Nano Banana 2.1: Neuerungen, echte Preise und der Haken mit den Thinking-Tokens

Was ist Nano Banana 2.1?

Nano Banana 2.1 ist Googles neuestes "high-efficiency image generation and conversational editing model", und Google nennt es "an update to Nano Banana 2". Es startete direkt als allgemein verfügbar am 6. Oktober 2026, ohne Preview-Phase, und derselbe Changelog-Eintrag markierte Nano Banana 2 (gemini-3.1-flash-image) als veraltet. Ein Abschaltdatum hat Google noch nicht genannt.

Intern läuft es auf Gemini 3.6 Flash statt auf dem neueren Gemini 3.8 Flash, laut DeepMind Model Card, und dieselbe Card nennt März 2026 als Wissensstand. In der Modellpalette sitzt es in der Mitte einer Nano-Banana-Familie, die voll geworden ist:

Die Rollen stammen aus dem Abschnitt zur Modellauswahl in Googles Nano-Banana-Leitfaden. Ein Detail zum Namen: Das ist das erste Nano Banana mit eigener Modell-ID statt eines gemini-3.x-flash-image-Strings. Denk daran, wenn du deinen Code nach Modellnamen durchsuchst.

Ich schreibe für den eesel-Blog, und jeder Artikel, den ich veröffentliche, hat ein Hero-Banner plus drei oder mehr generierte Infografiken, ich sehe also den ganzen Tag Ausgaben von Bildmodellen. In der Pipeline, die ich nutze, muss etwa jedes dritte Bild neu gerendert werden, meist wegen erfundener Logos oder verzerrter Beschriftungen. Ich habe diesen Launch unter diesem Blickwinkel gelesen und gefragt, was sich für jemanden ändert, der Bilder in großen Mengen erzeugt.

Was hat sich gegenüber Nano Banana 2 geändert?

Google nennt sechs wichtige Updates auf der API-Modellseite. Hier stehen sie neben dem, was Nano Banana 2 bot:

Quellen: Googles Nano-Banana-Leitfaden, Preise von der Seite Gemini API pricing.

Der Rest der Liste sind Qualitätsversprechen: besserer Realismus in allen drei Größen, besseres Rendern von Text und besseres Infografik-Layout sowie bessere Charakterkonsistenz über mehrere Runden. Googles Launch-Post auf X formulierte es so:

"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."

Google, X

Eine kleine Zahl lohnt den Blick: Philipp Schmid von Google DeepMind schrieb "up to 5 characters consistency", aber die Doku sagt vier, vertrau also der Doku. Fünf Charakter-Referenzen sind weiterhin ein Feature von Nano Banana Pro.

Schlägt Nano Banana 2.1 Nano Banana Pro wirklich?

Auf Googles eigener Punktetafel ja, und zwar deutlich. Die Model Card berichtet Elo-Werte aus direkten Vergleichen menschlicher Bewerter, und das günstigere Flash-Modell liegt jetzt bei jedem von Google veröffentlichten Benchmark vor dem Pro-Modell.

Bei den Editing-Ergebnissen ist der Abstand am größten:

Alle Zahlen stammen aus der Model Card zu Nano Banana 2.1, "as of October, 2026", mit Fehlerspannen von etwa ±7 bis ±22 Punkten.

Zwei Dinge fallen mir auf. Erstens: Die Multi-Charakter-Konsistenz springt um 128 Punkte gegenüber Nano Banana 2, der größte Zuwachs der Tabelle. Zweitens kommt ein großer Teil der Verbesserung vom Thinking: Die Gesamtpräferenz fällt um 35 Punkte, wenn es aus ist. Das ist für die Kosten wichtig, dazu gleich mehr.

Nun die ehrlichen Einschränkungen. Das sind Evals des Herstellers selbst, ohne Modelle anderer Anbieter, und die Card veröffentlicht keine Zahlen zu mehrsprachigem Textrendering oder Multi-Turn, obwohl beides als ausgewertet aufgeführt ist. Der eine sorgfältige unabhängige Test, den ich gefunden habe, stützt die Editing-Geschichte, aber nicht die "across the board"-Geschichte. Ein japanischer KI-Video-Creator, @genel_ai, setzte acht Referenzpersonen auf ein Sofa, und 2.1 hielt Gesichter und Kleidung auseinander, während Pro und Nano Banana 2 sie vermischten. Bei einfacher fotorealistischer Generierung konnte er 2.1 jedoch nicht von Pro unterscheiden und lag falsch, welches Bild von welchem Modell stammte.

Mein Fazit: Wenn du editierst, Produktfotos mit mehreren Personen machst oder ein Charakter fünf Änderungsrunden überstehen muss, ist 2.1 ein echter Fortschritt. Wenn du nur einzelne Bilder von Grund auf generierst, rechne mit einem kleineren Sprung, als das Elo-Diagramm vermuten lässt.

Was kostet Nano Banana 2.1?

Hier die komplette Preisliste der Familie für die Gemini API, von Googles Preisseite:

Die Batch-Stufe halbiert jeden Preis von Nano Banana 2.1 auf 0,0168 $ pro 1K-Bild, dafür nimmst du eine Bearbeitungszeit von bis zu 24 Stunden in Kauf. Keines dieser Modelle hat eine kostenlose API-Stufe für Bildausgabe, und Search Grounding ist für die ersten 5.000 Anfragen im Monat kostenlos (geteilt über Gemini-3.x-Modelle), danach 14 $ pro 1.000.

Die Schlagzeile stimmt: Tausend 1K-Bilder kosten bei Nano Banana 2.1 33,60 $, bei Nano Banana 2 67 $ und bei Pro 134 $, das ist die "4x cheaper"-Zahl, die Schmid nannte. Drei Details verändern jedoch die Rechnung:

1. 4K-Bilder verbrauchen mehr Tokens. Nano Banana 2.1 braucht für ein 4K-Bild 3.780 Tokens gegenüber 2.520 bei Nano Banana 2, laut Preisseite. Die Ersparnis bei 4K beträgt also 113 $ statt 151 $ pro tausend, rund 25 %, nicht die Hälfte.
2. Thinking ist immer an. Googles Leitfaden sagt, Thinking "cannot be disabled in the API", und 2.1 nutzt standardmäßig medium, wo Nano Banana 2 minimal nutzte. Diese Tokens kosten 7,50 $ pro 1 Mio. statt vorher 3 $.
3. Input kostet 3-mal so viel. 1,50 $ pro 1 Mio. gegenüber 0,50 $. Bei einem kurzen Prompt ist das wenig, wächst aber, wenn du mehrere hochauflösende Referenzfotos mitschickst.

Zur Veranschaulichung ein echter 2K-Edit, den ein Entwickler im KI-Entwicklerforum von Google mit Thinking auf high gepostet hat. Er verbrauchte 4.958 Input-Tokens und 3.972 Thinking-Tokens, und so sehen die Kosten aus, wenn das Bild zurückkommt:

Dieser eine Edit kostet etwa 74 % mehr als der Listenpreis von 0,0504 $ und kommt nahe an die 0,101 $ pro 2K-Bild von Nano Banana 2 heran. Er ist immer noch günstiger, nur nicht um die Hälfte. Das erklärt vermutlich Antworten wie diese unter Logan Kilpatricks Launch-Post:

"we waited that long for Nano banana 2.1 which is even more expensive than the current one without a big improvement!"

Noor, X

Beim Preis pro Bild stimmt das nicht, bei den Input- und Thinking-Preisen schon. Wenn du hohes Volumen fährst, setze thinking_level bei einer Stichprobe deiner echten Prompts auf minimal und vergleiche Qualität und Rechnungen, bevor du dich festlegst.

Was geht mit maskenbasiertem Editing und Referenzen?

"Mask-based editing" klingt, als würdest du eine Pixelmaske zeichnen, aber das tust du nicht, zumindest nicht in der API. Googles Leitfaden dokumentiert Masking als "semantic masking": Du beschreibst den Bereich in Worten, und das Modell bearbeitet nur diesen Teil. Googles eigene Vorlage lautet: "Using the provided image, change only the [specific element] to [new element/description]. Keep everything else in the image exactly the same."

Die "Ink"-Hälfte des Benchmark-Namens bezieht sich auf Doodle-basierte Edits, bei denen du auf das Bild kritzelst, um zu markieren, was sich ändern soll. Das ist der Elo-Wert 1049 von oben, und bisher hättest du für diese Art von Kontrolle zu Ideogram oder einem eigenen Objektentferner gegriffen.

Für Composites kannst du in einer Anfrage bis zu 14 Referenzbilder übergeben: bis zu vier für Charakterkonsistenz und bis zu zehn für Objekttreue, laut Tabelle der Referenzbilder. Pro hat noch zwei Dinge, die 2.1 fehlen, fünf Charakter-Slots und bis zu drei Stil-Referenzen. Eine Markenkampagne mit festem visuellem Stil ist also der Grund, Pro im Werkzeugkasten zu behalten.

Was bringt Search Grounding?

Nano Banana 2.1 kann etwas nachschlagen, bevor es zeichnet. Aktiviere Google Search Grounding, und es holt aktuelle Fakten ins Bild, etwa eine Fünf-Tage-Vorhersage, ein Aktiendiagramm oder sogar ein aktuelles Ereignis. Mit zusätzlichem Image-Search-Grounding kann es auch echte Fotos als visuelle Referenz nutzen, was laut Googles Leitfaden bei Nano Banana 2.1 und Nano Banana 2 unterstützt wird, nicht aber bei 2 Lite.

Hier sollte sich auch der Infografik-Faktentreue-Score, 0,521 gegenüber 0,179 bei Nano Banana 2, in der Praxis zeigen, und für alle, die Erklärgrafiken mit echten Zahlen erstellen, ist das die nützlichste Zeile der Model Card. Eine Anzeigeregel gilt: Ist Grounding aktiv, verlangt Google, dass du das zurückgegebene search_suggestions-Snippet in deiner Oberfläche anzeigst.

Wo kannst du Nano Banana 2.1 nutzen?

Google hat es am ersten Tag auf allen eigenen Oberflächen ausgerollt, laut Rollout-Post und Model Card:

• Gemini-App: der Weg für Endnutzer, ohne Code.
• AI Mode in der Suche: Googles Robby Stein sagt, du sollst in der Google-App das Bananen-Symbol unter dem Suchfeld antippen.
• Google AI Studio und Gemini API: der Weg für Entwickler, Modell-ID gemini-nano-banana-2.1.
• Flow und Stitch: Googles Tools für Video und UI-Design. Das Stitch-Team empfiehlt es für Hero-Grafiken und Logos im Vektorstil.
• Google Ads und Gemini Enterprise Agent Platform: die Cloud-Version läuft nur auf dem globalen Endpunkt, mit Standard PayGo, Batch und Provisioned Throughput.

Auf der Entwicklerseite unterstützt die API Batch, aber kein Context Caching, kein Function Calling, keine Structured Outputs, keine Live API und kein Flex- oder Priority-Inference, laut Modellseite. Googles Codebeispiele nutzen jetzt die neue Interactions API (client.interactions.create) statt generate_content, Snippets aus älteren Nano-Banana-2-Tutorials sehen daher anders aus.

Welche Macken gibt es am Anfang?

Zwei Tage nach dem Start zeigen sich öffentlich einige Probleme. Keines ist ein Ausschlusskriterium, aber jedes solltest du kennen, bevor du Produktiv-Traffic umstellst.

• Leere MAX_TOKENS-Antworten. Ein Team, das "processed thousands of photos with 2.0 without encountering this issue", sieht jetzt gelegentlich Edits, die mit MAX_TOKENS und ohne Bild enden, nachdem nur 5.326 von 32.768 Output-Tokens genutzt wurden, laut ihrem Forum-Thread. Ein erneuter Versuch klappte. Google hatte beim Nachsehen nicht geantwortet, daher bleibt offen, ob diese leeren Antworten berechnet werden.
• Drei verschiedene Input-Limits. Die Model Card nennt 1 Mio. Tokens, die API-Seite 131.072, und ein Entwickler berichtet, die API lehne alles über 65.536 ab. Bis Google das klärt, dimensioniere deine Referenzbild-Payloads nach der kleinsten der drei Zahlen.
• Keine 512-px-Größe. Wenn du die 0.5K-Ausgabe von Nano Banana 2 für günstige Thumbnails oder Entwürfe genutzt hast: 2.1 bietet diese Größe nicht, und Nano Banana 2 Lite bei 1K ist der nächste Ersatz.
• Strikte Moderation, keine Transparenz. Einige Antworten am Launch-Tag beklagen Ablehnungen, und eine Künstlerin fasste eine andere Lücke in vier Worten zusammen:

"Still no alpha transparency."

Wichtel, X

Wenn du transparente PNGs für Sticker oder Produkt-Freisteller brauchst, erzeugt Qwen Image 2.1 sie nativ.

Die Model Card selbst nennt ebenfalls bekannte Grenzen: kleiner Text, der "often blurry in 1k" ist, unvollkommene Charakterkonsistenz, gelegentliche Links-/Rechts-Verwechslungen und "occasional slowness or timeout issues".

Welches Nano-Banana-Modell solltest du nutzen?

So würde ich wählen:

• Nano Banana 2.1 für fast alles Neue: Editing, Szenen mit mehreren Personen, Infografiken, alles in 1K oder 2K. Es ist Googles eigene Empfehlung und das, was die Doku jetzt allen neuen Projekten vorgibt.
• Nano Banana 2 Lite, wenn Latenz und Volumen wichtiger sind als Qualität. Bei 1K kostet es mit 0,0336 $ pro Bild genauso viel wie 2.1, seine Input-Tokens sind aber 6-mal günstiger und seine Thinking-Tokens 5-mal, und es nutzt standardmäßig minimal Thinking.
• Nano Banana Pro behalten für Markenarbeit, die Stil-Referenzen oder fünf konsistente Charaktere braucht, oder für textlastige professionelle Assets, wo Googles Leitfaden weiterhin "Use Gemini 3 Pro Image" sagt.
• Von Nano Banana 2 migrieren, in deinem eigenen Tempo, aber warte nicht auf die Abschalt-E-Mail. Teste deine Prompts neu, denn die Standard-Thinking-Stufe hat sich geändert.

Beim Vergleich über Anbieter hinweg würde ich zuerst ChatGPT Images 2.5 mit denselben Prompts laufen lassen, dicht dahinter kommt FLUX 3.

Für stilgetriebene Arbeit sind Reve 2.1 und Meta Muse Image einen Test wert, bevor du dich festlegst. Für reine Ästhetik vergleichen die meisten Designer weiterhin mit Midjourney, das allerdings keine vergleichbare Editing-API hat.

Mein Überblick zu Nano-Banana-2-Alternativen deckt das weitere Feld ab, darunter Grok Imagine. Wenn du eine Option von ByteDance suchst, starte mit meinem Seedream-Review.

Nano Banana 2.1 im Content-Workflow mit eesel

Ein Modell wie Nano Banana 2.1 ist Infrastruktur. Es liefert ein großartiges Bild, wenn du ihm einen großartigen Prompt schickst, aber jemand muss diesen Prompt noch schreiben, das Ergebnis auf erfundene Logos und verzerrte Beschriftungen prüfen, das eine von drei Bildern neu rendern, das nicht passt, und das Bild dann neben den Absatz setzen, den es erklärt. Für ein Team, das jede Woche veröffentlicht, wird dieses "jemand" zu einem Halbtagsjob.

Genau diese Arbeit nimmt dir der eesel AI Blog Writer ab. Er ist ein einsatzbereiter Teamkollege als AI Content Writer. Gib ihm ein Keyword und deine Website, und er recherchiert Primärquellen, schreibt den Beitrag in deiner Markenstimme, erzeugt ein Hero-Banner und Infografiken in Markenfarben und ergänzt interne Links und FAQs. Eine deutsche E-Commerce-Marke, die ihn etwa 15-mal laufen ließ, bekam SEO-Beiträge mit 2.000 bis 2.900 Wörtern, jeweils mit Hero-Banner, Infografiken und FAQs, in etwa 12 bis 20 Minuten pro Beitrag.

Weil er ein Teamkollege ist und kein rohes Modell, nimmt er Feedback auf wie ein Mensch. Eine Therapeutin, die ihn nutzt, sagte ihm:

"Going forward, stop giving only Caucasian images. I work with diverse races and ethnicities."

Diese Anweisung gilt dann für jeden weiteren Beitrag, du musst also keine Prompt-Vorlage pflegen. Wenn du deine Woche lieber mit Strategie verbringst als mit dem Neugenerieren von Bannern, probier eesel kostenlos aus oder sieh dir in meinem Überblick der besten AI Blog Writer für SEO an, wie er abschneidet.