Google выпустила Nano Banana 2.1 и обещает улучшения «по всем фронтам»: качество, текст в кадре, консистентность персонажей при многократном редактировании, инфографика. Я прогнал три одинаковых промпта через Nano Banana 2 и 2.1 и посчитал результаты по чек‑листу. Новая версия выиграла не там, где обещали.

Сразу оговорюсь про масштаб: это не бенчмарк. Три задачи, по одному прогону на модель, один оценщик. Такой прогон показывает, где искать разницу, а не измеряет её. Числа Google я привожу отдельно, и отдельно отмечаю: независимых замеров на 8 октября 2026 года нет, все издания о релизе ссылаются на одну таблицу разработчика.

Короткий ответ

• Текст в кадре: обе отрисовали кириллицу и цифры чисто, но двойка выполнила задание точнее — 10 пунктов из 10 против 9. Единственный пункт, который потеряла 2.1, — лишнее слово, которого в промпте не было.

• Инфографика: ничья по фактам. Восемь подписей из восьми, восемь попаданий выносок из восьми у обеих. Вёрстка аккуратнее у 2.1, зато заголовок, которого я не просил, появился только у неё.

• Сцена из трёх персонажей: чище здесь 2.1 — ни одной лишней детали, приметы розданы верно.

• Самое интересное: главный пункт релиза, рост точности инфографики с 0,179 до 0,521, на одной схеме не виден. Обе версии сделали её без фактических ошибок.

Что за модель и что в ней заявлено

Nano Banana 2.1 — обновление Nano Banana 2, о котором Google сообщила 6 октября 2026 года. Обе модели из линейки Flash: 2.1 работает на Gemini 3.6 Flash, двойка — на Gemini 3.1 Flash Image. Флагманская Nano Banana Pro осталась на Gemini 3 Pro Image. Дальше только о первых двух: 2.1 вышла как замена двойки, а не как отдельная линейка.

Что заявлено в карточке модели и материалах Google:

• улучшение качества изображения и реализма на всех поддерживаемых разрешениях;

• улучшение отрисовки текста и вёрстки инфографики;

• консистентность персонажей и объектов при многократном редактировании, то есть в нескольких шагах подряд;

• широкие панорамы и соотношения сторон до 8:1;

• до 14 референсных изображений в одном запросе, с сохранением до четырёх персонажей и десяти объектов;

• обращение к поиску Google, когда модель изображает реально существующие объекты;

• уровни рассуждения minimal, medium и high, где medium стоит по умолчанию;

• редактирование по маске: пользователь выделяет область, и меняется только она.

Из всего списка практичнее прочего выглядит маска. В интерфейсе Gemini она мелькала ещё в марте, но рабочей функцией стала только сейчас, и у двойки её в таком виде нет. В моём тесте маска не проверялась: все три задачи были про генерацию с нуля.

Сравнить версии напрямую по параметрам можно так:

Числа, которые привёл сам Google

Это тесты разработчика: сравнение пар изображений живыми оценщиками, результат в баллах Elo, плюс отдельная автооценка фактической точности инфографики. С Elo её сравнивать нельзя, шкала другая, от 0 до 1.

Из таблицы видно две вещи, и вторая важнее первой. Flash‑модель обошла собственную Pro‑версию по всем строкам, а это против привычного порядка: обычно младшая линейка догоняет флагман, а не обгоняет. И самые крупные отрывы там, где речь не про красоту, а про дисциплину, — консистентность нескольких персонажей и точность инфографики.

Тут нужна остановка. Независимых прогонов этих чисел на 8 октября 2026 года нет. The Decoder, Notebookcheck и Unite.AI пересказывают одну и ту же таблицу Google, а Notebookcheck пишет прямым текстом: «Independent tests are not yet available». Всё, что попадалось у сторонних авторов, — сравнения на нескольких промптах без методологии и без счёта. Поэтому дальше я проверяю не числа, а три вещи, которые из них следуют.

Как я сравнивал

• Промпты одинаковые дословно, по одному прогону на задачу для каждой модели. Генерации — в SYNTX, где обе модели лежат в одном интерфейсе: так один и тот же текст задания уходит двум версиям без переключения между сервисами и без правок по памяти.

• Оценка — чек‑лист «да/нет», без шкал. Пункты двоичные: подпись совпадает посимвольно или нет, выноска попадает в деталь или нет.

• Оценщик один — я. Сравнение не было слепым, я знал, где какая модель, поэтому в отчёте нет «нравится больше», только то, что можно перепроверить по картинкам.

• Разрешение и уровень рассуждения я не выставлял и не сверял, отдаёт ли их интерфейс. По этим двум параметрам условия неизвестны. Это пункт для проверки, а не факт.

• Время генерации не замерял. О скорости здесь не будет ничего.

Тест 1. Текст в кадре: кириллица и цифры

Проверял то, что ломается чаще всего и при этом легко считается: точное воспроизведение надписей. Задача — панель мониторинга сервера с русскими подписями, десятичными дробями и логом моноширинным шрифтом.

Сгенерируй изображение: скриншот панели мониторинга сервера, тёмная тема, 16:9.
Заголовок страницы, точный текст: «Кластер: prod-moscow-1»
Три плитки с метриками, подпись и значение в каждой:
1) «Загрузка CPU» — 78,4 %
2) «Свободно на диске» — 1,2 ТБ
3) «Задержка p95» — 247 мс
Под плитками лог из четырёх строк, моноширинный шрифт:
[12:04:11] INFO  workers=16 queue=0 ok
[12:04:19] WARN  retry=2 node=eu-3
[12:04:26] ERROR timeout=30s shard=7
[12:04:31] INFO  recovered
Других надписей нет. Кириллица и латиница — ровно так, без искажений.

Разница в одну строку, не критично, но не в пользу новой версии. Двойка сделала ровно то, что просили, простыми средствами. Зато у 2.1 аккуратнее собрана сама имитация интерфейса: уровни INFO, WARN и ERROR различаются по цвету, колонки выровнены, в плитках появились иконки и мини‑графики. Вместе с ними пришло лишнее слово «онлайн» и пустое поле внизу кадра, примерно треть высоты.

Из‑за этой строки я и не пишу, что 2.1 лучше работает с текстом. По инструкции «других надписей нет» двойка прошла, а 2.1 — нет.

Тест 2. Инфографика с проверяемым фактом

Здесь заявлен самый большой отрыв: фактическая точность инфографики выросла почти втрое. Проверять такое нужно там, где у картинки есть правильный и неправильный ответ. Я взял схему материнской платы: у ATX стандартное расположение элементов, и выноска либо попадает в деталь, либо нет.

Сгенерируй учебную схему-инфографику: материнская плата формата ATX, вид сверху,
светлый фон, подписи на русском.
Восемь выносок ровно на эти элементы:
1) сокет процессора
2) слоты DIMM
3) 24-контактный разъём питания
4) чипсет
5) порты SATA
6) слот PCIe x16
7) разъём M.2
8) батарейка CR2032
Каждая выноска указывает на нужную деталь и на её правильное место на плате.
Слоты DIMM — справа от сокета, 24-контактный разъём питания — справа по кромке.
Стиль: аккуратный технический рисунок, без фотографизма. Других подписей нет.

По фактам здесь ничья: все восемь элементов на местах, все восемь подписей корректны, включая «24-контактный разъём питания» с дефисом. Путаницы лево‑право, которой обычно грешат генеративные модели, не было ни разу ни у одной.

Разошлось оформление. У 2.1 связи не наезжают друг на друга и регистр сохранён. У двойки одна выноска идёт через соседний элемент, одна ошибочно указывает на неверный элемент, а все восемь подписей она начала с заглавной буквы. Зато 2.1 второй раз подряд дописала то, чего не просили: заголовок, притом что в промпте стояло «других подписей нет».

Что это значит для заявленных 0,521 против 0,179. На одной схеме такой разрыв не воспроизводится: обе версии фактически корректны. Может быть, дело в сложности, и на схемах с длинными подписями и десятками элементов разница проявилась бы. Проверить это можно только отдельным тестом, и одного кадра для вывода о трёхкратном росте мало. Ни подтверждать, ни опровергать числа Google я по этому кадру не стану.

Тест 3. Три персонажа в одном кадре

Самый большой отрыв в таблице Google — консистентность нескольких персонажей, 1106 против 978. В чистом виде это про редактирование, где одна сцена меняется шаг за шагом. У меня один кадр, так что я взял ближайшее доступное: три персонажа с разными приметами в четырёх панелях одной картинки. У каждого ровно одна яркая деталь, и если модель её теряет или меняет местами, это видно сразу.

Сгенерируй одно изображение: сетка 2×2 из четырёх панелей одинакового размера.
В каждой панели одни и те же три персонажа, все трое видны:
— Марк: короткая стрижка, чёрная борода, шеврон на левом рукаве с текстом «СЛУЖБА 412»
— Ирина: длинные светлые волосы, тонкий шрам над левой бровью
— Лена: рыжие волосы, круглые очки, механические часы на левом запястье
Позы по панелям: 1) все стоят у стола; 2) все сидят за ноутбуками;
3) Марк и Лена смотрят на экран, Ирина пишет на доске; 4) все пьют кофе.
Фон — одна и та же лаборатория во всех четырёх панелях, ракурс немного разный.
Никаких других надписей, кроме текста на шевроне.

Здесь 2.1 выглядит сильнее. Лишнего она не добавила: ни посторонних предметов, ни деталей одежды, а вот во второй панели двойки такой элемент появляется. Приметы розданы верно: никто из персонажей не обменялся очками или бородой, а шрам у Ирины держится в трёх панелях из четырёх, где лицо вообще видно. По положению он слегка смещается, но не исчезает.

Дальше оговорка, без которой вывод будет неверным. В промпте не задан стиль, и модели взяли свои настройки по умолчанию: двойка ушла в рисованную манеру, 2.1 — в фотографическую. Реализм в этом тесте сравнивать нельзя, сравнились настройки, а не способности. В итоговую таблицу фотореализм не идёт.

И второе: надпись «СЛУЖБА 412» на шевроне не читается до конца ни у одной модели. В третьей панели, где рука крупнее, она ближе к нужному, но буквы всё равно плывут. Ту самую слабость с мелким текстом, которую Google признаёт в карточке, обе версии показывают одинаково охотно.

Что получилось в сумме

Вывод получился не тот, что подсказывает релизная таблица. По трём задачам 2.1 ни разу не проиграла в аккуратности внутри кадра и ни разу не выиграла там, где решает точное следование заданию. Обе её особенности, чистая вёрстка и реалистичная подача по умолчанию, идут в одной упряжке с привычкой добавлять от себя. В тесте 1 это лишнее слово, в тесте 2 — лишний заголовок. Двойка оба раза просто сделала, что просили.

Есть и другое объяснение, и я не могу его отбросить. То, что я записал в лишнее, может быть работой уровня рассуждения medium, которого у двойки нет. Модель, которая больше думает о вёрстке, охотнее достраивает интерфейс до правдоподобного. Проверить это можно прогонами на minimal и high, чего я не делал.

Где ломается: что Google называет сама

Самое полезное в карточке модели — список ограничений, который разработчик приводит сам. Границы лучше официального признания не покажет никакой тест. Google готова признать следующее:

• мелкий текст размывается, особенно на разрешении 1K;

• длинные абзацы и текст во всю страницу даются нестабильно;

• облик персонажа не всегда совпадает с референсом;

• редактирование по маске иногда выполняет только часть инструкции и сохраняет исходную позу;

• модель путает лево и право;

• ограничены знания о мире, трёхмерные рассуждения и распознавание фактов;

• возможны галлюцинации, а также периодические замедления и таймауты.

Первые три пункта совпали с тем, что я видел своими глазами: нечитаемый шеврон — это мелкий текст, а «онлайн» и заголовок — та же область, где модель достраивает контекст вместо того, чтобы следовать заданию. Четвёртый, про маску, стоит держать в голове: это самая интересная функция 2.1 и единственная, до которой у меня не дошли руки.

Что этот тест не показывает

• Скорость. Время генерации не замерял, поэтому ничего о ней не утверждаю.

• Трёхкратный рост точности инфографики. Одна схема из восьми элементов — слишком простой случай, чтобы разрыв 0,179 против 0,521 проявился.

• Редактирование по маске и многократные правки. А это как раз то, что 2.1 заявляет главным улучшением.

• Работу с референсными изображениями и лимит в 14 картинок. Не проверял вообще.

• Воспроизводимость. Один прогон на задачу не отделяет свойство модели от случайности. Текст в кадре у генеративных моделей ломается как повезёт: три прогона одной задачи могли бы дать другую картину.

• Уровни рассуждения. Разницу между minimal, medium и high я не измерял, хотя именно medium теперь стоит по умолчанию и мог повлиять на результат.

Попробовать на одной задаче

Все три промпта выше можно прогнать самому. Обе версии, Nano Banana 2 и Nano Banana 2.1, есть в SYNTX.AI наравне с остальной линейкой, и одно и то же задание уходит им подряд, без переписывания под каждую. Для читателей Хабра работает промокод CTRLAI: скидка 20% на любой тариф.