GPT-Image-2 vs Nano Banana 2: Vua chất lượng vs Ngựa thồ số lượng

Khi Nano Banana 2 — mô hình tạo ảnh của Go​gle, có tên chính thức là Gemini 3.1 Flash Image — ra mắt vào ngày 26 tháng 2 năm 2026, nó là mô hình tạo ảnh từ văn bản số một trên các bảng xếp hạng, và nó đạt được điều đó nhờ một tính năng nổi bật: văn bản được hiển thị chính xác đến mức Go​gle có thể trình diễn một công cụ dịch nội dung quảng cáo qua các ngôn ngữ. Sau đó GPT-Image-2 ra mắt vào ngày 21 tháng 4 năm 2026 và giành lấy vương miện, và cả hai đã đi vào sự phân chia rõ ràng hơn so với những gì thông cáo báo chí của họ gợi ý: Nano Banana 2 là con ngựa thồ về khối lượng — rẻ, nhanh, nhất quán trong toàn bộ quy trình, được định giá để chạy ở quy mô lớn — trong khi GPT-Image-2 là nhà lãnh đạo chất lượng, hiện là số một độc lập, và kể từ ngày 20 tháng 8, nó đã có bản xem trước nền trong suốt trong API của mình. Cuộc so kè hiện nay không phải là "cái nào tốt nhất," mà các bảng xếp hạng đã trả lời rồi; mà là mô hình nào xứng đáng với loại công việc nào.

Vương miện đã đổi chủ như thế nào

Số liệu ra mắt của Nano Banana 2 thực sự áp đảo trong tháng 2: đứng số một trên bảng xếp hạng chuyển văn bản thành hình ảnh của LMArena với 1.280 Elo, vượt qua GPT Image 1.5 và Nano Banana Pro. Năm tháng sau, cục diện đã thay đổi. Trên bảng xếp hạng chuyển văn bản thành hình ảnh hiện tại của Artificial Analysis, GPT Image 2 (high) dẫn đầu với 1.369 Elo, còn Nano Banana 2 ở mức 1.320 — đứng thứ ba, sau Reve 2.4 với 1.322 — và trên bảng xếp hạng riêng của Arena, GPT-Image-2 (medium) dẫn đầu với 1.381. Nano Banana 2 không trở nên tệ hơn; các đối thủ đã bắt kịp và khả năng tạo sinh dựa trên suy luận của GPT-Image-2 đã nâng mức trần lên. Khoảng cách 50 điểm ở đầu bảng xếp hạng là sự khác biệt giữa "tốt nhất hiện có" và "một trong ba tốt nhất," một sự giáng cấp thực sự nhưng không loại bỏ mô hình này khỏi cuộc chơi, vì nó luôn hướng đến chi phí và tốc độ không kém gì chất lượng.

Chênh lệch giá chính là câu chuyện.

Nano Banana 2 được thiết kế để rẻ, và quả thực nó rẻ. Go​gle định giá theo độ phân giải đầu ra: $0,045 cho mỗi ảnh ở 512×512, $0,067 ở 1024×1024, $0,101 ở 2048×2048, và $0,151 ở 4096×4096, với đầu vào ở mức $0,50 mỗi triệu token. Mức giá 1024×1024 đó gần bằng một nửa giá mà Nano Banana Pro từng thu cho cùng đầu ra và rẻ bằng khoảng một nửa giá GPT Image 1.5 lúc ra mắt — toàn bộ định vị của mô hình là kinh tế đơn vị. GPT-Image-2 được tính phí theo token: $5 mỗi triệu token đầu vào văn bản, $8 mỗi triệu token đầu vào hình ảnh, và $30 mỗi triệu token đầu ra hình ảnh, quy đổi thành khoảng $0,05 cho một ảnh 1024×1024 ở chế độ trung bình và khoảng $0,21 ở chất lượng cao — một sự quy đổi, vì Ope​nAI không công bố số token trên mỗi ảnh. Ở các gói dịch vụ mà các đội nhóm thực sự sử dụng, hai mô hình này có giá khá sát nhau ở chất lượng trung bình, và Nano Banana 2 nhỉnh hơn về giá khi dùng với khối lượng lớn và ở các độ phân giải cao hơn, nơi bảng giá tính theo từng ảnh cho bạn một con số cố định thay vì một bất ngờ về token.

Tốc độ và quy trình làm việc

Sự khác biệt về vận hành nằm ở chỗ hai mô hình này không còn có thể thay thế lẫn nhau. Nano Banana 2 kết xuất trong khoảng 4–6 giây mỗi hình ảnh, duy trì tối đa năm nhân vật và mười bốn đối tượng nhất quán xuyên suốt quy trình làm việc, neo việc tạo sinh vào tìm kiếm web, và hỗ trợ lên đến 4K với mười bốn tỷ lệ khung hình — và mọi đầu ra đều mang nguồn gốc SynthID và C2PA theo mặc định. Cấu hình đó là một cỗ máy sản xuất bền bỉ: thông lượng cao, chi phí dự đoán được, nhân vật nhất quán, không phải lo về hạ tầng nguồn gốc. GPT-Image-2 là một cỗ máy khác: nó có các biến thể Instant và Thinking, trong đó lượt tư duy lên kế hoạch bố cục và tự kiểm tra các ràng buộc trước khi vẽ, đó là lý do nó thắng ở các prompt phức tạp nhiều ràng buộc — nhưng chế độ tư duy chậm hơn, và điểm yếu đã biết của nó là mặt trái của điểm mạnh Nano Banana 2, vì nó tái tạo lại thay vì giữ nguyên một nhân vật giống hệt qua một chuỗi. Nếu khối lượng công việc của bạn là một nghìn biến thể sản phẩm mỗi ngày, khoảng cách đó quyết định mô hình trước cả Elo.

Kết xuất văn bản: cuộc chiến mà mọi người đang theo dõi

{{1}}Kết xuất văn bản{{/1}} là khía cạnh duy nhất mà {{2}}hai mô hình này thực sự cạnh tranh{{/2}}, bởi vì đây là {{3}}thế mạnh chủ lực{{/3}} của mỗi mô hình. Sự ra mắt của Nano Banana 2 được xây dựng dựa trên {{4}}khả năng kết xuất văn bản trong ảnh chính xác{{/4}} và {{5}}tính năng dịch thuật{{/5}} — bản demo {{6}}Global Ad Localizer{{/6}}, các bài kiểm tra {{7}}bìa tạp chí{{/7}} nơi {{8}}từng dòng văn bản đều trả về sạch sẽ{{/8}}, và {{9}}hỗ trợ đa ngôn ngữ{{/9}} đã đưa nó vượt qua {{10}}tình trạng tạo ra ký tự méo mó{{/10}} từng định nghĩa {{11}}các mô hình ảnh trước đó{{/11}}. {{12}}Đối trọng{{/12}} của GPT-Image-2 là tuyên bố {{13}}độ chính xác kết xuất văn bản ~99%{{/13}} trên nhiều hệ chữ viết bao gồm {{14}}CJK{{/14}} ({{15}}do nhà cung cấp báo cáo{{/15}}, trên một mô hình đã lấy {{16}}văn bản đa ngôn ngữ gần như hoàn hảo{{/16}} làm {{17}}lời hứa ra mắt{{/17}}) cộng với {{18}}khả năng truy cập web{{/18}} để văn bản mà nó kết xuất có thể phản ánh {{19}}thông tin cập nhật{{/19}}. {{20}}Không tuyên bố nào hoàn toàn độc lập{{/20}}, và cả hai mô hình vẫn cho thấy {{21}}những lỗi thực tế trong các trường hợp khó{{/21}} — Nano Banana 2 đã bị phát hiện {{22}}làm hỏng văn bản tiếng Trung{{/22}} và {{23}}hình ảnh bản đồ{{/23}} trong các bài kiểm tra, và {{24}}tuyên bố độ chính xác{{/24}} của GPT-Image-2 vẫn chưa được {{25}}bên thứ ba{{/25}} tái lập. Đối với {{26}}các bố cục nặng về văn bản{{/26}}, {{27}}quan điểm trung thực{{/27}} là cả hai đều ở {{28}}vị trí dẫn đầu{{/28}}, và {{29}}bằng chứng quyết định{{/29}} nên là {{30}}các prompt của chính bạn{{/30}}, không phải {{31}}con số của bất kỳ nhà cung cấp nào{{/31}}.

Sự đánh đổi trung thực

Đặt bảng xếp hạng và bảng giá cạnh nhau, sự phân chia mang tính thực dụng hơn là dựa vào uy tín. Nếu công việc là một tài sản hero — một bố cục phức tạp, một áp phích đa ngôn ngữ, một bức ảnh sản phẩm phải là hình ảnh đơn lẻ tốt nhất có thể — GPT-Image-2 hiện là người dẫn đầu độc lập, bản xem trước nền trong suốt (20 tháng 8) loại bỏ bước cắt nền, và sự khác biệt về chất lượng ở đầu bảng chính xác là thứ mà một ảnh hero phải trả. Nếu công việc là số lượng lớn — hàng nghìn bản render sản phẩm nhất quán, tài sản kích thước web, các biến thể A/B nơi chi phí và thông lượng chiếm ưu thế — mức giá cố định cho mỗi hình ảnh, thời gian tạo 4–6 giây, và sự nhất quán về nhân vật/đối tượng của Nano Banana 2 khiến nó trở thành ngựa thồ, và thứ hạng ba của nó trên bảng xếp hạng đủ gần để sự khác biệt hiếm khi hiện rõ trên đầu ra kích thước web. Sai lầm là dùng ngựa thồ khi bạn cần một ảnh hero, hoặc trả giá hero cho công việc số lượng lớn.

Định tuyến cả hai

Đây là một trong số ít những cuộc so tài mà bạn không cần phải lựa chọn, vì OrcaRouter định tuyến cả hai mô hình — GPT-Image-2 và Nano Banana 2, mô hình thứ hai dưới định danh kỹ thuật google/gemini-3.1-flash-image-preview — qua cùng một API key với mức cộng giá 0%, giá niêm yết của nhà cung cấp được chuyển thẳng qua và tự động chuyển đổi dự phòng khi gặp sự cố. Về mặt thực tiễn, thứ bạn nhận được là một bài toán lựa chọn mô hình thay vì một bài toán mua sắm: hãy hướng công việc giá trị cao, khối lượng nhỏ về phía gpt-image-2 và công việc khối lượng lớn, giá trị thấp về phía Nano Banana 2, đổi chuỗi định danh mô hình khi tính chất công việc thay đổi, và để bất kỳ đợt giảm giá nào từ một trong hai phía nhà cung cấp cũng có hiệu lực ngay trong chính ngày được công bố. Khi hai lựa chọn tốt nhất trong một hạng mục có hiệu quả kinh tế trên từng đơn vị khác nhau và quy trình làm việc khác nhau, nước đi đúng đắn là giữ cả hai trong cùng một hợp đồng và để khối lượng công việc tự quyết định cho từng lệnh gọi.

Điểm mấu chốt: GPT-Image-2 giữ ngôi vương chất lượng và vừa làm cho đầu ra của nó dễ kết hợp hơn với bản xem trước nền trong suốt; Nano Banana 2 nắm giữ phân khúc khối lượng với bảng giá cố định và câu chuyện nhất quán mạnh mẽ nhất trong danh mục. Chúng là hai đầu của thị trường mô hình hình ảnh, cả hai đều đáng sở hữu, và quyết định tùy theo từng tác vụ: tài sản chủ lực cho người dẫn đầu, khối lượng cho con ngựa cày, và một chìa khóa cho cả hai.