Google şimdi Gemini API'sinde dört Nano Banana görüntü modelini satıyor. En yenisi olan Nano Banana 2.1, 6 Ekim 2026'da, yerine geçtiği modelin görüntü başına fiyatının yarısı karşılığında piyasaya sürüldü. Bu, çoğu ekip için varsayılanı değiştiriyor, ancak her iş yükü için değil.
Bu rehber, Nano Banana 2.1, Nano Banana 2 ve Nano Banana Pro'yu, bütçe seçeneği olarak Nano Banana 2 Lite ile yan yana koyuyor. Aşağıdaki her fiyat ve limit, Google'ın görüntü oluşturma belgelerinden ve fiyatlandırma sayfasından 7 Ekim 2026 itibarıyla alınmıştır.
Hızlı karar
- Yeni projeler için varsayılan olarak Nano Banana 2.1'i (
gemini-nano-banana-2.1) kullanın. Google'ın kendisi de tüm yeni projeler için önerildiğini belirtiyor ve 1K, 2K ve 4K çözünürlüklerde çıktısı Nano Banana 2'nin yarı fiyatına mal oluyor. - 0.5K (512px) çıktıya ihtiyacınız varsa Nano Banana 2'yi (
gemini-3.1-flash-image) kullanmaya devam edin. 2.1 bu boyutu sunmuyor. - Temellendirme ve az sayıda referans girişi olmayan yüksek hacimli 1K görüntüler için Nano Banana 2 Lite'ı (
gemini-3.1-flash-lite-image) kullanın. 1K'da 2.1 ile görüntü başına aynı fiyata sahip, daha ucuz girdi. - Google'ın profesyonel varlık üretimi için birinci sınıf katmanı olarak konumlandırdığı şeye ihtiyacınız olduğunda ve 1K görüntü başına yaklaşık dört kat daha fazla ödeyebileceğiniz zaman Nano Banana Pro'yu (
gemini-3-pro-image) seçin.
Bir uyarı: Google, 2.1 için herhangi bir kıyaslama yayınlamadı. Lansman duyurusunda 2.1'in "önceki modellerimizin tamamından daha iyi performans gösterdiği" belirtiliyor, ancak yan yana sayılar verilmiyor. Burada hiçbir şey, bir modelin diğerinden daha iyi göründüğünü iddia etmiyor; bunu kendi istemlerinizle test edin, aşağıda gösterildiği gibi.
Yan yana özellikler
| Nano Banana 2.1 | Nano Banana 2 | Nano Banana Pro | |
|---|---|---|---|
| API model Kimliği | gemini-nano-banana-2.1 |
gemini-3.1-flash-image |
gemini-3-pro-image |
| Google'ın konumlandırması | Birincil yüksek verimli iş gücü | Önceki nesil iş gücü | Karmaşık görsel görevler için premium seçenek |
| Çözünürlükler | 1K, 2K, 4K | 0.5K, 1K, 2K, 4K | 1K, 2K, 4K |
| Giriş fiyatı (1M token başına) | $1.50 | $0.50 | $2.00 |
| Görüntü çıktı fiyatı (1M token başına) | $30 | $60 | $120 |
| 0.5K'da görüntü başına | yok | $0.045 | yok |
| 1K'da görüntü başına | $0.0336 | $0.067 | $0.134 |
| 2K'da görüntü başına | $0.0504 | $0.101 | $0.134 |
| 4K'da görüntü başına | $0.0756 | $0.151 | $0.24 |
| 1K'da toplu görüntü başına | $0.0168 | $0.034 | $0.067 |
| Google Arama temellendirmesi | Web Arama + Görsel Arama | Web Arama + Görsel Arama | Web Arama |
| Referans görüntüler | 14'e kadar (10 nesne, 4 karakter) | 14'e kadar (10 nesne, 4 karakter) | 14'e kadar (6 nesne, 5 karakter) |
| Video girişi | Evet | Evet | Hayır |
| Ücretsiz API katmanı | Hayır (AI Studio'da test edin) | Hayır | Hayır |
Tablonun özetledikleri:
- Token hesabı. Hem 2.1 hem de Nano Banana 2 için 1K bir görüntü 1.120 çıktı tokenı, 2K 1.680 ve 4K 2.520'dir. Aynı tokenlar, yarı oran, yarı fatura.
- Toplu İşlem. 2.1 ayrıca 2K ($0.0252) ve 4K ($0.0378) için toplu fiyatları listeliyor.
- Düşünme. Gemini 3 görüntü modelleri varsayılan olarak düşünür ve bunu API'de devre dışı bırakamazsınız. İki adede kadar ara "düşünme görüntüsü" oluşturulur ve ücretlendirilmez. 2.1'de metin ve düşünme çıktısı 1M token başına $7.50'dir, Nano Banana 2'de ise $3'tür.
- Temellendirme maliyeti. Ayda 5.000 ücretsiz arama isteği Gemini 3.x modelleri arasında paylaşılır, ardından 1.000 istek başına $14'dır.
1.000 görüntü başına maliyet
Yalnızca çıktı maliyeti, standart (toplu olmayan) API, ücretli katman:
| Model | 0.5K | 1K | 2K | 4K |
|---|---|---|---|---|
| Nano Banana 2.1 | yok | $33.60 | $50.40 | $75.60 |
| Nano Banana 2 | $45.00 | $67.00 | $101.00 | $151.00 |
| Nano Banana 2 Lite | yok | $33.60 | yok | yok |
| Nano Banana Pro | yok | $134.00 | $134.00 | $240.00 |
Toplu API ile, 2.1'in 1K, 2K ve 4K'da 1.000 görüntü başına maliyeti sırasıyla $16.80, $25.20 ve $37.80'e düşer.
İki sayı öne çıkıyor. 2.1'de 4K bir görüntü ($0.0756), Pro'da 1K bir görüntüden ($0.134) daha ucuza mal oluyor. Ve 2.1'de 1K ($0.0336), Nano Banana 2'nin 512px katmanının ($0.045) altına düşüyor, bu nedenle 0.5K'yı yalnızca tam olarak o boyuta ihtiyacınız varsa kullanmaya devam edin.
Girdi ağırlıklı düzenleme hesabı değiştirdiğinde
Çıktı, faturanın sadece yarısı. 2.1, 1M giriş tokenı başına $1.50 ücret alırken, Nano Banana 2'nin $0.50'sinin üç katı. Bu nedenle, birçok referans görüntüsü içeren düzenleme iş yükleri girdi için daha fazla öder.
İşte örnek bir senaryo. Google'ın Vertex AI model sayfasına (https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/gemini/nano-banana-2-1) göre her bir giriş görüntüsü 1.120 tokena mal olur.
Senaryo: 14 referans görüntü artı 500 tokenlık bir istem gönderen ve bir adet 1K görüntü geri alan bir ürün çekimi hattı.
| Nano Banana 2.1 | Nano Banana 2 | |
|---|---|---|
| Giriş tokenları (14 x 1.120 + 500) | 16.180 | 16.180 |
| Giriş maliyeti | $0.0243 | $0.0081 |
| 1K çıktı | $0.0336 | $0.0670 |
| İstek başına toplam | $0.0579 | $0.0751 |
| 1.000 istek başına | $57.90 | $75.10 |
14 görüntülük maksimumda bile 2.1 hala kazanıyor, ancak fark %50'den yaklaşık %23'e düşüyor.
Dönüm noktası neresi? Her bir giriş tokenı 2.1'de $0.000001 daha fazla maliyetli ve görüntü başına çıktı tasarrufu 1K'da $0.0334, 2K'da $0.0506 ve 4K'da $0.0754'tür. Yani 2.1 yalnızca bir istek 1K'da yaklaşık 33.400, 2K'da 50.600 veya 4K'da 75.400 giriş tokenı taşıdığında daha pahalıya mal olur. Yalnızca on dört referans görüntü bu seviyeye ulaşmaz.
İki şey sizi daha yakına itebilir:
- Uzun, çok adımlı düzenleme oturumları. Eğer düzenlemeleri
previous_interaction_idile zincirlerseniz, her yanıtın kullanım verilerindeki giriş tokenı sayısını takip edin, çünkü önceki adımlar ödediğiniz bağlama katkıda bulunabilir. Tam referanslarla on adımlı bir oturum 1K eşiğini aşabilir. - Düşünme ve metin tokenları. 2.1 bunları 1M başına $7.50 olarak faturalandırırken, Nano Banana 2'de $3'tür. Düşünme kapatılamaz, bu nedenle yoğun akıl yürütmeyi tetikleyen bir istem farkı daha da daraltır.
Uzun geçmişli 1K düzenlemeler çalıştırıyorsanız, geçiş yapmadan önce her iki modeli de gerçek trafikte ölçün.
Nano Banana 2 Lite nereye oturuyor
Lite, bütçe seçeneğidir. Google onu "en hızlı ve en ucuz Gemini görüntü modeli" olarak adlandırıyor ve 1M giriş tokenı başına $0.25, 2.1 ile aynı $0.0336/1K görüntü fiyatıyla listeliyor.
Lite yalnızca 1K çıktı verir, Google Arama temellendirmeyi desteklemez ve Google, birden fazla referans girişi veya çok adımlı düzenleme için "optimize edilmediğini" belirtir.
Hacimli, düz 1K metinden görüntüye işlemler için Lite ve 2.1 görüntü başına aynı fiyata sahiptir ve Lite'ın girişi 2.1'inkinin altıda biridir. 2K, 4K, temellendirme veya tekrarlı düzenlemeye ihtiyacınız olduğunda 2.1'e geçin.
Google ayrıca Lite'ı, şu anda eski olan orijinal Nano Banana (gemini-2.5-flash-image) için bir geçiş yolu olarak öneriyor. Nano Banana 1 vs Nano Banana 2 karşılaştırmamız önceki bu sıçramayı kapsıyor.
Nano Banana Pro'nun hala mantıklı olduğu yerler
Google, Pro'yu "en karmaşık görsel görevler için premium seçim" olarak tanımlıyor ve en yüksek dünya bilgisi, gelişmiş yerelleştirme, doğru marka tutarlılığı ve hassas yaratıcı kontrol ile profesyonel varlık üretimi için optimize edildiğini belirtiyor. İstem kılavuzu ayrıca, profesyonel, metin ağırlıklı varlıklar için Pro'yu öneriyor.
Bunlar konumlandırma ifadeleridir, ölçülmüş sonuçlar değil. Yayınlanmış Pro ve 2.1 karşılaştırması olmadığından, bunu kendi kendinize doğrulayacağınız bir bütçe sorusu olarak ele alın:
- Pro iş akışlarınız zaten eşiği karşılıyorsa veya beş karakterlik tutarlılık sınırına bağımlıysanız Pro'yu seçin.
- Pro'yu hacimli işler için kullanıyorsanız önce 2.1'i test edin. 4K'da 2.1, Pro'nun fiyatının yaklaşık üçte biridir ($0.0756'ya karşı $0.24). 1K'da yaklaşık dörtte biridir.
- Pro, Görsel Arama temellendirmesi veya video girişi yapamaz.
Tam Pro istek formatı için Nano Banana Pro API kılavuzumuza bakın.
Taşıma notları
Nano Banana 2'den 2.1'e geçiş, model dizesinde tek satırlık bir değişikliktir. Uç nokta, response_format ve google_search aracı aynı kalır:
curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-nano-banana-2.1",
"input": [{"type": "text", "text": "Ceviz bir masa üzerinde seramik bir kupanın stüdyo ürün fotoğrafı"}],
"response_format": {"type": "image", "mime_type": "image/png", "aspect_ratio": "16:9", "image_size": "2K"}
}'
Üretim trafiğini değiştirmeden önce bunları kontrol edin:
- Görüntü boyutu. Herhangi bir çağrı
"image_size": "512px"veya 0.5K gönderiyorsa, bunugemini-3.1-flash-imageüzerinde tutun. 2.1 bu boyutu desteklemez. - Büyük harf K.
"2K"çalışır."2k"her modelde reddedilir. - Görsel Arama.
google_searcharacına"search_types": ["web_search", "image_search"]ekleyin ve Google'ın gerektirdiği şekilde döndürülen arama önerilerini görüntüleyin. - Bütçeler. Aynı trafik için girdi kaleminiz yaklaşık olarak üç katına çıkacaktır. Görüntü kaleminiz yarıya inecektir.
- Ücretsiz katman. Bu modellerden hiçbirinin ücretsiz Gemini API katmanı yoktur; Nano Banana 2.1'i ücretsiz nasıl kullanacağınızı görün.
Çok adımlı düzenleme ve temellendirme dahil tam bir kod incelemesi için Nano Banana 2.1 API kılavuzuna ve nelerin değiştiğini gösteren Nano Banana 2.1 genel bakışına bakın.
Apidog'da üç modeli A/B testi yapma
Yayınlanmış kıyaslamalar olmadığından, önemli olan karşılaştırma kendi istemlerinizle yapacağınızdır. Apidog bunu bir test ortamı olmadan çalıştırır:
- Bir isteği kaydedin.
POST https://generativelanguage.googleapis.com/v1beta/interactionsoluşturun, anahtarınızı bir ortam değişkeni olarak saklayın vex-goog-api-key: {{GEMINI_API_KEY}}başlığını ayarlayın. Yukarıdaki JSON gövdesini,{"type": "image", "mime_type": "image/jpeg", "data": "<BASE64>"}bölümleri olarak herhangi bir referans görüntü dahil olmak üzere yapıştırın. - İki kez kopyalayın. Yalnızca
modelalanını değiştirin:gemini-nano-banana-2.1,gemini-3.1-flash-imagevegemini-3-pro-image. İstem, referanslar, en boy oranı veimage_sizedeğerlerini aynı tutun, böylece tek değişken model olur. - Gönder ve karşılaştır. Apidog her yanıtın durumunu, gecikmesini ve boyutunu gösterir. Her base64 görüntüsünü kodunu çözün ve yan yana inceleyin.
- Bunu bir regresyon kontrolü haline getirin. Bir
200durumu ve boş olmayan bir görüntü onaylayın, istekleri bir test senaryosunda gruplandırın ve Google bir modeli güncellediğinde tekrar çalıştırın.
Bir değil, 10 ila 20 gerçek istem çalıştırın, ardından her modelin görüntü başına fiyatını aylık hacminizle çarpın. Takip etmek için Apidog'u ücretsiz indirin.
Sıkça Sorulan Sorular
Nano Banana 2.1, Nano Banana 2'den daha mı iyi? Google, 2.1'in görsel tasarım, maske tabanlı düzenleme, konu tutarlılığı ve daha doğal görünümlü görüntüler gibi alanlarda "önceki modellerimizin tamamından daha iyi performans gösterdiğini" belirtiyor. Kıyaslama yayınlamadı, bu nedenle kendi istemlerinizle doğrulayın.
Nano Banana 2.1, Nano Banana 2'den daha mı ucuz? Görüntü başına evet: 1K, 2K ve 4K'da yarı fiyatına. Giriş tokenı başına hayır: 1M başına $1.50'ye karşı $0.50. Çoğu iş yükü için çıktı tasarrufu kazanır.
Nano Banana Pro'yu 2.1 ile değiştirmeli miyim? Önce test edin. 2.1, 1K'da Pro'nun yaklaşık dörtte bir fiyatına mal olur, ancak Google hala Pro'yu premium modeli olarak konumlandırıyor.
Nano Banana 2.1'i ücretsiz kullanabilir miyim? Gemini API'sinde hayır. Fiyatlandırma sayfası hiçbir Nano Banana modeli için ücretsiz katman listelemiyor, ancak 2.1'i Google AI Studio'da test edebilirsiniz.
Kaç adet referans görsel gönderebilirim? Üç modelde de 14 adede kadar. 2.1 ve Nano Banana 2, 10 nesne ve 4 karaktere kadar tutarlılık sağlar. Pro, 6 nesne ve 5 karaktere kadar destekler.
Karar
Nano Banana 2.1, yeni Gemini görüntü işleri için mantıklı bir varsayılandır: Nano Banana 2'nin görüntü başına maliyetinin yarısı, aynı temellendirme, video girişi ve referans görüntü limitleriyle. Yalnızca 512px çıktı veya ölçtüğünüz uzun geçmişli düzenleme için Nano Banana 2'de kalın. Hacimli, düz 1K görüntüler için Lite'ı kullanın. Pro'yu, premium konumlandırmasının ihtiyaçlarınıza uyduğu yerlerde kullanın ve dört kat daha fazla ödemeden önce yan yana bir test ile bunu kanıtlayın.