Google: Nano Banana Pro (Gemini 3 Pro Image) contra Microsoft AI: MAI-Image-2.6
Uma comparação lado a lado entre Google: Nano Banana Pro (Gemini 3 Pro Image) (US$ 7,00 / 1M fragmentos (≈ R$ 38,28)) e Microsoft AI: MAI-Image-2.6 (US$ 17,50 / 1M fragmentos (≈ R$ 95,69)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Google: Nano Banana Pro (Gemini 3 Pro Image) | Microsoft AI: MAI-Image-2.6 | |
|---|---|---|
| Provedor | Microsoft | |
| Entrada | US$ 7,00 / 1M fragmentos (≈ R$ 38,28) | US$ 17,50 / 1M fragmentos (≈ R$ 95,69) |
| Saída | US$ 42,00 / 1M fragmentos (≈ R$ 229,66) | - |
| Leitura de cache | US$ 0,70 / 1M fragmentos (≈ R$ 3,83) | - |
| Gravação de cache | US$ 1,31 / 1M fragmentos (≈ R$ 7,18) | - |
| Raciocínio | US$ 42,00 / 1M fragmentos (≈ R$ 229,66) | - |
| Saída de imagem | US$ 420,00 / 1M fragmentos (≈ R$ 2.296,63) | US$ 133,00 / 1M fragmentos (≈ R$ 727,27) |
| Entrada de áudio | US$ 7,00 / 1M fragmentos (≈ R$ 38,28) | - |
| Imagem | US$ 0,000007 / imagem (≈ R$ 0,0000383) | - |
| Busca na web | US$ 49,00 / 1 mil buscas (≈ R$ 267,94) | - |
| Entrada de imagem | - | US$ 133,00 / 1M fragmentos (≈ R$ 727,27) |
| Janela de contexto | 131.072 | 4.096 |
| Saída máxima | 32.768 | 1.024 |
| Entrada | image, text | text, image |
| Saída | image, text | image |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 18 de jun. de 2026 | 4 de set. de 2026 |
Principais diferenças
- Google: Nano Banana Pro (Gemini 3 Pro Image) é 60% mais barato nos tokens de entrada.
- Google: Nano Banana Pro (Gemini 3 Pro Image) lê 32.0× mais contexto (131.072 tokens).
- Só o Google: Nano Banana Pro (Gemini 3 Pro Image) suporta chamada de ferramentas.
- Só o Google: Nano Banana Pro (Gemini 3 Pro Image) suporta saída JSON estruturada.
- Só o Google: Nano Banana Pro (Gemini 3 Pro Image) suporta controle do esforço de raciocínio.
Em detalhe
Google: Nano Banana Pro (Gemini 3 Pro Image) é um modelo de imagem da Google, listado em api14 sob o id de modelo google/gemini-3-pro-image. Microsoft AI: MAI-Image-2.6 é um modelo de imagem da Microsoft, listado sob o id de modelo microsoft/mai-image-2.6. Ambos estão na categoria de imagem, portanto ambos são construídos para trabalho onde as imagens são o ponto central e não um detalhe secundário, mas vêm de fornecedores diferentes e foram lançados em momentos diferentes, com o modelo da Google a aparecer em 2026-06-18 e o modelo da Microsoft em 2026-09-04.
A divisão mais clara está no contexto e na saída. O modelo da Google aceita imagem e texto como entrada e pode devolver imagem e texto como saída, enquanto o modelo da Microsoft aceita texto e imagem como entrada mas devolve apenas imagem. Isso significa que qualquer situação em que queira que o modelo responda por palavras, explique uma renderização, ou lhe entregue uma legenda junto com a imagem, aponta para o modelo da Google. O contexto é a outra grande diferença: o modelo da Google transporta 131072 tokens, o modelo da Microsoft 4096. Para prompts longos, múltiplas referências de imagem, ou idas e voltas prolongadas, o modelo da Google tem muito mais espaço. As listas de parâmetros contam uma história semelhante. O modelo da Google suporta tools, tool choice, structured outputs, reasoning, include reasoning, response format, seed, stop, temperature, top p e max tokens. O modelo da Microsoft suporta max completion tokens, max tokens e temperature. Portanto, chamadas de ferramentas, saída estruturada e controlo de raciocínio estão apenas do lado da Google.
Na prática, escolha o modelo da Google quando a tarefa precisar de mais do que uma única imagem como saída. Pipelines de edição que passam várias imagens de referência, agentes que chamam ferramentas a meio da geração, e qualquer coisa que precise de uma resposta estruturada ou de uma passagem de raciocínio pertencem aí. Escolha o modelo da Microsoft quando quiser uma chamada simples de prompt de texto para imagem e nada mais, uma vez que a sua superfície mais estreita é mais simples de ligar e não lhe pede para pensar em parâmetros de ferramentas ou de raciocínio. Se o seu prompt for curto e a sua saída for uma imagem, o modelo da Microsoft é um padrão razoável. Se o seu prompt for longo, ou a sua saída precisar de palavras ou estrutura, o modelo da Google é aquele a que deve recorrer.
Chamar qualquer um deles através de api14 funciona da mesma forma, porque a API é compatível com OpenAI. Aponta o seu cliente para o mesmo URL base, envia o mesmo corpo de pedido no estilo chat completions, e altera apenas o id de modelo: google/gemini-3-pro-image para o modelo da Google, microsoft/mai-image-2.6 para o modelo da Microsoft. Tudo o resto no seu código, a biblioteca de cliente, o cabeçalho de autenticação, a forma do pedido, mantém-se. Apenas tenha em mente as diferenças de parâmetros, uma vez que o modelo da Microsoft não aceitará tools, structured outputs ou campos de reasoning, e o modelo da Google não aceitará max completion tokens.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "google/gemini-3-pro-image" para "microsoft/mai-image-2.6", prompts, streaming e ferramentas continuam funcionando.
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"));
Mais comparações
- OpenAI: GPT Image 2.6 Flare contra OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare contra Auto Router
- OpenAI: GPT Image 2.6 Flare contra Auto Code
- OpenAI: GPT Image 2.6 Flare contra Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst contra Auto Router
- OpenAI: GPT Image 2.6 Sunburst contra Auto Code
- OpenAI: GPT Image 2.6 Sunburst contra Sourceful: Riverflow V2.6 Pro
- Auto Router contra Auto Code