Google Nano Banana 2.1: Ulepszony model generowania obrazów za połowę ceny

Google odświeżyło swój model obrazowy w lutym, wprowadzając Nano Banana 2, a już pojawiła się kolejna aktualizacja. Nano Banana 2.1 bazuje na Gemini 3.6 Flash i według Google przewyższa poprzedników pod każdym względem, szczególnie w projektowaniu wizualnym, edycji konkretnych fragmentów obrazu oraz zachowywaniu wyglądu osób i obiektów podczas kolejnych etapów edycji. Google stopniowo udostępnia model w aplikacji Gemini, trybie AI w wyszukiwarce Google, Google Ads oraz narzędziach dla deweloperów, takich jak AI Studio, Flow i Stitch.

Na razie jedynym wskaźnikiem skali ulepszeń są dane samego Google. W testach porównawczych z udziałem ludzkich oceniających Nano Banana 2.1 uzyskuje 1050 punktów Elo pod względem ogólnych preferencji przy włączonej funkcji Thinking, w porównaniu z 990 punktami dla Nano Banana 2 i 935 dla droższego Nano Banana Pro. Różnica jest szczególnie duża w przypadku infografik: nowy model uzyskuje wynik 0,521 pod względem zgodności z faktami, wobec zaledwie 0,179 dla Nano Banana 2. Niezależne testy nie są jeszcze dostępne.

Zaznacz obszar zamiast generować obraz od nowa

Edycja z użyciem masek prawdopodobnie okaże się najbardziej przydatnym ulepszeniem w codziennym użytkowaniu: użytkownicy zaznaczają obszar obrazu i tylko ten obszar ulega zmianie. Oznaki pojawienia się tej funkcji można było dostrzec w aplikacji Gemini już w marcu. Nano Banana 2.1 obsługuje też do 14 obrazów referencyjnych jednocześnie, obejmujących maksymalnie cztery osoby i dziesięć obiektów, których wygląd ma zostać zachowany. Obsługuje rozdzielczości wyjściowe do 4K i proporcje obrazu do 8:1. W razie potrzeby model korzysta z wyszukiwarki Google, zanim przedstawi rzeczywiste osoby, obiekty czy miejsca.

Niższe ceny obrazów, wyższe koszty danych wejściowych

Google obniża cenę za obraz dla deweloperów mniej więcej o połowę: za pośrednictwem Gemini API obraz w rozdzielczości 1K kosztuje około 3,4 centa zamiast 6,7 centa, a obraz w rozdzielczości 4K — około 7,6 centa zamiast 15,1 centa. Zadania wsadowe kosztują o 50% mniej. Kalkulacja nie jest jednak aż tak prosta, ponieważ rosną koszty danych wejściowych: Google pobiera teraz 1,50 dolara za milion tokenów wejściowych tekstu, obrazów i wideo, zamiast 0,50 dolara. Deweloperzy korzystający z wielu obrazów referencyjnych zaoszczędzą więc mniej, niż mogłoby wynikać z obniżenia cen obrazów o połowę.

Czy w tej sytuacji pozostaje miejsce dla Nano Banana Pro? W wielu zadaniach prawdopodobnie nie, o ile dane Google potwierdzą się w praktyce. Nowy model nadal nie jest doskonały, co Google przyznaje w jego karcie modelu: drobny tekst często pozostaje rozmyty w rozdzielczości 1K, osoby nie zawsze wyglądają dokładnie tak jak na obrazach referencyjnych, a model czasami myli lewą stronę z prawą. Nano Banana 2.1 jest więc raczej solidną aktualizacją niż przełomem na skalę pierwotnej wersji, a jego najmocniejszym argumentem jest cena.