Imagen 4 vs Nano Banana 2.1: ¿cómo elegir para texto a imagen?

TL;DR

• Si necesitas «resolución seleccionable (1K/2K/4K), admite imágenes de referencia y genera jpg / png», elige gemini-nano-banana-2.1; si necesitas «tres niveles fijos, materiales y tipografía estables, generación directa solo con texto», elige Imagen 4 (imagen-4.0).
• El dato más contundente: el nivel estándar cuesta $0.06 frente a NB2.1 1K $0.022, es decir, $0.038 más por imagen; 1,000 imágenes son $60.00 frente a $22.00. NB2.1 4K a $0.058 sigue siendo más barato que Imagen 4 Ultra a $0.09.
• Ambos están en HiAPI: página del modelo Imagen 4, página del modelo Nano Banana 2.1, la misma interfaz /v1/tasks, y los nuevos usuarios reciben 200 créditos al registrarse.

De un vistazo

	Imagen 4 (imagen-4.0)	gemini-nano-banana-2.1
Enfoque	Texto a imagen puro, tres niveles (además de Fast / Ultra)	Texto a imagen + mezcla con imágenes de referencia
Imágenes de referencia	No admite	image_input hasta 10 imágenes, opcional
Resolución	Sin parámetro de resolución	1K / 2K / 4K, por defecto 1K
Relación de aspecto	aspect_ratio obligatorio, 6 opciones	aspect_ratio 15 opciones incluida auto, por defecto auto
Formato de salida	Sin parámetro de formato	output_format jpg / png, por defecto jpg
Precio (por imagen)	Fast $0.03; estándar $0.06; Ultra $0.09	1K $0.022; 2K $0.036; 4K $0.058
Estructura de niveles	Tres ID de modelo, misma forma de invocación	Selección de resolución dentro de un solo modelo
Recomendado para	Imágenes para entrega final, escenas con altos requisitos de materiales y texto	Flujos sensibles a la resolución, que necesitan imágenes de referencia o salida directa en png

Ambos son precios actuales de HiAPI, verificados el 22 de octubre de 2026. Se cobra por imagen generada con éxito; los fallos no se cobran y las imágenes de referencia no tienen coste adicional.

El mismo prompt, resultados reales en ambos lados

Con el mismo prompt, Imagen 4 en nivel estándar y NB2.1 en 1K, con la misma relación de aspecto en ambos lados, una generación por cada uno.

Grupo A: bodegón de producto (1:1)

Ceramic teapot and two cups on a wooden tray; soft morning light; minimalist product photo

(Significado en chino: tetera de cerámica y dos tazas sobre una bandeja de madera; luz suave de mañana; foto de producto minimalista.)

Imagen 4 (estándar $0.06)	gemini-nano-banana-2.1 (1K $0.022)

Izquierda: imagen-4.0, 1:1, 1024×1024, WebP, $0.06. Derecha: gemini-nano-banana-2.1, 1:1, 1K (1024×1024), png, $0.022. En este grupo ambos lados tienen los mismos píxeles pero distinto formato.

Generar con Imagen 4 → ｜ Generar con Nano Banana 2.1 →

Diferencias visibles del grupo A:

• Sujeto coherente: tetera, dos tazas sin asa, bandeja de madera, entorno claro con una luz suave.
• Forma de la tetera y accesorios distintos: en el lado de Imagen hay una tetera redondeada con asa lateral sobre un fondo gris claro limpio, con sensación de mesa de bodegón; en el lado de NB2.1 hay una tetera con asa superior, esmalte con motas, un paño junto a la bandeja y un fondo de ventana interior desenfocado.

Grupo B: retrato documental (3:4)

Elderly fisherman mending nets on a harbor pier; golden hour; documentary portrait

(Significado en chino: anciano pescador remendando redes en el muelle del puerto; hora dorada; retrato documental.)

Imagen 4 (estándar $0.06)	gemini-nano-banana-2.1 (1K $0.022)

Izquierda: imagen-4.0, 3:4, 864×1152, WebP, $0.06. Derecha: gemini-nano-banana-2.1, 3:4, 1K (896×1200), png, $0.022. Mismo prompt, una generación por cada uno.

Generar con Imagen 4 → ｜ Generar con Nano Banana 2.1 →

Diferencias visibles del grupo B:

• Personaje y acción coherentes: anciano de barba blanca sentado en el muelle, con la cabeza baja remendando redes, luz cálida lateral a contraluz de la hora dorada, retrato documental en vertical.
• Asiento y vestimenta distintos: en el lado de Imagen está sentado en un taburete de plástico azul y lleva gorra gris; en el lado de NB2.1 está sentado en una caja de madera, lleva gorro de lana y sostiene un cuchillo pequeño en la mano derecha.
• Densidad de accesorios del entorno distinta: en el lado de NB2.1 hay nasas de langosta y cajas apiladas al lado, y las redes y cuerdas están más extendidas; en el lado de Imagen hay menos accesorios en el suelo.

En ambos grupos la relación de aspecto es la misma y el formato distinto (WebP frente a png); el tamaño en píxeles del grupo A es igual en ambos lados (1024×1024), y el del grupo B es similar pero no igual (864×1152 frente a 896×1200); esto se debe a diferencias propias de las interfaces de cada lado, tenlo en cuenta al ver las imágenes en grande.

Cómo elegir según el caso

• Para generación masiva de imágenes de e-commerce y redes sociales, elige gemini-nano-banana-2.1: 1K $0.022, 1,000 imágenes $22.00, y además admite imágenes de referencia para controlar el estilo.
• Para imágenes de entrega final con altos requisitos de detalle de materiales y texto en la imagen, elige Imagen 4 en nivel estándar o Ultra.
• Si el flujo necesita salida directa en png / jpg, elige NB2.1 (output_format seleccionable de forma explícita); Imagen 4 no tiene parámetro de formato, así que convertir requiere un paso extra.
• Si necesitas imágenes grandes en 4K pero con presupuesto ajustado, NB2.1 4K a $0.058 es más barato que Imagen 4 Ultra a $0.09; pruébalo según el tipo de imagen antes de decidir; primero genera una imagen de comparación a nivel 1K en cada lado para elegir el estilo, y una vez decidido invierte el coste extra en el ganador.
• Si necesitas relaciones de aspecto especiales, consulta primero la tabla de valores: Imagen 4 tiene seis (1:1, 16:9, 9:16, 3:4, 4:3, auto), NB2.1 tiene quince incluida auto.
• Para plantillas de escenas de Imagen 4, consulta la guía completa de prompts; para detalles de precios de los tres niveles, consulta la página de precios.

Coste de cambio: solo model e input

Ambos usan POST /v1/tasks, la misma Key y la misma lógica de sondeo:

{
  "model": "imagen-4.0",
  "input": {
    "prompt": "Ceramic teapot and two cups on a wooden tray; soft morning light; minimalist product photo",
    "aspect_ratio": "1:1"
  }
}

{
  "model": "gemini-nano-banana-2.1",
  "input": {
    "prompt": "Ceramic teapot and two cups on a wooden tray; soft morning light; minimalist product photo",
    "aspect_ratio": "1:1",
    "resolution": "1K",
    "output_format": "png"
  }
}

En Imagen 4 los campos obligatorios son solo prompt y aspect_ratio; en NB2.1, si pasas explícitamente resolution y output_format se genera como indiques, y el resto del código no necesita cambios. La lógica periférica de sondeo, callbacks e idempotencia es totalmente compartida entre ambos lados; usar un solo SDK con los dos modelos para hacer A/B es solo cuestión de añadir una rama.

Preguntas frecuentes

¿Se pueden probar ambos a bajo coste primero?

Sí. Genera una imagen con el nivel estándar y otra con NB2.1 1K; el coste de comparación es $0.082, y una vez decidida la dirección, escala.

¿Se pueden usar ambos modelos mezclados?

Sí. Los borradores de gran volumen y el control de estilo con imágenes de referencia van por NB2.1; la versión final y las imágenes con texto van por Imagen 4, con el mismo /v1/tasks.

¿Cuanto mayor es el número de resolución, mejor?

No necesariamente. El 2K/4K de NB2.1 tiene coste adicional por imagen ($0.036 / $0.058); Imagen 4 no tiene parámetro de resolución y el detalle depende del nivel.

¿Las reglas de las imágenes de referencia son iguales?

No. Imagen 4 no admite imágenes de referencia y la imagen depende por completo del prompt; image_input de NB2.1 admite hasta 10 imágenes y es opcional.

¿Se cobra si falla?

No. En ninguno de los dos lados se cobra, y las imágenes de referencia tampoco tienen coste adicional; en HiAPI, imagen, vídeo y audio comparten una sola Key, y la facturación de ambos modelos se puede ver en el mismo lugar.

Siguiente paso: toma el prompt de la tetera del grupo A y genera una imagen en Imagen 4 y otra en la página del modelo NB2.1, ponlas juntas y comprueba cuál es más estable con tus propias imágenes de producto.