Gemini Nano Banana 2.1 對決 Qwen Image 3.0：1K 平手，2K 分勝負

把 Gem​ini Nano Banana 2.1 和 Qw​en Image 3.0 放上費率表，第一個數字就很妙：最新 Gem​ini 圖像模型產生一張 1K 圖像要價 $0.0336，而在 Model Studio 上，用 Qw​en Image 3.0 生成一張 1K 圖像則要 $0.03438。只差 0.07 美分。兩家實驗室身處世界兩端，針對不同平台、以不同貨幣公布價格，卻在大多數人真正會買的東西上得出相同價格。一升到 2K，平手就立刻打破——$0.0504 對上 $0.0688，差距 36%，對 Gem​ini 有利——而當你注意到 Qw​en 把圖像輸入與編輯輸入分開計費，Nano Banana 2.1 卻不是如此時，局面又會以另一種方式被打破。這兩個事實中哪一個會決定你的建置方案，完全取決於你的管線在交付一張圖片前會觸碰該圖片多少次。

它們之間的差異也比價格所顯示的更大。Nano Banana 2.1 於 2026 年 10 月 6 日正式全面推出，以託管 API 模型的形式提供，並為其前代產品設下 23 天的遷移期限。Qwen Image 3.0 於 2026 年 8 月 5 日在阿里巴巴的 Qwen AI 平台上推出，同時提供 Standard 與 Pro 等級及 API，並透過 Qwen Cloud 和 Alibaba Cloud Model Studio 觸及國際開發者。前者是西方前沿實驗室的模型，按每影像 token 計價；後者是中國的平台模型，按每張影像計價，並附有公開的並行處理額度，以及彼此並不一致的國內與國際費率表。

這兩張費率卡，逐行

Nano Banana 2.1 以詞元（token）計費，並同時公布每張圖片的換算方式。輸出為每百萬個圖片詞元 30 美元，Google 換算後，1K、2K 與 4K 分別為 $0.0336、$0.0504 與 $0.0756，而每張圖片的詞元數分別為 1,120、1,680 與 2,520。輸入方面，文字、圖片與影片一律為每百萬個詞元 1.50 美元。批次輸出的價格減半：$0.0168、$0.0252 與 $0.0378。將圖片重新餵入並沒有獨立的計費項目——你作為輸入傳入的圖片，會按輸入詞元費率計費一次。

Qwen Image 3.0 在中國雲端價目表中分為兩個層級。標準版在 1K 與 2K 下皆為每張人民幣 0.18 元，圖片輸入為每張人民幣 0.02 元，編輯輸入為每張人民幣 0.02 元。Pro 版在 1K 為人民幣 0.25 元，在 2K 為人民幣 0.50 元。在 Qwen Cloud 國際版上，標準層級的輸入為每張 0.003 美元，輸出為每張 0.03 美元。在 Alibaba Cloud Model Studio 上，以美元計價的公布數字為每 1K 輸入 0.00275 美元、每 1K 生成 0.03438 美元、每 2K 生成 0.068761 美元、每 1K 輸出 0.04 美元，以及每 2K 輸出 0.075 美元。吞吐量也有公布：10 個並行請求、200 個請求的非同步佇列，以及每分鐘 20 個請求。

• 1K 生成 — Gemini Nano Banana 2.1 為 $0.0336；Qwen Image 3.0 Standard 在 Model Studio 上為 $0.03438。實際上可說平分秋色。

• 2K 生成 — Nano Banana 2.1 $0.0504；Q Image 3.0 Standard $0.068761。Google 是 36%。

• 4K — Nano Banana 2.1 $0.0756，而且這是官方記載的級別；Qwen Image 3.0 的 Model Studio 條目將總像素上限設為 2048×2048，因此沒有可供比較的 4K 列。

• 圖像輸入 — Nano Banana 2.1 以每百萬輸入 $1.50 的費率計算；Qwen Image 3.0 則另按每 1K 輸入 $0.00275 計量，而編輯輸入在國內按人民幣 0.02 元計費。

• 批次 — Nano Banana 2.1 透過 Batch API 將所有費用減半，週轉時間最長達 24 小時；Qwen Image 3.0 公開的調節手段是 200 的非同步佇列，而非折扣層級。

• 輸送量 — Qwen Image 3.0 公布 10 個並行、200 個佇列、每分鐘 20 次請求；Google 則未針對 Nano Banana 2.1 公布其中任何一項。

• 在國內——Qwen Image 3.0 Standard 在中國價目表上為每張圖片人民幣 0.18 元；Nano Banana 2.1 沒有中國國內方案，因為 Google 並未販售。

這些列中有兩列比其他列更為重要。4K 那一列是能力上的差距，而不是價格差距——如果你需要 4K 輸出，Qwen Image 3.0 的 Model Studio 方案根本不在討論範圍內。而圖像輸入那一列，正是兩種計費理念明顯分歧的地方，值得獨立成一節，因為這部分不會出現在主打價格中。

為什麼第二遍會改變計算方式

單次生成是簡單的情況，而在單次生成上，這兩者在價格上可以互換。真實的影像工作很少是單次生成。典型的編輯工作流程會生成一個候選項，將參考影像回饋輸入以進行修正，再將修正後的影像回饋輸入以進行風格處理，然後才交付。每一次這樣的回饋都是一次影像輸入。

在 Nano Banana 2.1 上，該輸入會與文字提示一併按一般輸入費率計費，而該模型的對話式編輯正是明確為此設計的——透過先前互動進行多輪編輯是官方記載的功能，而思考模式則承載整段對話。在 Qwen Image 3.0 上，同樣的迴圈則按廠商公布的專屬項目計費：在 Model Studio 上，影像輸入為每 1K 收費 $0.00275；在國內作為編輯輸入則為每張影像人民幣 0.02 元。兩者每次呼叫都不貴。差別在於，Qwen 的計費方式讓迭代成本以獨立項目清楚呈現，而 Google 的則將其併入輸入 token 中；若團隊依標題所示的每張影像價格來編列預算，就會低估兩個平台上三輪作業流程的實際成本。

老實把算術算一遍，實務建議雖然無聊卻很真實。在 1K 價位，兩者相同，所以價格不是選擇任一個的理由。在 2K，Nano Banana 2.1 每次生成明顯更便宜，還額外提供批次層級，能再減半。如果你需要 4K，根本沒什麼好比較的。如果你需要一個已公佈、能讓你據以規劃佇列的併發額度，Qwen Image 3.0 有公佈，Nano Banana 2.1 則沒有。這就是這個決策的樣貌：主要取決於你需要的解析度與吞吐量保證，而不是大家引用的那個價位層級。

衡量的是什麼，又是為誰而衡量？

這裡的證據不對稱性，與你可能預期的方向正好相反。Qwen Image 3.0 擁有獨立的排名，而問世僅一天的 Nano Banana 2.1 則沒有。在 Artificial Analysis 的文字轉圖像排行榜上，根據 2026 年 7 月蒐集的樣本，Qwen-Image-3.0 以 5,816 個樣本拿下 Elo 1,077、排名第十六，Qwen-Image-3.0-Pro 則以 6,077 個樣本取得 1,088、排名第十四——位居中段、樣本充足，大致落在一個強勁平台模型會站的位置，而非前沿模型。阿里巴巴自家的發表說法——該模型在 Arena.ai 的文字轉圖像排行榜上拿下中國第一——是廠商自行回報、來自另一個榜單、投票族群也不同的數字；這並不與 Artificial Analysis 的排名矛盾，只是衡量了另一件事。

Nano Banana 2.1 這一邊的帳面紀錄較單薄。截至 2026 年 10 月 7 日，公開紀錄中沒有 Elo、沒有投票數，也沒有第三方渲染比較。現有的是 Google 更新日誌的措辭——在視覺品質、提示詞遵循度、多輪角色一致性與文字渲染方面的「顯著改進」——以及有文件記載的功能變更：提供 1K、2K 與 4K 輸出，沒有 512px 層級，最多 14 張參考圖像，拆分為十個物件與四個角色，預設開啟思考模式，以及與網頁搜尋並行的 Google 圖片搜尋 grounding。如果你今天想比較這兩者的品質，你是在拿一個模型實測的中段分數，去比另一個模型廠商的宣稱，而這兩者並不是同一種數字。

您可以在哪裡致電他們每個人

這兩款模型都不在 OrcaRouter 上，而這一點值得直接說清楚，而不是暗示相反的情況。Gemini Nano Banana 2.1 可透過供應商自家的 API 以及數個第三方平台取得；Qwen Image 3.0 則可透過其自家平台及數個第三方平台取得。我們的目錄確實收錄了其他圖像模型 —— 其中包括 OpenAI 的 openai/gpt-image-2，以及 google/gemini-3.1-flash-image-preview —— 並有總共 207 款模型，全都透過單一 OpenAI 相容端點提供。

這件事對本次比較之所以重要，有一個具體原因：這兩家供應商都會變動他們的數字。Google 在同一天調整了 Nano Banana 2.1 前代產品的整個價格層級結構，並宣布終止服務；Alibaba 為國內平台發布一份以人民幣計價的價目表，為 Model Studio 發布第二份以美元計價的價目表，並為國際版 Qwen Cloud 公布第三組數字。當供應商的價格是移動標靶時，透過一個以 0% 加價原樣傳遞供應商牌價的層級來購買，其價值在於：你這邊的數字會與他們那邊在同一天變動，你和公布數字之間沒有利潤差，也沒有需要另行重新談判的獨立合約。這正是 OrcaRouter 路由所依據的紀律，也是為什麼像這樣的價目表比較在一個月後仍然準確，而不會走偏。

到底該選哪一個？

當你需要 4K 輸出時、當你想要能以批次層級把大量參考傳遞的每張圖片成本減半時、當你的工作流程是以提示為基礎的編輯且最多可搭配 14 張參考圖片時，或者當你希望在生成過程中納入 Google 搜尋接地時，就選擇 Gemini Nano Banana 2.1。前代產品的遷移截止期限，是促使你轉向它的理由，而不是避開它的理由；而相較於 Nano Banana 2 的降價，在各種解析度下大致都是砍半。尚未解答的問題在於：缺乏任何獨立的品質衡量，以及未公布的輸送量上限——這正是為什麼生產路徑應該準備好容錯移轉，而不是假設該端點一定撐得住。

當輸出維持在 2048×2048 或以下時、當你正在排隊處理工作，因此已公布的併發預算變得重要時、當每張圖片人民幣 0.18 元的中文價目表是商業上相關的數字時，或者當 Pro 版較高的價格能換來你的評估足以證明的東西時，就選擇 Qwen Image 3.0。在這項用途上，位居中段的獨立排名並不是弱點——它是這項比較中最可靠的一個單一事實，因為它是這裡唯一一個並非由任何一家廠商產出的數字。

如果你有餘裕進行一場 bake-off 評比，就把它跑在真正有差異的面向：多輪編輯。先產生一個候選成品，然後對每個模型連續做三次修正，並計算最終獲採用影像的總成本，而不是第一次渲染的成本。這是兩家廠商的價目表都不會替你做的比較，也正是這個比較決定在 1K 下的「平手」是否真的是平手。