We wtorek, 6 października, Google wydał Nano Banana 2.1, najnowszą wersję swojej AI, która zamienia wpisane zdanie w obraz lub edytuje już posiadane zdjęcie. Model jest udostępniany w aplikacji Gemini, trybie AI wyszukiwarki Google, Google Ads oraz narzędziach deweloperskich, w tym Google AI Studio, Flow i Stitch — zasięg, który stawia jeden model obrazu jednocześnie za konsumenckim czatem, wyszukiwarką i powierzchniami reklamowymi.

Meet Nano Banana 2.1, our latest image generation and editing model 🍌 This upgraded version outperforms our previous models across the board, with notable leaps in visual design, mask-based editing, and subject consistency to help you create more natural-looking images. pic.twitter.com/d858DrzrF3

— Google (@Google) October 6, 2026

Zgodnie z kartą modelu Google aktualizacja koncentruje się na trzech obszarach. Warstwa wizualna została ulepszona, aby pomagać tworzyć bardziej naturalnie wyglądające obrazy; edycja maskowa jest ostrzejsza, dzięki czemu użytkownicy mogą oznaczyć jeden region obrazu i zmienić tylko ten obszar; a spójność podmiotu jest silniejsza, co oznacza, że osoba lub obiekt nadal wygląda jak siebie po kilkunastu edycjach. Razem te trzy elementy celują w edycję iteracyjną — rodzaj przepływu pracy, w którym obraz przechodzi przez wiele rund zmian i musi pozostać spójny od jednej edycji do następnej.

Własne testy Google plasują nowy model przed Nano Banana 2 i Nano Banana Pro. W ogólnej preferencji w ocenach generowania obrazu z tekstu Nano Banana 2.1 zdobył 1 050 punktów ELO, wobec 990 dla Nano Banana 2 i 935 dla Nano Banana Pro. W systemie ELO wyższe wyniki są lepsze, a skala nie ma sufitu, co czyni oceny czysto porównawczą miarą preferencji między wynikami, a nie wydajnością względem ustalonego standardu technicznego. Google podał również wynik fakticzności infografik 0,521 wobec 0,179.

Na papierze model obsługuje do 14 obrazów referencyjnych jednocześnie, śledząc do czterech postaci i dziesięciu obiektów. Generuje obrazy w rozdzielczości do 4K — ostrości mniej więcej na poziomie telewizyjnym — w formatach o proporcjach do 8:1. Deweloperzy mogą także ustawić, jak długo model "myśli" przed narysowaniem, od minimalnego do wysokiego, i włączyć oparcie wyników na Google Search oraz Google Image Search. Mówiąc prosto, może sprawdzać informacje, zanim coś narysuje.

Ceny są centralnym elementem premiery. Przez deweloperskie API Google — pipeline umożliwiający aplikacjom innych firm korzystanie z modelu — standardowy obraz 1K kosztuje teraz 0,0336 USD, około połowę ceny 0,067 USD Nano Banana 2, zgodnie z dokumentacją cenową Google. Obraz 4K kosztuje 0,0756 USD wobec 0,151 USD. Zadania wsadowe, w których duże zestawy obrazów są przetwarzane hurtowo zamiast natychmiast, otrzymują dodatkowe 50% zniżki od tych stawek. Po standardowej cenie 1K tysiąc obrazów kosztuje teraz około 33,60 USD przez API, wobec 67 USD w Nano Banana 2, co czyni generowanie obrazów o dużej objętości na platformie mniej więcej o połowę tańszym niż wcześniej. Ponieważ rozliczenia API są naliczane za obraz, ta stawka to liczba, którą deweloperzy mnożą w obciążeniach produkcyjnych — dlatego cięcie ma największe znaczenie dla produktów poza własnymi aplikacjami Google, które generują obrazy na dużą skalę.

Premiera kontynuuje szybkie tempo ulepszeń. Oryginalny Nano Banana uczynił Gemini hitem: we wrześniu 2025 roku jego trik zamiany selfie w figurki kolekcjonerskie stał się viralowy, wypychając Gemini na pierwsze miejsce w obu głównych sklepach z aplikacjami i zdetronizowawszy ChatGPT po niemal trzech latach na szczycie. Wartość rynkowa Alphabet w tym samym okresie przekroczyła 3 biliony USD. Ten precedens uczynił generowanie obrazów jedną z najbardziej widocznych konsumenckich funkcji Gemini.

Wersja 2 pojawiła się w lutym, zbudowana na Gemini 3.1 Flash Image. Jej kluczową funkcją było sprawdzanie Google Search przed rysowaniem realnych rzeczy, dając obrazom rzeczywistych wydarzeń lub osób większą szansę na trafność.

Niezależne benchmarki Nano Banana 2.1 nie były dostępne w momencie premiery; opublikowane porównania pochodziły w całości z wewnętrznych testów Google. Ta różnica jest tym, na co wartowracać uwagę: niezależne oceny, gdy zostaną opublikowane, są zewnętrzną weryfikacją, czy zyski w preferencji i faktograficzności utrzymają się poza liczbami samego Google.