Qwen-Image 2.1 กับ Nano Banana 2: คุณจ่ายต่อภาพเท่าไร และคุณจ่ายเท่าไรเพื่อเป็นเจ้าของมัน
- Orcaใหม่Orca: OrcaCyber Zero 1.02026-09-17$3.00 / $5.00 ต่อ 1 ล้านโทเค็น
- orcaใหม่Orca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash2026-09-1040ความฉลาด
- openaiOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- googleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- qwenQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- anthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น
- z-aiZ.ai: GLM 5.32026-08-1845ความฉลาด75การเขียนโค้ด
- obsidianQwen3.8 27B2026-08-1534ความฉลาด68การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Pro 08132026-08-1236ความฉลาด69การเขียนโค้ด
- grokSpaceXAI: Grok 4.62026-08-1244ความฉลาด77การเขียนโค้ด
- metaMeta: Muse Spark 1.22026-08-0540ความฉลาด72การเขียนโค้ด
- qwenQwen: Qwen3.8 Max2026-08-0345ความฉลาด76การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Flash 07312026-07-3134ความฉลาด69การเขียนโค้ด
- minimaxMiniMax: MiniMax-H32026-07-31minimax/minimax-h3
- qwenQwen: Qwen3.7 Flash2026-07-27$0.03 / $0.13 ต่อ 1 ล้านโทเค็น
- orcaOrcaDub: OrcaDub 1.02026-07-27orca/dub
มีเพียงหนึ่งในสองโมเดลนี้เท่านั้นที่มีราคาที่คุณใส่ลงในสเปรดชีตได้ Nano Banana 2 — โมเดล Gemini 3.1 Flash Image ซึ่งเปิดให้ใช้ทั่วไปตั้งแต่ 28 พฤษภาคม 2026 — มีค่าใช้จ่ายประมาณ $0.067 ต่อภาพขนาด 1024×1024, $0.101 ที่ขนาด 2048×2048 และประมาณ $0.151 ที่ขนาด 4K โดยโหมดแบตช์มีค่าใช้จ่ายประมาณครึ่งหนึ่ง และการป้อนข้อความถูกคิดค่าใช้จ่ายแยกต่างหากที่ $0.25 ต่อล้านโทเค็น Qwen-Image 2.1 ซึ่งทีม Qwen-Image เปิดซอร์สเมื่อวันที่ 20 กันยายน 2026 ไม่มีราคาต่อภาพเลย เพราะไม่มีปลายทางแบบโฮสต์ให้ซื้อ: มันคือไฟล์ดาวน์โหลดเวตขนาด 33 GB ภายใต้สัญญาอนุญาตสำหรับงานวิจัยที่ห้ามใช้ในเชิงพาณิชย์ ดังนั้นคำถามแรกในการเปรียบเทียบนี้จึงไม่ใช่โมเดลไหนดีกว่า แต่คือคุณกำลังซื้อภาพ หรือซื้อเครื่องที่สร้างภาพเหล่านั้น และการซื้อทั้งสองแบบนี้ไม่สามารถเปรียบเทียบกันได้ในแบบที่เอกสารสเปคสื่อ
ความสามารถในการพยากรณ์ คือสิ่งที่ราคาต่อภาพให้มาจริง ๆ
ราคาของ Google ในหมวดหมู่รูปภาพนั้นแปลกตรงที่แปลงหน่วยได้อย่างสะอาดตา โมเดลคิดค่าบริการ 60 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น และเนื่องจากเอาต์พุตภาพถูกแปลงเป็นโทเค็นได้อย่างคาดเดาได้ จึงคิดออกมาเป็นตัวเลขต่อภาพที่คุณใช้เหตุผลประเมินได้ก่อนจะสร้างอะไรขึ้นมา
• Nano Banana 2 — ประมาณ $0.067 สำหรับ 1024×1024, $0.101 สำหรับ 2048×2048, ราว $0.151 ที่ 4K, ประมาณครึ่งหนึ่งของตัวเลขเหล่านั้นในโหมดแบตช์ บวก $0.25 ต่อล้านโทเคนสำหรับข้อความอินพุต ภาพ 2K หนึ่งพันภาพอยู่ที่ประมาณ $101 ซึ่งคาดการณ์ได้แม่นยำถึงระดับดอลลาร์
• Qwen-Image 2.1 — ไม่มีราคาที่ประกาศไว้ ค่าใช้จ่ายคือเวลา GPU ของคุณเองกับชุดรวมขนาด 33 GB และคำแนะนำในโมเดลการ์ดสำหรับฮาร์ดแวร์ที่มีข้อจำกัดคือการทำ CPU offload ผ่าน pipe.enable_model_cpu_offload() ซึ่งเป็นทางออกฉุกเฉินมากกว่าจะเป็นการแก้ไขอย่างแท้จริง
สิ่งที่คุณได้รับจากราคาแบบมิเตอร์ไม่ใช่แค่รูปภาพเท่านั้น แต่คือความสามารถในการตอบคำถามว่า "ฟีเจอร์นี้มีค่าใช้จ่ายเท่าไรสำหรับเราที่หนึ่งหมื่นรูปภาพต่อเดือน" โดยไม่ต้องวัดประสิทธิภาพฮาร์ดแวร์ของคุณเองก่อน นั่นคือข้อได้เปรียบที่แท้จริงและเป็นเรื่องง่ายที่จะประเมินค่าต่ำไป เพราะทางเลือกอื่น — การโฮสต์เอง — มีค่าใช้จ่ายที่คำนวณได้ยากจริง ๆ ขึ้นอยู่กับการใช้งานของคุณ การ์ดของคุณ ไฟฟ้าของคุณ และว่าเครื่องนั้นจะว่างอยู่แล้วหรือไม่ การเปรียบเทียบที่ซื่อสัตย์ไม่ใช่ $101 ต่อพันเทียบกับฟรี แต่เป็น $101 ต่อพันเทียบกับตัวเลขค่าเสื่อมราคาที่คุณต้องคำนวณเอง และทีมส่วนใหญ่ที่คำนวณแล้วพบว่าราคาแบบมิเตอร์นั้นแข่งขันได้จนกระทั่งอัตราการใช้งานสูงมาก
ใบอนุญาตคือจุดที่ "ฟรีเวท" ไม่ฟรีอีกต่อไป
นี่คือความแตกต่างที่ชัดเจนที่สุดระหว่างสองโมเดล และไม่ได้สูสีกันเลย
Nano Banana 2 เป็นผลิตภัณฑ์เชิงพาณิชย์ที่มีข้อกำหนดเชิงพาณิชย์ คุณจ่ายเป็นรายภาพ และคุณส่งมอบสิ่งที่คุณสร้างขึ้น Qwen-Image 2.1 เผยแพร่ภายใต้ข้อตกลงสิทธิ์การใช้งาน Qwen Research License Agreement ลงวันที่ 20 กันยายน 2026 ซึ่งให้สิทธิ์ "เพื่อวัตถุประสงค์ที่ไม่ใช่เชิงพาณิชย์เท่านั้น" และระบุว่าการใช้งานเชิงพาณิชย์ต้องมีใบอนุญาตแยกต่างหากที่ขอจากผู้ขาย นั่นเป็นการเปลี่ยนแปลงจากสายผลิตภัณฑ์ Qwen-Image ก่อนหน้า ซึ่งเผยแพร่ภายใต้ Apache 2.0 — ดังนั้นตัวเลือกแบบเปิดในการเปรียบเทียบนี้เป็น "เปิด" ในความหมายที่คุณอ่านและรันมันได้ ไม่ใช่ในความหมายที่คุณสร้างธุรกิจบนมันได้
สำหรับทีมวิจัย นักเล่นงานอดิเรก หรือใครก็ตามที่กำลังทำ benchmarking นั่นถือเป็นไลเซนส์ที่ดีและดาวน์โหลดได้ฟรีจริง ๆ สำหรับทีมผลิตภัณฑ์ มันหมายความว่าโมเดลในการเทียบครั้งนี้ที่ไม่มีราคาต่อภาพก็ไม่มีช่องทางเชิงพาณิชย์เช่นกัน ซึ่งทำให้การเปรียบเทียบต้นทุนพังทลายลงทั้งหมด: คุณไม่ได้กำลังเลือกระหว่าง $101 กับอะไรที่ถูกกว่า แต่คุณกำลังเลือกระหว่างโมเดลที่คุณขายผลลัพธ์จากมันได้ กับโมเดลที่คุณขายไม่ได้
ความละเอียดและอัตราส่วนภาพ ซึ่งเป็นจุดที่โมเดลแบบเปิดได้เปรียบจริง ๆ
ถ้าตัดเรื่องสัญญาอนุญาตออกไป Qwen-Image 2.1 ทำอะไรบางอย่างที่ Nano Banana 2 ไม่ทำ ในแบบที่สำคัญต่อเวิร์กโฟลว์เฉพาะบางประเภท
• Qwen-Image 2.1 — รองรับ 2K แบบเนทีฟ โดยมีค่าเริ่มต้นตามเอกสารที่ 2048×2048 ที่ 40 ขั้นตอนการประมวลผล พร้อมพรีเซ็ตอัตราส่วนภาพ 7 แบบ รูปภาพอ้างอิงสูงสุด 10 รูป และเอาต์พุตแบบ RGBA: ช่องอัลฟาจริง การแก้ไขเลเยอร์โปร่งใส และการแยกตัวแบบออกจากภาพถ่าย RGB
• Nano Banana 2 — เอาต์พุต 4K พร้อมการรองรับอัตราส่วนที่แปลกออกไป รวมถึงอัตราส่วนสุดขั้วอย่าง 1:4 และ 1:8 ซึ่งเป็นระยะเอื้อมที่ไกลกว่าที่โมเดลส่วนใหญ่ทำได้ในทิศทางใดทิศทางหนึ่ง และเผยแพร่ตัวเลขความคงเส้นคงวาที่ตัวละคร 5 ตัวและวัตถุ 14 ชิ้นในการสร้างครั้งเดียว
สิ่งที่ต้องสังเกตคือช่องอัลฟา โมเดลของ Google ไม่มีเอกสารระบุว่าสร้างความโปร่งใสได้ ขณะที่ Qwen-Image 2.1 ทำได้โดยตรงในตัว ซึ่งหมายความว่าขั้นตอนการคอมโพสิตที่ปกติต้องทำด้วยมือ — ตัดตัวแบบออก รักษาขอบที่นุ่มนวล แล้ววางลงบนอย่างอื่น — อยู่ภายในโมเดลแทนที่จะเป็นหลังโมเดล หากคุณทำงานสร้างแอสเซตแบบแยกเลเยอร์เป็นอาชีพ นั่นคือความแตกต่างของเวิร์กโฟลว์ ไม่ใช่คำกล่าวอ้างเรื่องคุณภาพ และควรพูดตรง ๆ ด้วยว่าโมเดลทั้งสองเรนเดอร์ได้ใหญ่กว่าที่งานส่วนใหญ่ต้องการ: 4K และ 2048×2048 ต่างก็เลยจุดที่ข้อจำกัดอยู่ที่โมเดล ไม่ใช่ปลายทางแล้ว
ตัวเลขที่เผยแพร่เทียบกับคำสัญญา
โมเดลของ Google ปรากฏอยู่บนกระดานจัดอันดับภาพทั้งสองของ Artificial Analysis มาตั้งแต่ฤดูใบไม้ผลิ และติดหนึ่งในห้าอันดับแรกสำหรับการสร้างภาพจากข้อความและการแก้ไขภาพในสแนปช็อตเดือนกันยายน ด้วยคะแนน Elo ประมาณ 1,320 ในการสร้างภาพจากข้อความ ตัวเลขความสม่ำเสมอของมัน — ตัวละครห้าตัว วัตถุสิบสี่ชิ้น — เป็นตัวเลขของ Google เอง แต่ก็วางอยู่ข้างกระดานคะแนนอิสระ ซึ่งหมายความว่าสามารถตรวจสอบความสมเหตุสมผลเทียบกับประสิทธิภาพจริงของโมเดลในการเปรียบเทียบแบบปกปิดได้
Qwen-Image 2.1 ไม่มีคะแนนอิสระ มีเพียงโพสต์บล็อกของผู้ขายที่มีแผนภูมิ Qwen-Image-Bench ซึ่งไม่มีบุคคลที่สามรายใดทำซ้ำได้ และรายงานการทดลองใช้จริงช่วงเข้าถึงก่อนกำหนดเพียงฉบับเดียวจากผู้ทดสอบในโปรแกรม Qwen Ambassador ซึ่งรันเวตสุดท้ายผ่านอินเทอร์เฟซ ModelScope Studio โดยใช้เวลาประมาณ 10–15 วินาทีสำหรับการสร้างภาพจากข้อความ, 18–23 วินาทีสำหรับการแก้ไข, การจัดการตำแหน่งกล้องและบทบาทตัวละครหลายตัวทำได้ดี และความสอดคล้องแบบหลายภาพอ้างอิงเริ่มเสื่อมลงตั้งแต่ประมาณภาพอินพุตสามภาพขึ้นไป มีผู้รีวิวเพียงคนเดียว ไม่มีตัวจับเวลาแสดง ไม่มีชุดพรอมป์ที่เผยแพร่ นี่เป็นข้อสังเกตจากภายนอกเพียงหนึ่งเดียวเกี่ยวกับโมเดลนี้ที่มีต่อสาธารณะ และควรอ่านเป็นเพียงเบาะแสมากกว่าการวัด
ยังมีตัวเลขที่แพร่กระจายอยู่ในสื่อของบุคคลที่สามซึ่งอธิบาย Qwen-Image 2.1 ว่าเป็นทรานส์ฟอร์มเมอร์ 20 เลเยอร์ ซึ่งขัดแย้งกับการ์ดโมเดลที่ระบุว่าเป็น diffusion transformer แบบ single-stream 32 เลเยอร์ที่มีพารามิเตอร์ 7B ในส่วนประกอบการสร้างภาพ ตัวเข้ารหัสข้อความ Qwen3-VL 8B และ VAE แบบ RGBA 64 ช่องสัญญาณที่การบีบอัดเชิงพื้นที่ 16× ให้ใช้การ์ดโมเดล
สิ่งเดียวที่คุณสามารถทำได้กับทั้งสอง
นี่คือบทความเดียวในชุดนี้ที่คู่แข่งคือโมเดลที่เราจัดเส้นทางให้บริการจริง ๆ Nano Banana 2 อยู่บน OrcaRouter ในชื่อ google/gemini-3.1-flash-image-preview เคียงข้างโมเดลในสายภาพที่เหลือทั้งหมด — ตระกูล GPT-Image ของ OpenAI, Imagen 4 ทุกระดับของ Google, Gemini image previews ตัวอื่น ๆ และ Grok Imagine image endpoint ของ xAI — ทั้งหมดอยู่เบื้องหลัง endpoint เดียวที่เข้ากันได้กับ OpenAI ในราคาตามที่ผู้ให้บริการกำหนด โดยไม่มีการบวกเพิ่มQwen-Image 2.1 ไม่ได้อยู่ในกลุ่มโมเดลที่เราจัดเส้นทาง และบทความนี้จะไม่สื่อเป็นนัยว่าเป็นเช่นนั้น
สิ่งที่หมายความในทางปฏิบัติสำหรับการตัดสินใจนี้แคบกว่าคำโฆษณาและมีประโยชน์มากกว่านั้น หากคุณต้องการเปรียบเทียบทั้งสองโมเดลกับพรอมป์ของคุณเอง ฝั่ง Google มีค่าใช้จ่ายเพียงคีย์ API และประมาณหนึ่งในสิบของเซนต์ต่อภาพที่ 2K และอยู่บนเอนด์พอยต์เดียวกับทุกสิ่งอื่นที่คุณเรียกใช้ ฝั่ง Alibaba มีค่าใช้จ่ายเป็นการดาวน์โหลด 33 GB, GPU และการตรวจสอบใบอนุญาตวิจัยก่อนที่คุณจะทำอะไรเชิงพาณิชย์กับผลลัพธ์ได้ การสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติเมื่อเกิดความล้มเหลวคืออีกส่วนที่สำคัญตรงนี้: เส้นทางหนึ่งสามารถรับส่งทราฟฟิกโปรดักชันบนโมเดลที่ผ่านการวัดผลแล้ว ในขณะที่โมเดลที่ยังไม่ได้วัดผลได้รับการประเมินอยู่เคียงข้างกัน ดังนั้นการประเมินจึงไม่เคยอยู่บนเส้นทางวิกฤต
อันไหน สำหรับใคร
• เลือก Nano Banana 2 หากคุณกำลังจะนำไปใช้งานจริง มันมีใบอนุญาตเชิงพาณิชย์ ราคาที่คุณคาดการณ์ได้แม่นถึงระดับดอลลาร์ คะแนนอิสระระดับท็อปไฟฟ์บนทั้งสองบอร์ด เอาต์พุตระดับ 4K และช่วงอัตราส่วนที่กว้างที่สุดในการเปรียบเทียบนี้ ต้นทุนการสร้างภาพ 2K หนึ่งพันภาพอยู่ที่ประมาณ $101 และคุณสามารถเริ่มสร้างได้ในบ่ายนี้เลย
• เลือก Qwen-Image 2.1 หากคุณกำลังทำวิจัย มันดาวน์โหลดได้ฟรี สถาปัตยกรรมและพรอมป์ระบบสำหรับเขียนพรอมป์ใหม่นั้นตรวจสอบได้ทั้งหมด มันเรนเดอร์แบบเนทีฟที่ 2048×2048 พร้อมความโปร่งใสจริง และรับภาพอ้างอิงได้ถึง 10 ภาพพร้อมการแก้ไขเฉพาะจุดด้วยการวงกลม การวาดกำกับ หรือมาสก์ คุณไม่สามารถขายสิ่งที่มันสร้างได้ และยังไม่มีใครวัดว่ามันดีแค่ไหน
ช่องว่างระหว่างสองย่อหน้านั้นคือช่องว่างระหว่างโมเดล และมันไม่ใช่ช่องว่างด้านคุณภาพ — มันเป็นช่องว่างด้านวุฒิภาวะ และมันกำลังปิดลงตามกำหนดเวลา ผู้ทดสอบ Early Access ของ Qwen ถูกขอให้เผยแพร่ตัวอย่างหรือรีวิวภายในวันที่ 29 กันยายน 2026 เมื่อสิ่งเหล่านั้นออกมา โมเดลเปิดจะไม่เป็นสิ่งที่ไม่มีใครรู้อีกต่อไป และเริ่มเปรียบเทียบได้ และคำถามเดียวที่เหลืออยู่จะเป็นเรื่องสัญญาอนุญาต นั่นคือตัวเลขที่ต้องจับตา และมันเป็นไฟล์สัญญาอนุญาต ไม่ใช่เบนช์มาร์ก
