Nano Banana 2.1 vs Nano Banana 2 vs Nano Banana Pro ต่างกันอย่างไร ควรเลือกใช้รุ่นไหน

ปัจจุบัน Google มีโมเดลสร้างรูปภาพ Nano Banana สี่รุ่นบน Gemini API โดย Nano Banana 2.1 เปิดตัวเมื่อวันที่ 6 ตุลาคม 2026 และลดราคาต่อรูปภาพลงครึ่งหนึ่งเมื่อเทียบกับโมเดลที่เข้ามาแทนที่ สำหรับทีมส่วนใหญ่ โมเดลนี้จึงควรเป็นค่าเริ่มต้นใหม่ แต่ยังมีบางเวิร์กโหลดที่ควรใช้รุ่นอื่น

ลองใช้ Apidog วันนี้

คู่มือนี้เปรียบเทียบ Nano Banana 2.1, Nano Banana 2 และ Nano Banana Pro พร้อม Nano Banana 2 Lite สำหรับงานที่ต้องการประหยัดต้นทุน ราคาและข้อจำกัดทั้งหมดอ้างอิงจากเอกสารการสร้างรูปภาพและหน้าข้อมูลราคาของ Google ณ วันที่ 7 ตุลาคม 2026

สรุปโดยย่อ

• ใช้ Nano Banana 2.1 เป็นค่าเริ่มต้น (gemini-nano-banana-2.1) สำหรับโปรเจกต์ใหม่ Google แนะนำโมเดลนี้สำหรับโปรเจกต์ใหม่ทั้งหมด และค่าเอาต์พุตที่ 1K, 2K และ 4K ต่ำกว่า Nano Banana 2 ครึ่งหนึ่ง
• ใช้ Nano Banana 2 ต่อไป (gemini-3.1-flash-image) หากระบบต้องสร้างภาพขนาด 0.5K หรือ 512px เพราะ 2.1 ไม่รองรับขนาดนี้
• ใช้ Nano Banana 2 Lite (gemini-3.1-flash-lite-image) สำหรับงานสร้างภาพ 1K จำนวนมากที่ไม่ต้องใช้ grounding และมีรูปภาพอ้างอิงน้อย ค่าเอาต์พุตเท่ากับ 2.1 ที่ 1K แต่อินพุตถูกกว่า
• เลือก Nano Banana Pro (gemini-3-pro-image) เมื่อต้องการโมเดลพรีเมียมสำหรับงานภาพระดับมืออาชีพ และงบประมาณรองรับค่าใช้จ่ายที่ประมาณสี่เท่าต่อภาพ 1K

ข้อควรระวัง: Google ยังไม่ได้เผยแพร่ benchmark แบบตัวเลขสำหรับ 2.1 แม้ประกาศเปิดตัวจะระบุว่า 2.1 “ทำงานได้ดีกว่าโมเดลก่อนหน้าของเราในทุกด้าน” ดังนั้นควรทดสอบด้วยพรอมต์และข้อมูลจริงของคุณก่อนตัดสินใจย้ายโมเดล

ข้อมูลจำเพาะเปรียบเทียบ

ประเด็นสำคัญจากตาราง:

• โทเค็นเอาต์พุต: ภาพ 1K ใช้ 1,120 tokens, 2K ใช้ 1,680 tokens และ 4K ใช้ 2,520 tokens ทั้ง Nano Banana 2.1 และ Nano Banana 2 ใช้จำนวนโทเค็นเท่ากัน แต่ 2.1 คิดราคาโทเค็นเอาต์พุตครึ่งหนึ่ง
• Batch API: Nano Banana 2.1 มีราคาแบบ Batch ที่ 2K เท่ากับ $0.0252 และ 4K เท่ากับ $0.0378 ต่อภาพ
• การประมวลผล: โมเดล Gemini 3 สำหรับรูปภาพเปิดใช้การประมวลผลโดยค่าเริ่มต้นและปิดผ่าน API ไม่ได้ ระบบอาจสร้าง “รูปภาพความคิด” ชั่วคราวสูงสุดสองรูปโดยไม่คิดค่าใช้จ่าย
• ราคา reasoning และข้อความ: Nano Banana 2.1 คิด $7.50 ต่อ 1M tokens ขณะที่ Nano Banana 2 คิด $3 ต่อ 1M tokens
• ค่า grounding: มีคำขอค้นหาฟรีรวม 5,000 ครั้งต่อเดือนสำหรับโมเดล Gemini 3.x หลังจากนั้นคิด $14 ต่อ 1,000 คำขอ

ค่าใช้จ่ายต่อ 1,000 รูปภาพ

ตัวเลขด้านล่างคิดเฉพาะค่าเอาต์พุตรูปภาพบน Standard API ไม่ใช่ Batch API และเป็นราคาแบบชำระเงิน

หากใช้ Batch API, Nano Banana 2.1 จะมีต้นทุนต่อ 1,000 ภาพดังนี้:

• 1K: $16.80
• 2K: $25.20
• 4K: $37.80

ตัวเลขที่ควรใช้ประกอบการเลือกโมเดล:

• ภาพ 4K บน Nano Banana 2.1 ราคา $0.0756 ซึ่งถูกกว่าภาพ 1K บน Pro ที่ราคา $0.134
• ภาพ 1K บน Nano Banana 2.1 ราคา $0.0336 ซึ่งยังถูกกว่าภาพ 0.5K บน Nano Banana 2 ที่ราคา $0.045

ดังนั้น ให้ใช้ Nano Banana 2 สำหรับ 0.5K ต่อเมื่อคุณต้องการเอาต์พุต 512px จริง ๆ

เมื่อการแก้ไขที่ใช้อินพุตจำนวนมากเปลี่ยนการคำนวณ

ค่าเอาต์พุตไม่ใช่ต้นทุนทั้งหมด Nano Banana 2.1 คิดค่าอินพุต $1.50 ต่อ 1M tokens ซึ่งสูงกว่า Nano Banana 2 ที่ $0.50 ถึงสามเท่า งานแก้ไขที่ส่งรูปภาพอ้างอิงจำนวนมากจึงมีต้นทุนอินพุตสูงขึ้น

ตามหน้าโมเดล Vertex AI ของ Google รูปภาพอินพุตแต่ละรูปใช้ 1,120 tokens

ตัวอย่างสถานการณ์: ระบบสร้างภาพสินค้าส่งรูปภาพอ้างอิง 14 รูป พร้อมพรอมต์ 500 tokens และต้องการภาพผลลัพธ์ 1K หนึ่งรูป

แม้ใช้รูปภาพอ้างอิงครบ 14 รูป Nano Banana 2.1 ยังถูกกว่า แต่ส่วนต่างลดลงจาก 50% เหลือประมาณ 23%

คำนวณจุดคุ้มทุน

Nano Banana 2.1 มีต้นทุนอินพุตเพิ่มขึ้น $0.000001 ต่อ token เมื่อเทียบกับ Nano Banana 2 ขณะที่ประหยัดค่าเอาต์พุตได้ดังนี้:

• 1K: ประหยัด $0.0334 ต่อภาพ
• 2K: ประหยัด $0.0506 ต่อภาพ
• 4K: ประหยัด $0.0754 ต่อภาพ

ดังนั้น 2.1 จะเริ่มแพงกว่าเมื่อคำขอใช้โทเค็นอินพุตโดยประมาณ:

• 1K: 33,400 tokens
• 2K: 50,600 tokens
• 4K: 75,400 tokens

รูปภาพอ้างอิง 14 รูปอย่างเดียวไม่ถึงจุดนี้ แต่ปัจจัยต่อไปนี้อาจทำให้คุณเข้าใกล้จุดคุ้มทุน:

1. การแก้ไขหลายเทิร์นที่มีประวัติยาว
   
   หากใช้ previous_interaction_id ให้ตรวจสอบ usage ของทุก response เพราะ context จากเทิร์นก่อนหน้าอาจเพิ่มจำนวนโทเค็นที่คิดเงินได้ เซสชัน 10 เทิร์นที่ใช้รูปภาพอ้างอิงเต็มจำนวนอาจเกินจุดคุ้มทุนของ 1K

2. โทเค็น reasoning และข้อความ
   
   Nano Banana 2.1 คิด $7.50 ต่อ 1M tokens เทียบกับ $3 บน Nano Banana 2 และไม่สามารถปิด reasoning ได้

หากระบบของคุณแก้ไขภาพ 1K ด้วยประวัติยาว ให้เก็บ usage และต้นทุนจากทราฟฟิกจริงเพื่อเปรียบเทียบทั้งสองโมเดลก่อนย้าย

Nano Banana 2 Lite เหมาะกับกรณีใด

Nano Banana 2 Lite เป็นตัวเลือกประหยัดที่ Google ระบุว่าเป็น “โมเดลรูปภาพ Gemini ที่เร็วที่สุดและถูกที่สุด” โดยมีราคาอินพุต $0.25 ต่อ 1M tokens และราคาเอาต์พุต $0.0336 ต่อภาพ 1K เท่ากับ Nano Banana 2.1

ข้อจำกัดของ Lite:

• สร้างเอาต์พุตได้เฉพาะ 1K
• ไม่รองรับ Google Search grounding
• Google ระบุว่าไม่เหมาะกับรูปภาพอ้างอิงหลายรูป
• Google ระบุว่าไม่เหมาะกับงานแก้ไขหลายเทิร์น

ใช้ Lite เมื่อเวิร์กโหลดของคุณเป็นการสร้างภาพ 1K จากข้อความในปริมาณมากและเรียบง่าย เพราะต้นทุนต่อภาพเท่ากับ 2.1 แต่อินพุตถูกกว่าถึงหกเท่า

ย้ายไปใช้ 2.1 เมื่อคุณต้องการ:

• ภาพ 2K หรือ 4K
• Google Search grounding
• การแก้ไขแบบวนซ้ำ
• รูปภาพอ้างอิงหลายรายการ

Google ยังแนะนำ Lite เป็นเส้นทางย้ายจาก Nano Banana รุ่นดั้งเดิม (gemini-2.5-flash-image) ซึ่งเป็นโมเดลเก่าแล้ว อ่านเพิ่มเติมได้ที่การเปรียบเทียบ Nano Banana 1 กับ Nano Banana 2

Nano Banana Pro ยังคงเหมาะสมในกรณีใด

Google วางตำแหน่ง Nano Banana Pro เป็น “ตัวเลือกพรีเมียมสำหรับงานภาพที่ซับซ้อนที่สุด” และเหมาะกับการผลิตชิ้นงานระดับมืออาชีพ โดยเน้นความรู้เกี่ยวกับโลก การแปลเป็นภาษาท้องถิ่น ความสอดคล้องของแบรนด์ และการควบคุมเชิงสร้างสรรค์ที่ละเอียด

อย่างไรก็ตาม สิ่งเหล่านี้เป็นการวางตำแหน่งผลิตภัณฑ์ ไม่ใช่ผล benchmark ที่เผยแพร่ จึงควรใช้แนวทางต่อไปนี้:

• เลือก Pro หากเวิร์กโฟลว์เดิมผ่านมาตรฐานคุณภาพที่กำหนดอยู่แล้ว หรือคุณต้องการข้อจำกัดความสอดคล้องของตัวละคร 5 ตัว
• ทดสอบ 2.1 ก่อน หากคุณใช้ Pro สำหรับงานปริมาณมาก เพราะ 2.1 ราคาเพียงประมาณหนึ่งในสี่ของ Pro ที่ 1K และประมาณหนึ่งในสามที่ 4K
• อย่าเลือก Pro หากต้องใช้ Image Search grounding หรือ video input เพราะ Pro ไม่รองรับสองความสามารถนี้

สำหรับตัวอย่างคำขอ Pro แบบเต็ม ดูคู่มือ API ของ Nano Banana Pro

บันทึกการย้ายข้อมูล

การย้ายจาก Nano Banana 2 ไปยัง 2.1 เปลี่ยนเพียงค่า model หนึ่งบรรทัด โดย endpoint, response_format และเครื่องมือ google_search ยังคงใช้รูปแบบเดิม

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": "A studio product photo of a ceramic mug on a walnut desk" } ], "response_format": { "type": "image", "mime_type": "image/png", "aspect_ratio": "16:9", "image_size": "2K" } }' 

ก่อน deploy ให้ตรวจสอบรายการต่อไปนี้:

• ขนาดรูปภาพ: หากคำขอใดส่ง "image_size": "512px" หรือใช้ 0.5K ให้คงโมเดลเป็น gemini-3.1-flash-image เพราะ 2.1 ไม่รองรับ
• ตัว K ต้องเป็นตัวพิมพ์ใหญ่: "2K" ใช้ได้ แต่ "2k" จะถูกปฏิเสธในทุกโมเดล
• Image Search: เพิ่ม "search_types": ["web_search", "image_search"] ในเครื่องมือ google_search และแสดงคำแนะนำการค้นหาที่ API ส่งกลับมาตามข้อกำหนดของ Google
• งบประมาณ: ต้นทุนอินพุตจะเพิ่มขึ้นประมาณสามเท่าสำหรับปริมาณการใช้งานเดิม แต่ต้นทุนเอาต์พุตภาพจะลดลงครึ่งหนึ่ง
• ระดับฟรี: ไม่มีโมเดล Nano Banana รุ่นใดใน Gemini API ที่มี Free tier ดูวิธีใช้ Nano Banana 2.1 ฟรี

สำหรับตัวอย่างโค้ดการแก้ไขหลายเทิร์นและ grounding ดูคู่มือ API ของ Nano Banana 2.1 และภาพรวม Nano Banana 2.1

วิธี A/B เทียบสามโมเดลใน Apidog

เนื่องจากยังไม่มี benchmark ที่ Google เผยแพร่ การเปรียบเทียบด้วยพรอมต์และข้อมูลจริงของคุณเองจึงสำคัญที่สุด คุณสามารถใช้Apidogเปรียบเทียบคำขอโดยไม่ต้องสร้าง test harness เพิ่มเติมได้ตามขั้นตอนนี้

1. บันทึกคำขอพื้นฐานหนึ่งรายการ สร้างคำขอ POST https://generativelanguage.googleapis.com/v1beta/interactions เก็บ API key เป็น environment variable และกำหนด header ดังนี้

 x-goog-api-key: {{GEMINI_API_KEY}} 

ใส่ JSON body เดียวกับตัวอย่างด้านบน หากต้องใช้รูปภาพอ้างอิง ให้ส่งเป็นส่วนของ input

 { "type": "image", "mime_type": "image/jpeg", "data": "<BASE64>" } 

1. ทำซ้ำคำขออีกสองรายการ เปลี่ยนเฉพาะฟิลด์ model:

 gemini-nano-banana-2.1 gemini-3.1-flash-image gemini-3-pro-image 

คงพรอมต์ รูปภาพอ้างอิง อัตราส่วนภาพ และ image_size ให้เหมือนกัน เพื่อให้โมเดลเป็นตัวแปรเดียวที่เปลี่ยน

1. ส่งคำขอและเปรียบเทียบผลลัพธ์
   
   ตรวจสอบ status code, latency และขนาด response ของแต่ละคำขอ ถอดรหัสภาพ base64 แล้วตรวจสอบผลลัพธ์แบบเคียงข้างกัน

2. เปลี่ยนเป็น regression test
   
   ตรวจสอบว่า response มีสถานะ 200 และข้อมูลรูปภาพไม่ว่างเปล่า จัดกลุ่มคำขอเป็น test scenario แล้วรันซ้ำเมื่อ Google อัปเดตโมเดล

ควรรันทดสอบด้วยพรอมต์จริงอย่างน้อย 10 ถึง 20 รายการ ไม่ใช่เพียงตัวอย่างเดียว จากนั้นคูณต้นทุนต่อภาพของแต่ละโมเดลกับปริมาณการใช้งานรายเดือนของคุณ

ดาวน์โหลด Apidog ฟรีเพื่อเริ่มสร้างชุดทดสอบได้ทันที

คำถามที่พบบ่อย

Nano Banana 2.1 ดีกว่า Nano Banana 2 หรือไม่?

Google ระบุว่า 2.1 ทำงานได้ดีกว่าโมเดลก่อนหน้าในทุกด้าน โดยอ้างถึงการออกแบบภาพ การแก้ไขด้วย mask ความสอดคล้องของวัตถุ และภาพที่ดูเป็นธรรมชาติมากขึ้น แต่ยังไม่มี benchmark ที่เผยแพร่ จึงควรตรวจสอบด้วยพรอมต์ของคุณเอง

Nano Banana 2.1 ถูกกว่า Nano Banana 2 หรือไม่?

ต่อรูปภาพ ใช่ — 2.1 มีราคาครึ่งหนึ่งที่ 1K, 2K และ 4K แต่ต่อโทเค็นอินพุต ไม่ใช่ — 2.1 ราคา $1.50 เทียบกับ $0.50 ต่อ 1M tokens สำหรับเวิร์กโหลดส่วนใหญ่ การประหยัดจากค่าเอาต์พุตยังมากกว่าต้นทุนอินพุตที่เพิ่มขึ้น

ฉันควรแทนที่ Nano Banana Pro ด้วย 2.1 หรือไม่?

ควรทดสอบก่อน 2.1 มีราคาประมาณหนึ่งในสี่ของ Pro ที่ 1K แต่ Google ยังคงวางตำแหน่ง Pro เป็นโมเดลพรีเมียมสำหรับงานภาพระดับมืออาชีพ

ฉันสามารถใช้ Nano Banana 2.1 ได้ฟรีหรือไม่?

ไม่ได้ผ่าน Gemini API เพราะหน้าราคาไม่ระบุ Free tier สำหรับโมเดล Nano Banana แต่คุณสามารถทดลอง 2.1 ผ่าน Google AI Studio ได้

ฉันส่งรูปภาพอ้างอิงได้กี่รูป?

สูงสุด 14 รูปในทั้งสามโมเดล Nano Banana 2.1 และ Nano Banana 2 รองรับวัตถุสูงสุด 10 ชิ้นและตัวละคร 4 ตัว ส่วน Pro รองรับวัตถุ 6 ชิ้นและตัวละคร 5 ตัว

บทสรุป

Nano Banana 2.1 เป็นค่าเริ่มต้นที่เหมาะสมสำหรับงานสร้างภาพ Gemini ใหม่ เพราะค่าใช้จ่ายต่อรูปภาพต่ำกว่า Nano Banana 2 ครึ่งหนึ่ง พร้อม grounding, video input และข้อจำกัดรูปภาพอ้างอิงแบบเดียวกัน

ใช้ Nano Banana 2 ต่อเมื่อคุณต้องการเอาต์พุต 512px หรือมีเวิร์กโหลดแก้ไขประวัติยาวที่วัดต้นทุนแล้วว่าเหมาะสมกว่า ใช้ Lite สำหรับภาพ 1K จำนวนมากที่ไม่ซับซ้อน และใช้ Pro เมื่อข้อกำหนดด้านงานภาพระดับพรีเมียมตรงกับความต้องการของคุณ

ก่อนจ่ายแพงกว่า ให้เปรียบเทียบโมเดลด้วยพรอมต์ ข้อมูลอ้างอิง และปริมาณงานจริงของระบบคุณเสมอ