Qwen-Image 2.1 vs Nano Banana 2: Vad du betalar per bild, och vad du betalar för att äga den

Bara en av dessa två modeller har ett pris som du kan lägga in i ett kalkylblad. Nano Banana 2 – Gemini 3.1 Flash Image-modellen, allmänt tillgänglig sedan 28 maj 2026 – kostar cirka 0,067 USD per 1024×1024-bild, 0,101 USD vid 2048×2048 och ungefär 0,151 USD i 4K-änden, med batch-läge till ungefär halva priset och textinmatning som debiteras separat med 0,25 USD per miljon tokens. Qwen-Image 2.1, som gjordes öppen källkod av Qwen-Image-teamet den 20 september 2026, har inget pris per bild alls, eftersom det inte finns någon hostad endpoint att köpa från: det är en nedladdning på 33 GB vikter under en forskningslicens som förbjuder kommersiell användning. Så den första frågan i den här jämförelsen är inte vilken modell som är bättre. Den är om du köper bilder eller köper en maskin som gör dem, och dessa två köp är inte jämförbara på det sätt som ett specifikationsblad antyder.

Prognostiserbarhet är vad ett pris per bild faktiskt köper.

Googles prissättning är ovanlig i bildkategorin för hur enkelt den låter sig omvandlas. Modellen debiterar 60 dollar per miljon utdatatokens, och eftersom bildutdata tokeniseras förutsägbart kan det översättas till siffror per bild som du kan resonera kring innan du genererar något.

• Nano Banana 2 — cirka 0,067 USD för 1024×1024, 0,101 USD för 2048×2048, ungefär 0,151 USD vid 4K, ungefär hälften av dessa summor i batchläge, plus 0,25 USD per miljon tokens för textinmatning. Tusen 2K-bilder kostar omkring 101 USD, förutsägbart på dollarn.

• Qwen-Image 2.1 — inget publicerat pris. Kostnaden är din egen GPU-tid mot ett 33 GB-paket, och modellkortets råd för begränsad hårdvara är CPU-offload via pipe.enable_model_cpu_offload(), vilket är en nödlösning snarare än en åtgärd.

Det man får för det förbrukningsbaserade priset är inte bara bilderna. Det är möjligheten att svara på ”vad kostar den här funktionen oss vid tiotusen bilder i månaden” utan att först benchmarka din egen hårdvara. Det är en verklig fördel, och den är lätt att underskatta, eftersom alternativet – egen drift – har en kostnad som är genuint svår att beräkna: den beror på din utnyttjandegrad, ditt grafikkort, din el och huruvida burken annars skulle stå oanvänd. Den ärliga jämförelsen är inte $101 per tusen mot gratis. Det är $101 per tusen mot en amorterad kostnad som du själv måste räkna fram, och de flesta team som gör räkningen upptäcker att det förbrukningsbaserade priset är konkurrenskraftigt ända tills utnyttjandegraden blir mycket hög.

Licensen är där "fria vikter" slutar vara gratis

Detta är den skarpaste skillnaden mellan de två modellerna, och det är inte ens nära.

Nano Banana 2 är en kommersiell produkt med kommersiella villkor. Du betalar per bild och du levererar det du skapar. Qwen-Image 2.1 levereras under Qwen Research License Agreement daterat den 20 september 2026, som beviljar rättigheter "ENDAST FÖR ICKE-KOMMERSIELLA ÄNDAMÅL" och anger att kommersiell användning kräver en separat licens som begärs från leverantören. Det är en förändring från den tidigare Qwen-Image-serien, som levererades under Apache 2.0 — så det öppna alternativet i denna jämförelse är öppet i den meningen att du kan läsa och köra det, inte i den meningen att du kan bygga ett företag på det.

För ett forskningsteam, en hobbyist eller någon som benchmarkar är det en utmärkt licens och nedladdningen är verkligen gratis. För ett produktteam innebär det att modellen i den här matchningen, som saknar pris per bild, inte heller har någon kommersiell väg, vilket får kostnadsjämförelsen att kollapsa helt: du väljer inte mellan $101 och något billigare, du väljer mellan en modell vars utdata du kan sälja och en som du inte kan.

Upplösning och bildförhållanden, där den öppna modellen har en verklig fördel

Bortsett från licensen gör Qwen-Image 2.1 något som Nano Banana 2 inte gör, på ett sätt som spelar roll för särskilda arbetsflöden.

• Qwen-Image 2.1 — native 2K med 2048×2048 som dokumenterad standard vid 40 inferenssteg, sju förinställningar för bildförhållande, upp till 10 referensbilder och RGBA-utdata: en äkta alfakanal, redigering av transparenta lager och motivutsökning från RGB-foton.

• Nano Banana 2 — 4K-utdata med stöd för ovanliga bildförhållanden, inklusive extremvärdena 1:4 och 1:8, vilket är en längre räckvidd än de flesta modeller erbjuder i någon riktning, och den redovisar konsistenssiffror för fem karaktärer och fjorton objekt i en enda generering.

Alfakanalen är den man bör lägga märke till. Googles modell dokumenteras inte som att den producerar transparens, och Qwen-Image 2.1 gör det inbyggt, vilket innebär att kompositeringssteget som annars skulle vara manuellt arbete – klippa ut motivet, behålla de mjuka kanterna, placera det på något annat – ligger inuti modellen i stället för efter den. Om du bygger lagerbaserade resurser på heltid är det en skillnad i arbetsflöde och inte ett kvalitetspåstående. Det är också värt att säga rakt ut att båda modellerna renderar större än de flesta arbeten behöver: 4K och 2048×2048 ligger båda bortom den punkt där begränsningen är modellen snarare än destinationen.

Ett publicerat nummer mot ett löfte

Googles modell har funnits med på båda Artificial Analysis bildtavlor sedan i vår och ligger inom topp fem för text-till-bild och bildredigering i septemberögonblicksbilden, på omkring Elo 1 320 för text-till-bild. Dess konsistenssiffror – fem karaktärer, fjorton objekt – är Googles egna, men de står bredvid en oberoende resultattavla, vilket innebär att de kan rimlighetskontrolleras mot hur modellen faktiskt presterar i blinda jämförelser.

Qwen-Image 2.1 har inget oberoende betyg. Det har ett leverantörsblogginlägg med ett Qwen-Image-Bench-diagram som ingen tredje part har reproducerat, och en praktisk rapport om tidig åtkomst från en testare i Qwen Ambassador-programmet som körde de slutliga vikterna genom ett ModelScope Studio-gränssnitt: ungefär 10–15 sekunder för text-till-bild, 18–23 sekunder för redigering, stark hantering av kameraposition och roller för flera karaktärer, och konsekvensen vid flera referenser försämras från omkring tre indatabilder och framåt. En granskare, ingen timer visas, ingen publicerad promptuppsättning. Det är den enda utomstående observationen av modellen som finns offentligt, och den bör läsas som en antydan snarare än en mätning.

Det cirkulerar också en siffra i tredjepartsrapportering som beskriver Qwen-Image 2.1 som en 20-lagers transformer. Det motsäger modellkortet, som dokumenterar en 32-lagers diffusionstransformer med enkel ström och 7B parametrar i den visuella genereringskomponenten, en Qwen3-VL 8B-textkodare och en 64-kanalig RGBA-VAE vid 16× rumslig komprimering. Använd modellkortet.

Det enda du kan göra med båda

Detta är den enda artikeln i den här omgången där motståndaren är en modell som vi faktiskt routar. Nano Banana 2 finns på OrcaRouter som google/gemini-3.1-flash-image-preview, tillsammans med resten av bildlinjen — OpenAI:s GPT-Image-familj, Googles Imagen 4-nivåer, de andra Gemini-bildförhandsvisningarna och xAI:s Grok Imagine-bildslutpunkt — allt bakom en OpenAI-kompatibel slutpunkt till leverantörens listpris utan påslag. Qwen-Image 2.1 finns inte bland de modeller vi routar, och den här artikeln kommer inte att antyda att så är fallet.

Vad det innebär i praktiken för det här beslutet är snävare än en säljpitch och mer användbart än en sådan. Om du vill jämföra de två modellerna på dina egna prompter kostar Googles sida dig en API-nyckel och ungefär en tiondels cent per bild vid 2K, och den ligger på samma endpoint som allt annat du anropar. Alibabas sida kostar dig en nedladdning på 33 GB, ett grafikkort och en granskning av forskningslicensen innan du kan göra något kommersiellt med resultatet. Automatisk redundansväxling mellan leverantörer är den andra pusselbiten som spelar roll här: en rutt kan bära produktionstrafik på en uppmätt modell medan en icke uppmätt utvärderas bredvid, så utvärderingen ligger aldrig på den kritiska vägen.

Vilken, för vem

• Välj Nano Banana 2 om du ska leverera. Den har en kommersiell licens, ett pris du kan förutse in på dollarn, en oberoende toppfem-poäng på båda resultattavlorna, 4K-utdata och det bredaste intervallet för bildförhållanden i den här jämförelsen. Kostnaden för tusen 2K-bilder är cirka $101 och du kan generera dem redan i eftermiddag.

• Välj Qwen-Image 2.1 om du forskar. Det är gratis att ladda ner, arkitekturen och systemprompten för promptomskrivning är fullt granskningsbara, den renderar nativt i 2048×2048 med äkta transparens och tar upp till 10 referensbilder med lokala redigeringar via cirkel, målad annotering eller mask. Du får inte sälja det den producerar, och ingen har mätt om den är något att ha.

Klyftan mellan de två styckena är klyftan mellan modellerna, och det är inte en kvalitetsklyfta – det är en mognadsklyfta, och den sluts enligt ett schema. Qwens testare med tidig åtkomst ombads publicera prover eller recensioner senast den 29 september 2026. När de väl kommer upphör den öppna modellen att vara en okänd och börjar bli jämförbar, och den enda frågan som återstår blir licensen. Det är siffran att hålla koll på, och det är en licensfil snarare än ett benchmark.