Nano Banana 2.1: novidades, preços reais e a pegadinha dos tokens de raciocínio

O que é o Nano Banana 2.1?

O Nano Banana 2.1 é o mais recente "high-efficiency image generation and conversational editing model" do Google, e o Google o chama de "an update to Nano Banana 2". Ele foi lançado direto em disponibilidade geral em 6 de outubro de 2026, sem período de prévia, e a mesma entrada do changelog descontinuou o Nano Banana 2 (gemini-3.1-flash-image). O Google ainda não anunciou uma data de desligamento.

Por dentro ele roda no Gemini 3.6 Flash, e não no mais novo Gemini 3.8 Flash, segundo a model card da DeepMind, e a mesma ficha lista março de 2026 como data de corte de conhecimento. Na linha de produtos, ele fica no meio de uma família Nano Banana que ficou cheia:

Os papéis vêm da seção de seleção de modelo do guia do Nano Banana do Google. Um detalhe de nome: este é o primeiro Nano Banana com ID de modelo próprio, em vez de uma string gemini-3.x-flash-image, então lembre disso ao procurar nomes de modelo no seu código.

Escrevo para o blog da eesel, e todo post que publico leva um banner principal mais três ou mais infográficos gerados, então vejo resultados de modelos de imagem o dia todo. No pipeline que uso, cerca de uma em cada três renderizações precisa ser refeita, normalmente por logos inventados ou rótulos embaralhados. Li este lançamento por essa lente, perguntando o que muda para quem gera imagens em volume.

O que mudou em relação ao Nano Banana 2?

O Google lista seis atualizações principais na página do modelo na API. Aqui estão elas ao lado do que o Nano Banana 2 oferecia:

Fontes: o guia do Nano Banana do Google, com preços da página de preços da API do Gemini.

O restante da lista são alegações de qualidade: mais realismo nos três tamanhos, melhor renderização de texto e layout de infográficos, e melhor consistência de personagens em vários turnos. O post de lançamento do Google no X disse assim:

"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

Um número pequeno merece atenção: Philipp Schmid, do Google DeepMind, postou "up to 5 characters consistency", mas a documentação diz quatro, então confie na documentação. Cinco referências de personagens continuam sendo um recurso do Nano Banana Pro.

O Nano Banana 2.1 realmente supera o Nano Banana Pro?

No placar do próprio Google, sim, e por bastante. A model card informa o Elo de preferência humana em comparações lado a lado, e o modelo mais barato da classe Flash agora supera o modelo Pro em todos os benchmarks que o Google publicou.

Nos resultados de edição a diferença é maior:

Todos os números vêm da model card do Nano Banana 2.1, "as of October, 2026", com margens de aproximadamente ±7 a ±22 pontos.

Duas coisas me chamam a atenção. Primeiro, a consistência de vários personagens sobe 128 pontos em relação ao Nano Banana 2, o maior ganho da tabela. Segundo, boa parte da melhora vem do raciocínio: a preferência geral cai 35 pontos quando ele está desligado. Isso importa para o custo, que vem a seguir.

Agora as ressalvas honestas. São avaliações do próprio fabricante, sem modelos de terceiros comparados, e a ficha não publica números de renderização de texto multilíngue nem de múltiplos turnos, embora ambos estejam listados como avaliados. O único teste independente cuidadoso que encontrei apoia a história da edição, mas não a do "across the board". Um criador japonês de vídeos com IA, @genel_ai, colocou oito pessoas de referência em um mesmo sofá, e o 2.1 manteve rostos e roupas distintos, enquanto o Pro e o Nano Banana 2 os misturaram. Na geração fotorrealista simples, porém, ele não conseguiu distinguir o 2.1 do Pro e errou ao adivinhar qual imagem era de qual.

Minha leitura: se o seu trabalho é edição, fotos de produto com várias pessoas ou qualquer tarefa em que um personagem precise sobreviver a cinco rodadas de mudanças, o 2.1 é um avanço real. Se você só gera imagens avulsas do zero, espere um salto menor do que o gráfico de Elo sugere.

Quanto custa o Nano Banana 2.1?

Aqui está a tabela completa de preços da API do Gemini para a família, da página de preços do Google:

O nível Batch reduz à metade todas as tarifas do Nano Banana 2.1, para US$ 0,0168 por imagem de 1K, e em troca você aceita um prazo de até 24 horas. Nenhum desses modelos tem nível gratuito de API para saída de imagem, e o grounding com pesquisa é gratuito nas primeiras 5.000 solicitações por mês (compartilhadas entre os modelos Gemini 3.x), depois US$ 14 por 1.000.

A manchete é real: mil imagens de 1K custam US$ 33,60 no Nano Banana 2.1 contra US$ 67 no Nano Banana 2 e US$ 134 no Pro, que é o número de "4x cheaper" citado por Schmid. Três detalhes, porém, mudam a conta:

1. Imagens de 4K usam mais tokens. O Nano Banana 2.1 gasta 3.780 tokens em uma imagem de 4K contra 2.520 do Nano Banana 2, segundo a página de preços. Assim, a economia em 4K é de US$ 113 contra US$ 151 por mil, cerca de 25%, e não metade.
2. O raciocínio está sempre ligado. O guia do Google diz que o raciocínio "cannot be disabled in the API", e o 2.1 usa medium por padrão, onde o Nano Banana 2 usava minimal. Esses tokens são cobrados a US$ 7,50 por 1M, contra US$ 3 antes.
3. A entrada custa 3 vezes mais. US$ 1,50 por 1M contra US$ 0,50. Num prompt curto é pouco, mas cresce quando você envia várias fotos de referência em alta resolução.

Para tornar isso concreto, veja uma edição real de 2K que um desenvolvedor postou no fórum de desenvolvedores de IA do Google com o raciocínio em high. Ela usou 4.958 tokens de entrada e 3.972 tokens de raciocínio, e este é o custo, supondo que a imagem seja devolvida:

Essa única edição custa cerca de 74% a mais que o preço de tabela de US$ 0,0504, e chega perto dos US$ 0,101 por imagem de 2K do Nano Banana 2. Ainda é mais barata, só não pela metade. Isso provavelmente explica respostas como esta sob o post de lançamento de Logan Kilpatrick:

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

Noor, X

No preço por imagem isso está errado, mas nas tarifas de entrada e raciocínio está certo. Se você trabalha com alto volume, defina thinking_level como minimal em uma amostra dos seus prompts reais e compare qualidade e faturas antes de se comprometer.

O que dá para fazer com edição por máscara e referências?

"Mask-based editing" parece que você desenha uma máscara de pixels, mas não desenha, pelo menos não na API. O guia do Google documenta o mascaramento como "semantic masking": você descreve a região em palavras, e o modelo edita apenas aquela parte. O modelo de prompt do próprio Google é: "Using the provided image, change only the [specific element] to [new element/description]. Keep everything else in the image exactly the same."

A metade "ink" do nome do benchmark se refere a edições com rabiscos, em que você risca a imagem para marcar o que deve mudar. Essa é a pontuação de 1049 Elo acima, e até agora você teria recorrido ao Ideogram ou a um removedor de objetos dedicado para ter esse tipo de controle.

Para composições, você pode passar até 14 imagens de referência em uma única solicitação: até quatro para consistência de personagens e até dez para fidelidade de objetos, segundo a tabela de imagens de referência. O Pro ainda tem duas coisas que o 2.1 não tem, cinco vagas de personagens e até três referências de estilo, então uma campanha de marca com estilo visual fixo é o motivo para manter o Pro na caixa de ferramentas.

O que o grounding com pesquisa acrescenta?

O Nano Banana 2.1 pode consultar informações antes de desenhar. Ative o grounding com Google Search e ele traz fatos atuais para a imagem, como uma previsão de cinco dias, um gráfico de ações ou até um evento recente. Com o grounding de pesquisa de imagens somado, ele também pode usar fotos reais como referência visual, o que, segundo o guia do Google, é compatível com o Nano Banana 2.1 e o Nano Banana 2, mas não com o 2 Lite.

É também aqui que a pontuação de fidelidade factual de infográficos, 0,521 contra 0,179 do Nano Banana 2, deve aparecer na prática, e para quem faz gráficos explicativos com números reais é a linha mais útil da model card. Uma regra de exibição se aplica: com o grounding ativo, o Google exige que você mostre na sua interface o trecho search_suggestions devolvido.

Onde você pode usar o Nano Banana 2.1?

O Google o liberou em todas as superfícies que controla já no primeiro dia, segundo o post de lançamento e a model card:

• App Gemini: o caminho do consumidor, sem código.
• Modo IA da Pesquisa: Robby Stein, do Google, diz para tocar no ícone da banana abaixo da caixa de pesquisa no app do Google.
• Google AI Studio e API do Gemini: o caminho do desenvolvedor, ID de modelo gemini-nano-banana-2.1.
• Flow e Stitch: as ferramentas de vídeo e design de interface do Google. A equipe do Stitch sugere usá-lo para gráficos de destaque e logos em estilo vetorial.
• Google Ads e Gemini Enterprise Agent Platform: a versão em nuvem roda apenas no endpoint global, com Standard PayGo, Batch e Provisioned Throughput.

Do lado do desenvolvedor, a API aceita Batch, mas não context caching, function calling, saídas estruturadas, a Live API nem inferência Flex e Priority, segundo a página do modelo. Os exemplos de código do Google agora usam a nova Interactions API (client.interactions.create) em vez de generate_content, então trechos copiados de tutoriais antigos do Nano Banana 2 vão parecer diferentes.

Quais são os primeiros problemas?

Dois dias depois, alguns problemas já aparecem em público. Nenhum é impeditivo, mas todos valem ser conhecidos antes de mover tráfego de produção.

• Respostas MAX_TOKENS vazias. Uma equipe que "processed thousands of photos with 2.0 without encountering this issue" agora vê edições ocasionais que param com MAX_TOKENS e sem imagem, depois de usar apenas 5.326 de um limite de saída de 32.768, segundo o tópico no fórum. Uma nova tentativa funcionou. O Google não tinha respondido quando verifiquei, o que deixa em aberto se essas respostas vazias são cobradas.
• Três limites de entrada diferentes. A model card diz 1M de tokens, a página da API diz 131.072, e um desenvolvedor relata que a API rejeita qualquer coisa acima de 65.536. Até o Google esclarecer, dimensione os payloads de imagens de referência pelo menor dos três números.
• Sem tamanho de 512 px. Se você usava a saída de 0.5K do Nano Banana 2 para miniaturas ou rascunhos baratos, o 2.1 não oferece esse tamanho, e o Nano Banana 2 Lite em 1K é o substituto mais próximo.
• Moderação rígida, sem transparência. Algumas respostas do dia do lançamento reclamam de recusas, e uma artista resumiu outra lacuna em quatro palavras:

"Still no alpha transparency."

Wichtel, X

Se você precisa de PNGs transparentes para adesivos ou recortes de produto, o Qwen Image 2.1 os gera nativamente.

A própria model card também lista limites conhecidos: texto pequeno que costuma sair "often blurry in 1k", consistência de personagens imperfeita, confusão ocasional entre esquerda e direita e "occasional slowness or timeout issues".

Qual modelo Nano Banana você deve usar?

Veja como eu escolheria:

• Escolha o Nano Banana 2.1 para quase tudo que é novo: edição, cenas com várias pessoas, infográficos, qualquer coisa em 1K ou 2K. É a recomendação do próprio Google e é o que a documentação agora indica para todos os projetos novos.
• Escolha o Nano Banana 2 Lite quando latência e volume pesam mais que qualidade. Em 1K ele custa os mesmos US$ 0,0336 por imagem do 2.1, mas seus tokens de entrada são 6 vezes mais baratos e os de raciocínio 5 vezes, e ele usa raciocínio minimal por padrão.
• Mantenha o Nano Banana Pro para trabalho de marca que exige referências de estilo ou cinco personagens consistentes, ou para ativos profissionais com muito texto, onde o guia do Google ainda diz "Use Gemini 3 Pro Image."
• Migre do Nano Banana 2 no seu ritmo, mas não espere o e-mail de desligamento. Teste seus prompts de novo, porque o nível de raciocínio padrão mudou.

Ao comparar entre fornecedores, eu rodaria primeiro o ChatGPT Images 2.5 com os mesmos prompts, e o FLUX 3 vem logo atrás.

Para trabalho guiado por estilo, Reve 2.1 e Meta Muse Image valem um teste antes de você fechar a escolha. Para pura estética, a maioria dos designers ainda compara com o Midjourney, embora ele não tenha uma API de edição comparável.

Meu resumo de alternativas ao Nano Banana 2 cobre o cenário mais amplo, incluindo o Grok Imagine. Se você quer uma opção da ByteDance, comece pela minha análise do Seedream.

Nano Banana 2.1 em um fluxo de conteúdo com a eesel

Um modelo como o Nano Banana 2.1 é infraestrutura. Ele devolve uma ótima imagem quando você envia um ótimo prompt, mas alguém ainda precisa escrever esse prompt, conferir a renderização atrás de logos inventados e rótulos embaralhados, refazer a imagem que falha a cada três e depois posicioná-la ao lado do parágrafo que ela explica. Para uma equipe que publica toda semana, esse "alguém" vira um trabalho de meio período.

Esse é o trabalho que o redator de blog com IA da eesel tira das suas costas. É um colega de equipe pronto para trabalhar, um redator de conteúdo com IA. Dê a ele uma palavra-chave e o seu site, e ele pesquisa fontes primárias, escreve o post na voz da sua marca, gera um banner principal e infográficos nas cores da marca e adiciona links internos e perguntas frequentes. Uma marca alemã de e-commerce que o usou cerca de 15 vezes recebeu posts de SEO de 2.000 a 2.900 palavras, cada um com banner principal, infográficos e perguntas frequentes, em cerca de 12 a 20 minutos por post.

Como é um colega de equipe e não um modelo bruto, ele aceita feedback como uma pessoa aceitaria. Uma terapeuta que o usa disse a ele:

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

Essa instrução passa a valer para todos os posts seguintes, então não há modelo de prompt para manter. Se você prefere gastar a semana com estratégia em vez de regenerar banners, experimente a eesel gratuitamente, ou veja como ela se compara no meu resumo dos melhores redatores de blog com IA para SEO.