MAI Image 2.7 Preview vs Nano Banana 2.1: 42 Elo ให้ผลอะไรได้จริง

ตัวเลขแทบทุกตัวในการเปิดตัว MAI Image 2.7 Preview เป็นไปไม่ได้เลยที่จะนำไปเปรียบเทียบกับอะไรก็ตาม โมเดลนี้เปิดตัวเมื่อวันที่ 27 ตุลาคม 2026 ด้วยคะแนน 1,193 Elo บนบอร์ด AA-Image-Editing v2.1 ของ Artificial Analysis และโมเดลส่วนใหญ่ที่คุณอยากนำมาเทียบด้วยนั้นถูกวัดเมื่อหลายสัปดาห์ก่อนบนบอร์ดที่ได้เปลี่ยนแปลงไปแล้วนับจากนั้น Nano Banana 2.1 เป็นข้อยกเว้น โมเดลของ Google อยู่ในเวอร์ชันเดียวกันของบอร์ดเดียวกันด้วยคะแนน 1,151 จากผลการประเมินวันที่ 22 ตุลาคม 2026 ชุดเดียวกัน — ดังนั้น 1,193 ลบ 1,151 จึงเป็นการลบที่คุณได้รับอนุญาตให้ทำได้ ช่องว่างคือ 42 Elo และเป็นการเปรียบเทียบแบบตัวต่อตัวที่ตรงไปตรงมาเพียงรายการเดียวที่การเปิดตัวนี้มอบให้คุณ

นั่นทำให้สองโมเดลนี้เป็นคู่ที่ลงตัวสำหรับคำถามที่ทุกคนสงสัยจริง ๆ: ตัวแก้ไขภาพที่ดีที่สุดบนกระดานจัดอันดับคุ้มค่าที่จะใช้แทนตัวเลือกที่ดีในราคาถูกที่สุดที่มาพร้อมมาสก์ เอาต์พุต 4K ภาพอ้างอิงสิบสี่ภาพ และราคาที่ประกาศไว้หรือไม่? คำตอบกลับขึ้นอยู่กับเลขคณิตชิ้นหนึ่งที่ยังไม่มีใครนำมาใช้กับการลดราคาของ Nano Banana 2.1

ทำไมการเปรียบเทียบนี้จึงเป็นการเปรียบเทียบเดียวที่ยุติธรรมบนกระดาน

กระดานจัดอันดับไม่ใช่เทอร์โมมิเตอร์ พวกมันคือประชากรที่เคลื่อนไหว — โมเดลเข้ามา โมเดลถูกเลิกใช้ คะแนนโหวตสะสม — และคะแนนจะมีความหมายก็ต่อเมื่อเทียบกับตัวเลขอื่นที่บันทึกไว้ในการวัดรอบเดียวกัน นี่คือกับดักในการรายงานข่าวส่วนใหญ่เกี่ยวกับการเปิดตัว 2.7 แผนภูมิของ Microsoft เองวาง 2.7 ไว้ที่ 1,193, GPT Image 2.5 Sunburst ที่ 1,199, GPT Image 2.5 Flare ที่ 1,182, MAI-Image-2.6 ที่ 1,151, Krea 3 Ultra ที่ 1,151, Nano Banana 2.1 ที่ 1,151, MAI-Image-2.6-Flash ที่ 1,144 และ GPT Image 2 ที่ 1,136 — ทั้งหมดมาจากการรัน AA-Image-Editing v2.1 ครั้งเดียวกัน ซึ่งเป็นสิ่งที่ทำให้แผนภูมิทั้งหมดนี้นำไปอ้างอิงได้ Elo หกคะแนนแยก 2.7 จากอันดับสูงสุด และหกคะแนนนั้นอยู่ในระดับสัญญาณรบกวนที่กระดานโหวตแบบไม่ระบุตัวตนสามารถขยับได้ในหนึ่งสัปดาห์

สิ่งที่ไม่ใช่สัญญาณรบกวนคือรูปร่างของการกระจายตัว ระหว่าง 1,136 ถึง 1,199 มีแปดโมเดลจากสี่แล็บ โดยทั้งหมดอยู่ภายในช่วง 63 คะแนน ในด้านการแก้ไขภาพ แนวหน้าด้านบนนั้นแน่นขนัด และ 42 คะแนน — ช่องว่างระหว่าง 2.7 ถึง Nano-Banana-2.1 — คิดเป็นประมาณสองในสามของช่วงการกระจายทั้งหมดของแปดอันดับแรก มันเป็นการแยกออกจากกันจริงภายในสนามที่ถูกบีบอัด และยังเล็กพอที่ภาระงานเฉพาะบางอย่างจะพลิกกลับได้

บรรทัดสเปก พร้อมช่องว่างที่ทำเครื่องหมายไว้

• เปิดตัว — Nano Banana 2.1 เปิดตัวเมื่อวันที่ 6 ตุลาคม 2026 แทนที่ Nano Banana 2 และอยู่ในตำแหน่งต่ำกว่า Nano Banana Pro ในไลน์ผลิตภัณฑ์ของ Google; MAI Image 2.7 Preview เปิดตัวเมื่อวันที่ 27 ตุลาคม 2026

ขอบเขต — Nano Banana 2.1 สร้างและแก้ไขภาพ โดยสร้างบน Gemini 3.6 Flash; 2.7 เป็นการแก้ไขภาพเท่านั้น โดยมีฟีเจอร์ข้อความเป็นภาพที่ให้สัญญาไว้แต่ยังไม่เปิดให้ใช้งาน

• เอาต์พุต — Nano Banana 2.1 มีให้เลือกทั้ง 1K, 2K และ 4K พร้อมอัตราส่วนภาพตั้งแต่ 1:8 ถึง 8:1 ขณะที่ Microsoft ยังไม่ได้ประกาศความละเอียดสำหรับ 2.7

• ข้อมูลอ้างอิง — สูงสุดสิบสี่รายการสำหรับ Nano Banana 2.1 แบ่งเป็นสี่ตัวละครและสิบวัตถุที่คงความสอดคล้องกัน; ยังไม่เผยแพร่สำหรับ 2.7

• การควบคุม — Nano Banana 2.1 รองรับการแก้ไขเฉพาะจุดแบบใช้มาสก์ โดยคุณระบายพื้นที่หนึ่งและมีเพียงพื้นที่นั้นที่เปลี่ยนแปลง พร้อมระดับการคิดสามระดับ; Microsoft อธิบายจุดแข็งของ 2.7 ตามกรณีการใช้งาน — การเปลี่ยนสไตล์ การจัดแสงใหม่ การแก้ไขข้อความและสัญลักษณ์ — โดยไม่มีอินเทอร์เฟซมาสก์ที่เผยแพร่

ราคา — Nano Banana 2.1 อยู่ที่ $0.0336 ต่อภาพ 1K, $0.0504 ที่ 2K และ $0.113 ที่ 4K ผ่าน Gemini API โดยงานแบบแบตช์มีราคาลดลงอีกครึ่งหนึ่ง; 2.7 ไม่มีอัตราราคาที่เผยแพร่

• การเข้าถึง — Nano Banana 2.1 อยู่ในแอป Gemini, AI Studio, Gemini API, โหมด AI ของ Search, Google Ads, Flow และ Stitch; ส่วน 2.7 อยู่ใน MAI Playground, Arena และ Artificial Analysis โดยไม่มี API และไม่มีการลงรายการใน Foundry

ตารางที่คุณจะวาดจากสิ่งนั้นไม่ใกล้เคียงในเรื่องใดเลยยกเว้นคะแนน ดังนั้นคะแนนควรจะต้องคุ้มค่ามาก

การลดราคา 50% ที่โด่งดังนั้นน้อยกว่าที่ฟังดู

พาดหัวของ Google สำหรับ Nano Banana 2.1 คือต้นทุนเอาต์พุตภาพเหลือครึ่งหนึ่งของเดิม คือ 30 ดอลลาร์ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน ลดลงจาก 60 ดอลลาร์ ซึ่งเป็นความจริง และสำหรับการแปลงข้อความเป็นภาพล้วน ๆ ถือเป็นการลดลงราวครึ่งหนึ่ง เพราะค่าใช้จ่ายส่วนใหญ่อยู่ที่เอาต์พุต

การแก้ไขเป็นคำขออีกรูปแบบหนึ่ง การแก้ไขนำภาพต้นฉบับเข้ามาเป็นโทเค็นอินพุตพร้อมกับสร้างภาพออกมา และในเวลาเดียวกัน Google ก็ขึ้นราคาอินพุต — จาก $0.50 เป็น $1.50 ต่อล้านโทเค็น เพิ่มขึ้นเป็นสามเท่า เอาต์พุตข้อความและการให้เหตุผลเพิ่มจาก $3 เป็น $7.50 ต่อล้าน ดังนั้นการประหยัดจริงจากการแก้ไขไม่ใช่ 50%; มันคือผลต่างระหว่างต้นทุนเชิงเส้นสองอย่าง และเครื่องหมายจะพลิกเมื่อฝั่งอินพุตใหญ่พอ

เขียนให้เป็นอสมการ ให้ I เป็นจำนวนโทเค็นอินพุต และ O เป็นจำนวนโทเค็นเอาต์พุตสำหรับหนึ่งคำขอ คำขอแบบเก่ามีค่าใช้จ่าย 0.5I + 60O และแบบใหม่มีค่าใช้จ่าย 1.5I + 30O ราคาใหม่จะถูกกว่าก็ต่อเมื่อ 1.5I + 30O < 0.5I + 60O ซึ่งลดรูปได้เป็น I < 30O: อินพุตต้องต่ำกว่าสามสิบเท่าของเอาต์พุต นั่นเป็นส่วนเผื่อที่กว้างสำหรับการแก้ไข 1K และแคบกว่ามากสำหรับการแก้ไข 4K ที่มีชุดอ้างอิงขนาดใหญ่ เพราะภาพอ้างอิงถือเป็นอินพุต และเอาต์พุต 4K ไม่ได้มีจำนวนโทเค็นเป็นสามสิบเท่าของข้อมูลอ้างอิงที่สร้างมันขึ้นมา

ผลในทางปฏิบัติคือ: หากงานของคุณเป็นแบบ "ภาพต้นฉบับหนึ่งภาพเข้า ภาพออกหนึ่งภาพที่มีขนาดใกล้เคียงกัน" — ซึ่งอธิบายไปป์ไลน์งานภาพถ่ายสินค้าและการรีทัชส่วนใหญ่ — ราคาการแก้ไขภาพของ Nano Banana 2.1 ดีกว่ารุ่นก่อนอย่างมีนัยสำคัญ แต่ไม่ได้ดีขึ้นถึงครึ่งหนึ่ง และไปป์ไลน์ 4K ที่มีภาพอ้างอิงสี่หรือห้าภาพอาจแทบไม่ได้รับการลดราคานั้นเลย หากงานของคุณเป็นการสร้างจากพรอมป์ตเท่านั้น คุณจะได้รับการลดราคาลงครึ่งหนึ่งเต็มๆ และโหมดแบตช์ยังลดลงอีกครึ่งหนึ่ง

42 Elo จะปรากฏขึ้นที่ไหน หากมันเกิดขึ้นจริง

รายละเอียดตามหมวดหมู่ของ Microsoft มีประโยชน์กว่าคะแนนโดยรวม เพราะบ่งชี้ว่าคะแนนที่เพิ่มขึ้นมาจากไหน ระหว่าง MAI-Image-2.6 กับ 2.7 การแก้ไขที่อิงการให้เหตุผลไต่อันดับจากที่เจ็ดขึ้นเป็นที่หนึ่ง การแก้ไขฉากและสไตล์จากที่เจ็ดขึ้นเป็นที่หนึ่ง และการแก้ไขข้อความหรือสัญลักษณ์จากที่หกขึ้นเป็นที่หนึ่ง ช่องว่างการนำสูงสุดเพียงรายการเดียวคือ 24 Elo ในหมวดฉากและสไตล์เหนือโมเดลที่ดีที่สุดรองลงมา สิ่งเหล่านี้เป็นคำกล่าวอ้างของผู้จำหน่ายเกี่ยวกับหมวดหมู่ของ Artificial Analysis และรูปแบบก็สอดคล้องกัน นั่นคือ 2.7 ทำได้ดีขึ้นในการแก้ไขที่ต้องใช้การประเมินภาพโดยรวม มากกว่าการซ่อมเฉพาะจุด

จุดอ่อนที่เผยแพร่ของ Nano Banana 2.1 แทบจะเป็นภาพเนกาทีฟของสิ่งนั้น การ์ดโมเดลของ Google เองยอมรับว่ามีข้อความขนาดเล็กที่เบลอที่ความละเอียด 1K การสับสนซ้าย/ขวาเป็นครั้งคราว ความเหมือนของตัวละครที่ไม่สมบูรณ์ และการให้เหตุผลเชิง 3D กับความถูกต้องตามข้อเท็จจริงที่จำกัด การสับสนซ้าย/ขวาเป็นความล้มเหลวของการให้เหตุผลเชิงพื้นที่ ส่วนข้อความขนาดเล็กที่เบลอที่ 1K เป็นความล้มเหลวที่ขึ้นกับความละเอียด ทั้งสองไม่ใช่ข้อผิดพลาดประเภทที่การจัดแสงฉากใหม่จะทำให้ดีขึ้น

ดังนั้นการอ่านค่า 42 Elo อย่างตรงไปตรงมาคือ มันกระจุกตัวอยู่ในจุดที่ Microsoft บอกไว้ กล่าวคือ การปรับสไตล์ทั้งภาพ การจัดแสงใหม่ การผสานข้อความเข้ากับองค์ประกอบที่มีอยู่แล้ว และการแก้ไขที่ต้องให้โมเดลเข้าใจความสัมพันธ์ระหว่างวัตถุกับแสง ถ้างานของคุณมีลักษณะเช่นนั้น ช่องว่างนั้นก็มักจะมองเห็นได้ ถ้างานของคุณคือการแมสก์วัตถุหนึ่งออกจากภาพถ่ายสินค้าแล้วใส่วัตถุอื่นลงไป คุณไม่ได้กำลังทดสอบแกนที่ 2.7 เป็นผู้นำ และแมสก์ที่คุณวาดได้จริงนั้นมีค่ามากกว่าคะแนน

คำถามเรื่องหน้ากากคือคำถามที่ชี้ขาด

นี่คือความแตกต่างที่ดูไม่หวือหวาที่สุด และเป็นสิ่งที่มักเป็นตัวตัดสินการผสานรวมจริงบ่อยครั้งที่สุด การแก้ไขแบบใช้มาสก์หมายความว่ามนุษย์ได้ตัดสินใจแล้วว่าอะไรจะเปลี่ยน หน้าที่ของโมเดลคือทำให้การเปลี่ยนแปลงนั้นดูกลมกลืนเป็นธรรมชาติ การแบ่งงานแบบนี้คือเหตุผลที่เครื่องมือแก้ไขในไปป์ไลน์การผลิตสามารถตรวจสอบได้ ผู้ตรวจสอบสามารถเห็นบริเวณที่ถูกระบายและตัดสินเฉพาะบริเวณนั้นเท่านั้น

MAI Image 2.7 Preview ตามที่มีการจัดทำเอกสารไว้ จะรับคำสั่งและรูปภาพอย่างละหนึ่งรายการ คำอธิบายของ Microsoft เกี่ยวกับชุดความสามารถ ได้แก่ การปรับสไตล์ฉากใหม่ การเปลี่ยนข้อความ และการกู้คืนแอสเซ็ต ล้วนขับเคลื่อนด้วยคำสั่งตลอดทั้งกระบวนการ โดยไม่มีพารามิเตอร์ mask ที่เผยแพร่ไว้ ไม่มีการควบคุมด้วย bounding box และไม่มีค่าสูงสุดของรูปภาพอ้างอิงที่ระบุไว้ในเอกสาร อาจเป็นไปได้ว่ามันรองรับ mask จริง เพียงแต่ไม่มีอินเทอร์เฟซที่เผยแพร่ไว้ให้เขียนโปรแกรมโต้ตอบด้วย ซึ่งสำหรับนักพัฒนาถือเป็นปัญหาเดียวกัน

สำหรับครีเอทีฟไดเรกเตอร์ที่ทำงานทีละภาพ การทำงานที่ขับเคลื่อนด้วยคำสั่งจะเร็วกว่าและมักให้ผลดีกว่า สำหรับไปป์ไลน์ที่ต้องสร้างร่องรอยการตรวจสอบ มาสก์ไม่ใช่แค่ของเสริมที่มีก็ดี

แต่ละอย่างอยู่ที่ไหน และคุณต้องแลกกับอะไรเพื่อไปให้ถึง

Nano Banana 2.1 เป็นหนึ่งในโมเดลรูปภาพที่มีการกระจายกว้างขวางที่สุดในโลก: Gemini API, AI Studio, แอป Gemini, โหมด AI ของ Search, Google Ads, Flow และ Stitch การกระจายไม่ใช่สเปก แต่เป็นสิ่งที่กำหนดว่าคุณต้องทำงานผสานรวมมากเพียงใดก่อนจะรู้ว่าโมเดลนี้เหมาะหรือไม่

MAI Image 2.7 Preview อยู่ในสามที่ ซึ่งสองที่เป็นพื้นผิวสำหรับการประเมิน นั่นเป็นการเลือกโดยเจตนาสำหรับพรีวิว และมันก็เป็นกำแพงเช่นกัน: ทีมที่ต้องการทดสอบ 42 Elo บนแอสเซ็ตของตัวเองต้องทำด้วยมือในเบราว์เซอร์ ทีละภาพ และไม่สามารถเขียนสคริปต์การทดลองได้

ในด้านราคา มีรายละเอียดเชิงระบบจุดหนึ่งที่ควรรู้ไว้ OrcaRouter ให้บริการกลุ่มโมเดลรูปภาพของ Google ในราคาตามรายการของผู้ให้บริการ โดยบวกเพิ่ม 0% — วันนี้ Nano Banana 2 อยู่ที่ $0.15 ต่อคำขอ และ Nano Banana Pro อยู่ที่ $0.24 — ดังนั้นหากผู้ขายปรับราคา ฝั่งเราจะได้รับผลในวันเดียวกับที่ Google ได้รับ แทนที่จะต้องรอการเจรจาใหม่ ส่วนการจะเพิ่ม 2.1 เข้ามาหรือไม่นั้น เป็นการตัดสินใจเรื่องแคตตาล็อก ไม่ใช่เรื่องราคา และเมื่อเพิ่มแล้ว คุณจะถูกคิดค่าบริการตามอัตราค่าเอาต์พุตที่ลดลงครึ่งหนึ่ง เพราะไม่มีอะไรคั่นกลางระหว่างคุณกับราคาตามรายการ

กฎการตัดสินใจ

หากการแก้ไขภาพของคุณคือการตัดสินในระดับภาพทั้งภาพ — ปรับแสงฉากนี้ใหม่ เปลี่ยนสไตล์ห้องนี้ ใส่ข้อความใหม่ลงบนป้ายนี้แล้วทำให้ดูเหมือนพิมพ์จริง — ลองใช้ MAI Image 2.7 Preview ใน Arena หรือ Playground สัปดาห์นี้ แล้วนำไปเปรียบเทียบกับ Nano Banana 2.1 บนภาพของคุณเองสิบภาพ นั่นคือแกนเดียวกับที่ 2.7 อ้างว่าครองอยู่ถึง 24 คะแนน และการเปรียบเทียบแบบปิดตาคือการทดสอบเดียวที่ถ่ายทอดผลได้จริง

ถ้าการแก้ไขของคุณเป็นแบบเฉพาะจุดและระบุชัดเจน — เปลี่ยนป้ายนี้ ถอดสายนี้ ขยายพื้นหลังนี้ — Nano Banana 2.1 ชนะด้วยความสามารถในการบอกได้อย่างแม่นยำว่าควรเปลี่ยนอะไร ในราคา $0.0336 สำหรับเอาต์พุต 1K โดยมี 4K ให้ใช้เมื่อปลายทางต้องการ และมีภาพอ้างอิงสิบสี่ภาพเมื่อความสอดคล้องของแบรนด์ต้องการ คะแนน 42 Elo ไม่มีโอกาสได้มีความสำคัญ เพราะคุณไม่ได้ถามคำถามที่มันตอบ

หากวันนี้คุณต้องการตัวแก้ไขในไปป์ไลน์ และไม่มีคำอธิบายใดในสองข้อนั้นที่ตรงกับคุณ โมเดลบนกระดานนั้นคือโมเดลที่มีอินเทอร์เฟซเผยแพร่แล้ว MAI Image 2.7 Preview จะเป็นตัวเลือกที่น่าสนใจอย่างแท้จริงในวันที่มันมีอินเทอร์เฟซดังกล่าว ลีดเดอร์บอร์ดได้บอกคุณแล้วว่าควรคาดหวังอะไรจากมัน และสิ่งเดียวที่ยังขาดไปคือความสามารถในการลองด้วยตัวเอง