB 0,02, а ввод для редактирования — RMB 0,02 за изображение. Тариф Pro — RMB 0,25 в 1K и RMB 0,50 в 2K. В международном Qwen Cloud тариф Standard стоит $0,003 за ввод и $0,03 за вывод за изображение. В Alibaba Cloud Model Studio в USD опубликованы такие цифры: $0,00275 за ввод 1K, $0,03438 за генерацию 1K, $0,068761 за генерацию 2K, $0,04 за вывод 1K и $0,075 за вывод 2K. Также опубликована пропускная способность: 10 одновременных запросов, асинхронная очередь на 200 запросов и 20 запросов в минуту.

• Генерация 1K — Gemini Nano Banana 2.1 $0.0336; Qwen Image 3.0 Standard $0.03438 в Model Studio. Фактически ничья.

• Генерация 2K — Nano Banana 2.1 $0.0504; Qwen Image 3.0 Standard $0.068761. Google на 36% дешевле.

• 4K — Nano Banana 2.1 $0.0756 и это документированный уровень; запись Qwen Image 3.0 в Model Studio ограничивает общее количество пикселей до 2048×2048, поэтому нет строки 4K для сравнения.

• Ввод изображения — Nano Banana 2.1 учитывает его по ставке $1,50 за миллион входных данных; Qwen Image 3.0 тарифицирует его отдельно по $0,00275 за 1K входных данных, при этом ввод для редактирования тарифицируется на внутреннем рынке в размере 0,02 юаня.

• Пакетный режим — Nano Banana 2.1 сокращает всё вдвое через Batch API со временем выполнения до 24 часов; заявленный рычаг Qwen Image 3.0 — асинхронная очередь на 200 запросов, а не тариф со скидкой.

• Пропускная способность — Qwen Image 3.0 публикует 10 одновременных, 200 в очереди, 20 RPM; Google не публикует ни одного из этих показателей для Nano Banana 2.1.

• Внутри Китая — Qwen Image 3.0 Standard стоит 0,18 юаня за изображение по китайскому тарифу; у Nano Banana 2.1 нет тарифа для материкового Китая, потому что Google его не предлагает.

Две из этих строк важнее остальных. Строка про 4K — это разрыв в возможностях, а не в цене: если вам нужен вывод в 4K, вариант Qwen Image 3.0 в Model Studio вообще не рассматривается. А строка про ввод изображений — это место, где две философии биллинга резко расходятся; она заслуживает отдельного раздела, потому что именно эта часть не проявляется в цене из заголовка.

Почему второй проход меняет математику

Генерация в один проход — это простой случай, и при одном проходе эти два варианта сопоставимы по цене. Реальная работа с изображениями редко ограничивается одним проходом. Типичный процесс редактирования генерирует кандидата, подаёт референсное изображение обратно для коррекции, снова подаёт исправленное изображение обратно для стилевого прохода и только затем выпускает результат. Каждый такой возврат — это входное изображение.

В Nano Banana 2.1 этот ввод тарифицируется по общему тарифу на ввод наряду с текстовым промптом, а диалоговое редактирование модели явно рассчитано на это — многоходовое редактирование на основе предыдущего взаимодействия задокументировано, и режим размышления ведёт диалог. В Qwen Image 3.0 тот же цикл тарифицируется по отдельной строке, которую публикует вендор: ввод изображений по $0,00275 за 1K в Model Studio, 0,02 юаня за изображение как ввод для редактирования на внутреннем рынке. Ни то, ни другое не дорого за вызов. Разница в том, что тарификация Qwen делает стоимость итераций видимой как отдельная строка, тогда как Google включает её в токены ввода, и команда, составляющая бюджет исходя из заявленной цифры за изображение, недооценит трёхпроходный рабочий процесс на обеих платформах.

Посчитайте честно — и практический вывод окажется скучным, но реальным. При цене 1K они одинаковы, так что цена — не причина выбирать любой из них. При 2K Nano Banana 2.1 заметно дешевле в расчёте на генерацию и вдобавок предлагает пакетный тариф, который ещё вдвое снижает стоимость. Если вам нужно 4K, сравнивать нечего. Если вам нужен опубликованный лимит параллелизма, под который можно планировать очередь, Qwen Image 3.0 его публикует, а Nano Banana 2.1 — нет. Вот как выглядит это решение: в основном оно определяется разрешением и гарантией пропускной способности, которые вам нужны, а не ценой на том уровне, который все цитируют.

Что измеряется и для кого

Асимметрия доказательств здесь противоположна тому, что можно было бы ожидать. У Qwen Image 3.0 есть независимая позиция в рейтинге, а у Nano Banana 2.1, которому всего день, её нет. В таблице text-to-image от Artificial Analysis, по выборкам, собранным в июле 2026 года, Qwen-Image-3.0 занимает Elo 1 077 и шестнадцатое место по 5 816 выборкам, а Qwen-Image-3.0-Pro — 1 088 и четырнадцатое место по 6 077 выборкам: середина таблицы, хорошая выборка и примерно там, где оказывается сильная платформенная модель, а не фронтирная. Собственное заявление Alibaba при запуске о том, что модель заняла первое место в Китае в рейтинге text-to-image на Arena.ai, — это цифра, сообщённая производителем, на другой площадке с другой аудиторией голосующих; она не противоречит позиции в Artificial Analysis, просто измеряет другое.

Сторона Nano Banana 2.1 в этом реестре тоньше. По состоянию на 7 октября 2026 года в публичных данных нет ни Elo, ни числа голосов, ни стороннего сравнения рендеров. Что есть — это формулировки из списка изменений Google — «значительные улучшения» визуального качества, соответствия промпту, согласованности персонажей при многоходовой генерации и рендеринга текста — а также задокументированные изменения функций: вывод в 1K, 2K и 4K без уровня 512px, до 14 референсных изображений с разделением на десять объектов и четыре персонажа, режим размышления включён по умолчанию и привязка к Google Image Search наряду с веб-поиском. Если вы хотите сравнить эти две модели по качеству сегодня, вы сравниваете измеренный балл одной модели из середины таблицы с заявлением вендора другой модели, а это не числа одного и того же типа.

Где вы можете позвонить каждому из них

Ни одна из этих моделей не представлена на OrcaRouter, и об этом стоит сказать прямо, а не намекать на обратное. Gemini Nano Banana 2.1 доступна через собственный API производителя и на нескольких сторонних платформах; Qwen Image 3.0 доступна через собственную платформу и несколько сторонних платформ. В нашем каталоге действительно есть другие модели генерации изображений — от OpenAI openai/gpt-image-2 и google/gemini-3.1-flash-image-preview среди них — и 207 моделей в общей сложности за одним OpenAI-совместимым эндпоинтом.

Это важно для данного сравнения по одной конкретной причине: оба этих поставщика меняют свои цифры. Google изменил всю структуру тарифных уровней предшественника Nano Banana 2.1 и в тот же день объявил о его отключении; Alibaba публикует один тарифный лист в RMB для отечественной платформы, второй в USD для Model Studio и третий набор цифр для международного Qwen Cloud. Когда цена поставщика — движущаяся мишень, ценность покупки через слой, который передаёт цену провайдера из прайс-листа с наценкой 0 % состоит в том, что цифра на вашей стороне меняется в тот же день, когда она меняется у них, без маржи между вами и опубликованной цифрой и без отдельного договора, который нужно пересматривать. Именно на этой дисциплине построена маршрутизация OrcaRouter, и именно поэтому подобное сравнение тарифных листов остаётся верным и месяц спустя, а не расходится с реальностью.

Что же всё-таки выбрать?

Выбирайте Gemini Nano Banana 2.1, когда вам нужен вывод в 4K, когда вам нужен пакетный тариф, вдвое снижающий стоимость за изображение при больших прогонах по референсам, когда рабочий процесс — это редактирование по промпту с использованием до 14 референсных изображений, или когда вы хотите получить опору на Google Search внутри генерации. Дедлайн миграции с его предшественника — это причина перейти на него, а не причина его избегать, а снижение цены по сравнению с Nano Banana 2 — это примерно двукратное уменьшение при любом разрешении. Открытые вопросы — это отсутствие каких-либо независимых измерений качества и неопубликованные ограничения пропускной способности, поэтому в продакшене следует быть готовым к переключению при сбое, а не предполагать, что эндпоинт выдержит.

Выбирайте Qwen Image 3.0, когда результат остаётся на уровне 2048×2048 или ниже, когда опубликованный бюджет одновременных запросов имеет значение, потому что вы ставите задачи в очередь, когда китайская тарифная сетка с ценой 0,18 юаня за изображение является коммерчески значимым числом, или когда более высокая цена уровня Pro даёт вам нечто такое, что может продемонстрировать ваша оценка. Независимая позиция в середине таблицы не является слабостью для такого использования — это самый надёжный отдельно взятый факт в данном сравнении, потому что это единственное число здесь, которое не выдал ни один из вендоров.

Если у вас есть роскошь устроить сравнительный тест, проводите его по тому измерению, которое действительно различается: многопроходному редактированию. Сгенерируйте кандидата, затем выполните три последовательные коррекции на каждой модели и подсчитайте общую стоимость принятого изображения, а не стоимость первого рендера. Именно такого сравнения не делает для вас ни один прайс-лист поставщика, и именно оно решает, действительно ли «ничья» при 1K — это ничья.