Google: Nano Banana Pro (Gemini 3 Pro Image) contre Microsoft AI: MAI-Image-2.6
Un comparatif côte à côte de Google: Nano Banana Pro (Gemini 3 Pro Image) (7,00 $US / 1M jetons (≈ 6,23 €)) et Microsoft AI: MAI-Image-2.6 (17,50 $US / 1M jetons (≈ 15,58 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Google: Nano Banana Pro (Gemini 3 Pro Image) | Microsoft AI: MAI-Image-2.6 | |
|---|---|---|
| Fournisseur | Microsoft | |
| Entrée | 7,00 $US / 1M jetons (≈ 6,23 €) | 17,50 $US / 1M jetons (≈ 15,58 €) |
| Sortie | 42,00 $US / 1M jetons (≈ 37,40 €) | - |
| Lecture du cache | 0,70 $US / 1M jetons (≈ 0,62 €) | - |
| Écriture du cache | 1,31 $US / 1M jetons (≈ 1,17 €) | - |
| Raisonnement | 42,00 $US / 1M jetons (≈ 37,40 €) | - |
| Image en sortie | 420,00 $US / 1M jetons (≈ 374,00 €) | 133,00 $US / 1M jetons (≈ 118,43 €) |
| Audio en entrée | 7,00 $US / 1M jetons (≈ 6,23 €) | - |
| Visuel | 0,000007 $US / visuel (≈ 0,00000623 €) | - |
| Recherche web | 49,00 $US / 1K recherches (≈ 43,63 €) | - |
| Image en entrée | - | 133,00 $US / 1M jetons (≈ 118,43 €) |
| Fenêtre de contexte | 131 072 | 4 096 |
| Sortie max. | 32 768 | 1 024 |
| Entrée | image, text | text, image |
| Sortie | image, text | image |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 18 juin 2026 | 4 sept. 2026 |
Principales différences
- Google: Nano Banana Pro (Gemini 3 Pro Image) est 60% moins cher sur les tokens d’entrée.
- Google: Nano Banana Pro (Gemini 3 Pro Image) lit 32.0× plus de contexte (131 072 tokens).
- Seul Google: Nano Banana Pro (Gemini 3 Pro Image) prend en charge l’appel d’outils.
- Seul Google: Nano Banana Pro (Gemini 3 Pro Image) prend en charge la sortie JSON structurée.
- Seul Google: Nano Banana Pro (Gemini 3 Pro Image) prend en charge le contrôle de l’effort de raisonnement.
En détail
Google : Nano Banana Pro (Gemini 3 Pro Image) est un modèle d'image de Google, listé sur api14 sous l'identifiant de modèle google/gemini-3-pro-image. Microsoft AI : MAI-Image-2.6 est un modèle d'image de Microsoft, listé sous l'identifiant de modèle microsoft/mai-image-2.6. Les deux se situent dans la catégorie image, donc tous deux sont conçus pour des travaux où les images sont l'objectif plutôt qu'une réflexion après coup, mais ils viennent de fournisseurs différents et ont été publiés à des moments différents, le modèle Google apparaissant le 2026-06-18 et le modèle Microsoft le 2026-09-04.
La séparation la plus nette concerne le contexte et la sortie. Le modèle Google accepte l'image et le texte en entrée et peut renvoyer image et texte en sortie, tandis que le modèle Microsoft accepte le texte et l'image en entrée mais ne renvoie que l'image. Cela signifie que tout ce où vous voulez que le modèle réponde en mots, explique un rendu, ou vous fournisse une légende à côté de l'image, pointe vers le modèle Google. Le contexte est l'autre grand écart : le modèle Google porte 131072 tokens, le modèle Microsoft 4096. Pour les prompts longs, les références multi-images, ou les échanges prolongés, le modèle Google a beaucoup plus de place. Les listes de paramètres racontent une histoire similaire. Le modèle Google prend en charge tools, tool choice, structured outputs, reasoning, include reasoning, response format, seed, stop, temperature, top p et max tokens. Le modèle Microsoft prend en charge max completion tokens, max tokens et temperature. Donc l'appel d'outils, la sortie structurée et le contrôle du raisonnement ne sont que du côté Google.
En pratique, choisissez le modèle Google lorsque la tâche nécessite plus qu'une seule image en sortie. Les pipelines d'édition qui passent plusieurs images de référence, les agents qui appellent des outils en cours de génération, et tout ce qui nécessite une réponse structurée ou une passe de raisonnement y ont leur place. Choisissez le modèle Microsoft lorsque vous voulez un appel simple de prompt texte vers image et rien d'autre, car sa surface plus étroite est plus simple à câbler et il ne vous demande pas de réfléchir aux paramètres d'outil ou de raisonnement. Si votre prompt est court et votre sortie est une image, le modèle Microsoft est un choix par défaut raisonnable. Si votre prompt est long, ou si votre sortie nécessite des mots ou de la structure, le modèle Google est celui vers lequel se tourner.
Appeler l'un ou l'autre via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client vers la même URL de base, envoyez le même corps de requête de style chat completions, et changez uniquement l'identifiant de modèle : google/gemini-3-pro-image pour le modèle Google, microsoft/mai-image-2.6 pour le modèle Microsoft. Tout le reste dans votre code, la bibliothèque cliente, l'en-tête d'authentification, la forme de la requête, reste en place. Gardez simplement les différences de paramètres à l'esprit, car le modèle Microsoft n'acceptera pas les champs tools, structured outputs ou reasoning, et le modèle Google n'acceptera pas max completion tokens.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "google/gemini-3-pro-image" par "microsoft/mai-image-2.6" : prompts, streaming et outils continuent de fonctionner.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.images.generate({
"model": "microsoft/mai-image-2.6",
"prompt": "A minimalist product photo of a ceramic mug on a wooden table",
"n": 1,
"aspect_ratio": "1:1"
});
import { writeFile } from "node:fs/promises";
await writeFile("image.png", Buffer.from(result.data[0].b64_json, "base64"));
Plus de comparatifs
- OpenAI: GPT Image 2.6 Flare contre OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare contre Auto Router
- OpenAI: GPT Image 2.6 Flare contre Auto Code
- OpenAI: GPT Image 2.6 Flare contre Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst contre Auto Router
- OpenAI: GPT Image 2.6 Sunburst contre Auto Code
- OpenAI: GPT Image 2.6 Sunburst contre Sourceful: Riverflow V2.6 Pro
- Auto Router contre Auto Code