Nano Banana 2.1: Gemini-bildmodellen, dess familj och vad den kostar

Nano Banana 2.1 är den bildgenererings- och konversationsredigeringsmodell som leverantören tillhandahåller under API-identifieraren gemini-nano-banana-2.1. Leverantörens egen dokumentation anger produktnamnet Gemini Nano Banana 2.1 och kallar den en uppdatering av Nano Banana 2, vars identifierare är gemini-3.1-flash-image. Två andra modeller ramar in den i samma familj: Nano Banana 2 Lite (gemini-3.1-flash-lite-image) under den, och Nano Banana Pro (gemini-3-pro-image) över den. Det är så det ligger till – en bildfamilj i tre nivåer med en fjärde, äldre medlem som fortfarande dokumenteras – och det mesta av förvirringen kring namnet kommer från att produktnamnen och slutpunktssträngarna aldrig fick stämma överens. Den här sidan är referensen för själva modellen: vad den är, vem som publicerar den, vad du kan mata in och få tillbaka, vad leverantören hävdar och hur du når den i dag. Alla siffror nedan är citerade från leverantörens eget modellkort, guide för bildgenerering, prissättningssida och ändringslogg så som de ser ut den 13 oktober 2026, och var och en är märkt som leverantörsrapporterad; den enda oberoende källan som används namnges där den förekommer.

Vad det är, och varför identifieraren är den del som spelar roll

Leverantörens modellkatalog listar gemini-nano-banana-2.1 med statusen "Ny stabil" och beskrivningen "Högeffektiv bildgenererings- och redigeringsmodell med förbättrad visuell kvalitet, typografi och konsekvens över flera turer." Bildgenereringsguiden beskriver den ännu mer rakt på sak: den är "en uppdatering av Nano Banana 2 som fungerar som den primära högeffektiva arbetshästmodellen för bildgenerering och konversationsredigering."

Namngivningen är det första praktiska problemet en läsare stöter på, så det är värt att säga rakt ut. I den här familjen går produktnamnet inte att härleda från identifieraren:

• Nano Banana 2.1 — produktnamn "Gemini Nano Banana 2.1", API-id gemini-nano-banana-2.1, den nuvarande högeffektiva arbetshästen.

• Nano Banana 2 — API-id gemini-3.1-flash-image. Inget versionsnummer i identifieraren överhuvudtaget, vilket är anledningen till att "Nano Banana 2" och "gemini-3.1-flash-image" är samma modell.

• Nano Banana 2 Lite — API-id gemini-3.1-flash-lite-image. Googles guide kallar den för familjens effektivitetsspecialist, byggd för ultralåg latens och interaktiv användning i hög volym.

• Nano Banana Pro – API-id gemini-3-pro-image, beskriven som en professionell designmotor med en resonemangskärna, inriktad på komplexa layouter och exakt textrendering.

Om du kopplar upp något är identifieraren det pålitliga handtaget och marknadsföringsnamnet är det inte. Detta är inte en stilistisk poäng: Googles ändringslogg flyttade gemini-3.1-flash-image till utfasad status samma dag som den släppte gemini-nano-banana-2.1, och posten om utfasad status gör sitt arbete i identifierare snarare än i marknadsföringsnamn.

Vem ger ut det?

Google gör det, och publicerar den som en hostad API-modell snarare än en nedladdningsbar sådan – det finns ingen checkpoint att hämta och ingen licens att läsa, eftersom vikterna inte släpps. Det auktoritativa materialet är Googles egen uppsättning dokumentation för Gemini API: modellkatalogen och modellkortet per modell på ai.google.dev, guiden för bildgenerering, prissidan och ändringsloggen för Gemini API. Där den här sidan anger en siffra är det källan, och det är en leverantörskälla.

Familjerelationen spelar större roll än utgivarlinjen, eftersom den avgör vad du faktiskt kan välja mellan. Jämfört med Nano Banana 2, sin omedelbara föregångare, är 2.1 den generation som Google styr nya projekt mot; jämfört med Nano Banana 2 Lite ger 2.1 ett högre tak till ett matchande instegspris, eftersom båda faktureras med $0.0336 för en 1K-bild (leverantörsprissättning, standardnivå). Lite avstår från det på tre dokumenterade sätt: den stöder endast 1K-utdata, den har ingen Search-grounding, och Googles guide säger att den "inte är optimerad för flera referensindata eller sekventiell redigering över flera turer". Om din arbetsbelastning är en bild in och en bild ut i volym är Lite det billigare teknikvalet; om du behöver 2K eller 4K, flera referenser eller en konversation med bilden är Lite inte en kandidat alls.

Vad den tar emot och vad den returnerar

Det är här modellen är bredare än vad namnet antyder, och det är värt att läsa av leverantörens modellkort i stället för att sluta sig till det utifrån ordet "bild". Googles modellkort för gemini-nano-banana-2.1 listar de godkända indatatyperna som Text, Bild, Video och PDF, och utdatatyperna som Bild och Text. Så inputsidan tar en prompt, en eller flera bilder, video eller ett PDF-dokument – inte enbart text – och outputsidan kan returnera text tillsammans med bilden, vilket är det som gör konversationsbaserad redigering möjlig: modellen kan svara om bilden den just skapade eller ändrade.

Resten av enveloppen, allt leverantörsrapporterat från modellkortet, guiden och ändringsloggen:

• Utdataupplösningar – 1K, 2K och 4K. Nivån på 512px (0,5K) som Nano Banana 2 erbjuder stöds uttryckligen "inte på Gemini Nano Banana 2.1", så på den här modellen är lägsta nivån 1K. Parametrar måste använda versalt K; Googles guide anger att gemena värden som 1k avvisas.

• Bildförhållanden – guiden publicerar nu en tabell per modell och kolumnen för 2.1 innehåller fjorton: 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9 och 21:9. Det inkluderar de breda och panoramiska bildförhållandena 1:4, 4:1, 1:8 och 8:1, som guiden också tillskriver Gemini 3.1 Flash Image. Lite listar endast de tio konventionella bildförhållandena.

• Referensbilder — "Blanda upp till 14 referensbilder för att skapa den slutliga bilden," enligt guiden, och guidens tabell tilldelar nu budgeten per modell, vilket den inte gjorde tydligt när den här sidan först utformades. För kolumnen med rubriken "Gemini Nano Banana 2.1 & Gemini 3.1 Flash Image" är fördelningen upp till 10 objektbilder med hög återgivning och upp till 4 bilder för karaktärskonsistens; guidens löpande text ger samma siffror, där det står att 2.1 stöder "karaktärslikhet hos upp till 4 karaktärer och troheten hos upp till 10 objekt i ett enda arbetsflöde." Stilreferenser listas endast för Gemini 3 Pro Image, så räkna inte med dem här.

• Token-gränser – 131 072 indatatoken och 32 768 utdatatoken, enligt modellkortet. Kortet anger ingen kunskapsavgränsning för den här modellen.

• Tänkande – stöds, och guiden är tydlig med att det på Gemini 3-bildmodellerna är "aktiverat som standard och kan inte inaktiveras i API:et." Modellen genererar upp till två tillfälliga bilder för att testa komposition och logik, och dessa tankebilder är synliga i backend men debiteras inte. En thinking_level kan ställas in i genereringskonfigurationen; guidens eget exempel skickar high.

• Grundning – Sökbaserad grundning listas som stödd på modellkortet, och ändringsloggen tillskriver 2.1 Google Search-grundning. Nano Banana 2 Lite har det inte.

• Vattenmärkning — "Alla genererade bilder innehåller en SynthID-vattenstämpel." Det gäller för hela familjen och är inte valfritt.

• Vad kortet markerar som ej stött — ljudgenerering, cachning, kodexekvering, filsökning, funktionsanrop, Google Maps-groundning, Live-API:et, strukturerade utdata och URL-kontext. Batch-API stöds; Flex- och Priority-inferens gör det inte.

Textrendering och redigering, enligt dokumentation

Två dokumenterade beteenden skiljer en modell som den här från en vanlig text-till-bild-slutpunkt, och Google beskriver båda i guiden för bildgenerering snarare än i ett benchmark.

Det första är typografi. Guiden listar förmågan som "Avancerad textåtergivning: Kan generera läsbar, stiliserad text för infografik, menyer, diagram och marknadsföringsmaterial", och ändringsloggen tillskriver specifikt 2.1 förbättrad textåtergivning. Modellkortet upprepar det i ordet "typografi". Det är värt att vara precis om vad det är: en beskrivning av en förmåga, inte en uppmätt träffsäkerhetsgrad. Google publicerar ingen siffra för teckenfel, ingen läsbarhetspoäng och ingen jämförelse mot sin egen tidigare modell i en textåtergivningsuppgift, så den som citerar en siffra för hur bra 2.1 återger bokstäver citerar något annat än Google.

Den andra är redigering, som guiden behandlar som modellens samtalsläge. Vid en redigering "kommer modellen att matcha originalbildens stil, ljussättning och perspektiv" — redigeringen tillämpas inom den befintliga bildrutan i stället för att producera en ny bild i samma genre. För inpainting är instruktionen ännu snävare: ändra endast det element du namnger och behåll "den ursprungliga stilen, ljussättningen och kompositionen." Changeloggens huvudpåstående för 2.1 på denna axel är förbättrad karaktärskonsekvens över flera turer, vilket är egenskapen som avgör om ett objekt eller en person klarar fem sekventiella redigeringar och fortfarande ser ut som sitt ursprungliga jag. Det påståendet är rapporterat av leverantören och är i dag inte reproducerat utanför Google.

Vad Google påstår kontra vad som faktiskt har uppmätts

Googles ändringsloggspost för den 6 oktober 2026 säger att 2.1 "bibehåller Flash-nivå på hastighet och kostnadseffektivitet" samtidigt som den tillför "betydande förbättringar av bildkvalitet, promptföljsamhet, karaktärskonsekvens över flera turer, textrendering" och breda och panoramiska bildförhållanden. Modellkatalogen tillägger "förbättrad bildkvalitet, typografi och konsekvens över flera turer". Det är leverantörens egna ord, de är riktningsgivande snarare än kvantifierade, och inget benchmark som leverantören själv har kört åtföljer dem.

Tre saker följer, och de är det ärliga bevisläget snarare än en gardering.

För det första publicerar Google inga egna benchmark-siffror för Nano Banana 2.1 – ingen Elo, ingen vinstfrekvens, ingen poäng av något slag på sina dokumentationssidor. Om en siffra om den här modellens kvalitet presenteras som Googles, är det en siffra som Google inte har publicerat.

För det andra finns det ingen direktjämförelse från leverantören mellan Nano Banana 2.1 och Nano Banana 2 vid matchade inställningar. Google hävdar förbättringar från en generation till nästa; företaget har inte publicerat en parkopplad utvärdering vid matchade promptar, matchade upplösningar och matchad ansträngningsnivå som skulle låta en läsare väga dem. Den som antyder en uppmätt skillnad mellan de två antyder något som ingen har kört.

För det tredje finns det faktiskt oberoende utvärdering, och ramverket är värt att namnge så att läsaren kan bedöma det: Artificial Analysis kör Nano Banana 2.1 i sin Image Arena, som omfattar både text-till-bild och bildredigering och publicerar rösterna bakom sina poäng. Det är den tredjepartskälla som bör användas för placering. Den specifika placeringen och det Elo som modellen har där är en annan fråga än den som den här sidan besvarar, och den beräknas enligt ett schema som den här sidan inte råder över — kontrollera den vid källan i stället för mot en siffra som kopierats varifrån som helst, inklusive från oss.

Hur man får tillgång idag, och vad det kostar

Åtkomst sker via Googles eget API. Du anropar Gemini API med modellidentifieraren gemini-nano-banana-2.1; den identifieraren är den stabila, och det är vad ändringsloggens utfasningspost för gemini-3.1-flash-image anger som migreringsmål. Det finns ingen egenhostad väg, ingen nedladdning av vikter och ingen community-checkpoint, eftersom ingen i bildfamiljen släpps på det sättet.

Prissättning, allt från Googles prissida på standardnivån och allt leverantörsrapporterat:

• Tokens – indata 1,50 USD per 1 miljon tokens för text, bild och video; utdata 7,50 USD per 1 miljon tokens för text och tänkande, samt 30,00 USD per 1 miljon tokens för bilder.

• Per bild — 0,0336 USD vid 1K, 0,0504 USD vid 2K och 0,113 USD vid 4K. Google publicerar också en uträknad ekvivalens för 1K-fallet: en 1024×1024-utdata förbrukar 1 120 bildtokens.

• Batch – halva standardpriset: $0.75 per 1 miljon indatatoken och $15.00 per 1 miljon bildtoken, vilket motsvarar $0.0168 / $0.0252 / $0.0567 per 1K / 2K / 4K-bild, i utbyte mot en handläggningstid på upp till 24 timmar.

• Grundning – ingen separat radpost på själva bilden. Google paketerar grundning för webbsökning och bildsökning med Gemini 3-bildmodellerna till 5 000 kostnadsfria sökförfrågningar per månad, delade mellan alla Gemini 3 och nyare modeller, därefter 14 USD per 1 000 förfrågningar; hämtad kontext faktureras inte som indatatokens.

• Gratisnivå — kolumnen Gratisnivå på prissidan visar "Ej tillgänglig" för varje siffra ovan. Det finns ingen kostnadsfri kvot för bildutdata för den här modellen. Om en sådan visas kommer den att visas där och ingen annanstans.

• Nivåjämförelse inom familjen – Nano Banana 2 Lite kostar $0.0336 per 1K-bild, identiskt med 2.1:s 1K-pris, men publicerar inget pris för 2K eller 4K eftersom den inte hanterar de storlekarna. Nano Banana 2 (Gemini 3.1 Flash Image) kostar $0.067 per 1K och $0.101 per 2K, så 2.1 är billigare vid varje storlek de delar. Nano Banana Pro (Gemini 3 Pro Image) kostar $0.134 per 1K- eller 2K-bild och $0.24 vid 4K, ungefär dubbelt så mycket som 2.1:s pris upp till 2K och drygt dubbelt vid 4K.

• Den äldre medlemmen, för fullständighetens skull – den ursprungliga Nano Banana (gemini-2.5-flash-image) är föråldrad och prissidan har ett nedstängningsmeddelande daterat den 2 oktober 2026. Den modellen är inte en nivå under 2.1 i någon levande bemärkelse; familjens ingångsmodell är nu Nano Banana 2 Lite.

En siffra i den uppsättningen går inte ihop, och det är värt att säga det i stället för att välja den prydligare siffran. Googles prissida anger att en 4K-bild på den här modellen förbrukar 3 780 tokens och anger $0,113 per 4K-bild; de två stämmer överens vid $30 per 1 miljon bildtokens. Bildgenereringsguidens tabell per modell ger samma tokenantal för 1K och 2K som prissidan (1 120 och 1 680) men listar 2 520 för 4K, vilket med samma taxa skulle bli cirka $0,0756. Båda är Googlesidor och de säger emot varandra. Priset är siffran att hålla fast vid, eftersom det är den på sidan som debiterar dig, och avvikelsen är precis en sådan sak som man bör dubbelkolla vid källan innan man bygger en kostnadsmodell på den.

En rad till som en läsare kan vilja ha, sagt för vad det är: Nano Banana 2.1 finns inte med på OrcaRouters aktuella modellista i dag, så den här sidan gör inget anspråk på att anropa den här. Vad som finns på den listan är dess direkta föregångare under identifieraren google/gemini-3.1-flash-image-preview, vilken är modellen vars strängar migrerar till 2.1. OrcaRouter för vidare leverantörens listpris med 0 % påslag på de modeller den dirigerar, så en ändring av leverantörens pris på en dirigerad modell slår igenom här samma dag i stället för med fördröjning — vilket är egenskapen att kontrollera för i den här familjen när Google fortsätter att göra om dess nivåindelning.

Den korta versionen

Nano Banana 2.1 är Googles Gemini-bildmodell i mellanklassen: text, bild, video och PDF in; bild och text ut; 1K, 2K och 4K; upp till 14 referenser uppdelade på tio objekt och fyra karaktärer; grundning via Webb- och bildsökning; SynthID på varje utdata; tänkande på som standard; 0,0336 USD per 1K-bild. Den ligger över Nano Banana 2 Lite, som matchar dess 1K-pris men stannar vid 1K och tappar sökgrundning, och under Nano Banana Pro, som har ungefär dubbelt så hög taxa och är den dyra vägen till komplexa layouter och exakt text. Dess identifierare, gemini-nano-banana-2.1, är det enda namn som inte vilseleder dig – och kvalitetsanspråken som följer med det är Googles ord, inte återgivna. Modellsidan är platsen att lära sig vad den är; om du väljer den utifrån en kvalitetsskillnad gentemot Nano Banana 2, är den enda platsen där den skillnaden vägs den oberoende arenan, inte leverantörens releaseinformation.