Negli ultimi sei mesi, le aziende che desiderano implementare la generazione di immagini AI di alta qualità su larga scala hanno dovuto affrontare uno scomodo compromesso: pagare prezzi premium per il modello Nano Banana Professional di Google, o accontentarsi di various più economiche (a volte gratuite), più veloci, ma notevolmente inferiori, soprattutto in termini di requisiti aziendali come testo accurato incorporato, diapositive, diagrammi e altre informazioni non estetiche.
Oggi Google DeepMind sta tentando di colmare questo divario il lancio di Nano Banana 2 (formalmente Gemini 3.1 Flash Picture): un modello che porta il ragionamento, il rendering del testo e il controllo creativo del livello Professional alla velocità e ai prezzi di livello Flash.
Il rilascio arriva appena sedici giorni dopo Il team Qwen di Alibaba ha abbandonato Qwen-Image-2.0uno sfidante con peso aperto da 7 miliardi di parametri che molti sviluppatori sostenevano avesse già eguagliato la qualità di Nano Banana Professional a una frazione del costo di inferenza.
Per i chief IT che valutano le pipeline di generazione di immagini, Nano Banana 2 riformula la matrice decisionale. La domanda non è più se i modelli di immagini AI siano sufficientemente buoni per la produzione, ma è quale curva di costo del fornitore si adatta meglio al flusso di lavoro.
Il problema dei costi di produzione: perché Nano Banana Professional è rimasto nella sandbox
Quando Google ha rilasciato Nano Banana Professional nel novembre 2025, costruito sul spine Gemini 3 Professional, la comunità degli sviluppatori è rimasta colpita dalla sua fedeltà visiva e dalle capacità di ragionamento.
Il modello potrebbe riprodurre testo accurato nelle immagini, mantenere la coerenza dei caratteri nelle conversazioni a più turni e seguire complesse istruzioni compositive, tutte funzionalità con cui i precedenti generatori di immagini avevano difficoltà.
Ma i prezzi di livello Professional hanno creato un ostacolo all’implementazione su larga scala. Secondo la pagina dei prezzi dell’API di Google, l’output dell’immagine di Nano Banana Professional ha un prezzo di $ 120 per milione di token, arrivando a circa $ 0,134 per immagine generata con una risoluzione di 1K pixel.
Per le applicazioni che generano migliaia di immagini ogni giorno (advert esempio la visualizzazione di prodotti e-commerce, la pipeline di risorse di advertising o la generazione di contenuti localizzati) tali costi aumentano rapidamente.
Nano Banana 2, costruito sul spine Gemini 3.1 Flash, riduce drasticamente questo prezzo. L’output di immagini di livello Flash ha un prezzo di 60 dollari per milione di token, circa 0,067 dollari per immagine da 1K per immagine, circa il 50% in meno rispetto al modello Professional. Per le aziende che eseguono flussi di lavoro di generazione di immagini advert alto quantity, questa è la differenza tra una prova di concetto e una distribuzione di produzione.
Ciò che Nano Banana 2 offre effettivamente
Il modello non è semplicemente un Nano Banana Professional più economico. Secondo l’annuncio di Google DeepMind, Nano Banana 2 offre various funzionalità che in precedenza erano esclusive del livello Professional, introducendo al contempo nuove funzionalità proprie.
Il miglioramento principale riguarda il rendering e la traduzione del testo. Il modello può generare immagini con testo accurato e leggibile – un punto storicamente debole per i generatori di immagini AI – e quindi tradurre quel testo in various lingue all’interno dello stesso flusso di lavoro di modifica delle immagini.
Anche la coerenza dei soggetti è migliorata in modo significativo. Nano Banana 2 può mantenere la somiglianza tra un massimo di cinque personaggi e preservare la fedeltà di un massimo di 14 oggetti di riferimento in un flusso di lavoro a generazione singola.
Ciò consente lo storyboard, la fotografia di prodotti con più SKU e la creazione di risorse del marchio in cui la continuità visiva è importante. La documentazione di Google evidenzia la capacità di fornire fino a 14 various immagini di riferimento come enter, consentendo al modello di comporre scene incorporando più oggetti o personaggi distinti da fonti separate.
Dal punto di vista delle specifiche tecniche, il modello supporta il controllo completo delle proporzioni, risoluzioni che vanno da 512 pixel fino a 4K e due livelli di pensiero che consentono agli sviluppatori di bilanciare la qualità con la latenza.
Un’aggiunta degna di nota che manca a Nano Banana Professional è uno strumento di ricerca di immagini: il modello può eseguire ricerche di immagini e utilizzare le immagini recuperate come contesto di base per la generazione, espandendo la sua utilità per i flussi di lavoro che richiedono materiale di riferimento visivo.
Il fattore Qwen-Picture-2.0: perché Google aveva bisogno di muoversi velocemente
Il tempismo di Google non è casuale. Il 10 febbraio, Il team Qwen di Alibaba ha rilasciato Qwen-Image-2.0un modello unificato di generazione e modifica delle immagini che ha immediatamente fatto paragoni con Nano Banana Professional, ma con un ingombro notevolmente ridotto.
Qwen-Picture-2.0 funziona su soli 7 miliardi di parametri, rispetto ai 20 miliardi del suo predecessore, unificando la generazione di testo in immagine e l’enhancing di immagini in un’unica architettura.
Il modello viene generato in modo nativo con una risoluzione 2K (2048×2048 pixel), supporta richieste fino a 1.000 token per structure complessi e si colloca in cima o vicino alla cima della classifica di valutazione umana non vedente di AI Area sia per le attività di generazione che di modifica.
Per gli acquirenti aziendali, le dinamiche aggressive sono significative. Il conteggio dei parametri 7B di Qwen-Picture-2.0 significa costi di inferenza sostanzialmente inferiori in caso di self-hosting: una considerazione fondamentale per le organizzazioni con requisiti di residenza dei dati o carichi di lavoro advert alto quantity.
Il modello precedente del staff Qwen, Qwen-Picture v1, è stato rilasciato con Apache 2.0 circa un mese dopo il suo annuncio iniziale e la comunità degli sviluppatori si aspetta ampiamente la stessa traiettoria per la v2.0. Se i pesi aperti si concretizzassero, le organizzazioni potrebbero eseguire un modello di immagine competitivo di Nano Banana Professional sulla propria infrastruttura senza costi API per immagine.
L’architettura unificata di generazione e modifica del modello semplifica inoltre l’implementazione. Invece di concatenare modelli separati per la creazione e la modifica – l’attuale norma del settore – Qwen-Picture-2.0 gestisce entrambe le attività in un unico passaggio, riducendo la latenza e il degrado della qualità che si verifica quando gli output vengono passati tra sistemi diversi.
Il percorso attuale di Qwen-Picture-2.0 è l’integrazione dell’ecosistema. Nano Banana 2 di Google viene lanciato oggi sull’app Gemini, Ricerca Google (modalità AI e Lens), AI Studio, API Gemini, Google Antigravity, Vertex AI, Google Cloud e Circulation, dove diventa il modello di generazione di immagini predefinito a costo zero. Story ampiezza di distribuzione è difficile da replicare per qualsiasi sfidante, in particolare per uno il cui accesso API è attualmente limitato alla piattaforma Alibaba Cloud.
Cosa significa questo per le strategie di immagine AI aziendali
La disponibilità simultanea di Nano Banana 2 e Qwen-Picture-2.0 crea un quadro decisionale che i chief IT non avevano mai avuto prima nello spazio di generazione di immagini.
Per le organizzazioni già combine nell’ecosistema cloud di Google, Nano Banana 2 è la prima ovvia valutazione. La riduzione dei costi derivante dai prezzi Professional, combinata con l’integrazione nativa su tutta la superficie dei prodotti Google, lo rende il percorso di minor resistenza per i staff che necessitano di generare immagini di qualità di produzione senza riprogettare il proprio stack. Le funzionalità di rendering del testo del modello lo rendono particolarmente adatto per la generazione di risorse di advertising, i flussi di lavoro di localizzazione e qualsiasi applicazione in cui il testo leggibile nell’immagine è un requisito.
Per le organizzazioni con problemi di sovranità dei dati, carichi di lavoro advert alto quantity che rendono proibitivi i prezzi delle API per immagine o una preferenza strategica per i modelli a peso aperto, Qwen-Picture-2.0 rappresenta un’alternativa convincente, a condizione che Alibaba mantenga la disponibilità a peso aperto. Il numero inferiore di parametri del modello si traduce in requisiti GPU inferiori per il self-hosting, mentre la sua architettura unificata di modifica della generazione riduce la complessità della pipeline.
Il jolly è proprio Nano Banana Professional, che non scomparirà. Gli abbonati a Google AI Professional e Extremely mantengono l’accesso al modello Professional per attività specializzate, accessibili tramite il menu di rigenerazione nell’app Gemini. Per i casi d’uso che richiedono la massima fedeltà visiva e ragionamento creativo (advert esempio campagne inventive di fascia alta o applicazioni in cui ogni immagine deve apparire su misura), Professional rimane il limite.
Il livello di provenienza: un elemento di differenziazione aziendale discreto ma importante
Nascosto nell’annuncio di Google c’è un dettaglio che potrebbe essere più importante per i staff legali e di conformità aziendali di qualsiasi benchmark di qualità: gli strumenti di provenienza. Nano Banana 2 viene fornito con filigrana SynthID, la tecnologia di identificazione dei contenuti generata dall’intelligenza artificiale di Google, insieme a C2PA Content material Credentials, lo commonplace intersettoriale per i metadati di autenticità dei contenuti.
Google riferisce che da quando ha lanciato la verifica SynthID nell’app Gemini lo scorso novembre, la funzione è stata utilizzata oltre 20 milioni di volte per identificare immagini, video e audio generati dall’intelligenza artificiale. La verifica C2PA arriverà presto anche sull’app Gemini.
Per le aziende che operano in settori regolamentati o in giurisdizioni con requisiti emergenti di trasparenza dell’IA, la provenienza integrata non è più facoltativa. Si tratta di una casella di controllo di conformità, che le various open-weight self-hosted come Qwen-Picture-2.0 non forniscono in modo nativo.
La conclusione
Nano Banana 2 non rappresenta un salto generazionale nella qualità della generazione delle immagini. Ciò che rappresenta è la maturazione della generazione di immagini AI da una novità creativa a un componente infrastrutturale pronto per la produzione. Riducendo il divario in termini di costi e velocità tra i livelli Flash e Professional, pur mantenendo le capacità di ragionamento e di rendering del testo che rendono questi modelli utili per i flussi di lavoro aziendali reali, Google sta facendo una scommessa calcolata: la prossima ondata di adozione di immagini IA aziendali sarà guidata non dai modelli che producono le immagini più belle, ma da quelli che producono immagini sufficientemente buone in modo sufficientemente veloce ed economico da poter essere implementate su larga scala.
Con Qwen-Picture-2.0 che spinge dal lato del peso aperto e Nano Banana Professional che mantiene il limite della qualità, Nano Banana 2 occupa esattamente la through di mezzo dove si trova effettivamente la maggior parte dei carichi di lavoro aziendali. Per i decisori IT che aspettavano da tempo che la curva dei costi si piegasse, è successo e basta.
