Images 2.6 vs Nano Banana 2.1: Animering mot en upplösningsstege

Endast en av dessa två modeller kan skapa en rörlig fil, och det är inte den med det bättre benchmarkresultatet. Images 2.6, OpenAIs lansering den 4 november 2026 – GPT-Image-2.6 Sunburst för kvalitet, GPT-Image-2.6 Flare för hastighet – lade till generering av animerade GIF-filer i ett enda steg, SVG-export och markupstyrda redigeringar. Nano Banana 2.1, Googles modell som bygger på Gemini 3.6 Flash och som varit allmänt tillgänglig sedan 6 oktober 2026, lade inte till något av det. Det den lade till var en prissänkning och en upplösningsstege: namngivna utdatanivåer på 1K, 2K och 4K, upp till 14 referensbilder och bildförhållanden så extrema som 8:1.

Valet mellan dem är därför inte en kvalitetstävling. Det handlar om vilken form din leverabel tar. Ett team som gör animerade klistermärken, loopande inlägg för sociala medier eller korta förklarande bildrutor har en kandidat här. Ett team som gör produktbilder i tryckupplösning eller breda bannerformat har den andra. Först därefter spelar benchmarken roll, och när den gör det är siffrorna mindre smickrande för nykomlingen än vad rapporteringen kring lanseringen antyder.

Var benchmarks faktiskt står

Artificial Analysis, läst den 5 november 2026:

• AA-Image-Editing v2.1 — Nano Banana 2.1 på 1 151 Elo över 6 937 prover; GPT Image 2.5 Sunburst (max) på 1 199 över 18 300. Images 2.6 har ingen rad.

• AA-Image-T2I v2.1 — Nano Banana 2.1 på 1 176 över 6 274 prover, rankad fyra; GPT Image 2.5 Sunburst på 1 224, rankad etta, med GPT Image 2 (high) på 1 188 på tredje plats. Images 2.6 har inte heller någon rad här.

• Googles egna siffror — 1 050 Elo för Nano Banana 2.1 i Thinking-läge mot 990 för Nano Banana 2 och 935 för Nano Banana Pro. Leverantörsrapporterade och på en annan skala än AA-tavlorna; blanda inte dem.

Det man med säkerhet kan säga är att Nano Banana 2.1 är en modell i mitten av fältet enligt oberoende redigeringsmått och en stark fjärdeplats på text-till-bild, samt att dess föregångare ligger 48 poäng lägre på redigering. Det tredje – huruvida Images 2.6 är bättre – är ännu inte ett faktum. Den närmaste approximationen är att OpenAI:s tidigare generation leder båda listorna med en marginal som är större än konfidensintervallen, och att den angivna förbättringen i 2.6 gäller konsekvens över en sekvens av redigeringar snarare än ett språng i kvalitet per bild.

Upplösningstrappan, i detalj

Det är här Nano Banana 2.1 ligger strukturellt före, och det är ingen marginell fördel.

• Utdatanivåer — 1K, 2K och 4K som namngivna, prissatta alternativ. Images 2.6 säljer inte upplösning på det sättet; utdatastorleken impliceras av tokenbudgeten, och OpenAI publicerar ingen 2K- eller 4K-nivå med ett pris kopplat.

• Bildförhållanden – upp till 8:1 åt båda hållen på Nano Banana 2.1. En leaderboard-banner på 3 200 × 400 är en förstklassig förfrågan, inte en beskärning. Images 2.6 ärver vad 2.5-generationen stödde, vilket OpenAI inte dokumenterar som ett explicit intervall.

• Referensbilder — upp till 14 på Nano Banana 2.1, strukturerat som fyra karaktärer och tio objekt. Images 2.6 lägger till återanvändbara sparade referensbilder i ChatGPT och accepterar bildinmatning på båda slutpunkterna, men inget maximalt antal publiceras.

• Kontext — ungefär 131K indatatokens och 32K utdatatokens på Nano Banana 2.1, med sökgrounding tillgänglig. Images 2.6 publicerar inget kontextfönster; dess modellsidor listar text- och bildindata samt bildutdata och inget mer.

• Redigeringskontroll — maskbaserade lokala redigeringar och tre tänknivåer på Nano Banana 2.1; markup-styrda redigeringar plus den nya parametern komplexitet på Images 2.6. Dessa är nära släktingar: båda låter dig tala om för modellen hur mycket eftertanke den ska lägga ned och var den ska tillämpas.

Den praktiska konsekvensen är att Nano Banana 2.1 är den enda av de två som du kan specificera i ett avtal. "Producera en 4K-bild i 16:9, fakturerad enligt den publicerade 4K-taxan" är en mening du kan skriva in i en arbetsbeskrivning. Den motsvarande meningen för Images 2.6 är en tokenbudget och en uppskattning.

Prisjämförelsen har en genuin tvetydighet

Nano Banana 2.1-utdata debiteras med $30 per miljon bildtoken, ner från $60 för Nano Banana 2 – halveringen som gjorde lanseringen nyhetsvärdig. I praktiken är det $0,0336 vid 1K och $0,0504 vid 2K. Batchprissättningen halverar båda igen.

Vid 4K går källorna isär, och meningsskiljaktigheten är inte kosmetisk. Vissa medier rapporterar $0.0756; andra, bland dem TechRepublic och heise, rapporterar $0.113, med motiveringen att antalet 4K-token steg till ungefär 3 780. Båda siffrorna förekommer i seriösa artiklar om samma lansering. Om du budgeterar en 4K-pipeline är det en svängning på 50 % på din största utgiftspost, och det är värt att reda ut mot Googles egen prislista i stället för någon sekundär källa – inklusive den här.

En sak som faktiskt rörde sig i fel riktning: Nano Banana 2.1 höjde priset för indata till $1.50 per miljon tokens från $0.50, med text- och thinking-utdata på $7.50 per miljon. För redigeringsintensiva arbetsflöden som skickar stora källbilder kan sänkningen på utdatasidan delvis ätas upp av höjningen på indatasidan, och nettobesparingen är mindre än rubriken.

Images 2.6 kostar, för jämförelsens skull, $5 per miljon textindata, $8 per miljon bildindata och $30 per miljon bildutdata. Batchpriserna är hälften av dessa siffror, men modellsidorna för 2.6 listar /v1/batch som inte stöds, så greenfield-batchprissättning är ännu inte tillgänglig för den här modellen. Per bild ligger uppskattningarna nära $0.006 vid låg kvalitet, $0.013 vid medium, $0.053 vid hög och $0.21 vid max – härledda från tokenbudgetar som förts över från 2.5-generationen, inte publicerade siffror för 2.6.

Ställer man de två mot varandra vid de inställningar som spelar roll är bilden inte den som lanseringsbevakningen målade upp. Vid 2K kostar Nano Banana 2.1 $0.0504. Images 2.6 i hög kvalitet kostar cirka $0.053. De ligger inom fem procent av varandra. Googles prissänkning gjorde inte Nano Banana 2.1 dramatiskt billigare än en konkurrent som mäts i tokens; den gjorde den ungefär likvärdig med en som körs i hög kvalitet, och billigare endast mot xhigh och max.

Den jämlikheten är argumentet för att hålla båda nåbara från en och samma plats. OrcaRouter för vidare leverantörens listpris med 0 % påslag, vilket innebär att en leverantörsprissänkning är live på vår sida samma dag som den landar uppströms, snarare än närhelst en återförsäljare sätter nytt pris — och en routingregel kan skicka trafik till den av två nästan identiska kostnader som är frisk. Google har redan avvecklat en bildmodell det här kvartalet; förmågan att flytta en modellsträng i stället för att bygga om en integration är värd mer än en bråkdel av ett öre.

Migreringen som Google faktiskt rekommenderar

Något mer subtilt än en avstängning pågår på Googles sida. Den aktuella dokumentationen för bildgenerering, läst den 5 november 2026, listar fem modeller i Nano Banana-familjen — Nano Banana 2.1 (gemini-nano-banana-2.1), Nano Banana 2 Lite (gemini-3.1-flash-lite-image), Nano Banana 2 (gemini-3.1-flash-image), Nano Banana Pro (gemini-3-pro-image) och den äldre modellen Gemini 2.5 Flash Image. Nano Banana 2 är fortfarande listad och fortfarande anropbar, utan något avstängningsdatum kopplat till sig; dokumentationens vägledning är att alla nya projekt bör använda Nano Banana 2.1, vilket är en rekommendation snarare än en avveckling.

Två detaljer gör att rekommendationen inte är så okomplicerad som den verkar. Nano Banana 2 Lite är nu den snabbaste och billigaste nivån, beskriven som avsedd för snabbhet och skala snarare än flera referenser eller redigering över flera turer – så "migrera till 2.1" är inte automatiskt det kostnadsoptimala draget för enkel generering i hög volym. Och Googles egen avvecklingssida är tydlig med att de datum som publiceras är "de tidigaste möjliga datumen då en modell kan avvecklas", med löfte om varsel före en faktisk nedstängning. En modell utan något datum alls är inte en modell på väg att fasas ut.

Den kommersiella haken är dock verklig. I Gemini-appen får gratis användare fortfarande Nano Banana 2, medan 2.1 kräver ett AI Pro-, Plus- eller Ultra-abonnemang, och det finns ingen gratisnivå för 2.1 på API:et. Ett team som prototypade på gratisnivån och nu går till produktion kommer att upptäcka att testmiljön och produktionsmiljön inte längre använder samma modell – en pålitlig källa till "det fungerade i staging"-fel.

Vad dokumentationen säger, och vad den inte säger

Värt att säga rakt ut, eftersom det är skillnaden mellan en produkt och ett tillkännagivande.

Bilder 2.6: modellsidorna för gpt-image-2.6-sunburst finns nu på OpenAIs utvecklardokumentation, med prissättning, vilka endpoints som stöds – endast bildgenerering och bildredigering, inte chat completions eller responses – samt modalitetsdeklarationer. Sidorna hänvisar till bildguiden för "komplexitetsinställningen, markup-styrda redigeringar, SVG-utdata och animerad GIF-utdata". De anger inte några upplösningsalternativ, något maximalt antal referensbilder, någon GIF-längd, bildfrekvens eller några filstorleksgränser.

Nano Banana 2.1: fullständigt dokumenterad, med namngivna nivåer, publicerade priser per bild, en budget för referensbilder, ett intervall för bildförhållanden och ett kontextfönster. Det är ett specifikationsblad som du kan designa utifrån.

Gapet spelar särskilt stor roll för GIF-funktionen. Generering av animerade GIF:ar är lanserad och fungerar i ChatGPT. Huruvida /v1/images/generations-slutpunkten returnerar en animerad fil har inte bekräftats av något offentligt test, och OpenAIs egen dokumentation beskriver funktionen i en guide snarare än i slutpunktsreferensen. Om animering är anledningen till att du överväger Images 2.6 bör du verifiera det med ett riktigt API-anrop innan du bygger något kring det.

Att välja mellan dem

Välj Nano Banana 2.1 om dina leverabler ska ha tryckupplösning eller ovanliga proportioner, om du behöver fler än ett dussin referenser i ett enda anrop, om du behöver ett dokumenterat specifikationsblad att skriva in i ett avtal, eller om du migrerar från den utfasade Nano Banana 2 och vill ta den kortaste vägen — det är det sanktionerade målet och prissättningen publiceras på alla nivåer.

Take Images 2.6 om dina leverabler rör sig. GIF-pipelinen är den enda funktionen i den här jämförelsen som saknar motsvarighet på Googles sida, och den är ingen nyhet: möjligheten att animera ett uppladdat fotografi med redigering per bildruta och hastighetskontroll ersätter ett videogenereringssteg för en hel klass av kortformatigt arbete. SVG-export är den andra funktionen utan motsvarighet, och för ikon- och logotypsystem är den avgörande. Markupstyrd redigering är en tredje, och den är en genuint bättre interaktion än att rita en mask för vissa typer av ändringar.

Om ingen av beskrivningarna passar – om du producerar statiska 2K-bilder i volym och bara vill ha den bättre modellen – är svaret att bevisen inte finns ännu. GPT Image 2.5 Sunburst leder över Nano Banana 2.1 med 48 poäng inom redigering och 48 inom text-till-bild, båda utanför konfidensintervallen, och Images 2.6 har inte poängsatts. Att vänta två veckor på en Elo-rad kostar ingenting och kostar dig sannolikt inte heller något i möjligheter, eftersom ingen av modellerna kommer att dras tillbaka före dess.