Тест Nano Banana 2.1: текст, правки, веб-поиск и границы NSFW

Google выпустила Nano Banana 2.1 6 октября 2026 года, и её главный довод бьёт по тем задачам, где модели изображений обычно подводят: шапка журнала, название фильма, вывеска на заднем плане. Прежде чем переносить на неё конвейер постеров, рекламы или персонажей, нужны три ответа: выполняется ли обещание насчёт текста, сохраняют ли правки исходного человека и как далеко политика контента Google позволяет зайти, прежде чем модель молча изменит вашу картинку.

Nano Banana 2.1 — модель изображений Google, к которой стоит обращаться, когда слова на картинке должны быть верными. В наших тестах 7 октября 2026 года каждая строка в двойных кавычках получилась с точным написанием, правки по нескольким изображениям перенесли лица и детали продукта в новые сцены, а веб-поиск исправил дату, которую модель иначе выдумывала. Это не модель без цензуры. Изображения уровня нижнего белья в «текст в изображение» рисовались, но запросы L2–L4 в основном возвращались завершёнными, оплаченными и тихо смягчёнными, связывание и гор отклонялись, а задача правки отклоняла большинство запросов для взрослых. Широкие баннеры держались целиком на пейзажах и далёких толпах, но с людьми рядом с камерой склеивались примерно в половине случаев, а высокие кадры 1:8 получались только с самими по себе высокими объектами.

Все тесты мы запускали через страницу семейства Nano Banana 2.1 в SpicyAPI, где модель стала доступна 7 октября 2026 года. Заявления самой Google ниже взяты из её документации по модели.

Коротко

Что такое Nano Banana 2.1

Google заявляет, что Nano Banana 2.1 — это «обновление Nano Banana 2 (Gemini 3.1 Flash Image)», которое «сохраняет скорость и экономичность уровня Flash, существенно улучшая качество изображения, следование промпту, согласованность персонажа в многошаговых диалогах и отрисовку текста». Она же называет модель «более эффективной парой для Gemini 3 Pro Image (Nano Banana Pro)». Среди ключевых обновлений у Google: улучшенная вёрстка инфографики, исправленный тайлинг на широких и панорамных соотношениях в 2K и 4K, до 14 референсных изображений (с сохранением согласованности до 4 персонажей и 10 объектов) и опора на веб-поиск и поиск изображений Google. В разделах ниже мы сверяем эти заявления с тем, что вернулось на деле.

Отрисовка текста: главное улучшение подтвердилось

Это причина попробовать модель, и заявление, которое подтвердилось лучше всего. Мы заказали восемь строк надписей в трёх промптах «текст в изображение» и одной правке (обложка журнала, киноафиша, неоновая вывеска мотеля и конверт альбома — всё показано в этой статье), и каждая строка в двойных кавычках вернулась с точным написанием.

Текст в изображение, 3:4, 2k. Шапка и обе строки на обложке написаны точно. Цифры штрихкода, которые промпт не прописывал, — заполнитель.

Промпт, который мы использовали:

Fashion magazine cover photograph. The masthead across the top, in tall elegant serif capitals, reads "NOCTURNE". A woman in her early thirties with a sleek dark bob stands on the curving concrete spiral staircase of a brutalist concert hall at night, wearing a plunging emerald velvet gown with a thigh-high slit, one hand on the brass rail, looking down at the camera. Small cover lines on the left read "The Night Issue" and "Velvet, Concrete & Sound". A small barcode in the lower right corner. Low-key cinematic lighting, deep green and charcoal palette.

Открыть этот промпт в Nano Banana 2.1, текст в изображение и задайте aspect_ratio 3:4 и resolution 2k, чтобы повторить наш запуск; ссылка подставляет только промпт.

Киноафиша показывает предел: название и строка о премьере точны, а блок имён, который мы просили, не написав ни одного имени, получился правдоподобной бессмыслицей.

Текст в изображение, 2:3, 2k. Название и строка о премьере точны; блок имён между ними — заполнитель.

Что это значит, когда вы пишете промпт с текстом:

1. Берите в кавычки каждое слово, которое должно появиться.
2. Скажите, где оно стоит и как выглядит. «Поперёк верха, высокими элегантными засечными заглавными» легло именно туда.
3. Прописывайте всё, что читатель будет читать. То, что вы лишь описываете («маленький штрихкод», «блок имён»), возвращается текстурой, поэтому проверяйте мелкий текст перед публикацией.

Полный процесс работы над постером с точечными исправлениями текста смотрите в нашем руководстве по вёрстке текста в Nano Banana Pro; те же приёмы работы с промптом применимы и здесь.

Правки, которые сохраняют человека и продукт

Задача правки принимает от 1 до 14 исходных изображений в image_urls, перечисленных в том порядке, в каком на них ссылается ваш промпт. Google заявляет, что сохраняет согласованность до 4 персонажей и до 10 объектов.

Один исходник: новая сцена, то же лицо

Мы дали дневное фото рыжеволосой женщины, поливающей папоротники в стеклянной оранжерее, в белой льняной рубашке и джинсовых шортах, и попросили вечер в опере.

Слева: исходное фото. Справа: правка в 2k, соотношение auto. Лицо и цвет волос сохранились; платье, убранные волосы, серьги, бархатная ложа, люстра и сцена соответствуют промпту.

Take her from the greenhouse to an opera house at night: she sits in a red velvet box seat, leaning on the gilded balcony rail, wearing a backless black silk gown with her auburn hair pinned up and diamond drop earrings, looking back over her shoulder, the lit stage and a crystal chandelier softly blurred behind her. Keep her face and her hair colour.

Последняя фраза важна: когда вы указываете, что должно остаться («сохрани её лицо и цвет волос»), модель понимает, какие части исходника зафиксированы.

Три исходника: человек, продукт и место

Эта задача важнее всего для большинства продуктовых команд. Мы дали студийный портрет мужчины, фото продукта — замшевой куртки-рубашки цвета коньяка с латунными кнопками — и пустую обсерваторию ночью.

Слева: три исходника в порядке промпта. Справа: правка в 4:5, 2k. Лицо, цвет куртки, латунные кнопки и нагрудные карманы сохранились. Один промах: вместо руки на окуляре телескопа он держит маленькую латунную подзорную трубу.

Combine the three images: the man from the first image wears the cognac suede overshirt from the second image, unbuttoned over a white undershirt, and stands beside the brass telescope in the observatory from the third image at night, one hand on the eyepiece, starlight from the open dome and the warm desk lamp on his face. Keep his face, and keep the jacket's colour, brass snaps and chest pockets exactly.

Что сработало: ссылаться на каждый исходник по порядку, говорить, что взять из каждого, и перечислять детали, которые должны сохраниться. Действие, которое мы упомянули лишь вскользь, — как раз то, которое модель изменила, поэтому для важной позы пишите отдельное предложение.

Текст внутри правки

Последняя правка оставила двух людей и магазин точно такими, как они есть, и оформила конверт у них в руках.

Слева: исходник. Справа: правка в 2k. Женщины, одежда и магазин без изменений; название и имя группы написаны верно, хотя имя группы набрано разрядкой строчными и прописными, а не капителью, как мы просили.

Design the blank album sleeve she is holding: a moody duotone photograph of ocean waves at night in deep blue and rust, with the title "MIDNIGHT TIDE" in large bold sans serif and the band name "The Low Hours" in small capitals beneath it. Keep both women, their clothes, their pose and the record store exactly as they are.

Соотношение сторон в правках. В задаче правки добавляется auto (по умолчанию), которое сохраняет форму исходника: панорамный исходник 4:1 вернулся как 2064 x 512. Если исходников несколько и у них разные формы, задайте соотношение сами. В нашем тесте с двумя исходниками auto просто последовало за одним из двух.

О ролях исходников и исправлении сдвигов подробнее — в нашем руководстве по правке по референсам в Nano Banana 2.

Веб-поиск: решение для дат и актуальных фактов

Мы дважды запустили один и тот же промпт:

today's weather forecast poster for Tokyo with the date

С включённым enable_web_search постер напечатал верную дату — среда, 7 октября 2026 года. С выключенным модель выдумала дату (24 октября). Если изображение зависит от чего-то актуального (даты, прогноза, события), включайте его. enable_image_search тоже сработал и вернул изображение, но заметной разницы мы не измерили. Каждая опция поиска добавляет плату за запрос, поэтому в остальных случаях оставляйте обе выключенными.

Широкие и высокие форматы: описывайте одну непрерывную сцену

Google заявляет, что в 2.1 исправлены артефакты тайлинга в 1:4, 4:1, 1:8 и 8:1 в 2K и 4K. В наших тестах 7 октября 2026 года удержится ли широкий или высокий формат целым, зависело от объекта, как показывают результаты ниже. В 21:9 модель составила один непрерывный киношный кадр:

Текст в изображение, 21:9, 2k. Один непрерывный кадр; слово в кавычках «VACANCY» написано точно.

Мы запустили 8:1 шесть раз. Четыре вернулись как одна непрерывная картинка; два вернулись как несколько кадров, склеенных бок о бок, с резкими швами и разным светом в каждой панели. Так что тайлинг всё ещё иногда случается в 8:1 и 2k, несмотря на исправление. Разницу делала формулировка. Наш первый промпт про рейв разместил отдельные ориентиры по ширине (диджейский пульт слева, стальные колонны справа, пара посередине) и вернулся склеенным. Промпты, переписанные как одна непрерывная сцена, где одна обстановка заполняет всю ширину (горный хребет в 2k и 4k, толпа на рейве в 4k и переформулированный рейв ниже), вернулись непрерывными в четырёх запусках из пяти. Хребет 4:1 в 2k тоже получился непрерывным (4128 x 1024). Это был наш первый тест; следующий раунд ещё из 69 запусков, описанный ниже, показал, что результат зависит и от того, что находится в кадре.

Текст в изображение, 8:1, 2k (5856 x 704, показано уменьшенным), написано как одна непрерывная сцена: сплошная толпа от края до края, пара посередине.

One continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge, inside a packed warehouse rave at three in the morning: green laser beams cut through the haze above a dancing crowd that fills the whole frame under steel roof trusses. In the middle of the crowd two men in their thirties, a gay couple, dance forehead to forehead, one in an open black mesh shirt and one shirtless with a thin gold chain, sweat glinting under the lasers.

Для сравнения — наш первый, склеенный запуск 8:1:

Как выглядит склеенный результат: 8:1, 2k. У каждой панели свой свет и своя толпа, между ними резкие вертикальные швы.

Высокие кадры оказались хуже. В 1:8 и 1k модель вернула шесть сложенных друг на друга кадров одного пляжа (352 x 2928); в 1:8 и 2k горный пейзаж вернулся горизонтальной панорамой, повёрнутой на бок (704 x 5856).

Более поздний тест из 69 запусков. Позже 7 октября мы сделали ещё 69 широких и высоких кадров. Склеится ли кадр 8:1 или 4:1, зависит от людей: пейзажи и далёкие толпы держались целиком, а люди рядом с камерой или расставленные по всей ширине склеивались примерно в половине случаев. Из всех наших запусков 8:1 в тот день 10 из 35 вернулись склеенными. В 1:4 и 1:8 работает объект, который сам по себе высокий: 1:4 удержался целым 8 раз из 8, а 1:8 — 11 из 14. Полные подробности и промпты — в нашем руководстве по промптам для панорам и баннеров.

Что делать:

• Описывайте одну непрерывную сцену. Скажите об этом первыми словами («one continuous ultra-wide panoramic photograph, a single unbroken scene from edge to edge») и пусть одна обстановка заполняет ширину, вместо того чтобы расставлять отдельные ориентиры на каждом краю.
• Проверяйте каждый широкий результат в полном размере на вертикальные швы или внезапную смену света, прежде чем использовать его.
• В кадрах 8:1 и 4:1 делайте людей мелкими или собирайте их в одном месте. Люди рядом с камерой или по всей ширине как раз и склеивали наши более поздние запуски.
• В 1:4 и 1:8 берите объект, который сам по себе высокий (стоящая фигура, башня, водопад). См. руководство по панорамам.

Размеры, скорость и цена

Параметры, по строке на каждый:

• prompt: до 5000 символов.
• aspect_ratio: 14 вариантов от 1:1 до 8:1 и 1:8; по умолчанию 16:9 для текста в изображение, auto для правки.
• resolution: 1k (по умолчанию), 2k или 4k.
• output_format: png (по умолчанию) или jpeg. В 1k 21:9 JPEG весил 307 КБ, а PNG — около 1,1 МБ.
• enable_web_search и enable_image_search: оба по умолчанию выключены.
• image_urls (только правка): от 1 до 14 исходных изображений.

Размеры результата, которые мы измерили:

Время модели в наших тестах 7 октября составило около 10–35 секунд в 1k и 2k и до примерно минуты в 4k.

Оплата берётся за изображение по уровню размера (2k дороже 1k, 4k дороже 2k); соотношение сторон и формат вывода цену не меняют. В SpicyAPI Nano Banana 2.1 стартует с цены, заметно ниже собственного прайс-листа Google; на странице модели показаны актуальные цены. Каждая опция поиска добавляет плату. Отказы бесплатны; смягчённое изображение оплачивается как любое другое. Делайте черновики в 1k, затем перезапускайте удачные в 2k или 4k.

Как далеко заходит контент

Nano Banana 2.1 следует политике контента Google; SpicyAPI не добавляет собственного фильтра. 7 октября 2026 года мы провели два раунда, только со взрослыми героями, и проверили каждое изображение глазами: первый раунд — промпты «текст в изображение» в 3:4 и 1k, затем шесть типов проверок по три запуска каждый на «текст в изображение» и на правке, с настройками по умолчанию. В таблице показан второй набор.

В «текст в изображение» уровень L1 действительно пригоден для моды, купальников и работ в стиле будуара. Эти три изображения — из нашего первого раунда:

Текст в изображение, 3:4, 1k. Три промпта L1 Намёк, каждый нарисован как запрошено.

Выше L1 «текст в изображение» обычно не отказывает, а меняет картинку. В первом раунде десять запросов L2–L4 (по два запуска каждого из пяти промптов) все завершились, были оплачены и вернули одетое изображение: женщина в объёмном свитере или в кардигане и джинсах, мужчина в футболке и джинсах, сцена в душе с полотенцем, пара, обнимающаяся под простынёй. Во втором наборе один запуск L2 был отклонён сразу, а связывание и гор отклонялись каждый раз. О смягчённом изображении можно узнать, только посмотрев на него.

Первый раунд: что вернулось на запросы L2 и L3. Каждый завершился и был оплачен, и ничто в ответе не отмечает, что изображение изменено. Результат L4 описан выше и не показан.

Задача правки на наших собственных одетых исходных фото отказывает чаще. Замена платья на бельё и обе правки со снятием одежды в первом раунде были отклонены с сообщением «Content flagged as potentially sensitive», как и проверки L3, L4 и связывания во втором наборе. Прошли запросы двух видов: правки L2 вернулись завершёнными и оплаченными, но с человеком, «переодетым» в свитер или рубашку, а кинематографичный гор был нарисован как запрошено. Правка вечернего платья с открытой спиной тоже прошла; пример с оперой выше — правка такого рода.

Что это значит на практике:

• Смягчённое изображение — это беззвучный сбой. Задача сообщает «завершено», и вы платите, и в «текст в изображение», и в правках L2, поэтому просматривайте каждый результат, прежде чем он попадёт к клиенту или в ленту.
• Отказы видны и бесплатны. В обеих задачах они возвращаются как неудачные с сообщением «Content flagged as potentially sensitive» примерно через 70–90 секунд и не оплачиваются.
• Никакая настройка этого не меняет. Ни один публичный параметр не управляет контентом, а у Nano Banana 2 и Pro один и тот же разработчик; наш прежний тест контента Nano Banana 2 описывает, как они справились с похожими запросами.

Какую модель выбрать

7 октября 2026 года мы прогнали Nano Banana 2.1 через наш собственный слепой тест с теми же вопросами и теми же опорными образцами, что и в прежних сериях по изображениям; три ИИ-судьи от разных производителей оценивали изображения вслепую.

Частные оценки Nano Banana 2.1: 76.7 за следование промпту (14 вопросов), 77.8 за качество изображения (14) и 65.9 за согласованность правок (6 вопросов на правки). Где она ошиблась: нарисовала шесть воздушных шаров вместо пяти и семь обедающих вместо шести, а в правках заменила фон на ночную улицу в задаче на смену освещения и приблизила камеру в задаче со снегопадом. Оба вопроса на текст были написаны верно; частную оценку за текст мы не публикуем, потому что вопросов на текст в тесте было меньше шести. Если важно точное количество, проверяйте его, а в правках прямо пишите, что фон и кадрирование должны остаться прежними.

Таблица объединяет эти цифры с нашими практическими запусками.

Nano Banana 2.1 против Nano Banana 2. Google описывает 2.1 как прямое обновление, и наш слепой тест согласен по направлению (75.6 против 70.3). Начинайте новые работы на 2.1; оставайтесь на Nano Banana 2, если вы полагаетесь на её черновой уровень 0.5k или пока не хотите заново тестировать работающий конвейер.

Nano Banana 2.1 против Nano Banana Pro. Google называет 2.1 более эффективной парой для Pro, и в нашем слепом тесте она набрала чуть больше (измерения разделены двумя днями). Разрыв небольшой, поэтому если у вас есть проверенные промпты для Pro, прогоните их через 2.1 и сравните, прежде чем переключаться.

Для работ для взрослых выбирайте другую основу. Nano Banana 2.1 подходит для одетой, публичной части проекта: промо-постеры, карточки персонажей, сцены с продуктом, мода уровня нижнего белья. Для L2 и выше откройте каталог моделей SpicyAPI, отфильтруйте по политике контента и выберите семейство изображений без цензуры под вашу задачу. Работайте только с вымышленными взрослыми или взрослыми, давшими разрешение.

FAQ

Nano Banana 2.1 без цензуры?

Нет. Она следует политике контента Google. В наших тестах 7 октября 2026 года «текст в изображение» рисовал изображения L1 Намёк, L2–L4 в основном смягчал (один запуск L2 был отклонён), а связывание и гор отклонял. Задача правки отклоняла большинство запросов для взрослых, «переодевала» запросы L2 и рисовала кинематографичный гор.

Почему я получил одетое изображение вместо ошибки?

«Текст в изображение» обычно завершает запросы, выходящие за черту Google, смягчённым изображением и без сообщения об отказе и оплачивает его как любое другое; задача правки поступала так же с запросами L2. Проверяйте каждый результат глазами.

Взимается ли плата, когда Nano Banana 2.1 отклоняет запрос?

Нет. Отказы в любой из задач возвращаются как неудачные с сообщением «Content flagged as potentially sensitive», обычно примерно через 70–90 секунд, и не оплачиваются. Запрос, который модель смягчила, оплачивается, потому что изображение всё равно возвращается.

Сколько референсных изображений можно использовать в правке?

От 1 до 14 в image_urls, в том порядке, в каком на них ссылается ваш промпт. Google заявляет, что сохраняет согласованность до 4 персонажей и до 10 объектов; в нашем тесте с тремя исходниками лицо и детали куртки сохранились.

Когда включать веб-поиск?

Когда изображение зависит от актуальной информации. С включённым enable_web_search наш постер с прогнозом для Токио напечатал верную дату; с выключенным модель выдумала её. Каждая опция поиска добавляет плату за запрос.

Какое разрешение использовать?

Делайте черновики в 1k, затем перезапускайте удачные в 2k или 4k. Каждый шаг вверх стоит дороже, а время модели составило около 10–35 секунд в 1k и 2k против до примерно минуты в 4k.