Qwen-Image 2.1 vs Nano Banana 2: Bạn trả bao nhiêu cho mỗi hình ảnh và bạn trả bao nhiêu để sở hữu nó

Chỉ một trong hai mô hình này có mức giá mà bạn có thể đưa vào bảng tính. Nano Banana 2 — mô hình Gemini 3.1 Flash Image, được phát hành chính thức từ ngày 28 tháng 5 năm 2026 — có giá khoảng $0.067 mỗi ảnh 1024×1024, $0.101 ở 2048×2048, và khoảng $0.151 ở mức 4K, với chế độ batch chỉ tốn khoảng một nửa và đầu vào văn bản được tính riêng ở mức $0.25 mỗi triệu token. Qwen-Image 2.1, được nhóm Qwen-Image mở mã nguồn vào ngày 20 tháng 9 năm 2026, hoàn toàn không có giá theo từng ảnh, vì không có endpoint được host nào để mua: nó là bản tải trọng số 33 GB theo một giấy phép nghiên cứu cấm sử dụng thương mại. Vậy câu hỏi đầu tiên trong cuộc so tài này không phải là mô hình nào tốt hơn. Mà là liệu bạn đang mua ảnh hay mua một cỗ máy tạo ra chúng, và hai giao dịch mua đó không thể so sánh theo cách mà một bảng thông số kỹ thuật ngụ ý.

Khả năng dự báo chính là thứ mà mức giá theo từng ảnh thực sự mang lại

Cách tính giá của Google khá bất thường trong hạng mục hình ảnh ở chỗ nó quy đổi rõ ràng đến vậy. Mô hình tính $60 cho mỗi triệu token đầu ra, và vì đầu ra hình ảnh được token hoá theo cách có thể dự đoán được, điều đó quy thành các con số trên mỗi hình ảnh mà bạn có thể ước tính trước khi tạo bất cứ thứ gì.

• Nano Banana 2 — khoảng 0,067 USD cho 1024×1024, 0,101 USD cho 2048×2048, khoảng 0,151 USD ở 4K, chỉ bằng khoảng một nửa các con số đó ở chế độ batch, cộng thêm 0,25 USD cho mỗi triệu token nhập văn bản. Một nghìn ảnh 2K tốn khoảng 101 USD, có thể dự báo chính xác đến từng đô la.

• Qwen-Image 2.1 — không có giá công bố. Chi phí là thời gian GPU của chính bạn với gói 33 GB, và lời khuyên trên thẻ mô hình dành cho phần cứng hạn chế là offload sang CPU thông qua pipe.enable_model_cpu_offload(), đây chỉ là một lối thoát tình thế chứ không phải là giải pháp khắc phục.

Cái mà mức giá tính theo đồng hồ đo mang lại không chỉ là những hình ảnh. Đó là khả năng trả lời câu hỏi "tính năng này tốn của chúng ta bao nhiêu với mười nghìn hình ảnh một tháng" mà không cần đo hiệu năng phần cứng của chính mình trước. Đó là một lợi thế thực sự và rất dễ bị đánh giá thấp, bởi vì lựa chọn thay thế — tự vận hành — có một chi phí thực sự khó tính toán: nó phụ thuộc vào mức độ sử dụng của bạn, card của bạn, tiền điện của bạn, và liệu cái máy đó có đang nhàn rỗi hay không. So sánh trung thực không phải là $101 mỗi nghìn so với miễn phí. Mà là $101 mỗi nghìn so với một con số khấu hao mà bạn phải tự mình tính ra, và hầu hết các nhóm làm phép tính đều thấy rằng mức giá tính theo đồng hồ đo vẫn cạnh tranh cho tới khi mức độ sử dụng trở nên rất cao.

Giấy phép chính là nơi "tạ tự do" không còn miễn phí nữa

Đây là sự khác biệt rõ rệt nhất giữa hai mô hình, và không hề sát nút.

Nano Banana 2 là một sản phẩm thương mại với các điều khoản thương mại. Bạn trả tiền theo từng ảnh và bạn phát hành những gì mình tạo ra. Qwen-Image 2.1 được phát hành theo Thỏa thuận Giấy phép Nghiên cứu Qwen ngày 20 tháng 9 năm 2026, trong đó cấp các quyền "CHỈ DÀNH CHO MỤC ĐÍCH PHI THƯƠNG MẠI" và nêu rõ rằng việc sử dụng thương mại đòi hỏi một giấy phép riêng được yêu cầu từ nhà cung cấp. Đây là một thay đổi so với dòng Qwen-Image trước đó, vốn được phát hành theo Apache 2.0 — vì vậy lựa chọn mở trong so sánh này là mở theo nghĩa bạn có thể đọc và chạy nó, chứ không phải theo nghĩa bạn có thể xây dựng một doanh nghiệp dựa trên nó.

Đối với một nhóm nghiên cứu, một người làm vì đam mê, hay bất kỳ ai đang chạy benchmark, đó là một giấy phép ổn và bản tải xuống thực sự miễn phí. Đối với một nhóm sản phẩm, điều đó có nghĩa là mô hình trong cuộc so tài này không có mức giá trên mỗi ảnh thì cũng không có con đường thương mại, khiến toàn bộ việc so sánh chi phí sụp đổ hoàn toàn: bạn không phải đang chọn giữa 101 đô la và một thứ rẻ hơn, mà là đang chọn giữa một mô hình mà bạn có thể bán đầu ra từ đó và một mô hình mà bạn không thể.

Độ phân giải và tỷ lệ khung hình, nơi mô hình mở có lợi thế thực sự

Gạt chuyện giấy phép sang một bên, Qwen-Image 2.1 làm được một điều mà Nano Banana 2 không làm được, theo cách có ý nghĩa đối với những quy trình làm việc cụ thể.

• Qwen-Image 2.1 — 2K gốc với 2048×2048 là mặc định được ghi nhận ở 40 bước suy luận, bảy preset tỷ lệ khung hình, tối đa 10 ảnh tham chiếu và đầu ra RGBA: kênh alpha thực, chỉnh sửa lớp trong suốt và tách chủ thể từ ảnh RGB.

• Nano Banana 2 — đầu ra 4K với khả năng hỗ trợ tỷ lệ khác thường, bao gồm cả các tỷ lệ cực đoan 1:4 và 1:8, vượt xa hơn mức mà hầu hết các mô hình cung cấp ở cả hai hướng, và công bố các chỉ số nhất quán về năm nhân vật và mười bốn đối tượng trong một lần tạo.

Kênh alpha là thứ đáng chú ý. Mô hình của Google không được tài liệu ghi nhận là có tạo độ trong suốt, còn Qwen-Image 2.1 làm được điều đó một cách native, nghĩa là bước ghép lớp mà nếu không sẽ là công việc thủ công — cắt chủ thể ra, giữ các cạnh mềm, đặt nó lên một thứ khác — nằm bên trong mô hình thay vì nằm sau nó. Nếu bạn kiếm sống bằng việc tạo tài nguyên dạng lớp, thì đó là một khác biệt về quy trình làm việc chứ không phải một tuyên bố về chất lượng. Cũng nên nói thẳng rằng cả hai mô hình đều kết xuất lớn hơn nhu cầu của hầu hết công việc: 4K và 2048×2048 đều đã vượt qua điểm mà ở đó ràng buộc là mô hình chứ không phải đích đến.

Một con số đã công bố đối chiếu với một lời hứa

Mô hình của Google đã có mặt trên cả hai bảng xếp hạng hình ảnh của Artificial Analysis kể từ mùa xuân và nằm trong top 5 về tạo hình ảnh từ văn bản và chỉnh sửa hình ảnh trong bản chụp tháng Chín, ở mức khoảng Elo 1.320 trong tạo hình ảnh từ văn bản. Các số liệu về tính nhất quán của nó — năm nhân vật, mười bốn đồ vật — là của chính Google, nhưng chúng nằm cạnh một bảng điểm độc lập, nghĩa là chúng có thể được kiểm tra tính hợp lý dựa trên cách mô hình thực sự thể hiện trong các so sánh mù.

Qwen-Image 2.1 không có điểm số độc lập. Nó có một bài đăng trên blog của nhà cung cấp với biểu đồ Qwen-Image-Bench mà chưa bên thứ ba nào tái lập, và một báo cáo trải nghiệm thực tế qua quyền truy cập sớm từ một người thử nghiệm trong chương trình Qwen Ambassador, người đã chạy trọng số cuối cùng qua giao diện ModelScope Studio: khoảng 10–15 giây cho tạo văn bản thành hình ảnh, 18–23 giây cho chỉnh sửa, xử lý vị trí máy ảnh và vai trò nhiều nhân vật rất tốt, và độ nhất quán đa tham chiếu giảm dần từ khoảng ba ảnh đầu vào trở đi. Chỉ có một người đánh giá, không hiển thị đồng hồ bấm giờ, không có bộ prompt nào được công bố. Đây là quan sát bên ngoài duy nhất về mô hình tồn tại công khai, và nên được đọc như một gợi ý hơn là một phép đo.

Ngoài ra còn có một con số đang lan truyền trong các bài đưa tin của bên thứ ba, mô tả Qwen-Image 2.1 là một transformer 20 lớp. Điều đó mâu thuẫn với thẻ mô hình, trong đó ghi rõ một diffusion transformer đơn luồng 32 lớp với 7B tham số trong thành phần tạo hình ảnh, một bộ mã hóa văn bản Qwen3-VL 8B và một VAE RGBA 64 kênh ở mức nén không gian 16×. Hãy dùng thẻ mô hình.

Điều duy nhất bạn có thể làm với cả hai

Đây là bài viết duy nhất trong loạt bài này mà đối thủ là một mô hình mà chúng tôi thực sự định tuyến. Nano Banana 2 có mặt trên OrcaRouter với mã google/gemini-3.1-flash-image-preview, cùng với phần còn lại của dòng mô hình hình ảnh — họ GPT-Image của OpenAI, các phiên bản Imagen 4 của Google, các bản xem trước hình ảnh Gemini khác, và endpoint hình ảnh Grok Imagine của xAI — tất cả đều nằm sau một endpoint tương thích OpenAI duy nhất với mức giá niêm yết của nhà cung cấp, không phụ phí. Qwen-Image 2.1 không nằm trong số các mô hình mà chúng tôi định tuyến, và bài viết này sẽ không ngụ ý rằng nó có.

Điều đó thực sự có ý nghĩa gì cho quyết định này thì hẹp hơn một lời chào hàng nhưng lại hữu ích hơn thế. Nếu bạn muốn so sánh hai mô hình trên chính các câu lệnh của mình, thì phía Google chỉ tốn của bạn một khóa API và khoảng một phần mười xu cho mỗi ảnh ở độ phân giải 2K, và nó nằm trên cùng endpoint với mọi thứ khác mà bạn gọi. Phía Alibaba thì tốn của bạn một bản tải xuống 33 GB, một GPU, và một cuộc rà soát giấy phép nghiên cứu trước khi bạn có thể làm bất cứ điều gì mang tính thương mại với đầu ra. Chuyển đổi dự phòng tự động giữa các nhà cung cấp là mảnh ghép còn lại quan trọng ở đây: một tuyến có thể mang lưu lượng sản xuất trên một mô hình đã được đo lường trong khi một mô hình chưa được đo lường đang được đánh giá bên cạnh nó, nhờ đó việc đánh giá không bao giờ nằm trên đường tới hạn.

Cái nào, cho ai

• Chọn Nano Banana 2 nếu bạn đang tung sản phẩm ra thị trường. Nó có giấy phép thương mại, mức giá bạn có thể dự đoán chính xác đến từng đô-la, điểm số độc lập nằm trong top năm trên cả hai bảng xếp hạng, đầu ra 4K, và dải tỷ lệ rộng nhất trong so sánh này. Chi phí cho một nghìn hình ảnh 2K là khoảng 101 USD và bạn có thể bắt đầu tạo chúng ngay chiều nay.

• Chọn Qwen-Image 2.1 nếu bạn đang nghiên cứu. Nó miễn phí để tải về, kiến trúc và system prompt viết lại prompt có thể được kiểm tra đầy đủ, nó render native ở 2048×2048 với độ trong suốt thật, và nó nhận tối đa 10 ảnh tham chiếu với các chỉnh sửa cục bộ bằng khoanh tròn, chú thích vẽ tay hoặc mặt nạ. Bạn không thể bán những gì nó tạo ra, và chưa ai đo lường được liệu nó có tốt hay không.

Khoảng cách giữa hai đoạn đó chính là khoảng cách giữa các mô hình, và đó không phải là khoảng cách về chất lượng — mà là khoảng cách về độ trưởng thành, và nó đang được thu hẹp theo một lịch trình. Những người thử nghiệm quyền truy cập sớm của Qwen được yêu cầu công bố mẫu hoặc đánh giá trước ngày 29 tháng 9 năm 2026. Khi những thứ đó xuất hiện, mô hình mở sẽ không còn là ẩn số nữa mà bắt đầu có thể so sánh được, và câu hỏi duy nhất còn lại sẽ là giấy phép. Đó là con số cần theo dõi, và nó là một tệp giấy phép chứ không phải một phép đo hiệu năng.