Krea 3 Ultra 对比 Nano Banana 2.1：榜单上打成平手，却是两款不同的产品

1.1 Elo。这就是以下两者之间的全部实测差距：Krea 3 Ultra为 1150.58，而Nano Banana 2.1为 1151.65，数据读取于 2026 年 10 月 20 日的 Artificial Analysis 图像编辑排行榜——并且这两行所公布的排名区间同为 3–6。在该排行榜上，它们就是同一个模型，只是挂着不同的名字。像本次发布这样的发布背后，有记录的 AI 故障和智能体事件都收录在 OrcaRouter AI Incident Archive，其中每条记录都附有自己的来源、严重程度、置信度评级和争议标记。

在排行榜之外，它们几乎不可相提并论。Krea 3 Ultra 是 Krea 3 上的一个思考模式——一个会返回任务 ID 供你轮询的端点——每次编辑要耗时数分钟，仅输出 2K，而且每次使用都要在基础价格之上额外支付 $0.20。Nano Banana 2.1 是 G​oogle 的高效主力，自 2026 年 10 月 6 日起正式可用，按 token 出售，每张 2K 图像 $0.0504，支持 4K，最多可加载 14 个参考，并接入 G​oogle 搜索。一个是稀缺、审慎、昂贵的调用；另一个是可以反复猛用的按量计费工具。

因此，真正有用的问题不是哪个得分更高，而是你的任务需要这两种形态中的哪一种——而且人们通常做的价格比较，即 $0.33 对 $0.05，比较错了两个东西。下面列出真正有差异的数字，然后给出一种做决定的方法。

这条领带是用什么做的

Artificial Analysis 在编辑图像上的人类成对投票数据上拟合 Bradley-Terry 模型，并将量表锚定为使 FLUX.2 [dev] 位于 1000。10 月 20 日的读数显示，Nano Banana 2.1 以 1151.65 排名第三，在 6,684 个样本上的区间为 ±13；Krea 3 Ultra 以 1150.58 排名第五，在 5,378 个样本上的区间为 ±14。MAI-Image-2.6 以 1151.03 位居两者之间。三个模型，一个排名区间，区间几乎完全重叠。

两者的差异体现在工作负载上，而在这方面的差距大于 1.1 Elo——两个方向都是如此：

• 营销与广告 — Nano Banana 2.1 的 1196.4 对 Krea 3 Ultra 的 1182.79。G​oogle 领先约 14 个 Elo。

• 零售与电子商务 — Nano Banana 2.1 1148.92 对 1129.84。Google 领先 19。

• 动画与游戏 — Krea 3 Ultra #2，得分为 1178.77；Nano Banana 2.1 在该类别中位列其后。在点估计上，Krea 领先。

• 基于推理的编辑 — Krea 3 Ultra #4 为 1186.82，Nano Banana 2.1 在同一动作中以 1193.07 位列第二。G​oogle 领先 6。

• 身份保持编辑 — Nano Banana 2.1 以 1197.8 对 Krea 3 Ultra 的 1182.47。谷歌领先 15。

• 构图与取景 — Krea 3 Ultra #3 为 1182.68，而 Nano Banana 2.1 未进入该动作的前三名。

把这份榜单当作一个警告：别冲着排名去买。如果你的工作是广告创意、产品摄影，或者要在整场营销活动中保持同一张面孔，那么真正有分量的那张榜单说的是 Google——其领先幅度是整体差距的好几倍。如果是动画、游戏素材，或者需要一步推理的编辑工作，Krea 的理由比第 #5 名所暗示的更强。

所有类别排行榜都基于每个模型数百票，带有 ±20 至 ±38 的区间。14 Elo 的类别差距具有方向性参考价值，但尚未在统计上得到定论。

定价，做到位

Nano Banana 2.1 按 token 计费：每百万输入 token 1.50 美元，每百万图像输出 token 30.00 美元。Google 将其换算为约每 1K 图像 0.0336 美元、每 2K 图像 0.0504 美元、每 4K 图像 0.113 美元。以上为标价，且不随你发送的参考图数量而变化。

Krea 3 Ultra 按组件计费，而且每个组件都会叠加：一张 2K 图像的基础费用为 $0.06，每个 2K 参考图为 $0.07，若使用高思考则为 $0.02，Ultra 为 $0.20。一个 2K 参考图会让单次 Ultra 编辑达到 $0.33。四个则使其达到 $0.54。一张带有十二个参考图的高质量 4K Nano Banana 2.1 图像为 $0.113。

• 在同一个参考下，2K — Krea 3 Ultra 为 $0.33，而 Nano Banana 2.1 为 $0.0504。Google 大约便宜 6.5 倍。

• 在四张参考图、2K 下——Krea 3 Ultra 为 $0.54，对比 $0.0504。Google 大约便宜 10.7×。

• 在 4K 下——Krea 3 Ultra 无法达到该分辨率。Nano Banana 2.1 为 0.113 美元。

发布报道中反复出现的对比——“$0.06 对 $0.135”——用的是 Krea 3 的快速模式和 Nano Banana Pro 的价格。那句话的两边都不是本页所讨论的模型。对于 Ultra 与 2.1 相比，真实的比率更接近一个数量级。

延迟也朝同一方向变化，幅度也相近。Ultra 是一种生成候选、审查候选的模式：Krea 的文档称一项任务需要“几分钟”，上限约为十分钟，低优先级下为十六分钟。Google 没有公布 Nano Banana 2.1 的每张图像延迟，但该模型基于 Flash 系列构建——上一代产品的卖点是高吞吐下的速度——并且它提供了一个思考级别控制，包含 最低、中等 和 高 三档设置，默认为中等。在吞吐量方面，这两款产品并不属于同一市场。

Elo 无法看到的能力差异

• 分辨率 — Krea 3 Ultra 仅支持 2K。Nano Banana 2.1 支持 1K、2K 和 4K，并公布了各宽高比的像素对照表。Google 的同系列产品 Nano Banana 2（Flash 版本）新增了 2.1 所不具备的 512px 档位。

参考文献——根据 Google 的文档，Nano Banana 2.1 最多接受 14 张参考图，在一个工作流中最多可为四个角色保持角色相似度，并为最多十个物体保持保真度。Krea 3 通常最多接受八张，但当达到五张或更多时，每张参考图会按最长边缩小到 1536 px；Krea 建议发送四张或更少以保留完整细节。Ultra 至少需要一张参考图。

• 搜索依据 — Nano Banana 2.1 可以让生成以 Google 网页搜索为依据，并且在本代中新增了 Google 图片搜索，因此提示词可以引用真实的最新商品或某张检索到的特定图片。Krea 3 没有同等能力。

• 视频输入 — Nano Banana 2.1 可接受视频作为上下文，并从中生成一张静态图像。Krea 3 则接受图像和文本。

• 水印——Google 生成的每一张图像都带有 SynthID 水印。Krea 的文档未描述 Krea 3 有等效机制。

数据处理 — Krea 3 为企业工作区支持零数据保留（Zero Data Retention），但在 ZDR 标头下 Ultra 会返回 HTTP 422，因此企业级 ZDR 与 Ultra 互斥。Google 的处理方式受其自身 API 条款约束。

• 区域编辑 — Krea 3 提供 regional_edit: true，它仅重新生成发生更改的区域，其余部分保持像素级精确，因此你可以在最新输出上连续进行编辑，而不会累积伪影。这是真正的产品差异，也是偏好排行榜无法体现的东西。

基于真实简报做选择

这两个模型各自在不同任务上最强，而排行榜上的并列排名很容易让人忽略这一点。

设想这样一个营销活动：每个市场都需要一张主视觉图，且每张画面中的产品标签和模特都保持一致，还要达到印刷分辨率，并参考十几张源图。Nano Banana 2.1 在每一个关键维度上都胜出：4K、14 张参考图、身份保持度比 Krea 高出 15 Elo、每张图 0.11 美元，而且吞吐量足以让一百个变体在一个下午内完成。Krea 3 Ultra 每帧要花 0.54 美元，每张耗时数分钟，还会把你的大部分参考图降采样。

拿一批产品包装图（packshot），要求标签文字和 logo 保持像素级完全一致，而周围场景可以变化，并基于上一版输出进行迭代编辑。Krea 的区域编辑模式正是为此而设，其“零售与电商”排名（在该用例中位列第 4，落后于 Nano Banana 2.1，但领先于大多数同类）相当可观，而且 2K 通常已经够用。Ultra 在这里不合适则是另一个原因：Fast 只需 $0.13、仅用一张参考图就能完成任务，而且 Fast 综合排名第 11——仍领先于 Nano Banana Pro 的 1106。

Nano Banana 2.1 是大多数团队的默认选择，因为它便宜、快速、分辨率高，而且能参考的输入比任何竞争对手都多。Krea 3 Ultra 则是专家级选择：当一次编辑必须做到准确无误，且在这类任务中模型自身的候选审阅比单次生成效果更好时，花几分钟、大约 30 美分来做这一次编辑是值得的。榜单说两者同样出色。定价却说，一个是通用工具，一个是顾问。

比较的一个关键点

这场对比之所以难以从外部定论，是因为两个模型的计费单位不兼容——一边按生成次数计费并收取附加费，另一边按 token 计费并配有分辨率阶梯——而且是在两个不同的延迟等级上衡量。唯一可靠的比较方式，是把同样的十份简报分别跑过两者，然后看账单上写了什么。

OrcaRouter 正是为此而构建：通过一个 API 接入几百个模型，0% 加价，透传提供商标价，当提供商报错或限流时自动故障转移，并提供 路由 DSL，用于在同一个工作流中将不同任务发送给不同模型。Nano Banana 2.1 是 Google 自家的端点，目前不在我们的目录中；我们实际路由的包括 Nano Banana 2（google/gemini-3.1-flash-image-preview）、Nano Banana Pro，以及 OpenAI 的 gpt-image-2.5——因此有用的首次测试是三向对比：Ultra 的 $0.33 编辑能否在你的实际需求简报上胜过 $0.05–0.15 的 Google 或 OpenAI 编辑？无论哪种情况，Krea 3 仍留在 Krea 的 API 上，因为 Ultra 是在那里销售的。

在有人运行那项测试之前，站得住脚的总结有限且并不光鲜：2026年10月20日，这两个模型得分相同；而在决定生产选型的其他所有方面——价格、分辨率、参考、延迟、数据处理——它们相差甚远。先确定任务的形态。排名帮不了你。