Ba mô hình hình ảnh mạnh nhất bạn có thể gọi qua Kunavo hiện nay — Nano Banana Pro của Google, GPT-Image-2 của OpenAI và Nano Banana 2 mới hơn, rẻ hơn của Google. Chúng dùng chung một API tương thích OpenAI, nên chuyển đổi giữa các mô hình chỉ cần đổi một từ. Dưới đây là điểm khác biệt, trường hợp nên chọn mô hình nào và chi phí thực sự nằm ở đâu.
Các ứng viên
- Nano Banana Pro — mô hình hình ảnh cao cấp của Google. Độ trung thực hàng đầu và khả năng kết xuất văn bản trong ảnh tốt nhất trong nhóm: biển hiệu, nhãn giao diện, bao bì và văn bản nhiều dòng đều rõ ràng ngay lần thử đầu. Đây là mô hình đắt nhất trong ba mô hình, nhưng vẫn thấp hơn 50% so với mức giá chính thức của Google.
- GPT-Image-2 — mô hình hình ảnh native của OpenAI. Khả năng hiểu prompt mạnh — bám sát các chỉ dẫn chi tiết, theo nghĩa đen — cùng mức giá cố định cho mỗi ảnh, không tăng theo độ phân giải, khiến đây là lựa chọn rẻ nhất khi chuyển sang 4K.
- Nano Banana 2 — lựa chọn có giá trị tốt. Nano Banana mới hơn, có độ trung thực và khả năng tuân thủ prompt được cải thiện so với bản gốc, đồng thời có giá 1K thấp nhất trong ba mô hình. Đây là lựa chọn mặc định khi tạo ảnh số lượng lớn.
Cả ba trên Kunavo đều thấp hơn 13–50% so với mức giá chính thức của từng nhà cung cấp. Cùng một giao diện OpenAI API — chỉ thay đổi model slug:
# Same client. Same code shape. Different model.
# All three return a permanent files.kunavo.com URL.
from openai import OpenAI
client = OpenAI(
api_key="sk-kn-...",
base_url="https://api.kunavo.com/v1",
)
prompts = [
"a glass-walled tea house at the edge of a misty forest, golden hour, "
"cinematic, 50mm lens, shallow depth of field",
"a vintage Italian espresso machine on a marble counter, soft window "
"light, food magazine photography",
"a stylized cityscape map of Tokyo, isometric, pastel colors, "
"labeled districts in elegant serif",
]
for prompt in prompts:
for model in ["nano-banana-pro", "gpt-image-2", "nano-banana-2"]:
resp = client.images.generate(
model=model,
prompt=prompt,
size="1024x1024",
)
print(model, resp.data[0].url)Cách chọn
Văn bản trong ảnh — biển hiệu, mockup giao diện, áp phích
Bắt đầu với Nano Banana Pro. Dòng Nano Banana của Google mạnh nhất trong catalog ở khả năng kết xuất văn bản rõ ràng bên trong ảnh — văn bản nhiều dòng, nhiều độ đậm và tính nhất quán theo phong cách thương hiệu. Nếu trường hợp sử dụng của bạn có bất kỳ văn bản nào được kết xuất trong khung hình — mockup thẻ Twitter, bao bì sản phẩm, áp phích infographic, ảnh chụp màn hình App Store — đây là lựa chọn đầu tiên. GPT-Image-2 là lựa chọn thứ hai đáng tin cậy; Nano Banana 2 tiết kiệm xử lý tốt nhãn ngắn nhưng kém ổn định hơn khi văn bản dài.
Độ trung thực của prompt — prompt theo nghĩa đen, phức tạp
GPT-Image-2 và Nano Banana Pro đều nổi bật ở đây, nhưng có cá tính khác nhau. GPT-Image-2 thiên về nghĩa đen: bám sát prompt chi tiết được viết rõ ràng, phù hợp khi yêu cầu chính xác. Nano Banana Pro tuân thủ chỉ dẫn tốt hơn với các yêu cầu về bố cục ("đặt X bên trái, Y ở phía sau") và mọi nội dung có văn bản. Với cảnh có từ bốn phần tử trở lên và quan hệ không gian chặt chẽ, tất cả mô hình hiện tại đều suy giảm chất lượng — hãy dự kiến tạo vài ứng viên rồi chọn.
Tiết kiệm và khối lượng lớn
Nano Banana 2 là lựa chọn mặc định có giá trị tốt. Với mức khoảng $0,047 cho mỗi ảnh 1K, đây là mẫu rẻ nhất trong ba mẫu ở độ phân giải tiêu chuẩn, đồng thời độ trung thực rõ ràng cao hơn một bậc so với Nano Banana nguyên bản. Nếu bạn tạo hình thu nhỏ, các biến thể hoặc bất kỳ nội dung nào ở quy mô lớn mà chi phí mỗi ảnh là yếu tố chi phối, hãy bắt đầu với mẫu này và chỉ chuyển sang Nano Banana Pro cho những khung hình cần văn bản hoặc độ trung thực tối đa. (Nano Banana nguyên bản Nano Banana còn rẻ hơn nếu bạn muốn mức chi phí thấp tuyệt đối.)
Khi bạn cần 4K
GPT-Image-2 là mẫu chiến thắng bất ngờ về chi phí ở 4K. Giá mỗi ảnh của mẫu này không đổi ở 1K, 2K và 4K, trong khi các mẫu Nano Banana tăng giá theo độ phân giải. Vì vậy, với đầu ra độ phân giải cao, GPT-Image-2 vừa có năng lực vừa rẻ nhất trong nhóm — đáng lưu ý khi tạo tài sản in ấn và hình ảnh hero lớn.
Chi phí (mỗi ảnh, trên Kunavo)
Cả ba đều được tính phí theo ảnh, không phải theo token. Mức phí hiển thị cho mỗi lần gọi tại /pricing:
- Nano Banana Pro: khoảng $0,067 cho 1K / 2K, khoảng $0,12 cho 4K (lựa chọn cao cấp — chất lượng văn bản đáng với chi phí trong trường hợp phù hợp)
- GPT-Image-2: khoảng $0,063 mỗi ảnh ở mọi độ phân giải (cố định — nên có giá trung bình ở 1K và rẻ nhất ở 4K)
- Nano Banana 2: khoảng $0,047 cho 1K, khoảng $0,071 cho 2K, khoảng $0,106 cho 4K (rẻ nhất ở độ phân giải tiêu chuẩn)
Các lần gọi thất bại không bị tính phí — nếu bạn viết sai slug mô hình hoặc hệ thống upstream từ chối prompt, số dư của bạn không bị ảnh hưởng. Xem /docs/billing để biết đầy đủ quy tắc.
Bạn nên bắt đầu với mẫu nào?
- Bất kỳ nội dung nào có văn bản trong ảnh (mockup giao diện, tài sản tiếp thị, bao bì)? Nano Banana Pro. Đừng bắt đầu với các mẫu khác.
- Prompt chính xác, theo nghĩa đen hoặc đầu ra 4K? GPT-Image-2. Khả năng bám sát prompt rất tốt và mức giá cố định khiến đầu ra độ phân giải cao trở nên rẻ.
- Khối lượng lớn, trong đó chi phí là yếu tố chính? Nano Banana 2. Rẻ nhất ở 1K, với độ trung thực đủ tốt cho phần lớn công việc sản xuất.
- Đang xây dựng một công cụ đa dụng cần tất cả những điều trên? Đặt Nano Banana 2 làm mặc định cho phần lớn yêu cầu, rồi cho phép người dùng (hoặc cơ chế định tuyến của bạn) chuyển sang Nano Banana Pro cho các khung hình nhiều văn bản và GPT-Image-2 cho 4K. Một mặc định cùng hai lối chuyển đổi sẽ tốt hơn việc buộc mọi yêu cầu đi qua mẫu đắt nhất.
Chỉnh sửa ảnh — một câu hỏi riêng
Đối với tác vụ image-to-image, hiện có hai mẫu chỉnh sửa trên cùng endpoint /v1/images/edits: Nano Banana Edit (cùng thế mạnh về kết xuất văn bản, phù hợp nhất để thay thế nội dung trên bao bì và biển hiệu) và GPT-Image-2 Edit (bám sát prompt cho các thay đổi có mục tiêu). Chỉ cần truyền image cùng với prompt.
Tự mình thử
Toàn bộ danh mục có tại /models, có thể lọc theo danh mục. Cách nhanh nhất để so sánh là đăng ký và nạp từ $10, chạy đoạn mã trên với 5 prompt của riêng bạn và để mắt bạn lựa chọn. Gu hình ảnh mang tính cá nhân — cuộc thử nghiệm phù hợp là cuộc thử nghiệm bạn chạy với prompt của mình.