Krea 3 Ultra 對上 Nano Banana 2.1：排行榜上打成平手，卻是兩款截然不同的產品

1.1 Elo。這就是Krea 3 Ultra在 1150.58 與Nano Banana 2.1在 1151.65 之間，於 Artificial Analysis 影像編輯排行榜上（截至 2026 年 10 月 20 日）全部的實測差距——而且這兩列顯示的發布排名區間同為 3–6。在這份排行榜上，它們是同一款模型，只是掛著不同名字。像這類發布背後有記錄的 AI 故障與代理事件，都收錄在the OrcaRouter AI Incident Archive，其中每一條目都附有自己的來源、嚴重程度、信心等級與爭議標記。

撇開排行榜不談，兩者幾乎無從比較。Krea 3 Ultra 是 Krea 3 上的一種思考模式——一個會回傳 job id、由你輪詢的端點——每次編輯要花數分鐘，僅輸出 2K，且每次使用都要在基本價格之外再加收 $0.20。Nano Banana 2.1 則是 G​oogle 的高效率主力工具，自 2026 年 10 月 6 日起全面可用，以 token 形式販售，每張 2K 圖像 $0.0504，可支援 4K，最多可加入 14 個參考素材，並已整合進 G​oogle 搜尋。一個是稀缺、審慎、昂貴的呼叫；另一個則是可以盡情反覆使用的計量型公用服務。

因此，有用的問題不是哪一個得分更高，而是你的任務需要這兩種形態中的哪一種——而人們通常做的價格比較，也就是 $0.33 對 $0.05，衡量錯了兩件事。下面列出真正有差異的數字，然後提供一種做出決定的方法。

領帶是用什麼材質做的

Artificial Analysis 對編輯後影像上的人類成對投票擬合 Bradley-Terry 模型；該模型的量表以 FLUX.2 [dev] 錨定在 1000。10 月 20 日的評測結果顯示，Nano Banana 2.1 以 1151.65 排名第三，區間為 ±13，樣本數 6,684；Krea 3 Ultra 以 1150.58 排名第五，區間為 ±14，樣本數 5,378。MAI-Image-2.6 則以 1151.03 介於兩者之間。三個模型、同一個排名範圍，區間幾乎完全重疊。

兩者分歧之處在於工作負載，而在這方面，差距大於 1.1 Elo——且兩個方向皆然：

• 行銷與廣告 — Nano Banana 2.1 的 1196.4 對上 Krea 3 Ultra 的 1182.79。Google 領先約 14 Elo。

• 零售與電子商務 — Nano Banana 2.1 以 1148.92 對上 1129.84。G​oogle 領先 19。

• 動畫與遊戲 — Krea 3 Ultra 以 1178.77 位居第 2；Nano Banana 2.1 在該類別中排名其後。就點估計而言，Krea 領先。

• 基於推理的編輯 — Krea 3 Ultra #4 以 1186.82 位居第 4，Nano Banana 2.1 在同一項目以 1193.07 位居第二。Google 領先 6 分。

• 身分保留編輯 — Nano Banana 2.1 1197.8 對上 Krea 3 Ultra 1182.47。G​oogle 領先 15。

• 構圖與取景 — Krea 3 Ultra #3 以 1182.68 名列其中，而 Nano Banana 2.1 未擠進該項目的前三名。

把那份榜單當成一個警告：不要只憑標題排名就決定購買。如果你的工作是廣告創意、產品攝影，或是在整檔活動中維持同一張臉，真正重要的那個排行榜顯示的是 G​oogle——領先幅度是整體差距的好幾倍。如果是動畫、遊戲素材，或需要推理步驟的編輯，Krea 的處境比第 5 名所顯示的更強。

所有分類榜單在每個模型僅有數百票的情況下，都帶有 ±20 至 ±38 的區間。14 Elo 的分類差距具有方向性參考價值，但在統計上尚未定論。

價格，做到位

Nano Banana 2.1 以 token 計費：每百萬輸入 token 為 $1.50，每百萬影像輸出 token 為 $30.00。G​oogle 將其換算為每 1K 影像約 $0.0336、每 2K 約 $0.0504，以及每 4K 約 $0.113。這些是定價表價格，且不會隨你傳送的參考數量而變動。

Krea 3 Ultra 採按元件計費，而且每個元件都會累加：2K 影像基本費 $0.06，每個 2K 參考圖 $0.07，若使用高強度思考則 $0.02，Ultra 則 $0.20。一張 2K 參考圖會讓單次 Ultra 編輯達到 $0.33。四張則達到 $0.54。一張高品質 4K Nano Banana 2.1 影像加上十二張參考圖是 $0.113。

• 以單一參考圖、2K 而言——Krea 3 Ultra 為 $0.33，對比 Nano Banana 2.1 的 $0.0504。Google 大約便宜 6.5 倍。

• 使用四張參考圖時，2K — Krea 3 Ultra 為 $0.54，對比之下為 $0.0504。G​oogle 大約便宜 10.7 倍。

• 在 4K 下——Krea 3 Ultra 達不到那個水準。Nano Banana 2.1 為 $0.113。

上市報導中不斷出現的比較「$0.06 對比 $0.135」，採用的是 Krea 3 的快速模式和 Nano Banana Pro 的價格。那句話的兩邊都不是本頁所討論的模型。若以 Ultra 對比 2.1，如實的比率更接近一個數量級。

延遲的走向一致，倍數也相近。Ultra 是候選生成兼候選審查的模式：Krea 的文件把一項工作描述為「數分鐘」，上限約十分鐘，低優先級時則為十六分鐘。Google 並未公布 Nano Banana 2.1 的單張圖片延遲，但該模型建構於 Flash 系列之上——上一代的賣點正是大量處理下的速度——而且它提供思考層級控制，包含最低、中等與高等設定，預設為中等。就吞吐量而言，這兩款產品並不在同一個市場上。

Elo 無法察覺的能力差異

• 解析度——Krea 3 Ultra 僅支援 2K。Nano Banana 2.1 則提供 1K、2K 與 4K，並附有各長寬比對應的像素表。Google 的 Flash 系列兄弟產品 Nano Banana 2 更加入 512px 層級，這是 2.1 所沒有的。

• 參考圖 — 根據 G​oogle 的文件，Nano Banana 2.1 最多接受 14 張參考圖，可在單一工作流程中維持最多四個角色的相似度，以及最多十個物件的保真度。Krea 3 一般最多接受八張，但若達五張以上，每張參考圖的最長邊會縮小至 1536 px；Krea 建議傳送四張或更少以保留完整細節。Ultra 至少需要一張參考圖。

• 搜尋基礎 — Nano Banana 2.1 能將生成建立在 G​oogle Web Search 上，而且在此世代新增了 G​oogle Image Search，因此提示詞可以引用真實的現有產品或特定檢索到的圖像。Krea 3 沒有等效的功能。

• 影片輸入 — Nano Banana 2.1 接受影片作為上下文，並從中產生一張靜態影像。Krea 3 接受圖片與文字。

• 浮水印 — G​oogle 生成的每一張圖片都帶有 SynthID 浮水印。Krea 的文件並未說明 Krea 3 具備同等的機制。

• 資料處理 — Krea 3 支援企業工作空間的零資料保留（Zero Data Retention），但 Ultra 在 ZDR 標頭下會回傳 HTTP 422，因此企業 ZDR 與 Ultra 無法並存。G​oogle 的處理方式則受其自家 API 條款規範。

• 區域編輯 — Krea 3 提供 regional_edit: true，其僅會重新生成變更的區域，其餘部分保持像素級精確，因此你可以在最新輸出上連續進行編輯，而不會累積偽影。這是真正的產品差異，也是偏好排行榜無法捕捉的一類特性。

根據真實簡報作出選擇

這兩個模型各自最擅長不同的任務，而排行榜上的平手局勢讓人很容易忽略這一點。

設想一個行銷活動，每個市場都需要一張主視覺圖片，每一張都要有相同的產品標籤和相同的模特兒，以印刷解析度呈現，並參考十幾張來源圖片。Nano Banana 2.1 在每個關鍵面向都勝出：4K、14 張參考圖、身分保留度評分比 Krea 高 15 Elo、每張圖片 $0.11，以及讓一百個變化版本只花一個下午就能完成的產能。Krea 3 Ultra 每張要價 $0.54，每張得花上好幾分鐘，還會把你大多數的參考圖降縮。

處理一批產品包裝照時，必須讓標籤文字與標誌保持像素級精確，同時周圍場景會改變，並從上一次的輸出反覆迭代編輯。Krea 的區域編輯模式正是為此而生，其在零售與電子商務的排名（該使用案例第 4 名，落後於 Nano Banana 2.1，但領先大多數同類）相當不錯，而且 2K 通常就夠了。Ultra 在這裡是錯誤模式，原因不同：每次 $0.13、只需一張參考圖的 Fast 就能勝任，而且 Fast 總體排名第 11——仍領先 Nano Banana Pro 的 1106。

Nano Banana 2.1 是大多數團隊的預設選擇，因為它便宜、快速、高解析度，且能參考的輸入項目比任何競爭對手都多。Krea 3 Ultra 則是特殊情況的選擇：花幾分鐘、大約 30 美分，換取一次必須做到位的編輯，用在模型自身的候選審查會比單次處理表現更好的工作上。評測排行榜說兩者一樣好。定價則說明，一個是工具，一個是顧問。

比較的一項關鍵

這場對決之所以難以從外部定論，是因為這兩個模型以不相容的單位計費——一邊是按每次生成計費並加收附加費，另一邊是按 token 計費並搭配解析度階梯——而且是在兩個不同的延遲等級上衡量。唯一可靠的比較方式，是把同樣的十份簡報分別跑過兩邊，然後看帳單上怎麼寫。

OrcaRouter 正是為此而打造：一個 API 涵蓋數百個模型、0% 加價，直接沿用供應商的原價，並在供應商出錯或觸發速率限制時自動故障切換，還有一套路由 DSL，讓你在同一個工作流程內把不同任務送給不同模型。Nano Banana 2.1 是 Google 自家的端點，目前並不在我們的目錄中；我們實際路由的包括 Nano Banana 2（google/gemini-3.1-flash-image-preview）、Nano Banana Pro，以及 OpenAI 的 gpt-image-2.5——這使得最值得先做的一項測試成為三方比較：在你的實際需求上，Ultra 每次 $0.33 的編輯能否勝過 Google 或 OpenAI 每次 $0.05–0.15 的編輯？無論如何，Krea 3 都留在 Krea 的 API 上，因為 Ultra 是在那裡販售的。

在有人實際跑過那項測試之前，經得起檢驗的結論既狹窄又不光鮮：2026 年 10 月 20 日，這兩個模型得分相同；但對其他一切決定正式生產選擇的因素而言——價格、解析度、參考資料、延遲、資料處理——兩者差距並不小。先確定工作本身的形態。排名幫不了你。