GPT Image 2.5 बनाम FLUX.2 Pro और Max: इन-इमेज टाइपोग्राफी, रियलिज़्म और API प्राइसिंग
2026 के अंत में शीर्ष-स्तरीय इमेज जनरेटर्स की तुलना करने वाले क्रिएटिव टेक्नोलॉजिस्ट और प्रोडक्ट इंजीनियरिंग टीमें आमतौर पर दो अलग-अलग डिज़ाइन दर्शनों को तौलती हैं: OpenAI का निर्देश-आधारित GPT Image 2.5 text-to-image और Black Forest Labs का ऑप्टिकली ट्यून किया गया FLUX.2 Pro तथा FLUX.2 Max परिवार।
दोनों आर्किटेक्चर प्लास्टिक जैसी त्वचा और विकृत हाथों की शुरुआती डिफ्यूज़न खामियों से बहुत आगे निकल चुके हैं। व्यावहारिक अंतर प्रोडक्शन वर्कफ़्लो में दिखाई देते हैं: मॉडल 600-शब्दों के स्थानिक ब्रीफ (spatial brief) का कितनी निष्ठा से पालन करता है, क्या बिना फ़ोटोशॉप पास के घुमावदार बोतल पर छोटे-पॉइंट वाली पैकेजिंग कॉपी सही सलामत रहती है, क्या एंडपॉइंट नेटिव 4K (E2X पर $0.1575) आउटपुट देता है, और जब आप API के माध्यम से रेफरेंस एसेट्स पास करते हैं तो मल्टी-इमेज एडिटिंग कैसे व्यवहार करती है।
नीचे, हम E2X पर OpenAI के GPT Image 2.5 एंडपॉइंट्स की तुलना FLUX.2 Pro और FLUX.2 Max से करते हैं, और दोनों को Google के Nano Banana Pro ($0.075) और Nano Banana 2.1 ($0.03) के साथ रखते हैं ताकि आपके पास हर प्रमुख मॉडल परिवार के लिए एक संपूर्ण निर्णय मैट्रिक्स हो।

संपूर्ण निर्णय मैट्रिक्स: GPT Image 2.5, FLUX.2, और Nano Banana
सैंपल रेंडर्स की जांच करने से पहले, यहां देखें कि 4 नवंबर, 2026 को जांची गई कीमतों, रेज़ोल्यूशन सीमाओं, प्रॉम्प्ट क्षमता और रेफरेंस कंडीशनिंग के आधार पर ये मॉडल एक-दूसरे की तुलना में कैसे ठहरते हैं। E2X पर, GPT Image 2.5 दो वेरिएंट में उपलब्ध है: GPT Image 2.5 Sunburst (openai/gpt-image-2.5-sunburst, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high, xhigh, max क्वालिटी टियर का समर्थन करता है) और GPT Image 2.5 Flare (openai/gpt-image-2.5-flare, जो 1K/2K/4K रेज़ोल्यूशन और low, medium, high क्वालिटी टियर के साथ /models/openai/gpt-image-2.5-flare/text-to-image और /models/openai/gpt-image-2.5-flare/edit-image का समर्थन करता है)।
| विशेषता | GPT Image 2.5 (E2X) | FLUX.2 Pro / Max (मार्केट API) | Nano Banana Pro (E2X) | Nano Banana 2.1 (E2X) |
|---|---|---|---|---|
| जनरेशन स्लग | openai/gpt-image-2.5-sunburst/text-to-image | बाहरी / BFL रूट्स | google/nano-banana-pro/text-to-image | google/nano-banana-2.1/text-to-image |
| एडिटिंग स्लग | openai/gpt-image-2.5-sunburst/edit-image | Kontext / Redux वेरिएंट्स | google/nano-banana-pro/edit-image | google/nano-banana-2.1/edit-image |
| प्रति इमेज 1K कीमत | $0.0525 (75% छूट) | ~$0.04 से $0.08 प्रति मेगापिक्सल | $0.0750 | $0.0300 (50% छूट) |
| प्रति इमेज 2K कीमत | $0.1050 (75% छूट) | मेगापिक्सल के अनुसार स्केल (~$0.16+) | $0.0750 (1K के समान) | $0.0400 (50% छूट) |
| नेटिव 4K कीमत | $0.1575 (75% छूट) | आमतौर पर 2 MP / 4 MP पर सीमित | $0.1500 | $0.0900 (50% छूट) |
| क्वालिटी टियर | low, medium, high, xhigh, max (सभी समान कीमत) | प्रति मॉडल वेरिएंट निश्चित (Pro बनाम Max) | स्वचालित रूप से प्रबंधित | स्वचालित रूप से प्रबंधित |
| अधिकतम प्रॉम्प्ट लंबाई | 32,000 कैरेक्टर्स (एडिट पर 50,000) | आमतौर पर 512 से 4,000 टोकन | 50,000 कैरेक्टर्स | 32,000 कैरेक्टर्स |
| आस्पेक्ट रेशियो | 16 (auto + 3:1 तक 15 अनुपात) | कस्टम पिक्सल आयाम या फिक्स्ड अनुपात | 10 मानक अनुपात | 15 (auto + 8:1 तक रिबन) |
| मुख्य ताकत | पैकेजिंग व UI टाइपोग्राफी, बहु-वाक्य पालन, image_urls एडिट्स | रॉ एनालॉग लेंस बोकेह, बिना रीटच किया स्किन ग्रेन | भूमिका-विभाजित कैरेक्टर कंसिस्टेंसी, सर्च ग्राउंडिंग | सबसे कम 4K कीमत ($0.09) और 8:1 बैनर |
कीमतें और उत्पाद की शर्तें बदल सकती हैं। खरीदारी का निर्णय लेने से पहले प्रत्येक प्रदाता की वर्तमान कीमतों की जांच करें। Google Batch या Flex प्राइसिंग सीधे तौर पर मानक ऑन-डिमांड API अनुरोध के बराबर नहीं है क्योंकि शेड्यूलिंग, उपलब्धता और प्रोसेसिंग की शर्तें भिन्न होती हैं; इसलिए इसे इस तुलना से बाहर रखा गया है। यह एक सीमित दायरे वाली तुलना है, न कि यह दावा कि E2X हर कॉन्फ़िगरेशन में दुनिया का सबसे सस्ता विकल्प है।
जहां GPT Image 2.5 आगे निकल जाता है: पैकेजिंग टाइपोग्राफी और बहु-वाक्य प्रॉम्प्ट
यदि आपने कमर्शियल प्रोडक्ट ब्रीफ पर FLUX.2 Pro या FLUX.2 Max का परीक्षण किया है, तो आप पहले से ही जानते हैं कि वे कहां चमकते हैं और कहां आपको परेशान करते हैं। FLUX.2 को प्राकृतिक रोशनी में एकल विषय का संक्षिप्त, वातावरणीय विवरण दें, और ऑप्टिकल रेंडरिंग तुरंत प्रभावशाली होती है। लेकिन इसे चार वस्तुओं के बीच सटीक स्थानिक संबंधों के साथ-साथ तीन-पंक्ति वाले कॉस्मेटिक लेबल को निर्दिष्ट करने वाला सात-वाक्यों का आर्ट-डायरेक्शन ब्रीफ दें, तो शब्द गायब होने लगते हैं या स्थान बदलने लगते हैं।
OpenAI ने एक सघन लैंग्वेज-मॉडल कंडीशनिंग लेयर के इर्द-गिर्द GPT Image 2.5 text-to-image का निर्माण किया है जो जनरेशन कॉल्स पर 32,000 कैरेक्टर्स तक और GPT Image 2.5 edit-image पर 50,000 कैरेक्टर्स तक स्वीकार करता है। अपने प्रॉम्प्ट को छोटे टुकड़ों में संकुचित करने के बजाय, आप साधारण घोषणात्मक वाक्यों में सटीक ऑब्जेक्ट प्लेसमेंट, सतह की फिनिश और उद्धरण चिह्नों में कॉपी निर्दिष्ट कर सकते हैं।
यह प्रदर्शित करने के लिए कि GPT Image 2.5 एक घुमावदार फ्रॉस्टेड कंटेनर के चारों ओर लिपटी बहु-शब्द कॉस्मेटिक पैकेजिंग कॉपी को कैसे संभालता है, हमने quality: "xhigh" पर यह प्रॉम्प्ट चलाया:
Editorial product shot of a frosted glass botanical serum bottle standing on wet river stones. Clean black sans-serif label reading "NORDIC BIRCH HYDRATING SERUM 30ML". Soft diffused studio light.

उस सीरम बोतल आउटपुट में तीन तकनीकी विवरण उभर कर आते हैं:
- बेलनाकार परिप्रेक्ष्य (cylindrical perspective) और कर्निंग: पांच शब्दों की स्ट्रिंग
"NORDIC BIRCH HYDRATING SERUM 30ML"किनारों पर अक्षरों के बीच की दूरी खोए बिना या30MLको अस्पष्ट अंकों में बदले बिना मैट लेबल की वक्रता के चारों ओर साफ-सुथरे ढंग से लिपटती है। - विसरित प्रकाश (diffused light) के तहत सामग्री का पृथक्करण: बोतल की फ्रॉस्टेड कांच की दीवार स्टूडियो की मुख्य रोशनी को कोमलता से बिखेरती है, जबकि आधार पर गीले नदी के पत्थर तीखे स्पेक्युलर हाइलाइट्स और नमी से भरा रंग संतृप्ति (saturation) दिखाते हैं। मैट पेपर लेबल कांच की चमक को अपनाए बिना उन दो टेक्सचर के बीच बैठता है।
- E2X पर मुफ़्त
xhighऔरmaxअपग्रेड: हमारे रेट कार्ड पर, प्रत्येकqualityटियर (low,medium,high,xhigh,max) डिस्काउंटेड $0.0075 बेस को समान ×7 फैक्टर से गुणा करता है।1Kपरxhighयाmaxचलाने की लागत प्रति इमेज $0.0525 होती है, जिसका अर्थ है कि ड्राफ्ट इटरेशन के दौरान स्पष्ट लेबल टाइपोग्राफी को लॉक करने के लिए आपको कभी भी अतिरिक्त टोकन सरचार्ज नहीं देना पड़ता है।
जब कोई पैकेजिंग मॉकअप अनुमोदन से प्रिंट या हाई-DPI वेब ज़ूम की ओर बढ़ता है, तो GPT Image 2.5 एक ही पैरामीटर बदलाव में नेटिव रूप से 2K ($0.1050) और 4K ($0.1575) तक स्केल हो जाता है। कई होस्टेड FLUX.2 एंडपॉइंट्स आउटपुट को लगभग 2 मेगापिक्सल (लगभग 1440p) पर सीमित कर देते हैं या 1K से ऊपर भारी प्रति-मेगापिक्सल सरचार्ज लेते हैं, जिससे टीमों को एक अलग अपस्केलर स्टेप जोड़ने के लिए मजबूर होना पड़ता है जो बारीक टाइपोग्राफी को धुंधला कर सकता है।
ऑप्टिकल रियलिज़्म, लेंस बोकेह, और त्वचा का माइक्रो-टेक्सचर
जहां FLUX.2 Pro और FLUX.2 Max ने फोटोग्राफरों के बीच अपनी पहचान बनाई है, वह है रॉ ऑप्टिकल फिजिक्स। पहले के OpenAI मॉडलों (जैसे DALL-E 3 और शुरुआती GPT Image 1 बिल्ड) में एक पहचानने योग्य स्टूडियो चमक होती थी: त्वचा थोड़ी एयरब्रश की हुई लगती थी, छाया के ट्रांज़िशन अत्यधिक सौम्य होते थे, और डेप्थ-ऑफ़-फ़ील्ड ब्लर कभी-कभी कांच के अपवर्तन (refraction) के बजाय एक समान गॉसियन मास्क जैसा दिखता था।
GPT Image 2.5 उस ऑप्टिकल अंतर के अधिकांश हिस्से को पाट देता है, विशेष रूप से जब आप एक ठोस लाइटिंग सेटअप को quality: "xhigh" या quality: "max" के साथ जोड़ते हैं। "photorealistic" जैसे सामान्य शब्दों पर निर्भर रहने के बजाय, GPT Image 2.5 को यह बताना कि भौतिक लैंप कहां रखा है और अग्रभूमि में कौन से टेक्सचर मौजूद हैं, प्राकृतिक माइक्रो-कंट्रास्ट और विश्वसनीय फोकल रोल-ऑफ़ उत्पन्न करता है।
यहां एकल गर्म व्यावहारिक प्रकाश स्रोत के साथ GPT Image 2.5 पर रेंडर किया गया हमारा क्लोज़-अप पोर्ट्रेट परीक्षण दिया गया है:
Close-up portrait of a watchmaker in a navy linen apron inspecting a mechanical movement through a brass loupe under a warm desk lamp, shallow depth of field, natural skin texture.

पूर्ण रेज़ोल्यूशन पर घड़ीसाज़ के फ्रेम का निरीक्षण करने से पता चलता है कि OpenAI की रेंडरिंग ने कितनी प्रगति की है:
- फोकल प्लेन रोल-ऑफ़: शार्प फोकस सीधे पीतल के लूप के नर्ल्ड रिम, घड़ीसाज़ की उंगलियों के जोड़ों और नाक के पुल पर पड़ता है। निचले अग्रभूमि में नेवी लिनन एप्रन की बुनाई और पीछे कार्यशाला की अलमारियां अचानक डिजिटल कटआउट लाइन से टकराने के बजाय धीरे-धीरे फोकस से बाहर हो जाती हैं।
- त्वचा और धातु के प्रतिबिंब: टंगस्टन डेस्क लैंप माथे की लकीरों, रोमछिद्रों और भौंहों के बिखरे बालों पर दिशात्मक गर्म हाइलाइट्स डालता है, जबकि साथ ही बेंच पर घड़ी के मूवमेंट के मशीनीकृत पीतल के गियर से भी परावर्तित होता है।
- हाथ और उपकरण की ज्यामिति: विपरीत हाथ से घड़ी के मूवमेंट को स्थिर रखते हुए आंख के पास एक छोटा ऑप्टिकल उपकरण पकड़ना इमेज मॉडलों के लिए विफलता का एक क्लासिक मामला है। GPT Image 2.5 उंगलियों की गिनती, टेंडन के तनाव और पीतल के लूप की बेलनाकार ज्यामिति को भौतिक रूप से सुसंगत रखता है।
शुद्ध फोटोग्राफी के लिए आपको GPT Image 2.5 के मुकाबले FLUX.2 Pro/Max को कैसे तौलना चाहिए? यदि आप शून्य टेक्स्ट और छोटे प्रॉम्प्ट के साथ मूडी एनालॉग स्ट्रीट फोटोग्राफी या अनस्क्रिप्टेड लाइफस्टाइल पोर्ट्रेट जनरेट कर रहे हैं, तो FLUX.2 Max अभी भी सीधे एक ऑर्गेनिक फिल्म ग्रेन उत्पन्न करता है। जैसे ही ब्रीफ में विशिष्ट हाथ-से-वस्तु की बातचीत, बहु-वाक्य लेआउट का सख्त पालन, या फ्रेम में पठनीय साइनेज की आवश्यकता होती है, GPT Image 2.5 पहली ही बार में उच्च सफलता दर प्रदान करता है। त्वचा के रोमछिद्रों, कॉस्टिक्स और छाया कोणों के मूल्यांकन पर गहन चेकलिस्ट के लिए, यथार्थवादी AI इमेज जनरेटर्स के लिए हमारी लैब गाइड देखें।
रेफरेंस-कंडीशन्ड एडिटिंग (edit-image) बनाम केवल-टेक्स्ट पाइपलाइन
कमर्शियल क्रिएटिव काम शायद ही कभी पहले text-to-image पास पर समाप्त होता है। एक आर्ट डायरेक्टर घड़ीसाज़ के पोर्ट्रेट या बॉटनिकल सीरम बोतल को मंजूरी देता है, और फिर तीन बदलाव मांगता है: नदी के पत्थरों को तराशे हुए ट्रैवरटाइन पत्थर से बदलें, लेबल कॉपी का जर्मन में अनुवाद करें, या दृश्य में अपना वास्तविक प्रोडक्ट SKU डालें।
GPT Image 2.5 edit-image पर, मल्टी-रेफरेंस कंडीशनिंग जनरेशन के समान ही कीमत (1K पर $0.0525, 2K पर $0.105, 4K पर $0.1575) पर मुख्य एंडपॉइंट में निर्मित है। आप 50,000 कैरेक्टर्स तक के प्रॉम्प्ट के साथ image_urls में सार्वजनिक HTTPS लिंक की एक ऐरे पास करते हैं:
curl -X POST https://api.e2x.ai/v1/jobs/submit \
-H "Authorization: Bearer $E2X_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-image-2.5-sunburst/edit-image",
"input": {
"prompt": "Keep the frosted glass serum bottle and wet river stones from image 1 identical. Change the black sans-serif label text to read \"NORDIC BIRCH NIGHT ELIXIR 50ML\" and match the warm amber rim lighting from image 2.",
"image_urls": [
"https://assets.e2x.ai/assets/posts/gpt-image-2-5-vs-flux-2-pro/example-1.jpg",
"https://example.com/references/amber-rim-light.jpg"
],
"aspect_ratio": "auto",
"resolution": "2K",
"quality": "xhigh"
}
}'
ध्यान दें कि कैसे aspect_ratio: "auto" सोर्स एसेट की फ्रेमिंग को सुरक्षित रखता है जबकि image_urls आपको इंडेक्स ("image 1", "image 2") द्वारा कई इनपुट्स को संदर्भित करने देता है। यदि आपको अल्फा-चैनल PNG कटआउट (background: "transparent") की भी आवश्यकता है, तो याद रखें कि gpt-image-2.5-sunburst (gpt-image-2.5-flare) में background फ़ील्ड नहीं है; ट्रांसपेरेंट कटआउट जॉब्स को 1K पर समान $0.0525 के लिए GPT Image 2 edit-image या GPT Image 2 text-to-image पर रूट करें।
अपनी रूटिंग टेबल में Google Nano Banana Pro और 2.1 को जोड़ना
जब आप E2X पर अपनी पाइपलाइन चलाते हैं, तो आप OpenAI और FLUX के बीच किसी द्विआधारी (binary) विकल्प में बंधे नहीं होते हैं। हमारे कैटलॉग में दो Google एंडपॉइंट्स विशेष प्रोडक्शन बाधाओं को हल करते हैं जिन्हें न तो GPT Image 2.5 और न ही FLUX.2 सीधे लक्षित करता है:
- Nano Banana Pro (
/models/google/nano-banana-pro/text-to-image) $0.075 (1K और 2K दोनों के लिए) और $0.15 (4K) पर: जहां GPT Image 2.5image_urlsकी एक सपाट सूची लेता है, वहीं Nano Banana Pro का एडिट रूट स्पष्ट भूमिका के आधार पर 14 रेफरेंस इमेज तक को अलग करता है (5 कैरेक्टर आइडेंटिटी रेफरेंस, 6 ऑब्जेक्ट रेफरेंस, और 3 स्टाइल रेफरेंस तक)। यदि आप 20-शॉट स्टोरीबोर्ड में बिल्कुल एक ही मानव प्रवक्ता को एक समान रख रहे हैं, या यदि आपका प्रॉम्प्ट वास्तविक दुनिया की Google Search ग्राउंडिंग पर निर्भर करता है, तो 2K ($0.075) पर Nano Banana Pro को कॉल करें। - Nano Banana 2.1 (
/models/google/nano-banana-2.1/text-to-image) $0.03 (1K), $0.04 (2K), और $0.09 (4K) पर: हमारी स्थायी 50% छूट के साथ, हाई-रेज़ोल्यूशन बैचों और अल्ट्रा-वाइड8:1या4:1बैनरों के लिए Nano Banana 2.1 सबसे बेहतरीन मूल्य-प्रदर्शन वर्कहॉर्स है। जब किसी अभियान को जटिल एम्बेडेड पैराग्राफ के बिना 500 4K बैकग्राउंड प्लेट्स की आवश्यकता होती है, तो Nano Banana 2.1 उन्हें GPT Image 2.5 पर $78.75 के बजाय $45.00 में डिलीवर करता है।
यहां JavaScript में एक व्यावहारिक चार-तरफ़ा रूटिंग फ़ंक्शन दिया गया है जो प्रत्येक कार्य के लिए सही E2X एंडपॉइंट चुनता है:
function selectE2XModel({ needsTransparency, needsRoleRefs, hasPackagingText, aspectRatio }) {
const ribbonRatios = new Set(["4:1", "1:4", "8:1", "1:8"]);
if (needsTransparency) {
return "openai/gpt-image-2/text-to-image"; // $0.0525 at 1K, supports background: "transparent"
}
if (ribbonRatios.has(aspectRatio)) {
return "google/nano-banana-2.1/text-to-image"; // $0.03 at 1K, $0.09 at 4K, supports up to 8:1
}
if (needsRoleRefs) {
return "google/nano-banana-pro/edit-image"; // $0.075 at 1K/2K, role-separated character/object refs
}
if (hasPackagingText) {
return "openai/gpt-image-2.5-sunburst/text-to-image"; // $0.0525 at 1K, xhigh/max quality at no extra charge
}
return "google/nano-banana-2.1/text-to-image"; // Default low-cost 1K/2K/4K workhorse
}
यह जानने के लिए कि ये एंडपॉइंट्स लाइव सेवा में एक साथ कैसे फिट बैठते हैं, हमारी GPT Image 2.5 बनाम Nano Banana 2.1 तुलना, हमारी GPT Image 2.5 प्रॉम्प्टिंग गाइड, या संपूर्ण text-to-image कैटलॉग और image-to-image कैटलॉग देखें।
अक्सर पूछे जाने वाले प्रश्न (FAQ)
क्या प्रोडक्ट पैकेजिंग टेक्स्ट के लिए GPT Image 2.5, FLUX.2 Pro से बेहतर है?
हां। जब किसी प्रॉम्प्ट में उद्धरण चिह्नों (quotation marks) में बहु-शब्द प्रोडक्ट लेबल, स्टोरफ्रंट साइन, या UI हेडर शामिल होते हैं, तो xhigh या max क्वालिटी पर GPT Image 2.5 घुमावदार या टेक्सचर वाली सतहों पर अधिक साफ अक्षर रिक्ति (character spacing) और कम स्पेलिंग त्रुटियां बनाए रखता है। E2X पर, 1K में xhigh और max की लागत low या high के समान ही $0.0525 है।
FLUX.2 Pro और Max की तुलना में E2X पर GPT Image 2.5 की कीमत कैसी है?
हमारी स्थायी 75% छूट के साथ, text-to-image और edit-image दोनों कॉल्स के लिए GPT Image 2.5 की लागत 1K पर $0.0525, 2K पर $0.1050, और नेटिव 4K पर $0.1575 है। FLUX.2 Pro और Max को आमतौर पर थर्ड-पार्टी प्लेटफ़ॉर्म पर प्रति मेगापिक्सल बिल किया जाता है (1 MP पर $0.04 से $0.08, 2 MP पर अधिक स्केलिंग) और वे शायद ही कभी अलग अपस्केलिंग पास के बिना नेटिव 4K आउटपुट प्रदान करते हैं।
मैं AI चमक के बिना GPT Image 2.5 पर यथार्थवादी स्किन टेक्सचर और बोकेह कैसे प्राप्त करूं?
सामान्य क्वालिटी बज़वर्ड्स ("8k, hyperrealistic, masterpiece") को छोड़ दें और एक भौतिक प्रकाश स्रोत, लेंस व्यवहार और स्पर्शनीय सतह विवरण ("under a warm desk lamp, shallow depth of field, natural skin texture") निर्दिष्ट करें, फिर quality को xhigh या max पर सेट करें। वह संयोजन पुराने OpenAI मॉडलों में देखी जाने वाली कृत्रिम स्टूडियो स्मूदिंग को हटा देता है।
क्या GPT Image 2.5 रेफरेंस URL का उपयोग करके मौजूदा प्रोडक्ट फ़ोटो को एडिट कर सकता है?
हां। अपने प्रॉम्प्ट (50,000 कैरेक्टर्स तक) और image_urls में HTTPS लिंक की एक ऐरे के साथ /models/openai/gpt-image-2.5-sunburst/edit-image को कॉल करें। आप प्रोडक्ट के सिल्हूट को बरकरार रखते हुए 1K पर $0.0525 में बैकग्राउंड बदल सकते हैं, पैकशॉट की लाइटिंग बदल सकते हैं, या मुद्रित लेबल टेक्स्ट को अपडेट कर सकते हैं।
मुझे GPT Image 2.5 के बजाय Nano Banana Pro या Nano Banana 2.1 का उपयोग कब करना चाहिए?
जब आपको भूमिका-विभाजित रेफरेंस कंडीशनिंग (कैरेक्टर चेहरे, ऑब्जेक्ट और स्टाइल स्लॉट में विभाजित 14 इमेज तक) या Google Search ग्राउंडिंग की आवश्यकता हो, तो /models/google/nano-banana-pro/text-to-image (1K और 2K पर $0.075) चुनें। जब आप सबसे कम 2K और 4K बैच कीमतें या एक्सट्रीम 8:1 और 1:8 बैनर आस्पेक्ट रेशियो चाहते हैं, तो /models/google/nano-banana-2.1/text-to-image (1K पर $0.03, 2K पर $0.04, 4K पर $0.09) चुनें।