Google: Nano Banana Pro (Gemini 3 Pro Image) mot Microsoft AI: MAI-Image-2.6
En jämförelse sida vid sida av Google: Nano Banana Pro (Gemini 3 Pro Image) (7,00 US$ / 1M textdelar (≈ 68,57 kr)) och Microsoft AI: MAI-Image-2.6 (17,50 US$ / 1M textdelar (≈ 171,44 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Google: Nano Banana Pro (Gemini 3 Pro Image) | Microsoft AI: MAI-Image-2.6 | |
|---|---|---|
| Leverantör | Microsoft | |
| Indata | 7,00 US$ / 1M textdelar (≈ 68,57 kr) | 17,50 US$ / 1M textdelar (≈ 171,44 kr) |
| Utdata | 42,00 US$ / 1M textdelar (≈ 411,45 kr) | - |
| Cacheläsning | 0,70 US$ / 1M textdelar (≈ 6,86 kr) | - |
| Cacheskrivning | 1,31 US$ / 1M textdelar (≈ 12,86 kr) | - |
| Resonemang | 42,00 US$ / 1M textdelar (≈ 411,45 kr) | - |
| Bildutdata | 420,00 US$ / 1M textdelar (≈ 4 114,49 kr) | 133,00 US$ / 1M textdelar (≈ 1 302,92 kr) |
| Ljudindata | 7,00 US$ / 1M textdelar (≈ 68,57 kr) | - |
| Bild | 0,000007 US$ / bild (≈ 0,0000686 kr) | - |
| Webbsökning | 49,00 US$ / 1K sökningar (≈ 480,02 kr) | - |
| Bildindata | - | 133,00 US$ / 1M textdelar (≈ 1 302,92 kr) |
| Kontextfönster | 131 072 | 4 096 |
| Max utdata | 32 768 | 1 024 |
| Indata | image, text | text, image |
| Utdata | image, text | image |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 18 juni 2026 | 4 sep. 2026 |
Viktiga skillnader
- Google: Nano Banana Pro (Gemini 3 Pro Image) är 60% billigare på indata-tokens.
- Google: Nano Banana Pro (Gemini 3 Pro Image) läser 32.0× mer kontext (131 072 tokens).
- Endast Google: Nano Banana Pro (Gemini 3 Pro Image) stöder verktygsanrop.
- Endast Google: Nano Banana Pro (Gemini 3 Pro Image) stöder strukturerad JSON-utdata.
- Endast Google: Nano Banana Pro (Gemini 3 Pro Image) stöder styrning av resonemangsnivå.
Mer i detalj
Google: Nano Banana Pro (Gemini 3 Pro Image) är en bildmodell från Google, listad på api14 under modell-id google/gemini-3-pro-image. Microsoft AI: MAI-Image-2.6 är en bildmodell från Microsoft, listad under modell-id microsoft/mai-image-2.6. Båda ligger i kategorin bild, så båda är byggda för arbete där bilder är själva poängen snarare än en eftertanke, men de kommer från olika leverantörer och släpptes vid olika tidpunkter, där Google-modellen dök upp 2026-06-18 och Microsoft-modellen 2026-09-04.
Den tydligaste skillnaden är kontext och utdata. Google-modellen tar emot bild och text som indata och kan returnera bild och text som utdata, medan Microsoft-modellen tar emot text och bild som indata men endast returnerar bild. Det betyder att allt där du vill att modellen ska svara med ord, förklara en rendering eller ge dig en bildtext vid sidan av bilden pekar mot Google-modellen. Kontexten är den andra stora klyftan: Google-modellen har 131072 tokens, Microsoft-modellen 4096. För långa prompter, flera bildreferenser eller utökad fram och tillbaka-konversation har Google-modellen mycket mer utrymme. Parameterlistorna berättar en liknande historia. Google-modellen stöder tools, tool choice, structured outputs, reasoning, include reasoning, response format, seed, stop, temperature, top p och max tokens. Microsoft-modellen stöder max completion tokens, max tokens och temperature. Så verktygsanrop, strukturerad utdata och resonemangskontroll finns bara på Google-sidan.
I praktiken väljer du Google-modellen när uppgiften behöver mer än en enda bild ut. Redigeringspipelines som skickar flera referensbilder, agenter som anropar verktyg mitt i genereringen och allt som behöver ett strukturerat svar eller en resonemangskörning hör dit. Välj Microsoft-modellen när du vill ha ett enkelt anrop från textprompt till bild och inget annat, eftersom dess smalare yta är enklare att koppla upp och den inte ber dig tänka på verktygs- eller resonemangsparametrar. Om din prompt är kort och din utdata är en bild är Microsoft-modellen ett rimligt standardval. Om din prompt är lång, eller din utdata behöver ord eller struktur, är Google-modellen den du ska välja.
Att anropa någon av dem via api14 fungerar på samma sätt, eftersom API:et är OpenAI-kompatibelt. Du pekar din klient mot samma bas-URL, skickar samma chat completions-liknande förfrågningskropp och ändrar bara modell-id: google/gemini-3-pro-image för Google-modellen, microsoft/mai-image-2.6 för Microsoft-modellen. Allt annat i din kod, klientbiblioteket, auth-headern, förfrågningsformen, förblir oförändrat. Tänk bara på parameter skillnaderna, eftersom Microsoft-modellen inte accepterar tools, structured outputs eller reasoning-fält, och Google-modellen inte accepterar max completion tokens.
Det finns ett fall där Microsoft-modellen fortfarande är det bättre valet även mot den bredare funktionsuppsättningen: en kort generering av en enda bild där du inte behöver text tillbaka, verktyg, strukturerad utdata eller resonemang, och du helst inte vill bära de extra parametrarna. Vad gäller pris är Google-modellen den billigare av de två på indata, medan utdatapriset inte skiljer sig nämnvärt mellan dem, så kostnaden ensam är inte ett starkt skäl att byta åt något håll. Kontrollera den aktuella pristabellen på den här sidan för de senaste siffrorna innan du bestämmer dig.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "google/gemini-3-pro-image" till "microsoft/mai-image-2.6", promptar, streaming och verktyg fortsätter att fungera.
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"));
Fler jämförelser
- OpenAI: GPT Image 2.6 Flare mot OpenAI: GPT Image 2.6 Sunburst
- OpenAI: GPT Image 2.6 Flare mot Auto Router
- OpenAI: GPT Image 2.6 Flare mot Auto Code
- OpenAI: GPT Image 2.6 Flare mot Sourceful: Riverflow V2.6 Pro
- OpenAI: GPT Image 2.6 Sunburst mot Auto Router
- OpenAI: GPT Image 2.6 Sunburst mot Auto Code
- OpenAI: GPT Image 2.6 Sunburst mot Sourceful: Riverflow V2.6 Pro
- Auto Router mot Auto Code