Gemini Nano Banana 2.1 so với Gemini Omni 1.1 Flash: Một ảnh tĩnh và một clip, được định giá theo các đơn vị khác nhau

Điều đầu tiên cần biết khi so sánh Nano Banana 2.1 với Omni 1.1 Flash là chúng không phải là sản phẩm thay thế cho nhau, và các trang định giá cho thấy rõ điều đó theo cách mà một danh sách tính năng không làm được. Nano Banana 2.1 được tính phí theo hình ảnh — 30 USD cho mỗi triệu token hình ảnh, nhà cung cấp quy đổi thành 0,0336 USD cho một lần kết xuất 1K. Omni 1.1 Flash được tính phí theo giây video — 17,50 USD cho mỗi triệu token video đầu ra, một chú thích của nhà cung cấp quy đổi thành khoảng 0,10 USD mỗi giây 720p. Một mẫu là mô hình hình ảnh tĩnh và chỉnh sửa chủ lực, đã đạt trạng thái sẵn sàng chung vào ngày 6 tháng 10 năm 2026. Mẫu còn lại là một trình tạo video mà tài liệu của nhà cung cấp hướng dẫn nhà phát triển dùng làm mặc định cho video và để việc mở rộng cảnh cho Veo 3.1. Lựa chọn giữa chúng thực chất là câu hỏi về việc bạn chưa xây dựng nửa nào của một quy trình xử lý.

Cũng có một cái bẫy về cách đặt tên đáng để làm rõ trước khi bàn đến bất kỳ con số nào. Mô hình mà hầu hết mọi người gọi là Gemini Omni 1.1 Flash được Google liệt kê là Gemini Omni Flash; "1.1" chỉ tồn tại trong endpoint, gemini-omni-1.1-flash. Nano Banana 2.1 có cách sắp xếp ngược lại — tên hiển thị của nó mang phiên bản, và endpoint của nó khớp tại gemini-nano-banana-2.1. Nếu bạn đang đọc nhật ký thay đổi hoặc bản trích xuất thanh toán, chính sự không khớp đó là lý do một cái trong hai cái này dễ tìm thấy còn cái kia thì không.

Hai công việc, nói một cách đơn giản

Gemini Nano Banana 2.1 tạo và chỉnh sửa ảnh tĩnh thông qua hội thoại. Các đầu vào được tài liệu hóa của nó là văn bản, hình ảnh và video theo bất kỳ tổ hợp nào — âm thanh không được chấp nhận — và nó xuất ra văn bản và hình ảnh, với đầu ra xen kẽ văn bản kèm hình ảnh có thể cấu hình được. Nó chứa tối đa 14 ảnh tham chiếu, được chia thành tối đa 10 tham chiếu đối tượng có độ trung thực cao và tối đa 4 tham chiếu nhân vật, đồng thời lấy thông tin nền cho các kết quả tạo từ Google Search và, điểm mới trong thế hệ này, từ Google Image Search. Chế độ Thinking được bật theo mặc định ở mức trung bình và không thể tắt. Mọi đầu ra đều mang watermark SynthID. Nó tạo ở 1K, 2K và 4K; mức 512px mà Nano Banana 2 hỗ trợ đã bị loại bỏ.

Gemini Omni Flash tạo và chỉnh sửa video. Thông điệp quảng bá được ghi trong tài liệu của nó là "tạo video nhanh, chỉnh sửa, nội suy khung hình then chốt và mở rộng với âm thanh gốc", còn trang định giá nêu rằng nó "hiện đã được cung cấp rộng rãi cho các nhà phát triển ở gói trả phí của Gemini API". Đầu vào là văn bản, hình ảnh, video và âm thanh — âm thanh chính là phương thức mà Nano Banana 2.1 không tiếp nhận. Các clip được tạo ra mang theo hội thoại và âm thanh được đồng bộ hóa thay vì chỉ là những tài sản im lặng. Tài liệu về video của Google đưa ra chỉ dẫn rõ ràng một cách bất thường về việc nên chọn mô hình video nào: hãy dùng Gemini Omni Flash làm mặc định cho việc tạo video, và dùng Veo 3.1 cho những khả năng cụ thể như mở rộng cảnh và các tác vụ one-shot có độ trung thực cao hơn.

• Sản phẩm đầu ra — Gemini Nano Banana 2.1 tạo ra hình ảnh tĩnh và văn bản; Gemini Omni 1.1 Flash tạo ra video với âm thanh gốc được đồng bộ hóa.

• Đơn vị tính phí — Nano Banana 2.1 được tính phí theo token hình ảnh đầu ra; Omni 1.1 Flash được tính phí theo token video đầu ra, với quy đổi được công bố là 5.792 token đầu ra mỗi giây cho 720p.

• Giá nổi bật — Nano Banana 2.1: 0,0336 USD cho 1.000 ảnh ở mức giá tiêu chuẩn; Omni 1.1 Flash khoảng 0,10 USD mỗi giây video 720p.

• Giá đầu vào — cả hai đều $1.50 mỗi triệu token đầu vào, nhưng chỉ Omni 1.1 Flash mới tính âm thanh vào trong số các đầu vào.

• Đầu ra văn bản — Nano Banana 2.1 $7,50 mỗi triệu token; Omni 1.1 Flash $9,00 mỗi triệu token cho văn bản, $17,50 cho video.

• Nguồn gốc — Nano Banana 2.1 mang hình mờ SynthID trên mọi hình ảnh; nguồn gốc cấp clip của Omni 1.1 Flash không được nêu trên trang định giá.

• Đo lường độc lập — cả hai mô hình đều không có vị trí nào trên đấu trường công khai trong những ngày sau khi ra mắt; cách diễn đạt về hiệu năng duy nhất dành cho cả hai đều đến từ chính Google.

Giá theo đơn vị thực sự mua được những gì

So sánh $0.0336 với $0.10 là vô nghĩa cho đến khi bạn quyết định một đơn vị đầu ra là gì. Phiên bản trung thực là một cảnh: một clip sản phẩm dài 30 giây ở 720p tốn khoảng $3.00 cho Omni 1.1 Flash theo cách quy đổi của chính nhà cung cấp, và những hình ảnh tĩnh mà cảnh đó được dựng nên chỉ tốn một phần nhỏ của một xu mỗi ảnh trên Nano Banana 2.1. Một quy trình lập storyboard mười hai khung hình, loại bỏ mười trong số đó và render một bố cục cuối cùng sẽ chi nhiều hơn cho mười một hình ảnh tĩnh bị loại so với mức hầu hết mọi người tưởng và ít hơn so với video hai bậc độ lớn. Sự bất đối xứng đó chính là toàn bộ lý do khiến hai mô hình thường được nối chuỗi với nhau thay vì được so sánh.

Trang định giá cũng công bố một phép quy đổi dễ bị bỏ qua và quan trọng cần biết: 5.792 token đầu ra mỗi giây ở 720p. Con số đó là thứ biến máy đếm token thành ngân sách theo giây, và đó là con số cần đưa vào mô hình chi phí thay vì con số tiêu đề $0.10, vì con số tiêu đề được suy ra từ nó theo mức giá tiêu chuẩn. Google chưa công bố con số tương đương theo giây cho các độ phân giải khác trên mô hình này — mức giá theo độ phân giải của nó thuộc về Veo 3.1, không phải Omni Flash — nên bất kỳ ai trích dẫn mức giá theo giây cho 1080p hoặc 4K cho Omni là đang trích dẫn một ước tính, không phải con số trên trang.

Về phía ảnh tĩnh, chi phí của Nano Banana 2.1 đặc biệt dễ suy luận vì cả hai mức đều được công bố: 30 đô-la cho mỗi triệu token hình ảnh ở mức tiêu chuẩn và 15 đô-la cho mỗi triệu token ở mức batch, cùng với số token theo từng độ phân giải được đưa ra (1.120 token cho ảnh 1K, 1.680 token cho 2K, 2.520 token cho 4K). Chạy batch ở 1K là 0,0168 đô-la mỗi ảnh. Nếu pipeline của bạn có thể chấp nhận thời gian xử lý trong 24 giờ, gói batch sẽ thay đổi mức chi phí cho một lượt render tham chiếu quy mô lớn.

Ngày di trú quyết định một phần của việc này

Một nửa của so sánh này đang có hạn chót, còn nửa kia thì không. Vào cùng ngày Nano Banana 2.1 đạt GA, nhật ký thay đổi của Google đã thông báo rằng gemini-3.1-flash-image — mô hình được bán với tên Nano Banana 2 — "đã bị ngừng hỗ trợ và sẽ bị tắt vào ngày 29 tháng 10 năm 2026." Gemini Omni Flash không có thông báo như vậy. Vì vậy, nếu hiện tại bạn đang chạy pipeline hình ảnh kèm video trên mô hình hình ảnh trước đó, thì phần ảnh tĩnh của nó là phần cần được chú ý trong ba tuần tới, còn phần video thì không.

Sự bất đối xứng đó cũng là lý do vì sao một pipeline hai mô hình đáng để đấu nối qua một đầu mối duy nhất. OrcaRouter đặt hơn 200 mô hình phía sau một endpoint tương thích OpenAI duy nhất với mức chênh 0% so với giá niêm yết của nhà cung cấp và khả năng tự động chuyển đổi dự phòng giữa các nhà cung cấp, nên một lệnh gọi ảnh và một lệnh gọi video đều xuất phát từ cùng một key, cùng một hóa đơn và cùng một logic thử lại, thay vì hai hợp đồng nhà cung cấp với hai kiểu lỗi khác nhau. Cả hai mô hình này đều không có trong danh mục của chúng tôi — bạn lấy chúng từ API của chính Google và một số nền tảng bên thứ ba — và vấn đề không phải là chúng tôi lưu trữ chúng; mà là khi một mã định danh mô hình thay đổi ngay dưới chân bạn, việc để nó nằm trong cấu hình định tuyến thay vì hard-code trong một bản triển khai chính là điều biến một hạn chót thành một chỉnh sửa cấu hình. Chúng tôi có định tuyến các mô hình ảnh khác, bao gồm google/gemini-3.1-flash-image-preview và openai/gpt-image-2, và đó chính là điều giúp có thể so sánh trực tiếp song song với 2.1 mà không cần tài khoản thứ hai.

Nơi bằng chứng dừng lại

Tính đến ngày 7 tháng 10 năm 2026, cả hai mô hình đều chưa có vị trí xếp hạng trên bất kỳ bộ benchmark độc lập nào được ghi nhận công khai. Với Nano Banana 2.1, điều đó là dễ hiểu — nó mới ra mắt được một ngày. Với Omni 1.1 Flash, đây lại là một khoảng trống đáng chú ý hơn, bởi mô hình đã có mặt lâu hơn và tạo video đúng là dạng tác vụ mà việc bình chọn theo sở thích của con người tạo ra tín hiệu rõ ràng. Bất kỳ ai nói với bạn rằng một trong hai mô hình này vượt trội hơn mô hình kia về chất lượng đo lường được đều đang nhắc lại tuyên bố của nhà cung cấp hoặc một bản render được chọn lọc thủ công. Những cải tiến mà Google tuyên bố cho Nano Banana 2.1 nằm ở “chất lượng hình ảnh, khả năng render văn bản, tính nhất quán qua nhiều lượt và khả năng dựa trên Google Search”; cách định vị mà Google tuyên bố cho Omni 1.1 Flash là tính mạch lạc và suy luận đa đầu vào, còn Veo 3.1 được giữ lại cho khả năng mở rộng và độ trung thực. Cả hai đều là nhà cung cấp đang mô tả công việc của chính mình.

Điều duy nhất bạn có thể xác minh mà không cần tin tưởng bất kỳ ai là hành vi. Omni 1.1 Flash là một mô hình video: hãy yêu cầu nó tạo một ảnh tĩnh và yêu cầu sẽ thất bại, vì tạo và chỉnh sửa ảnh không nằm trong số các khả năng mà nó liệt kê. Đó là vấn đề định tuyến, không phải vấn đề chất lượng, và đó chính là kiểu thất bại mà các nhóm đang xây dựng một lớp trừu tượng "một mô hình làm mọi loại media của tôi" dễ mắc phải.

Dự án của bạn cần cái nào

Nếu sản phẩm bàn giao là một ảnh tĩnh — ảnh chụp sản phẩm, banner đã bản địa hóa, infographic có chữ đọc được, một nhân vật được giữ nhất quán xuyên suốt chiến dịch — thì Gemini Nano Banana 2.1 là mô hình, và mức trần nhất quán bốn nhân vật và mười đối tượng của nó là những ràng buộc cần thiết kế xoay quanh. Nếu sản phẩm bàn giao chuyển động và cần phát ra âm thanh như một thứ gì đó, thì Gemini Omni 1.1 Flash là mô hình, và ngân sách mỗi giây ở 720p của nó là con số để lập kế hoạch dựa trên. Nếu cả hai, hình thái tự nhiên là hình thái mà tài liệu của chính Google ngụ ý: tạo khung hình gốc trên mô hình ảnh, làm chuyển động phương án thắng trên mô hình video, và chấp nhận rằng bạn đang mua hai đơn vị khác nhau từ hai đồng hồ đo khác nhau.

Quyết định sẽ trở nên dễ dàng hơn khi bạn ngừng coi đó là một cuộc đối đầu trực diện. Không có tình huống nào mà việc trả $0.10 một giây cho video 720p lại là cách sai để có được một ảnh tĩnh, bởi vì đó hoàn toàn không phải là một cách để có ảnh tĩnh. So sánh thực sự là giữa từng lựa chọn này với các đối thủ của chính nó — với Nano Banana 2.1, đó là phân khúc giá rẻ của thị trường hình ảnh chứ không phải Nano Banana Pro, và với Omni 1.1 Flash, đó là Veo 3.1 về năng lực cùng bất kỳ mô hình video nào mà ngân sách của bạn thực sự cho phép.

Điều gì sẽ giải quyết được nó?

Hai bước phát triển sẽ biến điều này từ một ghi chú mang tính kiến trúc thành một so sánh đã ngã ngũ. Thứ nhất là một vị trí độc lập về chỉnh sửa hình ảnh dành cho Nano Banana 2.1 — khi phiên bản tiền nhiệm của nó đang nằm ở giữa bảng xếp hạng do con người bình chọn, câu hỏi liệu tuyên bố "cải thiện đáng kể" có xuất hiện trong các lá phiếu hay không vẫn thực sự để ngỏ. Thứ hai là mức giá theo giây được công bố cho Omni 1.1 Flash trên 720p, bởi cho đến lúc đó, mọi ngân sách video 1080p hay 4K được xây dựng trên mô hình này đều đang dựa trên ước tính của nhà bán lại thay vì con số từ Google.