一张生成的标题卡,主标题为“FIBO 2.0 vs Nano Banana 2.1”,副标题为“32 美元和 33.60 美元;66 Elo”。两个价签分别写着“每 1,000 张图像 32.00 美元”和“每 1,000 张图像 33.60 美元”,二者之间有一个括号,写着“编辑方面 66 Elo”。页脚写着:“价格与 Elo 数据来自 Artificial Analysis,AA-Image-Editing,读取于 2026 年 11 月 20 日。”
Guides & Insights

FIBO 2.0 与 Nano Banana 2.1:价格相同,Elo 相差 66

作者

Gideon Frost

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

两个图像模型,价格相差百分之五,而在它们各自唯一的盲测指标上相差六十六 Elo。FIBO 2.0 每千张图像收费 32.00 美元,Nano Banana 2.1 则为 33.60 美元。在 Artificial Analysis 的图像编辑排行榜上(数据读取于 2026 年 11 月 20 日),Nano Banana 2.1 以 1,152 Elo 位列第十,共计 7,606 场对战,置信区间为 1,140 至 1,164;FIBO 2.0 以 1,086 Elo 排在第三十一位,共计 5,753 场对战,区间为 1,073 至 1,099。在文生图榜单上,差距扩大到 139 分:1,176 对 1,037。

因此,在大多数这类对比中占主导地位的定价问题,在这里从一开始就不成立。你要选的并不是便宜还是昂贵。你要选的是:一边是来自 Goog​le 图像产品线的闭源模型,在两者都被出售用来完成的那件事上可测量地更好;另一边是 Bria 的 8B 开放检查点,每张图只便宜一个舍入误差级别的钱,还附带非商业许可证。其余一切都只是细节,取决于这两个事实中哪一个你能接受。

六十六 Elo 在实际中意味着什么

Elo 分差常常被引用,仿佛这个数字本身就是论据。事实并非如此。六十六分的差距,且区间不重叠,意味着在大量并排比较样本下,该竞技场对 Nano Banana 2.1 的偏好足够频繁,以至于采样噪声无法解释这种排序。它没有告诉你的是,它偏好哪些类型的编辑,而这正是你在把某个工作流押在它身上之前需要知道的事情。

A screen capture of the Artificial Analysis AA-Image-Text-to-Image leaderboard ranked by Elo, showing Nano Banana 2.1 at rank 8 with 1,176 Elo, an interval of 1,164 to 1,188 across 6,793 battles at $33.60 per 1,000 images, and Fibo 2.0 at rank 32 with 1,037 Elo, an interval of 1,026 to 1,048 across 5,741 battles at $32.00 per 1,000 images.

周围几行的模式很能说明问题。Nano Banana 2.1 是一个通才型模型——它同时出现在两个榜单的高位,在文生图榜单上排名第八,在编辑榜单上排名第十,其系列(包括 Nano Banana 2 和 Nano Banana Pro)累计拥有超过 16,000 场对战记录。FIBO 2.0 相对而言在编辑上表现最好(1,086,第 31 名),在文生图上表现最弱(1,037,第 32 名),这更像是一个在现有画面框架内被大量训练遵循指令的模型,而不是一个凭空生成画面的模型。如果你的工作是“改这个,其余保持不变”,两者之间的差距比 66 分所暗示的要小。如果你的工作是“给我生成一张图”,那差距是真实存在的,而且并不接近。

• 编辑 Elo — Nano Banana 2.1 1,152(第 10 名,7,606 场对战);FIBO 2.0 1,086(第 31 名,5,753 场对战)。

• 文生图 Elo — Nano Banana 2.1 1,176(第 8 名,6,793 场对战);FIBO 2.0 1,037(第 32 名,5,741 场对战)。

• 每 1,000 张图片的价格 — 33.60 美元对 32.00 美元,相差 5%。

• 权重——无,封闭 API;8.1B 参数,受限下载,CC BY-NC 4.0。

• 生成与编辑——一个托管模型同时覆盖二者;一个检查点同时覆盖二者,这是 Bria 首次将二者统一。

• 提示词格式——自然语言加图像引用;VGL,一种结构化 JSON 描述模式,并附带一个用于写入它的配套包。

A generated scoreboard card titled 'FIBO 2.0 vs Nano Banana 2.1 — the scoreboard'. Left column 'FIBO 2.0': 'Editing Elo: 1,086 (31st)', 'Text-to-image: 1,037 (32nd)', 'Weights: 8.1B, gated, CC BY-NC 4.0', 'Price: $32.00 / 1k images', 'References: up to 4', 'Prompt: VGL JSON schema'. Right column 'Nano Banana 2.1': 'Editing Elo: 1,152 (10th)', 'Text-to-image: 1,176 (8th)', 'Weights: none, closed API', 'Price: $33.60 / 1k images', 'References: multi-image, per Google', 'Prompt: natural language'. A footer reads 'Elo per Artificial Analysis, read 20 November 2026; prices per each vendor; licence per Bria model card.'

并非百分之五的那百分之五

Bria 每张图 0.032 美元是固定价。Nano Banana 2.1 在排行榜上的 33.60 美元也是如此,至少按照榜单报告的口径是这样;但 Goog​le 图像端点的实际账单取决于输出尺寸以及你附加了多少张参考图像——这类信息从不会出现在按千次计价的列表中。这在本次比较中是把双刃剑,而且值得明确说明:这两个数字都不应被当作报价。

更有用的做法是注意到:相对于其他会发生变化的东西,价格差异有多么小。一年一百万张图片的情况下,差距大约是 1,600 美元——不到一位工程师一周时间的成本,也远低于围绕另一种模型的提示格式重建整条流水线的代价。价格这一列并不是这个决策所在之处。它摆在那里,是为了防止你想当然地以为决策就在那里。

许可证才是实际价格。

FIBO 2.0 的 $0.032 可为你购买一次商业 API 调用,以及另外一项在 CC BY-NC 4.0 下的受限下载。该下载是非商业性的:Bria 的模型卡明确说明,将权重用于商业用途需要另行签订协议,而 Hugging Face 的访问门槛会要求填写公司名称和预期用途类别,之后才会提供文件。相比之下,API 没有此类限制——你可以销售该端点的输出。二者是共享同一名称的不同产品。

Nano Banana 2.1 没有可供争论的权重,这彻底消除了许可证问题,转而将其替换为依赖性问题。你无法审计它,无法微调它,无法锁定某个构建版本并在自己的网络中运行它,也无法阻止客户照片离开你的基础设施。对许多公司来说,最后这一条就是决策的全部,而它们会因此决定不选那个排名高出十位的模型。

到了这个时候,66 Elo 不再重要,而“我们需要它运行在我们自己的 VPC 里”这句话开始出现。这也是开放权重方案通常会过度承诺的地方:非商业许可证并不是让你在自己的网络里运行产品的方式,而是让你在谈判期间在自己的网络里做研究和原型验证的方式。任何把“开放权重”理解为“我们可以交付这个产品”的人,都即将和律师进行一场不愉快的谈话。

价格栏所隐藏的第三种选择

两家供应商都以每张图像约三美分的价格提供端点。这个价格足够低,以至于现在有意思的问题不再是要买哪个模型,而是如何避免周边流水线的成本超过渲染本身。

图像模型周围的流水线主要都是文本。写出一条说明文字,校验一个 schema,返回一次错误的渲染结果,组合一次重试,因为某个供应商正在限流而将一批任务路由到另一个模型。这些步骤中的每一步都是一次语言模型调用,各有自己的供应商和自己的密钥。OrcaRouter 以供应商标价、0% 加价,将 200 多个文本模型置于单一密钥之后,因此说明文字生成器可以按任务替换,而无需新合同;供应商故障可由自动故障转移来兜底,而不是靠值班呼叫。FIBO 2.0 和 Nano Banana 2.1 都不在我们的目录中——图像调用仍留在原处——但工作流中决定这次图像调用是否值得执行的那一半,不必再成为第二套集成。

具体到 FIBO 流水线,这种表述并非装饰性的。该模型的文档以 VGL 为准;VGL 是一种结构化描述格式,它把主体、构图、光照、相机、风格和图像内文字分别放入命名字段,而不是塞进一个冗长的句子里。VGL 对象的天然作者是模型,而不是人;其天然的失败模式是在渲染前两秒发生模式违规。把写入器、校验器和重试机制放在同一个端点之后,并配有路由回退,这正是流水线与一堆脚本之间的区别。

哪一个,什么会让它翻转?

如果你除了“用低成本做出好图”之外没有其他限制,那么从证据来看,Nano Banana 2.1 就是赢家;而且它胜出的幅度超过了两者的价差。贵百分之五,编辑项目上领先二十一位、文生图项目上领先二十四位,这绝非难分高下的选择。

A generated card titled 'What five percent buys', showing a see-saw: on one side '$1,600 a year at a million images' and on the other 'a pipeline rebuilt around a different prompt format, a fine-tune you cannot run, and a licence you cannot read'. A footer reads 'Prices per Artificial Analysis, read 20 November 2026; the annual figure is arithmetic on a $0.0016 per-image difference.'

如果你有某项约束——数据驻留、基于自有目录的微调、审计要求、研究项目——FIBO 2.0 正是能满足它的那一个,而六十六点 Elo 就是你为这个文件付出的代价。微调这件事是真的:该仓库附带了一个用于编辑和文生图的单 GPU LoRA 训练器,而且由于生成和编辑共享同一套权重,一次微调就能教会一种专属风格以及其中的编辑。这是托管模型无论出价多少都无法提供的能力。

有三件事会改变结论。Bria 的商业许可证会让该下载内容变得可用,并使 FIBO 成为真正的内部可选方案,而不只是研究玩具。Nano Banana 2.1 若公布单图价格,并将参考图和 4K 输出纳入考量,就能说明那百分之五是否真的是百分之五——这个答案的走向并不明显。而进行一轮能区分两个编辑区间的竞技场对战,将能判定六十六分就是差距,还是说目前彼此以 41 分拉开距离的区间实际上比看上去更接近。

在那之前,准确的总结很短:两个型号,同一价格;其中一个在两者登上的每个榜单上都更胜一筹,另一个则是这对中唯一能握在手里的。这不是排行榜的问题,从来都不是。