標題卡寫著「Kling Image 4.0 對上 Nano Banana 2.1」,副標題為「多花一倍錢,換來 3.9 Elo 分」。中央區塊顯示兩個文生圖分數 1,179.93 與 1,176.06,差距標示為 3.9;下方兩列價格分別為每張 2K 影格 6.1 美分與 3.36 美分。
Guides & Insights

Kling Image 4.0 對比 Nano Banana 2.1:花兩倍價錢,換來 3.9 Elo 分

作者

jinhao.song

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

Kling Image 4.0 在 Artificial Analysis 的文生圖排行榜上得分 1,179.93。Nano Banana 2.1 得分 1,176.06。兩者相差 3.9 Elo,這個差距小於任一列的區間,也約為兩者差異區間的五分之一——通俗地說,這兩個模型在單次生成上統計上打成平手。Kling Image 4.0 於 2026 年 11 月 17 日推出,2K 靜態圖片定價為 16 單位,約 6.1 美分。Nano Banana 2.1 於 2026 年 10 月 6 日正式全面供應,同一張 2K 圖片收費 $0.0336。所以平手是真的,價格差距可不是,整個比較就取決於你多花 2.7 美分還買到了什麼。 這裡引用的費率是 Nano Banana Pro 模型頁面上的費率,直接讀自目錄。

老實說,讀 3.9 分

Artificial Analysis 的圖像排行榜在任一單列上的信賴區間約為 13 或 14 Elo,而兩個獨立估計分數之間的差距則約為 19 Elo。因此,3.9 分的差距完全落在雜訊範圍內。這並不代表這兩個模型完全相同——總體偏好上的平手可能掩蓋了一種一致的分歧:投票者在人臉方面偏好其中一個模型,在字體排版方面則偏好另一個模型,而這兩種效果相互抵消。但這確實代表,若根據它們的文生圖分數在這兩者之間做選擇,就是在根據一個無法支撐該選擇的數字做選擇。

編輯排行榜則是另一回事,值得清楚區分開來,因為把兩者混為一談,正是這類比較中最常見的錯誤。在編輯榜上,Kling Image 4.0 以 1,182.89 排名第六,Nano Banana 2.1 以 1,152.31 排名第十一——差距 30.6 分,穩穩落在差異信賴區間之外。如果你的工作是編輯而非生成,那麼品質問題有明確答案,而且答案偏向 Kling。如果你的工作是生成,那就沒有定論,由價格決定。

• 文字轉圖像 — Kling Image 4.0 1,179.93(第 7 名);Nano Banana 2.1 1,176.06。差距 3.9 Elo,在雜訊範圍內。

• 影像編輯 — Kling Image 4.0 1,182.89(第 6 名);Nano Banana 2.1 1,152.31(第 11 名)。差距 30.6 Elo,超出雜訊範圍。

• 2K 生成 — Kling 約 $0.061;Nano Banana 2.1 $0.0504。

• 1K 生成 — Kling 的靜態圖片階梯中沒有 1K 層級;Nano Banana 2.1 為 $0.0336。

• 最高解析度 — Kling 8K 約 $0.154;Nano Banana 2.1 4K 為 $0.0756。

批次定價 — Kling 未公布任何方案;Nano Banana 2.1 透過 Batch API 讓每個層級的價格減半,處理時間最長 24 小時。

Screenshot of the Artificial Analysis AA-Image-T2I v2.1 leaderboard in English, showing Kling Image 4.0 seventh at 1,180 with 5,550 samples at $63.00 per thousand images, and Nano Banana 2.1 eighth at 1,176 with 6,793 samples at $33.60 per thousand images, behind the GPT Image 2.6 and 2.5 tiers and MAI-Image-2.7.

那零點二七美分流向何處

2K 的比較才是公平的,因為這是兩款模型在階梯上相近位置都有提供的唯一層級:$0.061 對上 $0.0504,Kling 溢價 18%。這比層級對層級的比較所顯示的差距小得多;當有人問 Kling 的 8K 光環在大多數實際交付工作所用的解析度下要付出多少代價時,這就是該引用的數字。

差距在階梯底部急劇擴大,因為 Kling 沒有底部。其靜態圖像方案從 2K 起——16 單位、6.1 美分——單張圖片的價目表上沒有 1K 選項。Nano Banana 2.1 有 $0.0336 的 1K 方案,而 Gooogle 明確移除了 Nano Banana 2 曾有的 512 像素方案,因此現在階梯為 1K、2K、4K,沒有更小的級距。對於會產出縮圖、社群裁切圖或內部審閱渲染圖的工作流程而言,最便宜畫面要價六美分的模型,只適合用於最終成品。

在最頂端,價格上的排序反轉,能力上的排序也再次反轉。Kling 的 8K 畫面約為 15.4 美分;Nano Banana 2.1 的 4K 畫面則是 7.56 美分。Kling 的價格大約是兩倍,換來的是一個名義上解析度加倍的等級,而這個等級尚未有人獨立測量過。Nano Banana 2.1 止步於 4K,而且止步得誠實——每百萬個輸出影像 token 收費 30 美元,共 2,520 個輸出影像 token,這是有文件記載的數字,換算後正好對上公布的每張影像價格。

接著是批次這個槓桿,它是這組比較中最大的成本差異。Nano Banana 2.1 透過 Batch API 讓每個層級的價格都減半——1K 為 0.0168 美元、2K 為 0.0252 美元、4K 為 0.0378 美元——交件時間最長可達 24 小時。Kling 並未公布對應的方案。對於沒有截止期限的工作來說,這讓 2K 的 Nano Banana 影格價格落在 2.5 美分,而 Kling 為 6.1 美分:差距是 2.4 倍,而非 18%。

額外的參考資料能換來什麼,又得付出什麼代價

Nano Banana 2.1 最多接受 14 張參考圖像,分為四個角色與十個物件。這些參考圖像會以輸入權杖(tokens)計費,每百萬 $1.50,僅計一次,並併入與提示詞相同的輸入計量中——不會有另計的參考圖像附加費,帳單上也不會出現逐張參考圖像的明細項目。

Kling Image 4.0 對參考素材明確計費:每張參考圖像或每個參考元素 0.8 單位,其中一個元素計為一張圖像,而 Kling 的文件指出,這「與先前的模型不同,先前的模型會免費提供參考圖像與參考元素」。以入門方案的費率計算,每個參考素材、每一交付影格約為三分之一美分。若為一組十二幀的內容附加四個參考素材,附加費就是 38.4 單位——約 15 美分——外加在 192 單位的輸出之上。

這是否構成有意義的差異,取決於工作內容有多依賴參考素材;而這兩種收費方式的形態不同,這一點對預測很重要。Kling 的附加費會隨影格數增加而變動;Google 的則不會,因為輸入是每次請求付費一次,而不是按輸出付費。由六個參考素材建構出一百影格的一致圖像集,正是這兩種理念分歧最大的地方,而這也正是 Kling 所宣傳的工作流程:「一致圖像集——一個提示詞,完整系列」。

雙方各自帶來、而對方所沒有的功能

Nano Banana 2.1 的差異化優勢在於生成期間的控制能力。思考模式分為三個等級——最低、中等、最高——並能延續對話,因此多輪編輯工作階段能在各輪之間保留上下文,而不是每次呼叫都重新讀取整段歷史。Goo​gle 的變更日誌將 2.1 更新描述為修復極端長寬比下的拼接偽影,具體是在 2K 與 4K 下的 1:4、4:1、1:8 與 8:1;這是針對特定故障模式、範圍狹窄的主張,因此是可查核的。總共有 14 種長寬比。Goo​gle Search 的接地功能與網頁搜尋一同內建於生成流程中。

Kling 的差異化優勢在於輸出形態。原生 8K、小字渲染(「清晰銳利的小字、創意排版」)、從單一提示詞生成連貫的多幀組圖,以及長圖生成——在 1K 下為 140 單位、在 2K 下為 152 單位的長網頁設計稿,還有一種電商詳情頁格式,僅接受圖生圖請求,在 1K 下從短版面的 60 單位攀升到長版面的 200 單位,或在 2K 下從 72 攀升到 220。Google 的文件中沒有任何內容能與最後這一列相比,因為詳情頁圖片是版式,不是圖片,而且再怎麼涵蓋各種長寬比,也無法刻意生成出這種版式。

將兩者並列對照,功能清單幾乎不重疊。其中一個模型的設計,是讓人在工作階段進行中透過參考資料與思考來引導它;另一個模型則是要以異常高的解析度輸出形狀特殊的東西。需要兩者的買家並不是在兩者之間做選擇——他們是在選擇要以哪一個為核心來建置流程,並把另一個當作例外情況來呼叫。

A two-column comparison scoreboard titled 'Kling Image 4.0 vs Nano Banana 2.1 — the scoreboard', contrasting release date, text-to-image Elo, editing Elo, resolution ladder, 2K price and batch pricing for the two models, with a footer reading 'Elo figures per Artificial Analysis; prices per each vendor's published rate card, Kling converted from units at the entry package rate.'

十四個比例對比一個長頁面

長寬比數量是 Nano Banana 2.1 報導中會被引用的數字,也是這款模型最不有趣的地方。十四種比例意味著框架會接受你的裁切,而不是逼你加黑邊;這並不表示任何一種比例都能構圖良好。1:4 與 8:1 的平鋪修正才是更實質的項目,因為極端比例正是影像模型歷來會重複內容來填滿畫面的地方,而廠商願意點名它修正了哪些確切比例,就是在告訴你失敗發生在哪裡。

Kling 的長圖層級則是鏡像般的押注。它不覆蓋所有比例,而是徹底涵蓋單一形狀——一個內部具有結構的高聳面板——並依長度而非面積計價。電商那一列值得仔細看:1K 下分為 60、120、200 單位,對應短、中、長,而且僅限圖生圖。最後這項限制至關重要。這意味著模型不是在憑空發明產品;它是在編排你提供的素材,這比生成一個不存在的產品要狹窄得多,也可靠得多。

這兩種做法並不是替代方案;若把「14 種長寬比」和「長圖生成」視為同一列來比較,就搞錯了重點。前者是為了套用你既有的構圖;後者則是產出你原本得在設計工具裡自行拼組的構圖。

你今天可以稱呼什麼

OrcaRouter 並不提供 Kling Image 4.0 或 Nano Banana 2.1——我們目錄中的 Gem​ini 圖像識別碼是 Nano Banana Pro 和 Nano Banana 2,比這項比較中的模型落後一個世代,而 Kling 的識別碼則是影片。這樣說明是本节唯一誠實的版本。

可透過我們呼叫的是對照組,而對這特定一對而言,對照組異常地好。Nano Banana 2 在目錄中每請求為 $0.151,Nano Banana Pro 為 $0.24,兩者皆為供應商標價、0% 加價,並與 GPT Image 2.5 這對、三個 Imagen 4.0 等級以及 Grok Imagine Image 並列。這表示像「2.1 的平鋪修正是否值得為此遷移」這樣的問題,可以對著你已在運行的模型來回答,而不是對著一篇發布討論串——在 Nano Banana 2 和 2.1 上並排渲染同一個 8:1 裁切,答案就會顯而易見,而不是靠爭論。

Screenshot of the OrcaRouter model page for Google's Nano Banana Pro in English, showing the model id google/gemini-3-pro-image-preview, image and text input with image and text output, a per-request price of $0.24, a 10.00 second median time to first token and zero data retention availability.

與 Google 打交道時,轉嫁點比平常更重要,因為 Google 會以結構性階梯調整圖像定價。Nano Banana 2.1 的前代在 2.1 正式上市(GA)後 23 天即停止服務,而從 2 到 2.1 的價格在每個層級大致減半。當供應商這樣變動時,0% 加價的安排意味著你發票上的數字會在對方價格變動當天跟著變,中間沒有利潤空間可重新談判。

什麼才真正能改變這個決定

三件事,按可能性由高到低排列。用真實素材做 4K 對 8K 的比較,就能判定 Kling 的最高階方案是否值得 15.4 美分對比 7.56——那不過是一次渲染,再以 100% 縮放看一眼,卻是本文中價值最高的測試。Kling 對批次層級的答覆將能消除最大的價差;如果 Kling 推出了非同步折扣,2.4× 這個數字又會變成 18% 這個數字,比較也會回到 2K 的數字。而公開重現 1:4 與 8:1 分塊修正,將能告訴你 2.1 最具體的說法是否為真;這比它的 Elo 分數更重要,因為該說法範圍窄到非真即假。

在那之前,這項建議並不光鮮亮麗,而且直接從數字推導而來。如果你生成多於編輯,每幀 3.4 到 5 美分的 Nano Banana 2.1 是更划算的選擇,而 3.9 的 Elo 差距也無法推翻這點。如果你編輯多於生成,30 點的編輯差距就是這項比較中唯一有份量的數字,Kling 值得那個較高的價格。如果你需要比海報更高的東西,這兩者中只有一個能滿足這點。