Nano Banana 2.1 API : prix, retouche et Python

Prix et utilisation de l’API Nano Banana 2.1

Sur Orux AI, Nano Banana 2.1 coûte 3.6 Credits ($0.018) par image 1K, 5.4 Credits ($0.027) en 2K et 8.1 Credits ($0.0405) en 4K. L’API Gemini de Google affiche $0.0336, $0.0504 et $0.113 pour le même modèle en Standard. Un seul endpoint, POST https://orux.top/api/v1/tasks, facture chaque image réussie au forfait, références incluses.

Google Batch est moins cher en 1K et 2K : le tableau l’indique clairement. Voici les prix, nouveautés de 2.1, scripts de génération et de retouche, formats, temps historiques et comparaison avec GPT Image 2.5 et Seedream 5.0 Pro. Prix au 29 octobre 2026.

Vérification de traduction le 1er novembre 2026 : les temps viennent de petits échantillons d’octobre, pas d’un classement actuel ni d’une garantie. Les options décrivent le formulaire public Orux, pas toutes les capacités natives du fournisseur.

Prix par image de Nano Banana 2.1

Faites défiler horizontalement pour voir tout le tableau.

1 Credit = $0.005. Les prix Google proviennent de la grille Gemini API. La colonne fal reprend son estimation publiée le 22 octobre 2026 dans son guide Nano Banana API : prompt court et $35.294 par million de tokens de sortie image. Ce n’est pas un forfait par image.

• Orux AI représente environ 54% de Google Standard en 1K et 2K, et 36% en 4K. L’écart est maximal en 4K : Google compte 3,780 tokens de sortie, contre 1,120 en 1K.

• Google Batch coûte environ 7% de moins en 1K et 2K. Pour des milliers d’images hors ligne dont on peut attendre le traitement, l’accès direct à Batch est moins cher à ces tailles. En 4K, Orux AI est moins cher. Orux AI n’a pas de mode Batch.

• Les montants Google par image excluent les entrées ($1.50 par million de tokens) et les sorties texte ou thinking ($7.50 par million). Plusieurs références ajoutent des entrées chez Google et fal. Orux AI facture uniquement selon la résolution.

Nouveautés de Nano Banana 2.1

Google a rendu Nano Banana 2.1 disponible de façon générale dans Gemini API le 6 octobre 2026, comme mise à jour de Nano Banana 2. Son journal annonce une vitesse et un coût de niveau Flash, avec amélioration visuelle, suivi des consignes, cohérence des personnages entre retouches et rendu du texte. Il ajoute les formats 1:4, 4:1, 1:8 et 8:1 en 1K, 2K et 4K.

Google Standard affiche $0.0336 en 1K contre $0.067 pour Nano Banana 2, soit environ la moitié. Google oriente aussi les utilisateurs de l’ancien modèle Flash image vers 2.1 ; les nouveaux projets peuvent partir de cette version.

Il s’agit des affirmations de Google. Nous n’avons pas effectué de benchmark de qualité entre versions et ne chiffrons pas l’amélioration.

Générer une image en Python

La génération Orux AI est asynchrone. La soumission renvoie HTTP 202 et un task_id, puis il faut interroger jusqu’à SUCCESS, FAILED ou EXPIRED. Seul SUCCESS est facturé. Ce flux ne fournit pas de callback : les interrogations servent à récupérer le résultat.

Créez une clé sur orux.top/keys, affichée une seule fois, et exportez-la sous ORUX_API_KEY.

import os, time, json, requests

BASE = "https://orux.top/api/v1"
HEADERS = {"Authorization": f"Bearer {os.environ['ORUX_API_KEY']}"}
PRICE = {"1K": 3.6, "2K": 5.4, "4K": 8.1}   # Credits per image, checked 2026-10-29

def submit(payload: dict) -> str:
    r = requests.post(f"{BASE}/tasks", headers=HEADERS,
                      json={"model": "nano-banana-2.1", "input": payload}, timeout=60)
    if r.status_code == 402:
        raise RuntimeError("Insufficient balance: top up (not an auth error)")
    r.raise_for_status()
    task_id = r.json()["task_id"]
    with open("tasks.jsonl", "a") as f:          # keep ids so a restart can resume
        f.write(json.dumps({"task_id": task_id, "input": payload}) + "\n")
    return task_id

def wait(task_id: str, max_wait: int = 900) -> list[str]:
    deadline = time.time() + max_wait
    while time.time() < deadline:
        time.sleep(5)
        t = requests.get(f"{BASE}/tasks/{task_id}", headers=HEADERS, timeout=30).json()
        if t["status"] == "SUCCESS":
            return t["result"]
        if t["status"] in ("FAILED", "EXPIRED"):
            raise RuntimeError(t.get("error") or t["status"])   # not charged
    raise TimeoutError(f"{task_id} still running; poll it again later, do not resubmit")

def save(urls: list[str], prefix: str) -> None:
    for i, url in enumerate(urls):
        with open(f"{prefix}_{i}.png", "wb") as f:
            f.write(requests.get(url, timeout=120).content)    # result URLs expire

job = {
    "prompt": "Studio product photograph of a small matte purple ceramic vase "
              "on a warm white background, soft natural shadow, no text.",
    "resolution": "1K",
    "aspect_ratio": "1:1",
}
print(f"expected charge: {PRICE[job['resolution']]} Credits")
save(wait(submit(job)), "vase")

Le prompt est le modèle “Product photo” de la page Nano Banana 2.1. Conservez durablement le task_id avant les interrogations et téléchargez immédiatement les résultats : leurs liens sont temporaires.

Retoucher avec des images de référence

Pour retoucher ou composer, transmettez jusqu’à 10 URL publiques dans image_urls et décrivez le changement. Le tarif reste celui d’une génération texte à cette résolution.

edit = {
    "prompt": "Keep the vase from the first image exactly. Place it on the oak shelf "
              "from the second image, late afternoon light, no text.",
    "image_urls": [
        "https://example.com/vase.png",
        "https://example.com/shelf.jpg",
    ],
    "resolution": "2K",
    "aspect_ratio": "4:5",
}
save(wait(submit(edit)), "vase_on_shelf")   # 5.4 Credits if it succeeds

Précisez les éléments à conserver (“garder exactement le vase”) et le rôle de chaque image. Une consigne vague peut modifier tout le style.

Formats et résolution

Options proposées par le formulaire public Orux AI pour nano-banana-2.1 :

Faites défiler horizontalement pour voir tout le tableau.

Les dimensions exactes dépendent du format. L’exemple Orux existant ci-dessous a été enregistré en 2K et 3:2 ; le fichier servi sur la page du modèle mesure 2528×1696 pixels.

Le prompt demandait un logo portant exactement “Orux AI”, et c’est bien ce qui se lit ici. Une image unique montre une possibilité sans la garantir : relisez le texte de chaque résultat.

Temps observés sur des tâches antérieures

Les 5 dernières tâches Nano Banana 2.1 terminées sur Orux AI en octobre 2026 ont pris 124 secondes en moyenne. Ce petit échantillon inclut l’attente en file : c’est un ordre de grandeur, pas un benchmark.

Dans les mêmes chiffres publics historiques, GPT Image 2.5 Flare affiche 67 secondes, Sunburst 125 (5 tâches chacun), et Seedream 5.0 Pro 99 secondes (31 tâches, au 30 octobre 2026).

• Ne bloquez pas une requête web en attendant l’image. Soumettez, renvoyez task_id au client et interrogez depuis un worker.

• Interrogez toutes les 5 secondes. Une fréquence supérieure n’accélère pas la génération.

• Prévoyez un délai en minutes. Le script attend jusqu’à 15 minutes et conserve task_id pour reprendre.

Budgéter un projet

Un petit tarif s’accumule avec le nombre de tentatives. Un projet de photos produit pourrait compter 200 brouillons 1K pour fixer prompt et composition, puis 20 versions finales 4K.

Faites défiler horizontalement pour voir tout le tableau.

Les brouillons dominent la facture : itérer en 1K peut compter davantage que le tarif choisi pour les versions finales. Modifiez une variable à la fois — sujet, lumière, puis format — et réutilisez une bonne sortie comme référence. Sur Orux AI, retoucher coûte autant par image que repartir de zéro ; corriger une version proche n’augmente pas le tarif unitaire. Réduire les essais reste un conseil de méthode, pas un résultat démontré ici.

Les totaux Google utilisent les prix visibles arrondis par image ; la facture réelle calculée en tokens peut différer.

Nano Banana 2.1, GPT Image 2.5 et Seedream 5.0 Pro

Tarifs Orux AI par image réussie au 29 octobre 2026. Les temps correspondent aux échantillons historiques du texte source.

Faites défiler horizontalement pour voir tout le tableau.

Nano Banana 2.1 est le moins cher des quatre aux résolutions communes et le seul formulaire Orux vérifié proposant 1:8 et 8:1. Flare était le plus rapide de ces échantillons et accepte plus de références. Seedream 5.0 Pro est le plus cher et s’arrête à 2K. Le prix ne mesure pas la qualité : essayez vos prompts sur deux ou trois modèles avant de choisir.

Voir aussi le guide GPT Image 2.5, le classement des API image par prix et les prix de Gemini API pour le chat Google (en anglais).

FAQ

Q.Combien coûte Nano Banana 2.1 ?

Au 29 octobre 2026 sur Orux AI : 3.6 Credits ($0.018) en 1K, 5.4 ($0.027) en 2K et 8.1 ($0.0405) en 4K. Google Standard affiche $0.0336, $0.0504 et $0.113 ; Batch coûte environ la moitié.

Q.Le 4K vaut-il son coût ?

Le texte source le recommande pour les versions finales. Sur Orux AI, il coûte 2.25 fois le 1K : affinez en 1K puis générez la version retenue en 4K. Le tarif 4K équivaut à 36% de Google Standard, soit l’écart maximal des trois tailles.

Q.Peut-il retoucher des photos ?

Oui. Passez jusqu’à 10 URL dans image_urls et décrivez le changement. À résolution égale, le prix est identique au texte vers image, sans supplément pour les références. Précisez leur rôle et les éléments à conserver.

Q.Combien de temps prend une image ?

Les 5 tâches terminées en octobre 2026 ont pris 124 secondes en moyenne, attente comprise. Chaque tâche varie : interrogez toutes les 5 secondes depuis un worker et laissez plusieurs minutes. Cette moyenne historique ne garantit pas un délai.

Q.Les échecs sont-ils facturés ?

Non. Seul SUCCESS est facturé ; FAILED et EXPIRED ne le sont pas. Le solde est prépayé, sans abonnement mensuel, et débité lors de la livraison d’une image réussie.

Sources et vérification des prix

Prix vérifiés le 2026-10-29 ; traduction revue le 2026-11-01. Images, tokens et Batch Google : prix Gemini API. Sortie et fonctions : journal des changements. Estimations fal : guide officiel. Tarifs et temps historiques Orux : pages de modèles liées.