Google 于 10 月 6 日在官方 X 账号发布图像生成模型 Nano Banana 2.1，并称这一版本在视觉设计、基于遮罩的编辑和主体一致性等方面，较前代有明显提升。
从 API 定价看，Nano Banana 2.1 的单张图像价格明显下调。1K、2K、4K 图像的单价分别为 0.0336 美元、0.0504 美元和 0.0756 美元；前代对应价格为 0.067 美元、0.101 美元和 0.151 美元，三个尺寸都接近减半。按这一标准计算，生成 1000 张 1K 图像约需 33.6 美元，前代则为 67 美元。
不过，图像输出并不是唯一计费项。定价页显示，每百万 token 的输入价格从 0.50 美元升至 1.50 美元，文字与思考输出价格从 3 美元升至 7.50 美元。也就是说，若工作流中使用大量参考图，或将思考等级调高，图像单价下降带来的成本优势会被部分抵消。
10 项官方评测中全部领先
根据模型卡列出的 10 项评测结果，在开启思考模式时，Nano Banana 2.1 全部领先前代 Nano Banana 2，也高于定位更高的 Nano Banana Pro。Google 将思考等级分为 minimal、medium 和 high，其中 medium 为默认档位。所谓思考，是指模型在正式出图前的内部草拟过程。
在整体偏好上，Nano Banana 2.1 得分为 1050，前代为 990，Pro 为 935。这里采用的是 Elo 评分方式，即由真人将两张作品并排比较，选择更偏好的一张，再换算为积分，分数越高，代表越常被选中。
多角色一致性方面，Nano Banana 2.1 为 1106，前代和 Pro 分别为 978 与 1011。遮罩编辑方面，2.1 为 1049，前代和 Pro 分别是 965 与 927。
信息图表事实性则不是人工评比，而是由自动评分器逐张打分。模型卡没有披露这项评分的刻度。Nano Banana 2.1 的得分为 0.521，前代为 0.179，接近前代三倍，Pro 为 0.265。
在关闭思考模式后，Nano Banana 2.1 的整体偏好仍有 1015，高于前代在开启思考模式下的 990。这意味着其提升并不只来自思考步骤本身。
不过，这些评测均由 Google 自行完成，表格中只列出 Google 自家模型，暂时没有第三方验证结果。
参考图上限 14 张，修复超宽超长比例拼接问题
规格方面，Nano Banana 2.1 最多支持 14 张参考图。在主体一致性任务中，最多支持 4 个角色；在物件还原任务中，最多支持 10 个物件。
Google 还表示，该版本修复了 1:4、8:1 这类超长或超宽比例图像在 2K 与 4K 分辨率下出现的拼接瑕疵。
除 Gemini API 外，模型卡列出的可用渠道还包括 Gemini App、Google 搜索的 AI Mode、Google AI Studio、Google Ads、Flow 和 Stitch。
官方展示四组示例
Google 在 DeepMind 官方展示页中给出成组示范图和对应提示词，展示重点包括文字排版、遮罩编辑、主体一致性以及画面自然感。
视觉设计与文字排版
第一组示例中，左侧是一张越野跑主题的「DESERT」海报，图中包含 HEAT TOLERANCE、ZERO HORIZON、GPS 坐标、ELEV. 1,850 M 和条码等多组小字；右侧则是一张 1970 年代风格的旅行海报。Google 给出的提示词要求巨大「HORIZON」字样被坐在复古露营车顶上的女子部分遮挡。展示页强调，这组示例中指定文字都被正确拼写，人物与文字的前后关系也表现出景深。
官方提示词写道：「Cinematic 1970s travel poster. A thin warm cream border frames the entire composition. Along the top header border is tiny, spaced, uppercase black text reading: 『PACIFIC COAST ISSUE 08 NORTHERN SWELLS HIGHWAY ONE』. The background is a solid flat field of vibrant cobalt blue. Across the upper half, giant ultra-condensed cream-colored sans-serif text spells 『HORIZON』. In the foreground, a young woman in a denim vest and sunglasses sits atop a vintage seafoam-teal camper van with surfboards mounted on top, overlapping and partially masking the giant letters to create depth. Rich film grain texture, warm natural lighting, high-contrast, ultra-sharp legible typography, no placeholder text, all text in English.」
遮罩编辑
第二组示例展示遮罩编辑。输入图是一颗带露珠、被手绘线条圈起的蒲公英种子。输出结果给出 4 张图，分别将其放置在青苔树干、秋季落叶、海滩和花砖桌面环境中。提示词只有一句，要求圈选物体的大小和位置保持不变，只更换环境。原始要求是生成 5 张，但展示页只放出 4 张。
官方提示词为：「mask the object inside the sketch and place in a completely different environment but don’t change the size and position of the object itself, create 5 of these each 16:9, each it’s own server call, one at a time」
这组结果中，Google 展示的重点是四张图里种子的大小和位置几乎没有变化，变化的主要是周围环境。
主体一致性
第三组示例聚焦主体一致性。左侧是 14 组时装模特参考图，每组都是同一人的多角度定妆照；右侧则将多人合成为一张时尚大片，场景设定为色块分明的几何建筑空间，人物前后距离不同。提示词只有一句口语化指令，连主题都交由模型自行选择。
官方提示词为：「i want a high-end editorial fashion shot with all these models posing together in abstract colorful set, dramatic composition, some models are far and some are close. choose a theme」
该示例的核心在于，多套造型需要与参考图逐一对应，同时在同一画面里保持远近层次。
画质与自然感
第四组示例对应 Google 所强调的「more natural-looking images」。画面中，一名身穿翠绿色短裙的女性正从复古汽车旅馆的芥末黄色钢制外楼梯走下，背景为火烈鸟粉色灰泥墙。提示词只描述场景、构图和黄、粉、绿三种撞色关系，并未特别要求阴影或墙面老化细节。
官方提示词为：「A 16:9 horizontal cinematic still, shot from street level looking up at the sharp diagonal steel exterior staircase of a two-story retro motel painted vibrant mustard-yellow against a flamingo-pink stucco facade. An adult woman in an emerald-green mini dress descends the staircase, her hand trailing along the yellow railing. The bright yellow, pink, and green color clash creates a delightful, sun-drenched cinematic mood.」
Google 在这一组中强调，栏杆投在墙上的影子，以及斑驳的墙面质感，都是模型自行补出的画面细节。
旧版 10 月 29 日关闭，迁移窗口仅 23 天
在新模型上线同一天，Google 也给前代型号码定下了退场时间。正式版 gemini-3.1-flash-image 于 5 月 28 日上线，关闭日期为 10 月 29 日，生命周期约 5 个月。Google 建议开发者迁移至 gemini-nano-banana-2.1。
从时间上看，10 月 6 日发布新版，到 10 月 29 日关闭前代，中间只留出 23 天供开发者迁移。
这也是 Nano Banana 系列首次将「Nano Banana」这一昵称直接写入型号字符串，此前使用的都是正式命名。
尺寸兼容与已知限制
迁移前还需要先核对支持尺寸。Nano Banana 2.1 不支持 512px 这一最小尺寸。不过，前代的 0.5K 图像价格为 0.045 美元，而 2.1 的 1K 图像价格为 0.0336 美元，从价格上看反而更低。
模型卡同时列出若干限制，包括 1K 分辨率下小字常常模糊，角色一致性并非每次都能完全稳定，偶尔会出现左右方向判断错误，也可能出现响应变慢或超时。