Qwen-Image 2.1 对比 Nano Banana 2：每张图的付费，与拥有它的代价

这两款模型里，只有一款的价格能填进电子表格。Nano Banana 2——即 Gemini 3.1 Flash Image 模型，自 2026 年 5 月 28 日起正式开放使用——每张 1024×1024 图像约 0.067 美元，2048×2048 为 0.101 美元，4K 端约为 0.151 美元；批处理模式约为半价，文本输入则另行计费，每百万 token 0.25 美元。Qwen-Image 2.1由 Qwen-Image 团队于 2026 年 9 月 20 日开源，压根没有按图计价的价格，因为根本没有可供购买的托管端点：它是一个 33 GB 的权重下载包，采用禁止商用的研究许可证。所以这场对比中的第一个问题，不是哪个模型更好，而是你买的究竟是图像，还是买一台生成图像的机器——而这两笔买卖的可比性，并不像规格表所暗示的那样。

按图像计费真正换来的，其实是可预测性。

Google 在图像类别中的定价之所以与众不同，在于其换算之干净利落。该模型每百万输出 token 收费 60 美元，而由于图像输出可以被可预测地 token 化，这便换算成了你在生成任何内容之前就能推算清楚的单张图像数字。

• Nano Banana 2——1024×1024 约 $0.067，2048×2048 约 $0.101，4K 下大致为 $0.151，批处理模式下约为上述数字的一半，另外文本输入每百万 token 加收 $0.25。一千张 2K 图片约为 $101，可精确预测到美元。

• Qwen-Image 2.1——未公布定价。成本就是你花在 33 GB 模型包上的自备 GPU 时间，而模型卡针对受限硬件的建议是通过 pipe.enable_model_cpu_offload() 进行 CPU 卸载，这只是权宜之计，而非真正的解决方案。

按量计费价格买到的不仅仅是图像。它还让你能够回答“这个功能每月一万张图像要花我们多少钱”，而不必先对自己的硬件做基准测试。这是一个实实在在的优势，而且很容易被低估，因为替代方案——自托管——的成本确实很难计算：它取决于你的利用率、你的显卡、你的电费，以及那台机器本来是否会闲置。诚实的比较不是每千张 101 美元对免费。而是每千张 101 美元与你必须自己算出的摊销数字相比，而大多数做了这笔算术的团队都会发现，按量计费的价格一直很有竞争力，直到利用率变得非常高。

执照就是“自由重量”不再免费的地方

这是两个模型之间最显著的差异，而且差距绝非毫厘。

Nano Banana 2 是一款商业产品，适用商业条款。你按图像付费，制作什么就发布什么。Qwen-Image 2.1 依据 2026 年 9 月 20 日签订的《Qwen 研究许可协议》发布，该协议授予的权利“仅限非商业用途”，并声明商业使用需另行向供应商申请许可。这与早前的 Qwen-Image 系列相比是一大变化——后者依据 Apache 2.0 发布——因此本次对比中的这个开源选项，其“开源”只意味着你可以阅读并运行它，并不意味着你可以基于它开展业务。

对于研究团队、爱好者，或任何做基准测试的人来说，那是一个不错的许可证，而且下载确实是免费的。对于产品团队来说，这意味着在这场对比中，没有按图计价的模型也没有商业化路径，这彻底瓦解了成本比较：你不是在 $101 和更便宜的东西之间做选择，而是在一个可以将其输出用于销售的模型和一个不能这样做的模型之间做选择。

分辨率和宽高比，开源模型真正占据优势之处

撇开许可不谈，Qwen-Image 2.1 做到了 Nano Banana 2 做不到的某件事，而这对特定工作流程来说意义重大。

• Qwen-Image 2.1 — 原生 2K，文档默认值为 2048×2048、40 步推理，七种宽高比预设，最多 10 张参考图像，以及 RGBA 输出：真正的 alpha 通道、透明图层编辑，以及从 RGB 照片中提取主体。

• Nano Banana 2 — 支持 4K 输出以及不常见的画面比例，包括 1:4 和 1:8 这样的极端比例，这一跨度比大多数模型在两个方向上所能提供的都更大；并且它公布了一致性数据：单次生成中可保持五个角色和十四个物体的一致性。

最该留意的是 alpha 通道。Google 的模型没有文档说明能生成透明度，而 Qwen-Image 2.1 原生就能做到，这意味着原本需要手动完成的合成步骤——抠出主体、保留柔和边缘、再把它放到别的东西上——是在模型内部完成，而不是在模型之后再做。如果你靠制作分层素材为生，这是工作流上的差异，而不是质量高低的断言。还值得直说的一点是，两个模型的渲染尺寸都超出大多数工作所需：4K 和 2048×2048 都已经越过了那个节点——限制因素不再是模型，而是最终用途。

已公布的数字与承诺相对

自春季以来，谷歌的模型一直同时出现在 Artificial Analysis 的两个图像榜单上，并在九月快照中跻身文生图和图像编辑的前五名，在文生图方面 Elo 分数约为 1,320。其一致性数据——五个角色、十四个物体——来自谷歌自家，但它们与一个独立评分榜并列，这意味着可以对照该模型在盲测对比中的实际表现来进行合理性检验。

Qwen-Image 2.1 没有独立评分。它只有一篇厂商博客文章，其中包含一张 Qwen-Image-Bench 图表，没有任何第三方复现过；以及来自 Qwen 大使计划中一位测试者的一份早期访问上手报告，该测试者通过 ModelScope Studio 界面运行了最终权重：文生图大约 10–15 秒，编辑大约 18–23 秒，镜头位置与多角色角色处理表现强，而多参考一致性从大约三张输入图像起开始下降。只有一位评测者，未显示计时器，也没有公开的提示词集。这是该模型在公开领域唯一存在的外部观察，应将其视为线索，而非测量结果。

第三方报道中还流传着一个数字，称 Qwen-Image 2.1 是一个 20 层的 transformer。这与模型卡相矛盾，模型卡记录的视觉生成组件是一个 32 层单流扩散 transformer，具有 7B 参数，配有一个 Qwen3-VL 8B 文本编码器和一个 64 通道 RGBA VAE，空间压缩率为 16×。请以模型卡为准。

你能用两者做的唯一一件事

这是本批次中唯一一篇对手是我们实际提供路由的模型的文章。Nano Banana 2 已在 OrcaRouter 上线，模型名为 google/gemini-3.1-flash-image-preview，与图像产品线的其他成员并列——OpenAI 的 GPT-Image 系列、Google 的 Imagen 4 各档位、其他 Gemini 图像预览版，以及 xAI 的 Grok Imagine 图像端点——全部汇聚于同一个兼容 OpenAI 的端点，按供应商标价提供，零加价。Qwen-Image 2.1 不在我们提供路由的模型之列，本文也不会暗示它在此列。

对这一决策而言，这在实践中意味着什么，比一份推销话术更具体，也比它更有用。如果你想用自己的提示词比较这两个模型，Google 一侧需要你有一个 API 密钥，并且在 2K 下每张图约花费十分之一美分，而且它与你调用的其他所有内容在同一个端点上。Alibaba 一侧则需要你下载 33 GB、准备一块 GPU，并经过研究许可审查，然后才能将输出用于任何商业用途。跨提供商自动故障转移是这里另一件要紧的事：一条路由可以在一个已测量的模型上承载生产流量，同时在旁边评估一个尚未测量的模型，因此评估永远不会落在关键路径上。

哪一个，给谁

• 选择 Nano Banana 2，如果你要正式交付上线的话。它拥有商业许可证、可以精确到美元预测的价格、在两个榜单上都位列前五的独立评分、4K 输出，以及本次对比中最广的比例范围。一千张 2K 图像的成本约为 101 美元，而且你今天下午就能开始生成它们。

• 如果你是在做研究，就选择 Qwen-Image 2.1。它可以免费下载，其架构和提示词重写的系统提示词都可以完整查看，它能以 2048×2048 原生渲染并具备真正的透明度，最多可接收 10 张参考图，并支持通过圈选、涂画标注或蒙版进行局部编辑。你不能出售它生成的内容，而且也没有人衡量过它到底好不好。

那两段之间的差距，就是模型之间的差距，而且它不是质量差距——而是成熟度差距，并且正按时间表缩小。Qwen 的早期访问测试者被要求在 2026 年 9 月 29 日前发布样本或评测。当这些内容落地时，这个开放模型就不再是未知数，而开始变得可比较，剩下的唯一问题将是许可证。那才是值得关注的数字，而它是一份许可证文件，而不是一个基准。