Thẻ tiêu đề ghi 'Kling Image 4.0 vs Nano Banana 2.1' với phụ đề '3,9 điểm Elo cho mức giá gấp đôi'. Một khối ở giữa hiển thị hai điểm số text-to-image 1.179,93 và 1.176,06 với khoảng cách được ghi là 3,9, và bên dưới là hai hàng giá ghi 6,1 xu và 3,36 xu mỗi khung 2K.
Guides & Insights

Kling Image 4.0 so với Nano Banana 2.1: 3,9 điểm Elo với chi phí gấp đôi

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Kling Image 4.0 đạt 1.179,93 điểm trên bảng xếp hạng chuyển văn bản thành hình ảnh của Artificial Analysis. Nano Banana 2.1 đạt 1.176,06 điểm. Đó là khoảng cách 3,9 Elo, nhỏ hơn khoảng tin cậy ở mỗi hàng và xấp xỉ một phần năm khoảng tin cậy của chênh lệch giữa hai mô hình — nói đơn giản, hai mô hình này ngang nhau về mặt thống kê ở khả năng tạo ảnh một lần. Kling Image 4.0 ra mắt ngày 17 tháng 11 năm 2026 và có giá niêm yết 16 đơn vị cho một ảnh tĩnh 2K, khoảng 6,1 xu. Nano Banana 2.1 được phát hành rộng rãi vào ngày 6 tháng 10 năm 2026 và có giá 0,0336 đô la Mỹ cho cùng khung hình 2K. Vậy là sự ngang nhau về chất lượng là thật, còn giá thì không ngang nhau, và toàn bộ việc so sánh quy về việc bạn còn mua thêm được gì với khoản chênh thêm 2,7 xu. Các mức giá được trích dẫn ở đây là những mức trên trang mô hình Nano Banana Pro, lấy trực tiếp từ danh mục.

Đọc 3.9 điểm một cách trung thực

Các bảng xếp hạng hình ảnh của Artificial Analysis mang khoảng tin cậy khoảng mười ba hoặc mười bốn Elo trên bất kỳ một hàng riêng lẻ nào, và khoảng mười chín đối với chênh lệch giữa hai điểm số được ước tính độc lập. Do đó, mức chênh lệch 3,9 điểm nằm gọn trong vùng nhiễu. Điều đó không có nghĩa là các mô hình giống hệt nhau — một kết quả hòa trong sở thích tổng hợp có thể che giấu một sự phân tách nhất quán, trong đó người bình chọn ưa một mô hình ở khuôn mặt và ưa mô hình kia ở kiểu chữ, và hai hiệu ứng triệt tiêu nhau. Nhưng điều đó có nghĩa là việc lựa chọn giữa hai mô hình này dựa trên điểm số chuyển văn bản thành hình ảnh của chúng là lựa chọn dựa trên một con số không thể chống đỡ cho quyết định đó.

Bảng chỉnh sửa là một câu chuyện khác và đáng được tách bạch rõ ràng, vì đánh đồng hai thứ này là lỗi phổ biến nhất trong những so sánh như thế này. Ở đó, Kling Image 4.0 đứng thứ sáu với 1.182,89 và Nano Banana 2.1 đứng thứ mười một với 1.152,31 — khoảng cách 30,6 điểm, dễ dàng nằm ngoài khoảng tin cậy của chênh lệch. Nếu công việc của bạn là chỉnh sửa chứ không phải tạo sinh, câu hỏi về chất lượng có câu trả lời và nó nghiêng về Kling. Nếu công việc của bạn là tạo sinh, thì không, và giá sẽ quyết định.

• Tạo hình ảnh từ văn bản — Kling Image 4.0 1.179,93 (thứ 7); Nano Banana 2.1 1.176,06. Chênh lệch 3,9 Elo, nằm trong ngưỡng nhiễu.

• Chỉnh sửa hình ảnh — Kling Image 4.0 1,182.89 (thứ 6); Nano Banana 2.1 1,152.31 (thứ 11). Khoảng cách 30.6 Elo, nằm ngoài ngưỡng nhiễu.

• Tạo 2K — Kling khoảng $0,061; Nano Banana 2.1 $0,0504.

• Tạo 1K — Kling không có bậc 1K trên bảng giá ảnh tĩnh; Nano Banana 2.1 $0.0336.

• Độ phân giải cao nhất — Kling 8K với giá khoảng $0.154; Nano Banana 2.1 4K với giá $0.0756.

• Giá theo lô — Kling không công bố mức nào; Nano Banana 2.1 giảm một nửa mọi bậc giá thông qua Batch API với thời gian xử lý lên đến 24 giờ.

Screenshot of the Artificial Analysis AA-Image-T2I v2.1 leaderboard in English, showing Kling Image 4.0 seventh at 1,180 with 5,550 samples at $63.00 per thousand images, and Nano Banana 2.1 eighth at 1,176 with 6,793 samples at $33.60 per thousand images, behind the GPT Image 2.6 and 2.5 tiers and MAI-Image-2.7.

Hai mươi bảy phần trăm của một xu đi về đâu

So sánh ở 2K là so sánh công bằng, vì đó là hạng duy nhất mà cả hai mô hình đều cung cấp ở một mức tương đương trên thang: $0.061 so với $0.0504, mức phụ trội 18% dành cho Kling. Đó là mức chênh lệch nhỏ hơn nhiều so với những gì các so sánh giữa các hạng gợi ý, và đó là con số cần trích dẫn khi ai đó hỏi cái giá của hào quang 8K nơi Kling là bao nhiêu ở độ phân giải mà hầu hết công việc thực tế được xuất ra.

Khoảng cách mở rộng mạnh ở đáy thang, vì Kling không có đáy. Các bậc vẫn còn của nó bắt đầu từ 2K — 16 đơn vị, 6,1 xu — không có tùy chọn 1K trên bảng giá cho ảnh đơn lẻ. Nano Banana 2.1 có bậc 1K ở mức $0,0336, và Goo​gle đã loại bỏ rõ ràng bậc 512 pixel mà Nano Banana 2 từng có, nên thang hiện chạy 1K, 2K, 4K mà không có bước nhỏ hơn. Với một quy trình tạo ảnh thu nhỏ, ảnh cắt cho mạng xã hội hoặc bản render để duyệt nội bộ, một mô hình có khung rẻ nhất là sáu xu là mô hình bạn chỉ dùng cho bản cuối.

Ở vị trí đầu, thứ tự đảo ngược về giá và đảo ngược lần nữa về năng lực. Khung hình 8K của Kling có giá khoảng 15,4 xu; khung hình 4K của Nano Banana 2.1 là 7,56 xu. Kling có giá cao gần gấp đôi cho một phân hạng mà trên danh nghĩa có độ phân giải gấp đôi và chưa ai đo lường một cách độc lập. Nano Banana 2.1 dừng ở 4K và dừng một cách trung thực — 2.520 token hình ảnh đầu ra ở mức 30 USD mỗi triệu, một con số đã được ghi nhận, quy ra đúng bằng mức giá công bố trên mỗi ảnh.

Tiếp đó là đòn bẩy xử lý theo lô, yếu tố tạo ra khác biệt chi phí lớn nhất trong cặp này. Nano Banana 2.1 giảm một nửa mọi bậc thông qua Batch API — $0,0168 ở 1K, $0,0252 ở 2K, $0,0378 ở 4K — với thời gian xử lý tối đa 24 giờ. Kling không công bố tùy chọn tương đương. Với một tác vụ không gấp thời hạn, điều đó đưa một khung hình Nano Banana 2K xuống 2,5 cent so với 6,1 cent của Kling: khoảng cách 2,4 lần thay vì 18%.

Những tài liệu tham khảo bổ sung mang lại gì, và cái giá phải trả là bao nhiêu

Nano Banana 2.1 chấp nhận tối đa 14 hình ảnh tham chiếu, được chia thành bốn nhân vật và mười đối tượng. Những tham chiếu đó được tính phí dưới dạng token đầu vào với giá 1,50 USD mỗi triệu, một lần, được gộp vào cùng bộ đếm đầu vào như prompt — không có phụ phí tham chiếu riêng và không có dòng tính phí riêng cho từng tham chiếu trên hóa đơn.

Kling Image 4.0 tính phí tham chiếu một cách rõ ràng: 0,8 đơn vị cho mỗi ảnh tham chiếu hoặc phần tử tham chiếu, với một phần tử được tính như một ảnh, và tài liệu của Kling lưu ý rằng điều này “khác với các mô hình trước đây, nơi ảnh tham chiếu và phần tử tham chiếu được miễn phí”. Theo mức giá của gói entry, con số đó là khoảng một phần ba xu cho mỗi tham chiếu trên mỗi khung hình được xuất. Gắn bốn tham chiếu vào một bộ mười hai khung hình thì phụ phí là 38,4 đơn vị — khoảng 15 xu — cộng thêm vào 192 đơn vị đầu ra.

Việc đó có phải là một khác biệt có ý nghĩa hay không phụ thuộc vào mức độ công việc dựa vào tham chiếu, và cấu trúc của hai khoản phụ phí khác nhau theo cách quan trọng đối với việc dự báo. Phụ phí của Kling tăng theo số khung hình; của Google thì không, vì đầu vào được trả một lần mỗi yêu cầu thay vì theo đầu ra. Một bộ nhất quán gồm một trăm khung hình được xây dựng từ sáu tham chiếu là nơi hai triết lý phân kỳ rõ nhất, và đó chính xác là quy trình mà Kling quảng bá là "các bộ ảnh nhất quán — một câu lệnh, một loạt ảnh hoàn chỉnh".

Những tính năng mà mỗi bên mang đến mà bên kia không có

Các yếu tố khác biệt của Nano Banana 2.1 xoay quanh khả năng kiểm soát trong quá trình tạo. Chế độ Thinking hoạt động ở ba mức — tối thiểu, trung bình, cao — và duy trì một cuộc hội thoại, nhờ đó một phiên chỉnh sửa nhiều lượt giữ được ngữ cảnh xuyên suốt các lượt thay vì đọc lại toàn bộ lịch sử ở mỗi lần gọi. Nhật ký thay đổi của Google mô tả bản cập nhật 2.1 là khắc phục các lỗi ghép ô ở các tỷ lệ khung hình cực đoan, cụ thể là 1:4, 4:1, 1:8 và 8:1 ở độ phân giải 2K và 4K, đây là một tuyên bố hẹp về một kiểu lỗi cụ thể và do đó có thể kiểm chứng. Tổng cộng có 14 tỷ lệ khung hình. Tính năng neo dữ liệu từ Google Search nằm trong quá trình tạo, song song với tìm kiếm web.

Điểm khác biệt của Kling nằm ở hình dạng đầu ra. 8K gốc, khả năng kết xuất chữ nhỏ ("chữ nhỏ sắc nét, kiểu chữ sáng tạo"), các bộ nhiều khung hình mạch lạc từ một prompt, và tạo ảnh dài — một bản dựng trang web dài ở 140 đơn vị tại 1K hoặc 152 tại 2K, cùng một định dạng trang chi tiết thương mại điện tử chỉ chấp nhận yêu cầu image-to-image và tăng từ 60 đơn vị cho một khung ngắn lên 200 cho một khung dài tại 1K, hoặc từ 72 đến 220 tại 2K. Không có gì trong tài liệu của Goo​gle cạnh tranh được với hàng cuối đó, bởi vì ảnh trang chi tiết là một bố cục, không phải một bức ảnh, và dù có bao phủ tỷ lệ khung hình đến đâu cũng không thể tạo ra nó một cách có chủ đích.

Đặt cạnh nhau để so sánh, các danh sách tính năng gần như không trùng lặp. Một mô hình được xây dựng để có thể được điều hướng giữa phiên bằng tài liệu tham chiếu và suy nghĩ; mô hình kia được xây dựng để tạo ra những thứ có hình dạng bất thường ở độ phân giải cao bất thường. Một người mua cần cả hai không phải đang chọn giữa chúng — họ đang chọn mô hình nào để xây dựng quy trình quanh nó và mô hình nào để gọi như một ngoại lệ.

A two-column comparison scoreboard titled 'Kling Image 4.0 vs Nano Banana 2.1 — the scoreboard', contrasting release date, text-to-image Elo, editing Elo, resolution ladder, 2K price and batch pricing for the two models, with a footer reading 'Elo figures per Artificial Analysis; prices per each vendor's published rate card, Kling converted from units at the entry package rate.'

Mười bốn tỷ lệ so với một trang cao

Số lượng tỷ lệ khung hình là con số được trích dẫn trong các bài đưa tin về Nano Banana 2.1, và đó lại là điều kém thú vị nhất ở mô hình này. Mười bốn tỷ lệ nghĩa là framework sẽ chấp nhận phần cắt của bạn thay vì buộc bạn phải letterbox; điều đó không có nghĩa là bất kỳ tỷ lệ nào cũng có bố cục tốt. Bản sửa lỗi tiling ở 1:4 và 8:1 mới là hạng mục đáng bàn hơn, vì các tỷ lệ cực đoan chính là nơi các mô hình hình ảnh trong quá khứ từng lặp lại nội dung để lấp đầy khung hình, và một nhà cung cấp nêu tên chính xác những tỷ lệ đã sửa là nhà cung cấp đang cho bạn biết lỗi nằm ở đâu.

Gói ảnh dài của Kling là một canh bạc ngược chiều. Thay vì bao phủ mọi tỷ lệ, nó bao quát triệt để một hình dạng — một tấm bảng dọc có cấu trúc bên trong — và định giá theo chiều dài thay vì theo diện tích. Dòng thương mại điện tử là dòng cần đọc kỹ: 60, 120 và 200 đơn vị ở 1K cho ngắn, trung bình và dài, và chỉ từ ảnh sang ảnh. Ràng buộc cuối cùng đó đóng vai trò then chốt. Điều đó có nghĩa là mô hình không phát minh ra sản phẩm; nó đang bố cục những tài nguyên bạn cung cấp, một nhiệm vụ hẹp hơn và đáng tin cậy hơn nhiều so với việc tạo ra một sản phẩm không tồn tại.

Hai cách tiếp cận này không thay thế được cho nhau, và một so sánh coi “14 tỷ lệ khung hình” với “tạo hình ảnh dài” là cùng một hàng thì đã bỏ lỡ ý chính. Một bên là về việc khớp với bố cục hiện có của bạn; bên kia là về việc tạo ra một bố cục mà nếu không thì bạn sẽ phải ghép trong công cụ thiết kế.

Những gì bạn có thể gọi hôm nay

OrcaRouter không cung cấp Kling Image 4.0 hay Nano Banana 2.1 — các mã định danh hình ảnh Gemini trong danh mục của chúng tôi là Nano Banana Pro và Nano Banana 2, đi sau một thế hệ so với mô hình trong so sánh này, còn các mã định danh Kling là video. Nói như vậy là phiên bản trung thực duy nhất của phần này.

Thứ có thể gọi được thông qua chúng tôi chính là nhánh đối chứng, và với cặp cụ thể này, nhánh đối chứng tốt một cách bất thường. Nano Banana 2 có giá 0,151 USD mỗi yêu cầu và Nano Banana Pro là 0,24 USD thông qua danh mục, cả hai đều ở giá niêm yết của nhà cung cấp với mức chênh lệch 0%, cùng với cặp GPT Image 2.5, ba bậc của Imagen 4.0 và Grok Imagine Image. Điều đó có nghĩa là một câu hỏi như "bản sửa lỗi ghép ô của 2.1 có đáng để chuyển sang hay không" có thể được trả lời dựa trên mô hình bạn đang chạy sẵn, thay vì dựa vào một luồng thảo luận lúc ra mắt — hãy render cùng một vùng cắt 8:1 trên Nano Banana 2 và trên 2.1 cạnh nhau, và câu trả lời sẽ hiện ra rõ ràng thay vì phải tranh luận.

Screenshot of the OrcaRouter model page for Google's Nano Banana Pro in English, showing the model id google/gemini-3-pro-image-preview, image and text input with image and text output, a per-request price of $0.24, a 10.00 second median time to first token and zero data retention availability.

Điểm chuyển thẳng chi phí quan trọng hơn thường lệ với Goo​gle, vì Goo​gle thay đổi giá hình ảnh theo những bước mang tính cấu trúc. Phiên bản tiền nhiệm của Nano Banana 2.1 đã bị ngừng cung cấp 23 ngày sau khi 2.1 GA, và giá từ 2 lên 2.1 gần như giảm một nửa ở mọi bậc. Khi một nhà cung cấp thay đổi như vậy, một thỏa thuận cộng thêm 0% nghĩa là con số trên hóa đơn của bạn thay đổi ngay ngày họ thay đổi, mà không có biên lợi nhuận ở giữa để đàm phán lại.

Điều gì thực sự sẽ thay đổi quyết định

Ba điều, theo thứ tự khả năng xảy ra. Một phép so sánh 4K với 8K trên một asset thực tế sẽ phân định liệu gói cao cấp nhất của Kling có đáng giá 15,4 xu so với 7,56 xu hay không — đó chỉ là một lần render và một lần xem ở mức thu phóng 100%, và đây là bài kiểm tra có giá trị cao nhất trong bài viết này. Một câu trả lời về hạng giá theo lô từ Kling sẽ thu hẹp khoảng cách giá lớn nhất; nếu Kling tung ra ưu đãi giảm giá cho xử lý bất đồng bộ, con số 2,4× lại trở thành 18% và phép so sánh quay về con số 2K. Và một lần tái lập công khai bản sửa lỗi tiling 1:4 và 8:1 sẽ cho bạn biết tuyên bố cụ thể nhất của 2.1 có thật hay không, điều này quan trọng hơn điểm Elo của nó vì tuyên bố này đủ hẹp để hoặc đúng hoặc sai.

Cho đến lúc đó, khuyến nghị này không hào nhoáng và bắt nguồn trực tiếp từ các con số. Nếu bạn tạo nhiều hơn chỉnh sửa, Nano Banana 2.1 với giá 3,4 đến 5 xu một khung hình là lựa chọn đáng mua hơn, và khoảng cách 3,9 Elo không phản bác điều đó. Nếu bạn chỉnh sửa nhiều hơn tạo, khoảng cách 30 điểm về chỉnh sửa là con số duy nhất trong so sánh này thực sự có trọng lượng, và Kling đáng để trả mức giá cao hơn. Nếu bạn cần thứ gì đó cao hơn một tấm poster, chỉ một trong hai sản phẩm này đáp ứng được.