Imagen 4 vs Nano Banana 2.1: como escolher para texto-para-imagem?

TL;DR

• Se você quer «resolução selecionável (1K/2K/4K), aceita imagens de referência, gera jpg / png», escolha gemini-nano-banana-2.1; se quer «três faixas fixas, materiais e tipografia estáveis, texto-para-imagem puro e direto», escolha Imagen 4 (imagen-4.0).
• O número mais duro: faixa padrão $0.06 contra NB2.1 1K $0.022, $0.038 mais caro por imagem; 1.000 imagens são $60.00 contra $22.00. O NB2.1 4K a $0.058 ainda fica abaixo do Imagen 4 Ultra a $0.09.
• Os dois estão no HiAPI: página do modelo Imagen 4, página do modelo Nano Banana 2.1, a mesma interface /v1/tasks, e novos usuários ganham 200 créditos ao se registrar.

Entenda de relance

	Imagen 4（imagen-4.0）	gemini-nano-banana-2.1
Posicionamento	Texto-para-imagem puro, três faixas (além de Fast / Ultra)	Texto-para-imagem + mistura com imagens de referência
Imagem de referência	Não aceita	image_input até 10 imagens, pode não enviar
Resolução	Sem parâmetro de resolução	1K / 2K / 4K, padrão 1K
Proporção	aspect_ratio obrigatório, 6 opções	aspect_ratio 15 opções incluindo auto, padrão auto
Formato de saída	Sem parâmetro de formato	output_format jpg / png, padrão jpg
Preço (por imagem)	Fast $0.03; padrão $0.06; Ultra $0.09	1K $0.022; 2K $0.036; 4K $0.058
Estrutura de faixas	Três IDs de modelo, forma de chamada igual	Resolução escolhida dentro de um único modelo
Indicado para	Imagens para entrega, cenas com alta exigência de materiais e texto	Pipelines sensíveis a resolução, que precisam de imagem de referência e saída direta em png

Os dois modelos estão com o preço atual do HiAPI, verificado em 22 de outubro de 2026. Cobrança por imagem gerada com sucesso, falhas não são cobradas, imagens de referência não têm custo extra.

O mesmo prompt, resultados reais dos dois lados

O mesmo prompt, Imagen 4 na faixa padrão, NB2.1 em 1K, proporções iguais nos dois lados, uma geração cada.

Conjunto A: natureza-morta de produto (1:1)

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

(Significado em português: bule de cerâmica e duas xícaras sobre uma bandeja de madeira; luz suave da manhã; foto de produto minimalista.)

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

Esquerda: imagen-4.0, 1:1, 1024×1024, WebP, $0.06. Direita: gemini-nano-banana-2.1, 1:1, 1K (1024×1024), png, $0.022. Neste conjunto os dois lados têm os mesmos pixels, formatos diferentes.

Gerar com Imagen 4 → ｜ Gerar com Nano Banana 2.1 →

Diferenças visíveis no conjunto A:

• Mesmo tema: bule, duas xícaras sem alça, bandeja de madeira, ambiente claro com um ponto de luz suave.
• Formato do bule e adereços diferentes: o lado Imagen traz um bule arredondado com alça lateral sobre fundo cinza-esbranquiçado limpo, com cara de mesa de still; o lado NB2.1 traz um bule com alça superior, esmalte com manchas, um pano ao lado da bandeja e um fundo desfocado de janela interna.

Conjunto B: retrato documental (3:4)

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

(Significado em português: pescador idoso consertando redes em um cais do porto; hora dourada; retrato documental.)

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

Esquerda: imagen-4.0, 3:4, 864×1152, WebP, $0.06. Direita: gemini-nano-banana-2.1, 3:4, 1K (896×1200), png, $0.022. Mesmo prompt, uma geração cada.

Gerar com Imagen 4 → ｜ Gerar com Nano Banana 2.1 →

Diferenças visíveis no conjunto B:

• Mesma figura e ação: um velho de barba branca sentado no cais, olhando para baixo e consertando redes, luz quente de hora dourada em contraluz lateral, retrato documental vertical.
• Assento e vestuário diferentes: o lado Imagen mostra um banquinho plástico azul e um boné cinza; o lado NB2.1 mostra uma caixa de madeira, um gorro de lã e uma faca pequena na mão direita.
• Densidade de objetos no ambiente diferente: o lado NB2.1 tem caixas de lagosta e caixotes empilhados ao lado, redes e cordas mais espalhadas; o lado Imagen tem menos objetos no chão.

Os dois conjuntos têm proporções iguais e formatos diferentes (WebP contra png); as dimensões em pixels do conjunto A são iguais dos dois lados (1024×1024), as do conjunto B são próximas mas não idênticas (864×1152 contra 896×1200) — isso é diferença das próprias interfaces; tenha isso em mente ao comparar as imagens ampliadas.

Como escolher por cenário

• Geração em lote para e-commerce e redes sociais: escolha gemini-nano-banana-2.1: 1K $0.022, 1.000 imagens $22.00, e ainda aceita imagens de referência para controlar o estilo.
• Imagens para entrega, com alta exigência de detalhes de materiais e texto na imagem: escolha Imagen 4 faixa padrão ou Ultra.
• Se o pipeline precisa de saída direta em png / jpg, escolha NB2.1 (output_format explícito e opcional); Imagen 4 não tem parâmetro de formato, converter exige um passo extra.
• Se você precisa de imagem grande em 4K com orçamento apertado, o NB2.1 4K a $0.058 é mais barato que o Imagen 4 Ultra a $0.09; teste por tipo de cena antes de decidir; gere primeiro uma imagem de comparação em nível 1K de cada lado para escolher o estilo, e depois invista o custo extra no vencedor.
• Para proporções especiais, consulte primeiro a tabela de valores: Imagen 4 tem seis (1:1, 16:9, 9:16, 3:4, 4:3, auto), NB2.1 tem quinze incluindo auto.
• Para modelos de cena do Imagen 4, veja o guia de prompts; para detalhes de preço das três faixas, veja a página de preços.

Custo de troca: só mudar model e input

Os dois são POST /v1/tasks, mesma Key, mesma lógica de polling:

{
  "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"
  }
}

No Imagen 4, os únicos campos obrigatórios são prompt e aspect_ratio; no NB2.1, passar explicitamente resolution e output_format faz sair como você pediu, e o resto do código não precisa mudar. Polling, callback, idempotência e outras lógicas periféricas são totalmente compartilhadas pelos dois lados; manter um SDK só para os dois modelos em A/B é só questão de um branch a mais.

Perguntas frequentes

Dá para testar os dois com baixo custo primeiro?

Dá. Gere uma imagem na faixa padrão e outra no NB2.1 1K; o custo da comparação é $0.082, e depois você aumenta o volume na direção escolhida.

Posso misturar os dois modelos?

Pode. Rascunhos em grande volume e controle de estilo com imagem de referência vão para o NB2.1; versões finais e cenas com texto vão para o Imagen 4, no mesmo /v1/tasks.

Quanto maior o número da resolução, melhor?

Não necessariamente. O 2K/4K do NB2.1 tem acréscimo por imagem ($0.036 / $0.058); o Imagen 4 não tem parâmetro de resolução, e o detalhe depende da faixa.

As regras de imagem de referência são iguais?

Não. O Imagen 4 não aceita imagem de referência, a cena depende só do prompt; o image_input do NB2.1 aceita até 10 imagens e pode não ser enviado.

Falhas são cobradas?

Não. Nenhum dos dois cobra, imagens de referência também não têm custo extra; no HiAPI, imagem, vídeo e áudio compartilham uma Key, e a fatura dos dois modelos aparece no mesmo lugar.

Próximo passo: pegue o prompt do bule do conjunto A e gere uma imagem no Imagen 4 e outra na página do modelo NB2.1, coloque lado a lado e veja qual é mais estável para a sua imagem de produto.