GPT-Image-2.5 so với Nano Banana 2: Bộ máy tạo hình ảnh mặc định của ChatGPT và Gemini

Phần lớn hình ảnh AI mà mọi người thực sự nhìn thấy đến từ một chế độ mặc định, và hai chế độ mặc định chủ lực mới nhất của tháng 9 là GPT-Image-2.5 và Nano Banana 2. Vào ngày 8 tháng 9, OpenAI đã triển khai GPT-Image-2.5 — mô hình đứng sau ChatGPT Images 2.5, được bán qua API dưới tên GPT-Image-2.5 Flare và GPT-Image-2.5 Sunburst — đến mọi gói ChatGPT, ChatGPT Work và Codex. Nano Banana 2 là biệt danh của Google cho Gemini 3.1 Flash Image, mô hình đã là trình tạo hình ảnh mặc định trong các chế độ Fast, Thinking và Pro của ứng dụng Gemini kể từ tháng 2 và đã được cung cấp rộng rãi cho các nhà phát triển vào ngày 28 tháng 5. Đây là những cỗ máy hình ảnh của hai trợ lý AI được sử dụng nhiều nhất trên trái đất — OpenAI báo cáo hơn ba tỷ hình ảnh mỗi tuần trên ChatGPT và API hình ảnh — và cả hai hiện đang được phân phối dưới dạng các nền tảng trưởng thành, có thể truy cập qua API. Điều tách biệt chúng không còn là quyền truy cập, mà là những gì mỗi mô hình được thiết kế để làm tốt.

Sự bất đối xứng bằng chứng cũng chính là điểm xuyên suốt mọi bài so sánh GPT-Image-2.5 trong tháng này: mô hình của OpenAI quá mới nên chưa có bảng xếp hạng độc lập nào chấm điểm nó tính đến ngày 9 tháng 9 năm 2026, trong khi Nano Banana 2 đã góp mặt trên bảng xếp hạng của Artificial Analysis từ mùa xuân — nằm trong top năm ở cả hai hạng mục text-to-image lẫn chỉnh sửa ảnh trong bảng tổng hợp tháng 9. Mọi tuyên bố của OpenAI về 2.5 dưới đây đều do nhà cung cấp tự báo cáo. Ngược lại, mô hình của Google là một trong những mô hình ảnh được đánh giá nhiều nhất đang vận hành thực tế.

Cách mỗi cái trở thành mặc định

OpenAI đã biến ChatGPT Images 2.5 thành công cụ tạo hình ảnh của ChatGPT bằng cách sản phẩm hóa nó: đợt triển khai bổ sung Sketch, nơi bạn vẽ một bản phác thảo tham chiếu trực quan bằng @Sketch và mô hình sẽ làm việc dựa trên đó; Templates cho các định dạng phổ biến như poster và ảnh sản phẩm; bình luận trên ảnh nhắm mục tiêu chỉnh sửa vào một vùng cụ thể; và chia sẻ prompt. Việc phân phối đã lo phần còn lại — đây đơn giản là thứ ChatGPT đang sử dụng trên mọi gói dịch vụ, bao gồm cả gói miễn phí, trên desktop, di động và web. Với hầu hết những người dùng đó, lựa chọn mô hình là điều vô hình.

Google đã đạt được điều tương tự theo một hướng khác. Nano Banana 2 nằm trong ứng dụng Gemini với vai trò trình tạo mặc định trên cả ba chế độ suy luận, và Google đã đưa nó lan tỏa ra xa hơn bất kỳ bề mặt trò chuyện nào — vào Google Search thông qua Lens và AI Mode tại hơn 140 quốc gia, vào công cụ chỉnh sửa video Flow, và vào Google Ads. Đây cũng là mô hình hình ảnh hiếm hoi có khả năng đa phương thức đầy đủ trên API: các nhà phát triển gọi nó qua Gemini API với các phương thức phản hồi cho cả văn bản lẫn hình ảnh, nhờ đó một mô hình duy nhất có thể chú thích, suy luận và tạo hình ảnh trong một lượt duy nhất. Sự phân phối tích hợp vào mọi thứ đó chính là bối cảnh cho mọi so sánh về chất lượng.

Bảng năng lực, từng tuyên bố một

Câu chuyện kỹ thuật của Google về Nano Banana 2 xoay quanh {{1}}sự nhất quán và kiểm soát ở quy mô lớn{{/1}}. Mô hình có thể duy trì tối đa năm nhân vật nhất quán và mười bốn đối tượng trong cùng một quy trình làm việc, kết xuất văn bản bên trong hình ảnh bao gồm cả dịch thuật và bản địa hóa, đối chiếu các chủ thể thực tế với kiến thức trực tiếp từ web và tìm kiếm hình ảnh, đồng thời hỗ trợ tỷ lệ khung hình hẹp tới 1:4 và 1:8 — những định dạng banner, áp phích và hình nền điện thoại mà các mô hình tạo ảnh vuông không thể lấp đầy. Đầu ra lên tới 4K. Mô hình cũng cung cấp các mức suy luận có thể cấu hình ({{2}}Tối thiểu{{/2}} và {{3}}Cao{{/3}}) để nhà phát triển có thể đánh đổi độ trễ với khả năng lập luận của mô hình khi xử lý một lời nhắc phức tạp, cùng với tính năng xem trước giúp chuyển đổi đầu vào video thành các khung hình tĩnh nhận biết ngữ cảnh.

Câu chuyện kỹ thuật của OpenAI cho GPT-Image-2.5 là độ trung thực và độ chính xác khi chỉnh sửa. Mô hình được tách thành hai endpoint một cách có chủ đích để hai yếu tố này không xung đột: GPT-Image-2.5 Flare là lựa chọn mặc định nhanh cho việc tạo hình hằng ngày và khối lượng lớn, với độ trễ mà OpenAI tuyên bố thấp hơn tới 50% so với GPT-Image-2, còn GPT-Image-2.5 Sunburst chấp nhận thời gian tạo hình lâu hơn để kiểm soát chỉnh sửa chặt chẽ hơn. Các tuyên bố nổi bật của OpenAI là độ trung thực tham chiếu — một người, thú cưng hoặc sản phẩm vẫn nhận diện được khi bạn thay đổi bối cảnh hoặc phong cách — cùng với chỉnh sửa nhiều lượt chỉ thay đổi đúng những gì được yêu cầu, chi tiết nhỏ sắc nét hơn, nền trong suốt, hiển thị văn bản xử lý tiếng Trung chính xác và nguồn gốc C2PA trên mọi đầu ra.

Hai mô hình này mạnh nhất trên các khía cạnh khác nhau. Nano Banana 2 là mô hình giữ cho mười yếu tố khác nhau nhất quán trong toàn bộ hệ thống thiết kế; GPT-Image-2.5 là mô hình hướng đến chuỗi chỉnh sửa, nơi mỗi lần thay đổi phải để nguyên mọi thứ khác. Đây là những thế mạnh bổ sung cho nhau, và không nhà cung cấp nào đang theo đuổi phần cốt lõi của nhà cung cấp kia.

Các hội đồng độc lập nói gì về hai điều này

Nano Banana 2 nằm ngay trong top năm trên cả hai bảng xếp hạng chính của Artificial Analysis tính đến tháng 9 năm 2026 — một mô hình ổn định, được đo lường tốt, với thế mạnh thể hiện rõ hơn ở khả năng text-to-image và điểm nhất quán hơn là ở khả năng chỉnh sửa thuần túy, nơi nó xếp sau những nhà dẫn đầu hiện tại là MAI-Image-2.6 và GPT Image 2 (high). Nó không phải là mô hình hình ảnh tốt nhất duy nhất trên bất kỳ bảng xếp hạng nào, nhưng nó là mô hình top năm được đo lường tốt nhất với phân bố rộng nhất, một vị trí có thể bảo vệ được.

GPT-Image-2.5 ở vị trí ngược lại: mọi tuyên bố về chất lượng đều là của OpenAI, và điểm dữ liệu duy nhất từ bên thứ ba cho đến nay là bài kiểm tra tốc độ của Manus báo cáo tốc độ tạo ảnh nhanh hơn 2–4 lần so với GPT-Image-2. Phiên bản tiền nhiệm của OpenAI, GPT Image 2 (high), dẫn đầu bảng xếp hạng text-to-image AA và xếp hạng #2 về chỉnh sửa, vì vậy tiên nghiệm hợp lý là 2.5 sẽ đạt ở đâu đó gần hoặc trên những con số này khi ra mắt — nhưng tiên nghiệm không phải là phép đo, và đây là thế hệ GPT-Image đầu tiên trong một năm trở lại đây ra mắt mà không kèm xác nhận độc lập ngay trong ngày đầu.

Giá cả định hình, và sự chuyển đổi trung thực duy nhất.

Google định giá {{1}}Nano Banana 2{{/1}} theo token đầu ra ở mức 60 đô la mỗi triệu token, quy ra thành giá mỗi ảnh khá tròn trịa: khoảng 0,067 đô la cho ảnh 1024×1024, 0,101 đô la cho ảnh 2048×2048, gần 0,151 đô la ở mức 4K, và khoảng một nửa mức đó trong chế độ batch — với văn bản đầu vào được tính phí riêng ở mức 0,25 đô la mỗi triệu token. OpenAI định giá {{2}}GPT-Image-2.5{{/2}} ở mức 8 đô la cho token đầu vào ảnh / 30 đô la cho token đầu ra ảnh mỗi triệu token, cùng bảng giá với GPT-Image-2, nhưng không công bố con số cho mỗi ảnh; với phiên bản tiền nhiệm được niêm yết quanh mức 211 đô la cho 1.000 ảnh trên bảng xếp hạng của {{3}}Artificial Analysis{{/3}}, một ảnh flagship của OpenAI ở chất lượng cao có khả năng tốn gấp nhiều lần một ảnh {{4}}Nano Banana 2{{/4}} ở độ phân giải tương đương. Không mức giá nào khiến cả hai mô hình trở nên rẻ ở quy mô thực sự, nhưng chỉ có giá của Google là mức duy nhất bạn có thể dự đoán được.

Vì cả hai công ty đều vận hành đám mây riêng của mình, bài toán định tuyến là một vấn đề thực sự đối với nhóm muốn dùng cả hai. OrcaRouter hiện phân phối dòng mô hình hình ảnh của Google — bản xem trước Gemini 3.1 Flash Image (google/gemini-3.1-flash-image-preview) và bản gemini-2.5-flash-image cũ hơn — với giá niêm yết của Google được chuyển thẳng với mức chênh lệch 0%, nên nếu stack của bạn đã gọi các mô hình hình ảnh Gemini qua một endpoint, gia đình Nano Banana 2 đều có thể truy cập được mà không cần hợp đồng thứ hai. GPT-Image-2.5 không nằm trong danh mục của OrcaRouter tính đến ngày 9 tháng 9 năm 2026 — chỉ có thế hệ trước đó, GPT-Image-2, được liệt kê — nên mô hình OpenAI mới này hiện đồng nghĩa với việc bạn phải dùng khóa OpenAI trực tiếp.

Sản phẩm của bạn nên mặc định theo tùy chọn nào?

• Phát hành — GPT-Image-2.5: GA ngày 8 tháng 9 năm 2026. Nano Banana 2 (Gemini 3.1 Flash Image): ra mắt tháng 2 năm 2026, GA ngày 28 tháng 5.

• Giá — GPT-Image-2.5: $8/$30 mỗi triệu token hình ảnh, giá mỗi hình ảnh chưa được công bố. Nano Banana 2: $0.067 cho mỗi hình ảnh 1K, $0.101 cho 2K, ~$0.151 cho 4K; batch giá bằng một nửa.

• Độ phân giải và hình dạng — GPT-Image-2.5: lên đến 3840×2160. Nano Banana 2: 4K và các tỷ lệ hẹp 1:4 và 1:8.

• Tính năng nhất quán — GPT-Image-2.5: bám sát tham chiếu qua các lần chỉnh sửa (theo tuyên bố). Nano Banana 2: năm nhân vật / mười bốn đối tượng, dựa trên kiến thức thế giới (theo tuyên bố).

• Điểm số độc lập — GPT-Image-2.5: chưa có. Nano Banana 2: AA lọt top 5 trên cả hai bảng xếp hạng.

• Dạng API — GPT-Image-2.5: API hình ảnh, hai endpoint chất lượng. Nano Banana 2: API Gemini đa phương thức, văn bản và hình ảnh trong một lần gọi.

Nếu sản phẩm của bạn là một hệ thống thiết kế hoặc công cụ nội dung cần các nhân vật và đối tượng nhất quán trên hàng nghìn hình ảnh với tỷ lệ khung hình bất thường, Nano Banana 2 chính là giải pháp được thiết kế bài bản, có thể đo lường được và là lựa chọn mặc định an toàn nhất trong so sánh này — bạn có thể truy cập nó trực tiếp qua Google hoặc thông qua tuyến đường chuyển tiếp của OrcaRouter ngay hôm nay. Nếu sản phẩm của bạn là sáng tạo nặng về chỉnh sửa, nơi hình ảnh bổ sung phải hoàn hảo và ngân sách là thứ yếu, endpoint Sunburst của GPT-Image-2.5 là canh bạc chưa được đo lường hấp dẫn nhất trên thị trường. Nguyên tắc áp dụng cho mọi trận đấu trong chuỗi bài này cũng áp dụng ở đây: phiên bản tiền nhiệm của chính OpenAI là GPT Image 2 (high) vẫn là mô hình chuyển văn bản thành hình ảnh đạt điểm cao nhất trên Artificial Analysis, vì vậy GPT-Image-2.5 phải đánh bại kỷ lục của chính mình trước khi giành quyền được so sánh với lựa chọn mặc định được đo lường kỹ càng của Google. Hãy theo dõi bảng xếp hạng cho lần xuất hiện đầu tiên của nó — đó là sự kiện biến cuộc so sánh này từ những tuyên bố thành dữ liệu.