ब्लॉग पर वापस जाएं

GPT Image 2.5 बनाम Nano Banana 2.1: 4K इमेज जनरेशन, टाइपोग्राफी और API लागत की तुलना

E2X Team··14 मिनट पढ़ें
gpt-image-2.5gpt-image-2.5-sunburstgpt-image-2.5-flarenano-banana-2.1nano-bananaopenaigoogleimage-generationimage-api

2026 के अंत में इमेज जनरेशन API का मूल्यांकन करने वाली अधिकांश इंजीनियरिंग टीमें अंततः दो प्रमुख रूट्स की तुलना करती हैं: OpenAI का GPT Image 2.5 text-to-image और Google का Nano Banana 2.1 text-to-image। दोनों एंडपॉइंट्स text-to-image कॉल्स पर 32,000 कैरेक्टर्स तक के प्रॉम्प्ट स्वीकार करते हैं, नेटिव 1K, 2K और 4K आउटपुट रेंडर करते हैं, और E2X पर एक ही एसिंक्रोनस जॉब कॉन्ट्रैक्ट साझा करते हैं।

उनके बीच मुख्य अंतर इस बात में है कि वे रेज़ोल्यूशन अपग्रेड की कीमत कैसे तय करते हैं, भारी रिफाइनमेंट सेटिंग्स के तहत मल्टी-लाइन एम्बेडेड टाइपोग्राफी को कैसे संभालते हैं, और बिना पोस्ट-क्रॉप नुकसान के किन एक्सट्रीम आस्पेक्ट रेशियो को नेटिव रूप से स्वीकार करते हैं। E2X पर, हमारी स्थायी 50% छूट के तहत Nano Banana 2.1 की कीमत प्रति 1K इमेज $0.03 से शुरू होती है और 4K मास्टर के लिए अधिकतम $0.09 तक जाती है। हमारी स्थायी 75% छूट के तहत GPT Image 2.5 प्रति 1K इमेज $0.0525 से शुरू होता है और 4K पर $0.1575 तक जाता है, साथ ही यह high की तुलना में बिना किसी अतिरिक्त शुल्क के xhigh और max क्वालिटी पास अनलॉक करता है।

यह तुलना प्रति-इमेज लागत, स्कीमा पैरामीटर्स, टाइपोग्राफी व्यवहार और रूटिंग रणनीतियों का सटीक विश्लेषण करती है ताकि आप प्रत्येक एंडपॉइंट को उन कार्यों के लिए चुन सकें जिन्हें वह सबसे बेहतर तरीके से संभालता है।

डार्क ग्रेनाइट काउंटर पर ब्रश्ड स्टील और पीतल में बना सटीक तराजू

स्पेसिफिकेशन और कीमतों की सीधी तुलना

नीचे दी गई तालिका में प्रत्येक कीमत 4 नवंबर, 2026 को जांची गई E2X की सक्रिय ऑन-डिमांड दर को दर्शाती है। दोनों मॉडल परिवार जनरेशन और रेफरेंस-एडिटिंग के लिए युग्मित रूट्स प्रदान करते हैं जो प्रत्येक रेज़ोल्यूशन स्तर पर समान शुल्क लेते 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)।

क्षमताOpenAI GPT Image 2.5Google Nano Banana 2.1
Text-to-image एंडपॉइंट/models/openai/gpt-image-2.5-sunburst/text-to-image/models/google/nano-banana-2.1/text-to-image
Edit-image एंडपॉइंट/models/openai/gpt-image-2.5-sunburst/edit-image/models/google/nano-banana-2.1/edit-image
स्थायी E2X छूटलिस्ट रेट पर 75% की छूटलिस्ट रेट पर 50% की छूट
प्रति इमेज 1K कीमत$0.0525 (लिस्ट $0.21)$0.0300 (लिस्ट $0.06)
प्रति इमेज 2K कीमत$0.1050 (लिस्ट $0.42)$0.0400 (लिस्ट $0.08)
प्रति इमेज 4K कीमत$0.1575 (लिस्ट $0.63)$0.0900 (लिस्ट $0.18)
प्रति 1,000 इमेज लागत (1K)$52.50$30.00
प्रति 1,000 इमेज लागत (2K)$105.00$40.00
प्रति 1,000 इमेज लागत (4K)$157.50$90.00
क्वालिटी पैरामीटर विकल्पlow, medium, high (डिफ़ॉल्ट), xhigh, maxमॉडल द्वारा स्वचालित रूप से प्रबंधित
आस्पेक्ट रेशियो की संख्या16 (auto + 3:1 और 1:3 तक 15 फिक्स्ड रेशियो)15 (auto + 8:1 और 1:8 तक 14 फिक्स्ड रेशियो)
अधिकतम प्रॉम्प्ट लंबाई (text-to-image)32,000 कैरेक्टर्स32,000 कैरेक्टर्स
अधिकतम प्रॉम्प्ट लंबाई (edit-image)50,000 कैरेक्टर्स32,000 कैरेक्टर्स
प्रोवेनेंस मेटाडेटाC2PA मेटाडेटा और OpenAI एट्रिब्यूशनएम्बेडेड Google SynthID वॉटरमार्क

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।

बड़े पैमाने पर दोनों प्राइसिंग कर्व्स कैसे काम करते हैं

केवल 1K एंट्री कीमत को देखने से इन दोनों आर्किटेक्चर के बीच का सबसे बड़ा ऑपरेशनल अंतर छिप जाता है: वे 1K ड्राफ्ट से 2K और 4K प्रोडक्शन एक्सपोर्ट तक कैसे स्केल करते हैं।

GPT Image 2.5 text-to-image और GPT Image 2.5 edit-image पर, हर अनुरोध $0.03 के लिस्ट बेस रेट से शुरू होता है, जिसे हमारी 75% छूट घटाकर $0.0075 (7,500 माइक्रो-सेंट्स) कर देती है। इसके बाद दो स्कीमा मल्टीप्लायर लागू होते हैं:

  • quality मल्टीप्लायर: low, medium, high (डिफ़ॉल्ट), xhigh, और max सभी पर बिल्कुल एक समान ×7 मल्टीप्लायर लागू होता है।
  • resolution मल्टीप्लायर: 1K के लिए ×1 ($0.0525), 2K के लिए ×2 ($0.1050), और 4K के लिए ×3 ($0.1575) है।

चूंकि E2X पर सभी पांच quality वैल्यूज़ समान ×7 फैक्टर साझा करती हैं, इसलिए quality को high से बढ़ाकर xhigh या max करने पर आपके बिल में $0.00 जुड़ते हैं। आप अपना हर एक 1K कम्पोज़िशन टेस्ट $0.0525 में xhigh या max पर चला सकते हैं। दूसरी ओर, 1K से 2K पर जाने से लागत दोगुनी हो जाती है, और 4K पर जाने से यह तीन गुनी हो जाती है।

Nano Banana 2.1 text-to-image और Nano Banana 2.1 edit-image पर, जब तक Google अपनी अपस्ट्रीम कीमतों को अपरिवर्तित रखता है, तब तक हमारी 50% स्थायी छूट लागू रहती है। 1K ($0.03) से 2K ($0.04) पर जाने से प्रति इमेज केवल एक सेंट जुड़ता है। यहां तक कि नेटिव 4K पर भी, Nano Banana 2.1 प्रति आउटपुट $0.09 चार्ज करता है, जो GPT Image 2.5 के 2K आउटपुट ($0.1050) से भी सस्ता है।

जब आप 4K रेज़ोल्यूशन पर 1,000-इमेज बैच का हिसाब लगाते हैं, तो GPT Image 2.5 के $157.50 के मुकाबले Nano Banana 2.1 की लागत $90.00 आती है। प्रति-हज़ार $67.50 का यह अंतर 2K टियर पर और बढ़ जाता है, जहां Nano Banana 2.1 पर 1,000 इमेज की लागत $40.00 होती है, जबकि GPT Image 2.5 पर यह $105.00 होती है। यदि आपकी पाइपलाइन थोक में हाई-रेज़ोल्यूशन ई-कॉमर्स ज़ूम व्यू, प्रिंट कैटलॉग, या 2K ब्लॉग हेडर एक्सपोर्ट करती है, तो Nano Banana 2.1 आपके रेज़ोल्यूशन खर्च को आधे से भी कम कर देता है।

टाइपोग्राफी, साइनेज, और xhigh / max का लाभ

जब Nano Banana 2.1 हर रेज़ोल्यूशन टियर पर सस्ता है, तो GPT Image 2.5 के लिए 1K पर $0.0525 या 4K पर $0.1575 का भुगतान क्यों करें? इसका उत्तर तब सामने आता है जब आपके प्रॉम्प्ट में कोटेड स्ट्रिंग्स (उद्धरण चिह्नों में पाठ), कर्निंग बाधाएं, या बहु-वाक्य स्थानिक लेआउट शामिल होते हैं।

जहां Google का Gemini-आधारित Nano Banana 2.1 छोटे हेडलाइंस और साफ पैकेजिंग बैज को अच्छी तरह से संभालता है, वहीं OpenAI का GPT Image 2.5 तब आगे निकल जाता है जब अक्षरों में स्वयं भौतिक सामग्री की गहराई, पेंट किया हुआ टेक्सचर, या किसी वास्तुशिल्प दृश्य के भीतर सख्त संरेखण (अलाइनमेंट) की आवश्यकता होती है। quality: "xhigh" या quality: "max" पास करने से मॉडल को अक्षरों के किनारों, सेरिफ़ टर्मिनलों और लेटरफॉर्म्स के बीच छाया की निरंतरता को सुलझाने के लिए अतिरिक्त रिफाइनमेंट स्टेप्स खर्च करने का निर्देश मिलता है।

यह परखने के लिए कि GPT Image 2.5 कोणीय दिशात्मक प्रकाश के तहत सतह पर लिखे अक्षरों को कैसे संभालता है, हमने xhigh क्वालिटी पर निम्नलिखित प्रॉम्प्ट चलाया:

Artisanal sourdough bakery storefront sign in enameled dark green steel with hand-painted gold leaf lettering reading "BOULANGERIE DU NORD EST. 1924", morning sunlight casting shadows on limestone.

GPT Image 2.5 द्वारा जनरेट किया गया गोल्ड लीफ टाइपोग्राफी के साथ गहरे हरे रंग के इनेमल स्टील का बेकरी स्टोरफ्रंट साइन

उस स्टोरफ्रंट आउटपुट में तीन विवरणों को ध्यान से देखें:

  1. अक्षरों की सटीकता और बेसलाइन संरेखण: "BOULANGERIE DU NORD EST. 1924" में प्रत्येक अक्षर की स्पेलिंग बिल्कुल सही है, जिसमें EST. के बाद का फुल स्टॉप और चार अंकों का वर्ष शामिल है, और क्षैतिज साइनबोर्ड पर कहीं भी स्ट्रोक आपस में मिले हुए नहीं हैं या कर्निंग नहीं बिगड़ी है।
  2. टाइप और सतह के बीच सामग्री की परस्पर क्रिया: सोने के वर्क (गोल्ड लीफ) वाले अक्षर अपने नीचे के गहरे हरे इनेमल स्टील की तुलना में सुबह की दिशात्मक धूप को अलग तरह से परावर्तित करते हैं। स्टील पैनल का बेवल टेक्स्ट की बेसलाइन को विकृत किए बिना आसपास के चूना पत्थर के ब्लॉकों पर एक स्पष्ट छाया डालता है।
  3. xhigh के लिए शून्य अतिरिक्त लागत: इस रेंडर को quality: "xhigh" और resolution: "1K" पर चलाने की लागत low या high कॉल के समान ही $0.0525 है। आप केवल तभी अधिक भुगतान करते हैं जब आप स्वीकृत फ्रेम को 2K ($0.105) या 4K ($0.1575) पर अपग्रेड करते हैं।

GPT Image 2.5 रेफरेंस-एडिटिंग पाइपलाइनों को एक बड़ा टेक्स्ट बजट भी देता है। जहां दोनों text-to-image एंडपॉइंट्स prompt को 32,000 कैरेक्टर्स तक सीमित रखते हैं, वहीं GPT Image 2.5 edit-image इस सीमा को 50,000 कैरेक्टर्स तक बढ़ा देता है। जो टीमें प्रोग्रामेटिक रूप से एडिट पेलोड में पूर्ण OCR ट्रांसक्रिप्ट, CSS-जैसे कोऑर्डिनेट बाउंड्स और बहुभाषी कॉपी टेबल्स इंजेक्ट करती हैं, वे 32K की सीमा से टकराए बिना उन निर्देशों को भेज सकती हैं।

यदि आपके वर्कफ़्लो में अल्फा चैनल्स शामिल हैं, तो एक स्कीमा अंतर याद रखें: न तो GPT Image 2.5 और न ही Nano Banana 2.1 में background: "transparent" पैरामीटर उपलब्ध है। जब आपको सिंगल-कॉल ट्रांसपेरेंट PNG कटआउट की आवश्यकता हो, तो उस अनुरोध को समान $0.0525 (1K) दर पर GPT Image 2 text-to-image या GPT Image 2 edit-image पर रूट करें।

आस्पेक्ट रेशियो: 16 मानक फ्रेम बनाम एक्सट्रीम 8:1 रिबन

फ्रेमिंग इन दोनों मॉडलों के बीच दूसरा बड़ा अंतर है। दोनों एंडपॉइंट्स aspect_ratio: "auto" का समर्थन करते हैं, जो मॉडल को एक ऐसा कैनवास अनुपात चुनने देता है जो आपके लिखित प्रॉम्प्ट के अनुकूल हो या इनपुट रेफरेंस इमेज की ज्यामिति को सुरक्षित रखता हो। दोनों मुख्य व्यावसायिक फ़ॉर्मेट को भी कवर करते हैं: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 5:4, 4:5, और 21:9।

उस साझा मध्य भूमि के बाहर, प्रत्येक वेंडर ऐसे अनुपात जोड़ता है जिन्हें दूसरा छोड़ देता है:

  • GPT Image 2.5 (कुल 16 विकल्प) में 9:21, 2:1, 1:2, 3:1, और 1:3 शामिल हैं। इसका सबसे चौड़ा क्षैतिज फ्रेम 3:1 है और सबसे लंबा लंबवत फ्रेम 1:3 है।
  • Nano Banana 2.1 (कुल 15 विकल्प) 9:21, 2:1, 1:2, 3:1, और 1:3 को छोड़ देता है, लेकिन चार एक्सट्रीम रिबन अनुपात जोड़ता है: 4:1, 1:4, 8:1, और 1:8।

जब आप 21:9 पर अल्ट्रा-वाइड वास्तुशिल्प दृश्य, हीरो हेडर, या पैनोरमिक बैकग्राउंड जनरेट कर रहे होते हैं, तो दोनों मॉडल चौड़े फ्रेम के लिए स्वाभाविक रूप से कम्पोज़ करते हैं। नीचे इस प्रॉम्प्ट के साथ रेंडर किया गया 21:9 वास्तुशिल्प परीक्षण दिया गया है:

Ultra-wide cinematic architectural photograph of a minimalist concrete coastal pavilion at dusk, warm interior lantern light reflecting across a calm tidal pool, clean horizon.

गोधूलि वेला में अल्ट्रा-वाइड 21:9 कंक्रीट तटीय मंडप

ध्यान दें कि कैसे कैंटिलीवर कंक्रीट की छत की क्षैतिज रेखाएं, शांत पानी की सतह, और दूर का समुद्री क्षितिज केंद्र में गर्म लालटेन के प्रतिबिंब को बाधित किए बिना 21:9 फ्रेम को विभाजित करते हैं। Nano Banana 2.1 पर 4K में इसे नेटिव रूप से 21:9 पर जनरेट करने की लागत $0.09 आती है, जिससे डिज़ाइनरों को UI ओवरले के लिए दोनों तरफ भरपूर साफ मार्जिन के साथ एक चौड़ी मास्टर फ़ाइल मिलती है।

यदि आपके लेआउट को और भी चौड़े लीडरबोर्ड बैनर (4:1 या 8:1) या लंबे स्काईस्क्रेपर रेल (1:4 या 1:8) की आवश्यकता है, तो GPT Image 2.5 3:1 और 1:3 पर रुक जाता है। 16:9 या 3:1 इमेज को काटकर 8:1 करने से आपके द्वारा भुगतान किए गए पिक्सल का आधा से तीन-चौथाई हिस्सा बेकार हो जाता है और वर्टिकल फ्रेमिंग खराब हो जाती है। सीधे Nano Banana 2.1 text-to-image को aspect_ratio: "8:1" भेजने से पहले ही चरण से रिबन के भीतर दृश्य तैयार होता है।

/v1/jobs/submit के साथ दोनों मॉडलों के बीच वर्कलोड रूट करना

चूंकि E2X मॉडल कैटलॉग में प्रत्येक मॉडल POST https://api.e2x.ai/v1/jobs/submit के पीछे काम करता है, इसलिए आपको प्रोडक्शन में दोनों एंडपॉइंट्स का उपयोग करने के लिए अलग-अलग OpenAI और Google SDK, अलग बिलिंग खातों, या अलग वेबहुक हैंडलर्स की आवश्यकता नहीं है।

एक व्यावहारिक लागत-और-गुणवत्ता रूटिंग पैटर्न तेज़ 2K/4K सीनिक एसेट्स, बैकग्राउंड प्लेट्स और एक्सट्रीम बैनर अनुपातों के लिए Nano Banana 2.1 का उपयोग करता है, जबकि भारी टाइपोग्राफी वाले पैकेजिंग शॉट्स और जटिल बहु-वाक्य एडिट्स को xhigh या max पर GPT Image 2.5 पर रूट करता है।

यहां एक साफ Node.js राउटर दिया गया है जो एक ही जॉब सबमिशन और पोलिंग लूप के माध्यम से किसी भी एंडपॉइंट पर डिस्पैच करता है:

const E2X_API_URL = "https://api.e2x.ai/v1/jobs";
const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

async function generateAsset({
  prompt,
  aspectRatio = "16:9",
  resolution = "2K",
  hasStrictTypography = false,
  imageUrls = [],
}) {
  const ExtremeRatios = new Set(["4:1", "1:4", "8:1", "1:8"]);
  const useOpenAI = hasStrictTypography && !ExtremeRatios.has(aspectRatio);

  const family = useOpenAI ? "openai/gpt-image-2.5-sunburst" : "google/nano-banana-2.1";
  const task = imageUrls.length > 0 ? "edit-image" : "text-to-image";
  const model = `${family}/${task}`;

  const input = {
    prompt,
    aspect_ratio: aspectRatio,
    resolution,
  };

  if (useOpenAI) {
    input.quality = "xhigh";
  }
  if (imageUrls.length > 0) {
    input.image_urls = imageUrls;
  }

  const submitRes = await fetch(`${E2X_API_URL}/submit`, {
    method: "POST",
    headers,
    body: JSON.stringify({ model, input }),
  });

  const { data: submitted } = await submitRes.json();

  for (let attempt = 0; attempt < 120; attempt++) {
    await new Promise((r) => setTimeout(r, 3000));
    const pollRes = await fetch(`${E2X_API_URL}/${submitted.jobId}`, { headers });
    const { data: job } = await pollRes.json();

    if (job.status === "completed") {
      return { modelUsed: model, url: job.outputs[0].url };
    }
    if (job.status === "failed" || job.status === "cancelled") {
      throw new Error(job.error?.message || `Job ended with ${job.status}`);
    }
  }

  throw new Error(`Job ${submitted.jobId} timed out`);
}

जब आप इसे एक स्वचालित पाइपलाइन में जोड़ते हैं, तो तीन पैरामीटर नियमों को ध्यान में रखें:

  • resolution के लिए अपरकेस स्ट्रिंग्स ("1K", "2K", "4K") पास करें।
  • स्कीमा डिफ़ॉल्ट पर निर्भर रहने के बजाय प्रत्येक अनुरोध पर स्पष्ट रूप से aspect_ratio पिन करें, विशेष रूप से तब जब आप कम लागत वाले जॉब्स को Nano Banana 2 Lite (1K पर $0.0238) पर भी रूट करते हैं।
  • स्थायी होस्टिंग के लिए data.outputs[0].url को अपने स्वयं के S3, GCS, या R2 बकेट में कॉपी करें।

वेबहुक और रीट्राई बैकऑफ़ के साथ हाई-थ्रूपुट वर्कर क्यू के लिए, बड़े पैमाने पर इमेज को ऑटो-जनरेट कैसे करें पर हमारी गाइड और हमारी Nano Banana मॉडल तुलना पढ़ें। आप GPT Image 2.5 llms.txt पर पैरामीटर स्कीमा का निरीक्षण भी कर सकते हैं या सभी text-to-image मॉडल्स और image-to-image मॉडल्स ब्राउज़ कर सकते हैं।

अक्सर पूछे जाने वाले प्रश्न (FAQ)

4K पर कौन सा सस्ता है: GPT Image 2.5 या Nano Banana 2.1?

4K पर Nano Banana 2.1 43% सस्ता है। हमारी स्थायी 50% छूट के साथ, Nano Banana 2.1 की लागत प्रति 4K इमेज $0.09 (प्रति 1,000 इमेज $90) है, जबकि हमारी 75% छूट के साथ GPT Image 2.5 की लागत प्रति 4K इमेज $0.1575 (प्रति 1,000 इमेज $157.50) है। 2K रेज़ोल्यूशन पर, GPT Image 2.5 के $0.105 के मुकाबले Nano Banana 2.1 की लागत $0.04 है।

क्या GPT Image 2.5 पर xhigh और max क्वालिटी सेटिंग्स की लागत अधिक होती है?

नहीं। E2X पर, सभी पांच quality सेटिंग्स (low, medium, high, xhigh, और max) डिस्काउंटेड बेस रेट पर समान ×7 मल्टीप्लायर लागू करती हैं। चाहे आप low का अनुरोध करें या max का, 1K जनरेशन या एडिट की लागत $0.0525 ही होती है। केवल resolution (1K, 2K, 4K) आपकी प्रति इमेज कीमत बदलता है।

इमेज के अंदर टेक्स्ट रेंडर करने के लिए कौन सा मॉडल बेहतर है?

जब आपके प्रॉम्प्ट में बहु-शब्द साइनेज, स्टोरफ्रंट लेटरिंग, पैकेजिंग लेबल, या सख्त कर्निंग के साथ UI मॉकअप की आवश्यकता होती है, तो GPT Image 2.5 अधिक विश्वसनीय होता है। quality को xhigh या max पर सेट करने से एम्बेडेड टेक्स्ट पर अक्षरों के किनारे और सतह की शेडिंग शार्प हो जाती है। Nano Banana 2.1 छोटे शीर्षकों को अच्छी तरह से संभालता है, और Google परिवार के भीतर घने बहुभाषी लेआउट के लिए आप Nano Banana Pro (1K/2K पर $0.075) पर भी अपग्रेड कर सकते हैं।

कौन से आस्पेक्ट रेशियो प्रत्येक मॉडल के लिए विशिष्ट (एक्सक्लूसिव) हैं?

Nano Banana 2.1 अल्ट्रा-वाइड और अल्ट्रा-टॉल रिबन अनुपातों का समर्थन करता है: 4:1, 1:4, 8:1, और 1:8। GPT Image 2.5 अधिकतम 3:1 और 1:3 तक जाता है, और इसमें 2:1, 1:2, और 9:21 शामिल हैं। दोनों मॉडल auto के साथ-साथ 1:1, 16:9, 9:16, 4:3, 3:2, और 21:9 जैसे मानक अनुपातों का समर्थन करते हैं।

GPT Image 2.5 बनाम Nano Banana 2.1 पर प्रॉम्प्ट कितने लंबे हो सकते हैं?

/models/openai/gpt-image-2.5-sunburst/text-to-image और /models/google/nano-banana-2.1/text-to-image दोनों 32,000 कैरेक्टर्स तक स्वीकार करते हैं। एडिटिंग के लिए, /models/openai/gpt-image-2.5-sunburst/edit-image सीमा को 50,000 कैरेक्टर्स तक बढ़ा देता है, जबकि /models/google/nano-banana-2.1/edit-image 32,000 कैरेक्टर्स पर ही रहता है।

क्या दोनों मॉडल E2X पर एक ही API पेलोड संरचना का उपयोग करते हैं?

हां। दोनों मॉडलों को model और input (prompt, aspect_ratio, resolution, साथ ही एडिट रूट्स के लिए image_urls) के साथ POST https://api.e2x.ai/v1/jobs/submit के माध्यम से कॉल किया जाता है। स्लग को google/nano-banana-2.1/text-to-image या google/nano-banana-2.1/edit-image पर स्विच करते समय quality पैरामीटर को छोड़ दें।