Nano Banana 2.1 与 GPT-Image-2.5：一个拥有排行榜，一个只有标签

在2026年10月6日把Nano Banana 2.1和GPT-Image-2.5并排放在一起，诚实的比较并不是在两个图像模型之间——而是在一个排行榜条目和一个菜单标签之间。GPT-Image-2.5于2026年9月8日发布，覆盖所有ChatGPT、ChatGPT Work和Codex层级，带有两个可调用的API标识符，而Artificial Analysis在三天后将这两者都加入了其榜单。Nano Banana 2.1只作为Flow模型选择器里的一个可选字符串存在，除此之外一无所有：没有公告，没有模型卡，没有标识符，没有价格，没有分数。如果你来这里是为了在两者之间做选择，本周的答案别无选择，因为其中一个无法调用。有用的问题是：要改变什么，才能让这一点不再成立。

各方状态，一次掌握

GPT-Image-2.5 是一个模型家族，而不是单个检查点：GPT-Image-2.5 Flare 的标识符为 gpt-image-2.5-flare，被定位为快速的默认版本；而 GPT-Image-2.5 Sunburst 的标识符为 gpt-image-2.5-sunburst，每次生成耗时更长，以换取更精细的编辑控制。两者都在面向消费者开放的同一天上线了 API。

Nano Banana 2.1 是在 Nano Banana 2 基础上的 0.1 版本升级，而 Nano Banana 2 是 Google 对 Gemini 3.1 Flash Image 的正式发布名称。这个名称于 9 月 27 日首次在 Flow 网页版构建中作为一个内部引用被发现，取代了此前的“Nano Banana 2.5 Flash”字符串，并于 10 月 5 日可在界面中选择。此后，Google 对此未作任何说明。

这种不对称就是整篇文章的全部。下文中的每一点，要么是 GPT-Image-2.5 的实测数字，要么是 Nano Banana 2.1 的有记录的缺失，而这两者不能相互反驳。

篮板球说明了什么——对有篮板球的一方而言

Artificial Analysis 于 2026 年 9 月 11 日、即发布三天后，对 GPT-Image-2.5 这一对组合进行了评分，这让此次对决对 OpenAI 而言颇为不同寻常：2.5 世代几乎没有以“仅有厂商宣称”的发布形态停留过任何有意义的时间。

• 文本生成图像 — GPT-Image-2.5 Sunburst（max）Elo 1,197 与 GPT-Image-2.5 Flare（max）Elo 1,191，位列榜单第一与第二；GPT-Image-2（high）以 1,172 位居第三。

• 图像编辑 — GPT-Image-2.5 Sunburst（max）Elo 1,182 与 GPT-Image-2.5 Flare（max）Elo 1,162 分列第一、第二；MAI-Image-2.6 以 1,137 位列第三。

• 按实测成本——Artificial Analysis 在其自有价格尺度上将两款 GPT-Image-2.5 变体均列为每 1,000 张图像 210.70 美元，而它们所取代的 GPT-Image-2 (high) 为 211.00 美元。

OpenAI 的 token 价目表——每百万图像输入 token 为 8 美元，每百万图像输出 token 为 30 美元，与 GPT-Image-2 保持一致，且未公布单张图像的价格。

对于 Nano Banana 2.1，对应的行并不存在。没有 Elo，因为没有任何榜单运行过它。没有价格，因为 Google 未公布任何价格。甚至没有分辨率或宽高比列表，而 Nano Banana 家族的其他每个成员都有记录。你现在读到的任何关于 Nano Banana 2.1 的规格，都是从它的名字推断出来的。

其中有两行本身就足以决定这场对决的胜负。API 标识符那一行，正是一名开发者无法选择 Google 模型的原因；而 Elo 那几行，则是 OpenAI 的模型不再需要靠信仰去接受的原因——该榜单在模型发布三天后就公布了数据，这对任何厂商来说都算迅速。

诚实的替代品：GPT-Image-2.5 对比你真正能调用的 Nano Banana

如果这个选择是真实存在的，而不是假设性的，那么它谷歌这边对应的是 Nano Banana 2 —— Gemini 3.1 Flash Image —— 因为那才是拥有标识符（gemini-3.1-flash-image）、GA 日期（2026 年 5 月 28 日，紧随 2 月 26 日面向消费者的推出之后）以及评分排名的模型。

• 质量 — GPT-Image-2.5 Sunburst 以 Elo 1,197 领跑文生图排行榜；Nano Banana 2 为 Elo 1,125。在图像编辑方面，Sunburst 为 1,182，Nano Banana 2 则为 1,108。

• 价格——GPT-Image-2.5 是 OpenAI 的高端图像档位，Artificial Analysis 测算其约为每 1,000 张图像 211 美元；Nano Banana 2 标价为每 1,000 张 67 美元，而 Google 自家的输出 token 费率为每百万 60 美元，折算下来 512px 图像约 0.045 美元，1024×1024 约 0.067 美元。

• 覆盖场景 —— GPT-Image-2.5 是 ChatGPT 在所有订阅档位中的默认图像引擎；Nano Banana 2 是 Gemini 应用内的默认引擎，而 Google 已通过 Lens 和 AI Mode 将其推入搜索，并引入 Flow 和 Ads。

• 一致性功能——OpenAI 声称在连续编辑中具有参考保真度；Google 声称在一个工作流中最多可保持五个一致的角色和十四个物体。两者均为厂商描述。

这是一个真正的三方权衡，而非两方权衡：OpenAI 的新模型在实测质量上胜出，成本却大约是对方的三倍；而 Google 已上市的模型则在单位经济性上胜出。一款能在不改变价格线的前提下缩小质量差距的 Nano Banana 2.1，将改变这一权衡的形态。而一款仅在视觉上与 Nano Banana Pro 持平的 Nano Banana 2.1——据报道，最早的 Flow 输出结果与之相似——则不会，因为 Nano Banana Pro 在两个榜单上的得分都已经低于 GPT-Image-2.5（文生图 Elo 1,102，图像编辑 1,099）。

为什么“我们还不能给它打分”在这里不是推脱

对一款尚未公布的模型进行比较，通常会在结尾承诺后续更新。但这次并非如此，而这一区别值得直截了当地说明。Nano Banana 2.1 并非从研究论文中泄露，也不是在某个框架集成中被发现——它直接出现在一款已上市的 Google 产品界面中，这意味着 Google 已有一个该模型的构建版本运行在用户面前。因此，其他所有相关痕迹的缺失，是一种刻意留下的发布空白，而非该模型仍遥不可及的证据。

到目前为止，这一顺序与 Nano Banana 2 自身所遵循的完全一致：先推出面向消费者的产品，几个月后才推出开发者 API，而标识符与 GA 日期则一同到来。按照这种模式，10 月出现 Flow 的踪迹意味着之后某个时间会出现 API 标识符，而这次踪迹本身并没有透露间隔有多长。

将两端路由到同一个端点

这场对比中实际存在的麻烦在于，两家厂商的图像模型分属两种不同的商业合作关系，而各家已发布产品的差距让这一点显得颇为尴尬。OpenAI 当前的图像系列只能部分通过聚合商获取——OrcaRouter 提供 openai/gpt-image-2和 openai/gpt-image-1.5，但不包括 2.5 那一对，因此目前要使用 OpenAI 的新模型就意味着需要直接的 OpenAI 密钥。在 Google 这边，我们的目录收录了 Gemini 图像系列，包括 google/gemini-3.1-flash-image-preview和 google/gemini-2.5-flash-image，均按各提供商的 标价以 0% 加成透传。

在这样一次比较中，这给你带来的是故障转移，而不是折扣。当供应商发布一个点版本，或在层级之间迁移某个模型时，一个只调用单一端点的技术栈可以路由到当前最适合该工作负载的图像模型，并且自动故障转移——如果某个提供商的服务性能下降——而无需第二份合同、第二个密钥，以及单供应商集成所意味着的迁移工作。Nano Banana 2.1 不在 OrcaRouter 上，因为它目前只存在于 Flow 的选择器中。当它成为可调用的模型时，那就会是它进入的途径。

这让决策处于何种境地

如果你的工作负载如今需要可衡量的最佳图像质量，且预算能承受大约每千张图像 211 美元，那么 GPT-Image-2.5 Sunburst 就是站得住脚的默认选择——它在 Artificial Analysis 的两个榜单上都处于领先，并且文档齐全。如果你的工作负载是大规模且对价格敏感，每千张 67 美元的 Nano Banana 2 则是更划算的选择，而且它是本周你真正能调用的 Google 模型。

Nano 2.1还不是{{1}}第三个选项{{/1}}。它是一种{{2}}计划中的可能性{{/2}}，唯一有纪律的处理方式是将其视为{{3}}触发条件{{/3}}：当Google公布{{4}}标识符{{/4}}、{{5}}价格{{/5}}和{{6}}首批输出{{/6}}时，上文的{{7}}三方格局{{/7}}才会坍缩为一个{{8}}真正的选项{{/8}}，交易也随之改变。在那之前，将Flow菜单项与一个已{{9}}发布{{/9}}、已{{10}}定价{{/10}}的模型当作竞争对手来比较，正是那种会导致采购决策失误的比较。