Qwen-Image 2.1 vs Nano Banana 2: сколько вы платите за изображение и сколько — за то, чтобы владеть им

Только у одной из этих двух моделей есть цена, которую можно внести в таблицу. Nano Banana 2 — модель Gemini 3.1 Flash Image, общедоступная с 28 мая 2026 года — стоит около $0,067 за изображение 1024×1024, $0,101 при 2048×2048 и примерно $0,151 в 4K-диапазоне, при этом пакетный режим примерно вдвое дешевле, а ввод текста тарифицируется отдельно по $0,25 за миллион токенов. Qwen-Image 2.1, выпущенная в открытый доступ командой Qwen-Image 20 сентября 2026 года, вообще не имеет цены за изображение, потому что нет хостингового эндпоинта, у которого её можно было бы купить: это скачивание весов объёмом 33 ГБ по исследовательской лицензии, запрещающей коммерческое использование. Так что первый вопрос в этом сравнении не в том, какая модель лучше. А в том, покупаете ли вы изображения или покупаете машину, которая их создаёт, и эти две покупки несопоставимы так, как подразумевает таблица характеристик.

Прогнозируемость — это то, что на самом деле покупает цена за одно изображение.

Ценообразование Google необычно для категории изображений тем, насколько чисто оно конвертируется. Модель взимает $60 за миллион выходных токенов, и, поскольку вывод изображений токенизируется предсказуемо, это превращается в показатели за изображение, которые можно оценить ещё до того, как вы что-либо сгенерируете.

• Nano Banana 2 — около $0.067 за 1024×1024, $0.101 за 2048×2048, примерно $0.151 в 4K, приблизительно вдвое меньше этих сумм в пакетном режиме, плюс $0.25 за миллион токенов на ввод текста. Тысяча изображений 2K — это около $101, с точностью до доллара.

• Qwen-Image 2.1 — цена не опубликована. Затраты — это ваше собственное время на GPU при работе с 33-ГБ пакетом, а совет в карточке модели для ограниченного оборудования — выгрузка на CPU через pipe.enable_model_cpu_offload(), что является обходным путём, а не решением проблемы.

Оплата по счётчику даёт не только изображения. Она даёт возможность ответить на вопрос «во сколько нам обходится эта функция при десяти тысячах изображений в месяц», не проводя предварительных замеров производительности собственного оборудования. Это реальное преимущество, и его легко недооценить, потому что альтернатива — собственный хостинг — имеет стоимость, которую действительно трудно вычислить: она зависит от вашей загрузки, вашей карты, вашего электричества и от того, простаивал бы этот сервер в противном случае. Честное сравнение — это не $101 за тысячу против бесплатного варианта. Это $101 за тысячу против амортизированной цифры, которую вам приходится рассчитывать самому, и большинство команд, которые проделывают эти расчёты, обнаруживают, что цена по счётчику остаётся конкурентоспособной ровно до тех пор, пока загрузка не становится очень высокой.

Лицензия — это то место, где «свободные веса» перестают быть бесплатными

Это самое резкое различие между двумя моделями, и разрыв здесь совсем не мал.

Nano Banana 2 — коммерческий продукт на коммерческих условиях. Вы платите за каждое изображение и выпускаете то, что создаете. Qwen-Image 2.1 поставляется по лицензионному соглашению Qwen Research License Agreement от 20 сентября 2026 года, которое предоставляет права «ТОЛЬКО ДЛЯ НЕКОММЕРЧЕСКИХ ЦЕЛЕЙ» и указывает, что коммерческое использование требует отдельной лицензии, запрошенной у поставщика. Это изменение по сравнению с более ранней линейкой Qwen-Image, которая поставлялась под Apache 2.0 — так что открытый вариант в этом сравнении открыт в том смысле, что вы можете читать и запускать его, а не в том смысле, что вы можете построить на нем бизнес.

Для исследовательской команды, любителя или любого, кто проводит бенчмарки, это отличная лицензия, и загрузка действительно бесплатна. Для продуктовой команды это означает, что модель в этом сравнении, не имеющая цены за изображение, также не имеет коммерческого пути, что полностью обрушивает сравнение затрат: вы выбираете не между $101 и чем-то подешевле, а между моделью, выходные данные которой можно продавать, и той, для которой это невозможно.

Разрешение и соотношения сторон — здесь открытая модель имеет реальное преимущество

Отложите лицензию в сторону — и Qwen-Image 2.1 делает то, чего не делает Nano Banana 2, причём так, что это важно для отдельных рабочих процессов.

• Qwen-Image 2.1 — нативная 2K с 2048×2048 в качестве задокументированного значения по умолчанию при 40 шагах инференса, семь пресетов соотношения сторон, до 10 референсных изображений и вывод в RGBA: настоящий альфа-канал, редактирование прозрачных слоёв и выделение объекта из RGB-фотографий.

• Nano Banana 2 — вывод в 4K с поддержкой необычных соотношений, включая крайние значения 1:4 и 1:8, что представляет собой более широкий диапазон, чем предлагает большинство моделей в любую из сторон, а также публикует показатели согласованности — пять персонажей и четырнадцать объектов за одну генерацию.

Альфа-канал — это то, на что стоит обратить внимание. Про модель Google не задокументировано, что она создаёт прозрачность, а Qwen-Image 2.1 делает это нативно, а значит, этап композитинга, который иначе был бы ручной работой — вырезать объект, сохранить мягкие края, поместить его на что-то другое, — находится внутри модели, а не после неё. Если вы зарабатываете на жизнь созданием многослойных ассетов, это разница в рабочем процессе, а не заявление о качестве. Стоит также прямо сказать, что обе модели выдают изображения крупнее, чем нужно в большинстве задач: 4K и 2048×2048 — и то, и другое уже за той чертой, где ограничением становится не модель, а место назначения.

Опубликованное число против обещания

Модель Google присутствует в обеих рейтинговых таблицах Artificial Analysis по изображениям с весны и по сентябрьскому срезу входит в первую пятерку в категориях «текст-в-изображение» и «редактирование изображений», с рейтингом Elo около 1320 в категории «текст-в-изображение». Ее показатели согласованности — пять персонажей, четырнадцать объектов — это собственные данные Google, но они соседствуют с независимой таблицей результатов, а значит, их можно проверить на адекватность, сопоставив с тем, как модель на самом деле показывает себя в слепых сравнениях.

Qwen-Image 2.1 не имеет независимой оценки. Есть пост в блоге вендора с графиком Qwen-Image-Bench, который не воспроизвела ни одна третья сторона, и один отчёт о практическом тестировании на раннем доступе от тестировщика в программе Qwen Ambassador, который прогнал финальные веса через интерфейс ModelScope Studio: примерно 10–15 секунд для генерации изображения по тексту, 18–23 секунды для редактирования, сильная обработка положения камеры и ролей нескольких персонажей, а согласованность при нескольких референсах ухудшается начиная примерно с трёх входных изображений. Один рецензент, таймер не показан, опубликованного набора промптов нет. Это единственное внешнее наблюдение модели, существующее в открытом доступе, и его следует воспринимать как намёк, а не как измерение.

Также в сторонних публикациях циркулирует число, описывающее Qwen-Image 2.1 как 20-слойный трансформер. Это противоречит карточке модели, в которой задокументирован 32-слойный однопоточный диффузионный трансформер с 7B параметров в компоненте визуальной генерации, текстовый энкодер Qwen3-VL 8B и 64-канальный RGBA VAE с 16-кратным пространственным сжатием. Руководствуйтесь карточкой модели.

Единственное, что вы можете сделать с обоими

Это единственная статья в этой подборке, где соперник — модель, которую мы действительно маршрутизируем. Nano Banana 2 есть на OrcaRouter как google/gemini-3.1-flash-image-preview, наряду с остальной линейкой для работы с изображениями — семейством GPT-Image от OpenAI, уровнями Imagen 4 от Google, другими предварительными версиями Gemini для изображений и эндпоинтом изображений Grok Imagine от xAI — всё через один эндпоинт, совместимый с OpenAI, по цене из прайс-листа провайдера без наценки. Qwen-Image 2.1 нет среди моделей, которые мы маршрутизируем, и эта статья не собирается подразумевать обратное.

Что это означает на практике для данного решения — вопрос более узкий, чем презентация, и более полезный, чем она. Если вы хотите сравнить обе модели на своих собственных промптах, сторона Google обойдётся вам в API-ключ и примерно десятую часть цента за изображение в 2K, и она находится на том же эндпоинте, что и всё остальное, к чему вы обращаетесь. Сторона Alibaba обойдётся вам в загрузку объёмом 33 ГБ, GPU и проверку исследовательской лицензии, прежде чем вы сможете сделать что-либо коммерческое с результатом. Автоматическое переключение при сбое между провайдерами — это ещё один момент, который здесь важен: маршрут может нести производственный трафик на измеренной модели, пока неизмеренная оценивается рядом с ней, так что оценка никогда не оказывается на критическом пути.

Какой именно, для кого?

• Выбирайте Nano Banana 2, если вы запускаете продукт. У неё есть коммерческая лицензия, цена, которую можно предсказать с точностью до доллара, место в топ-5 независимого рейтинга на обеих площадках, вывод в 4K и самый широкий диапазон соотношений в этом сравнении. Тысяча изображений 2K обойдётся примерно в $101, и генерировать их вы сможете уже сегодня днём.

• Выберите Qwen-Image 2.1, если вы занимаетесь исследованиями. Её можно бесплатно скачать, архитектура и системный промпт для переписывания промптов полностью открыты для изучения, она рендерит нативно в разрешении 2048×2048 с настоящей прозрачностью и принимает до 10 референсных изображений с локальными правками кругами, нарисованными пометками или маской. Продавать то, что она создаёт, нельзя, и никто не измерял, насколько она хороша.

Разрыв между этими двумя абзацами — это разрыв между моделями, и это не разрыв в качестве, а разрыв в зрелости, и он сокращается по графику. Тестировщиков Qwen с ранним доступом попросили опубликовать образцы или обзоры к 29 сентября 2026 года. Когда они появятся, открытая модель перестанет быть неизвестной и станет сопоставимой, и единственным оставшимся вопросом будет лицензия. Вот главный показатель, за которым стоит следить, и это файл лицензии, а не бенчмарк.