Google: Nano Banana Pro (Gemini 3 Pro Image) contro Microsoft AI: MAI-Image-2.6
Un confronto fianco a fianco tra Google: Nano Banana Pro (Gemini 3 Pro Image) (7,00 USD / 1M token (≈ 6,23 €)) e Microsoft AI: MAI-Image-2.6 (17,50 USD / 1M token (≈ 15,58 €)) con i prezzi in USD e le funzionalità aggiornati dal catalogo di api14. Entrambi funzionano con la stessa API compatibile OpenAI.
Specifiche
| Google: Nano Banana Pro (Gemini 3 Pro Image) | Microsoft AI: MAI-Image-2.6 | |
|---|---|---|
| Fornitore | Microsoft | |
| Ingresso | 7,00 USD / 1M token (≈ 6,23 €) | 17,50 USD / 1M token (≈ 15,58 €) |
| Uscita | 42,00 USD / 1M token (≈ 37,40 €) | - |
| Lettura cache | 0,70 USD / 1M token (≈ 0,62 €) | - |
| Scrittura cache | 1,31 USD / 1M token (≈ 1,17 €) | - |
| Ragionamento | 42,00 USD / 1M token (≈ 37,40 €) | - |
| Output immagine | 420,00 USD / 1M token (≈ 374,00 €) | 133,00 USD / 1M token (≈ 118,43 €) |
| Input audio | 7,00 USD / 1M token (≈ 6,23 €) | - |
| Immagine | 0,000007 USD / immagine (≈ 0,00000623 €) | - |
| Ricerca web | 49,00 USD / 1K ricerche (≈ 43,63 €) | - |
| Input immagine | - | 133,00 USD / 1M token (≈ 118,43 €) |
| Finestra di contesto | 131.072 | 4096 |
| Output massimo | 32.768 | 1024 |
| Ingresso | image, text | text, image |
| Uscita | image, text | image |
| chiamata di strumenti | ||
| Output strutturato | ||
| Controllo del ragionamento | ||
| Aggiunto | 18 giu 2026 | 4 set 2026 |
Differenze principali
- Google: Nano Banana Pro (Gemini 3 Pro Image) costa il 60% in meno sui token di input.
- Google: Nano Banana Pro (Gemini 3 Pro Image) legge 32.0× più contesto (131.072 token).
- Solo Google: Nano Banana Pro (Gemini 3 Pro Image) supporta chiamata di strumenti.
- Solo Google: Nano Banana Pro (Gemini 3 Pro Image) supporta output JSON strutturato.
- Solo Google: Nano Banana Pro (Gemini 3 Pro Image) supporta controllo del livello di ragionamento.
Nel dettaglio
Google: Nano Banana Pro (Gemini 3 Pro Image) è un modello di immagini di Google, elencato su api14 con l'id modello google/gemini-3-pro-image. Microsoft AI: MAI-Image-2.6 è un modello di immagini di Microsoft, elencato con l'id modello microsoft/mai-image-2.6. Entrambi rientrano nella categoria immagini, quindi entrambi sono progettati per lavori in cui le immagini sono il punto centrale e non un ripensamento, ma provengono da provider diversi e sono stati rilasciati in momenti diversi, con il modello Google apparso il 2026-06-18 e il modello Microsoft il 2026-09-04.
La divisione più chiara riguarda contesto e output. Il modello Google accetta immagini e testo come input e può restituire immagini e testo come output, mentre il modello Microsoft accetta testo e immagini come input ma restituisce solo immagini. Questo significa che qualsiasi cosa in cui si desidera che il modello risponda a parole, spieghi un render o fornisca una didascalia insieme all'immagine, punta al modello Google. Il contesto è l'altra grande differenza: il modello Google porta 131072 token, il modello Microsoft 4096. Per prompt lunghi, riferimenti multi immagine o scambi prolungati, il modello Google ha molto più spazio. Gli elenchi dei parametri raccontano una storia simile. Il modello Google supporta tools, tool choice, structured outputs, reasoning, include reasoning, response format, seed, stop, temperature, top p e max tokens. Il modello Microsoft supporta max completion tokens, max tokens e temperature. Quindi il tool calling, l'output strutturato e il controllo del reasoning sono solo sul lato Google.
In pratica, scegli il modello Google quando l'attività richiede più di una singola immagine in output. Pipeline di editing che passano diverse immagini di riferimento, agenti che chiamano strumenti durante la generazione e qualsiasi cosa che richieda una risposta strutturata o una fase di reasoning appartengono a questa categoria. Scegli il modello Microsoft quando vuoi una chiamata diretta da prompt testuale a immagine e nulla di più, dato che la sua superficie più ristretta è più semplice da collegare e non ti chiede di pensare a parametri di tool o reasoning. Se il tuo prompt è breve e il tuo output è un'immagine, il modello Microsoft è un default ragionevole. Se il tuo prompt è lungo, o il tuo output necessita di parole o struttura, il modello Google è quello da scegliere.
Chiamare l'uno o l'altro tramite api14 funziona allo stesso modo, perché l'API è compatibile con OpenAI. Punti il tuo client allo stesso base URL, invii lo stesso corpo della richiesta in stile chat completions e cambi solo l'id modello: google/gemini-3-pro-image per il modello Google, microsoft/mai-image-2.6 per il modello Microsoft. Tutto il resto nel tuo codice, la libreria client, l'header di autenticazione, la forma della richiesta, resta invariato. Tieni solo a mente le differenze nei parametri, dato che il modello Microsoft non accetterà tools, structured outputs o campi reasoning, e il modello Google non accetterà max completion tokens.
Cambia modello con una stringa
Entrambi i modelli usano lo stesso endpoint e la stessa struttura di richiesta. Cambia il valore di model da "google/gemini-3-pro-image" a "microsoft/mai-image-2.6", prompt, streaming e tool continuano a funzionare.
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"));
Altri confronti
- OpenAI: GPT Image 2.6 Flare contro OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare contro Auto Router
- OpenAI: GPT Image 2.6 Flare contro Auto Code
- OpenAI: GPT Image 2.6 Flare contro Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst contro Auto Router
- OpenAI: GPT Image 2.6 Sunburst contro Auto Code
- OpenAI: GPT Image 2.6 Sunburst contro Sourceful: Riverflow V2.6 Pro
- Auto Router contro Auto Code