Nano Banana 2.1 API: preços, edição e Python

Preço e uso da API do Nano Banana 2.1

O Nano Banana 2.1 custa 3.6 Credits ($0.018) por imagem 1K, 5.4 Credits ($0.027) em 2K e 8.1 Credits ($0.0405) em 4K na Orux AI. A Gemini API do Google informa $0.0336, $0.0504 e $0.113 para o mesmo modelo no Standard. A chamada usa POST https://orux.top/api/v1/tasks, com preço fixo por imagem concluída e referências incluídas.

O Google Batch é mais barato que a Orux AI em 1K e 2K, como mostra a tabela. A seguir: preços, novidades da versão 2.1, scripts de geração e edição, proporções, tempos históricos e comparação com GPT Image 2.5 e Seedream 5.0 Pro. Preços de 29 de outubro de 2026.

Revisão da tradução em 1º de novembro de 2026: os tempos são pequenas amostras de outubro, não um ranking atual ou garantia. As opções descrevem o formulário público da Orux, não todas as capacidades nativas do fornecedor.

Preço do Nano Banana 2.1 por imagem

Deslize para os lados para ver toda a tabela.

1 Credit = $0.005. Os preços do Google vêm da tabela da Gemini API. A coluna fal é sua própria estimativa no guia Nano Banana API, publicado em 22 de outubro de 2026: prompt curto e $35.294 por milhão de tokens de saída de imagem. Não é um preço fixo por imagem.

• A Orux AI custa aproximadamente 54% do Google Standard em 1K e 2K e 36% em 4K. A maior diferença está em 4K, porque o Google usa 3,780 tokens de saída, contra 1,120 em 1K.

• O Google Batch é cerca de 7% mais barato em 1K e 2K. Para milhares de imagens offline, quando é possível esperar, o acesso direto ao Batch custa menos nessas resoluções. Em 4K, a Orux AI custa menos. A Orux AI não oferece modo Batch.

• Os valores por imagem do Google excluem entrada ($1.50 por milhão de tokens) e saída de texto ou thinking ($7.50 por milhão). Várias referências aumentam a entrada no Google e na fal. Na Orux AI, só a resolução define o preço.

Novidades do Nano Banana 2.1

O Google lançou o Nano Banana 2.1 com disponibilidade geral na Gemini API em 6 de outubro de 2026, como atualização do Nano Banana 2. Segundo o changelog, mantém velocidade e custo de nível Flash e melhora qualidade visual, cumprimento de instruções, consistência de personagens entre edições e renderização de texto. Também adiciona 1:4, 4:1, 1:8 e 8:1 em 1K, 2K e 4K.

No Google Standard, 1K custa $0.0336 contra $0.067 no Nano Banana 2, aproximadamente metade. O Google também orienta usuários do modelo Flash de imagem antigo a migrar para 2.1; novos projetos podem começar por essa versão.

Essas são afirmações do Google. Não fizemos benchmark de qualidade entre versões e não quantificamos a melhora.

Texto para imagem em Python

A geração na Orux AI é assíncrona. O envio retorna HTTP 202 e task_id; depois consulte até SUCCESS, FAILED ou EXPIRED. Apenas SUCCESS é cobrado. Nesse fluxo não há callback: o resultado é obtido por consulta.

Crie uma chave em orux.top/keys, exibida uma única vez, e exporte como 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")

O prompt é o template “Product photo” da página do Nano Banana 2.1. Salve task_id de forma persistente antes das consultas e baixe os resultados imediatamente: os links são temporários.

Edição com imagens de referência

Para editar ou combinar imagens, envie até 10 URLs públicas em image_urls e descreva a mudança. O preço é igual ao de texto para imagem na mesma resolução.

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

Especifique o que não deve mudar (“mantenha o vaso exatamente”) e a função de cada imagem. Instruções vagas podem alterar todo o estilo.

Proporções e resolução

Opções do formulário público da Orux AI para nano-banana-2.1:

Deslize para os lados para ver toda a tabela.

As dimensões exatas dependem da proporção. O exemplo existente da Orux abaixo foi salvo em 2K e 3:2; o arquivo servido na página do modelo mede 2528×1696 pixels.

O prompt pediu um logo escrito exatamente “Orux AI”, e essa saída mostra esse texto. Uma imagem demonstra uma possibilidade, não uma garantia. Revise a escrita em todos os resultados.

Tempos observados em tarefas anteriores

As 5 tarefas mais recentes do Nano Banana 2.1 concluídas na Orux AI em outubro de 2026 tiveram média de 124 segundos. A amostra é pequena e inclui fila: serve como ordem de grandeza, não como benchmark.

Nos mesmos números públicos históricos, GPT Image 2.5 Flare teve média de 67 segundos e Sunburst de 125 (5 tarefas cada); Seedream 5.0 Pro, 99 segundos (31 tarefas, em 30 de outubro de 2026).

• Não bloqueie uma requisição web esperando a imagem. Envie, retorne task_id ao cliente e consulte em um worker.

• Consulte a cada 5 segundos. Aumentar a frequência não acelera a geração.

• Defina o limite em minutos. O script espera até 15 minutos e preserva task_id para retomar.

Orçamento de um projeto

Um pequeno preço unitário cresce com o número de tentativas. Um projeto de foto de produto pode usar 200 rascunhos 1K para ajustar prompt e composição e 20 versões finais 4K.

Deslize para os lados para ver toda a tabela.

Os rascunhos dominam a conta: iterar em 1K pode importar mais que o plano escolhido para os arquivos finais. Altere uma variável por vez — objeto, luz e depois proporção — e reutilize bons resultados como referência. Na Orux AI, editar custa o mesmo por imagem que gerar novamente; ajustar uma versão próxima não aumenta o valor unitário. Reduzir tentativas é uma sugestão de processo, não um resultado comprovado aqui.

Os totais do Google usam preços visíveis arredondados por imagem; a cobrança real em tokens pode variar.

Nano Banana 2.1, GPT Image 2.5 e Seedream 5.0 Pro

Preços da Orux AI por imagem concluída em 29 de outubro de 2026. Os tempos são as amostras históricas do original.

Deslize para os lados para ver toda a tabela.

O Nano Banana 2.1 tem o menor preço dos quatro nas resoluções compartilhadas e é o único formulário Orux conferido com 1:8 e 8:1. O Flare foi o mais rápido nessas amostras e aceita mais referências. O Seedream 5.0 Pro é o mais caro e vai até 2K. Preço não mede qualidade: teste seus próprios prompts em dois ou três modelos antes de escolher.

Veja o guia de GPT Image 2.5, o ranking de APIs de imagem por preço e os preços da Gemini API para chat do Google (em inglês).

FAQ

Q.Quanto custa o Nano Banana 2.1?

Na Orux AI, em 29 de outubro de 2026: 3.6 Credits ($0.018) em 1K, 5.4 ($0.027) em 2K e 8.1 ($0.0405) em 4K. Google Standard informa $0.0336, $0.0504 e $0.113; Batch custa aproximadamente metade.

Q.Vale a pena usar 4K?

O original recomenda considerar 4K para materiais finais. Na Orux AI custa 2.25 vezes o 1K: ajuste primeiro em 1K, depois gere a versão escolhida em 4K. O preço 4K é 36% do Google Standard, a maior diferença entre os três tamanhos.

Q.Ele pode editar fotos?

Sim. Envie até 10 URLs em image_urls e descreva a mudança. Na mesma resolução custa o mesmo que texto para imagem, sem adicional pelas referências. Informe a função de cada uma e o que deve permanecer.

Q.Quanto tempo leva uma imagem?

As 5 tarefas concluídas em outubro de 2026 tiveram média de 124 segundos, incluindo fila. Cada tarefa varia: consulte a cada 5 segundos em um worker e permita vários minutos. A média histórica não garante prazo.

Q.Falhas são cobradas?

Não. Só SUCCESS é cobrado; FAILED e EXPIRED não. O saldo é pré-pago, sem mensalidade, e descontado quando uma imagem concluída é entregue.

Fontes e verificação de preços

Preços conferidos em 2026-10-29; tradução revisada em 2026-11-01. Imagem, tokens e Batch do Google: preços da Gemini API. Lançamento e recursos: changelog. Estimativas fal: guia próprio. Preços e tempos históricos da Orux: páginas de modelos vinculadas.