Google 發布 Nano Banana 2.1：局部修圖、角色一致性與 4K 生成升級，官方價格一次看
Nano Banana 2.1 的升級能否減少反覆改圖？本文用官方資料與示例，說明局部編輯、參考圖上限、圖片輸出費與使用入口。
Nano Banana 2.1 是 Google 新推出的圖片生成與編輯模型，可以根據文字描述製作圖片，也能接收原圖，透過對話反覆修改。這次更新集中在視覺品質、指令遵循、圖片中的文字，以及多次修改後的角色一致性，延續高效率的產品定位。
Google 在台灣時間 2026 年 10 月 7 日凌晨透過官方帳號公布消息。Gemini API 的更新紀錄則以 10 月 6 日記載正式可用版本，模型代碼為 gemini-nano-banana-2.1。API 是讓其他軟體呼叫模型功能的介面，開發者可以把它串進自己的設計或內容製作流程。
對經常製作社群圖、商品視覺與系列角色的使用者來說，這次更新值得試用，原因是它同時處理畫面品質與反覆修改的需求。但官方示例仍不能代替自己的素材測試，價格也要區分單張圖片輸出與完整請求的費用。把升級內容、官方圖片、計價條件與使用入口放在一起，才容易判斷是否適合導入。
Nano Banana 2.1 的定位：高效率生圖模型更新
Nano Banana 是 Google 圖片生成系列的名稱，不同版本在速度、成本與複雜設計需求上有不同定位。依照官方模型頁，Nano Banana 2.1 是 Nano Banana 2 的更新版，主打高效率生成與對話式編輯，並作為 Nano Banana Pro 的較高效率選項。
這個定位與日常設計工作有直接關係。同一個主題往往需要多種構圖、不同尺寸與幾輪修改，如果每次調整都必須重新開始，出圖速度再快也可能被返工抵消。因此，評估新版時，除了看第一張圖是否漂亮，也要看第二次、第三次修改能否保住已經滿意的部分。
Google AI Studio 的官方公告列出視覺設計、遮罩編輯、主體一致性與更自然的影像四項重點。這些是 Google 對更新的描述，官方公開示例沒有提供同題目、同條件的完整測試紀錄，無法據此保證所有任務都勝過舊版。
更自然的畫面，應從光影與材質觀察
影像自然感會影響素材能否放進成品。人物與背景的光線是否一致、物體表面是否有合理細節，通常比單純提高解析度更容易暴露問題。Google 官方模型文件指出，Nano Banana 2.1 改善了 1K、2K 與 4K 輸出的視覺品質與真實感。
Google AI Studio 公布的示例包含人物與牛、雪地山景、昆蟲特寫，以及彩色建築中的人物。這些畫面讓讀者可以觀察毛髮、皮膚、霧氣、反光與景深。景深是照片中清楚與模糊範圍的變化，會影響畫面是否像自然拍攝。
這些圖片適合用來認識模型的視覺方向，不能用來衡量成功率。若要做商品圖，仍應檢查包裝文字、材質與產品外形。若要做人物素材，則要檢查手部、配件與多張圖片之間的差異，才能知道這種自然感是否能穩定保留。
局部編輯的價值：修改一處，保住整體構圖
創作者常遇到的問題是，想改衣服顏色，結果人物表情、背景與光線也一起改變。局部編輯的目的是把修改範圍縮小，讓已經確認的畫面不必每次重做。
Google 在這次公告中特別提到 mask-based editing，也就是遮罩編輯。遮罩用來指出圖片中要處理的區域。官方圖片生成指南也介紹以對話指定修改範圍的方式，例如只替換一件家具，同時要求保留其他物件與光線。
實際下指令時，可以把「要改什麼」與「要保留什麼」寫清楚。例如：「把人物外套改成深藍色，保留人物姿勢、臉部、背景與原本光線。」測試這類指令時，應同時比較修改目標與要求保留的部分。
對社群與廣告素材而言，局部修圖有機會縮短改稿流程。驗收時應比較修改前後的整張圖，尤其是品牌標誌與文字周圍的區域。只確認外套顏色正確，仍可能漏掉背景或商品包裝的變動。
角色一致性與文字改善，對系列內容更有用
單張人物圖好看，還不等於能製作一整組內容。系列角色需要在不同姿勢、場景與修改回合中保持辨識度，商品視覺也需要保住外形與細節。Nano Banana 2.1 把多輪角色一致性列為主要改善項目，正好對應這類需求。
依照官方模型文件，模型最多可以融合 14 張參考圖，其中角色一致性支援最多 4 位角色，物件保真則支援最多 10 個物件。參考圖數量與角色數量是不同指標，14 張圖片不代表可以穩定維持 14 個人物。
圖片中的文字也有改善。Google 列出文字呈現與資訊圖表排版準確度的升級，對海報、選單與教學圖有幫助。但繁體中文的錯字、數字與字距仍應逐項校對，尤其是不能出錯的日期、售價與產品名稱。
官方指南建議，圖片需要文字時，可以先確定文字內容，再要求模型把文字放進圖中。對內容團隊而言，這代表文案審核應放在出圖前。若每次生圖都讓模型重新想一份文案，檢查難度也會跟著增加。
支援 4K 與超寬比例，但輸出尺寸要依用途選擇
Nano Banana 2.1 支援 1K、2K 與 4K 輸出，預設為 1K。這些名稱代表不同的圖片尺寸級別，在正方形計價範例中，分別對應 1024 × 1024、2048 × 2048 與 4096 × 4096 像素。改成其他長寬比例時，實際寬高也會跟著變化。
Google 模型頁還特別列出，2K 與 4K 的超寬或超長比例改善了拼接痕跡，包括 1:4、4:1、1:8 與 8:1。這類比例可以用於長條視覺，但主體位置與文字安排仍需要配合用途設計，不能只把正方形的描述換個比例。
如果只是確認構圖與風格，可以先用較小尺寸試稿。確定內容後，再以符合成品需求的尺寸出圖，能降低無效嘗試的費用。需要精細文字或放大使用時，除了提高尺寸，也要檢查實際輸出是否清楚，避免把像素數量當成文字正確性的保證。
Nano Banana 2.1 API 價格：1K 圖片輸出約 0.034 美元
截至 2026 年 10 月 7 日，Google 官方價格頁列出的 Nano Banana 2.1 標準圖片輸出費如下。表格採官方的正方形範例，單位為美元，列出的金額只包含圖片輸出部分。
| 輸出尺寸級別 | 正方形範例 | 標準圖片輸出費／張 | 批次圖片輸出費／張 |
|---|---|---|---|
| 1K | 1024 × 1024 | 0.0336 美元 | 0.0168 美元 |
| 2K | 2048 × 2048 | 0.0504 美元 | 0.0252 美元 |
| 4K | 4096 × 4096 | 0.0756 美元 | 0.0378 美元 |
批次處理是把多個工作集中交給服務執行的方式，適合可以等待結果的製作任務。它的圖片輸出價格為標準的一半，但即時互動修圖仍要依產品需求選擇處理方式。
價格頁以 token 計費，token 是模型計量輸入與輸出的基本單位。官方把不同圖片尺寸換算成每張金額，因此社群上常見的「每張約 0.034 美元」，對應的是 1K 標準圖片輸出費。提示詞、參考圖片、文字與思考輸出，以及觸發的搜尋功能，都可能產生其他費用。
例如產生 1,000 張 1K 圖片，標準圖片輸出費就是 33.60 美元，但這只是其中一項成本。若每張成品平均需要生成數次，總請求數也會增加。因此，評估費用時應計算「每張可用成品用了幾次請求」，才看得到指令遵循與局部編輯改善是否省錢。
同一份價格頁列出 Nano Banana Pro 的標準 1K／2K 圖片輸出費為每張 0.134 美元。Nano Banana 2.1 的 1K 輸出費約為它的四分之一，但 2K 與 4K 的比例不同，不能把「四分之一價格」套用到所有尺寸與整筆費用。
從哪裡使用？舊 API 使用者要注意遷移日期
Google 在官方後續貼文表示，Nano Banana 2.1 開始陸續推出至 Gemini App、搜尋的 AI Mode、Google AI Studio、Google Flow、Stitch、Google Ads 與 Gemini Enterprise Platform。「陸續推出」意味著帳號與產品入口可能存在時間差，不能從公告直接推定每個人當下都已拿到同樣功能。
一般使用者可以從自己已有的 Gemini 或 Flow 入口查看是否提供新版。開發者則可在 Google AI Studio 確認模型，並依官方圖片生成指南串接。API 模型已在更新紀錄中列為正式可用，模型代碼也與舊版不同。
現有開發者還有一個具體期限需要注意。Google API 更新紀錄指出，舊版 Nano Banana 2 的 gemini-3.1-flash-image 已公告停用，預定於 2026 年 10 月 29 日關閉，建議遷移至 gemini-nano-banana-2.1。這項日期針對該 API 模型代碼，不能延伸成所有消費者產品的同日變更。
遷移時應使用原本的代表性提示詞與參考圖，比較輸出內容、回應格式與費用。當原先滿意的構圖、文字與角色特徵仍能保留，再替換正式流程，會比只改模型名稱更容易發現差異。
常見問題
Nano Banana 2.1 與 Nano Banana Pro 怎麼選？
Nano Banana 2.1 的官方定位偏向高效率的生成與對話式編輯，適合先驗證大量試稿和反覆修改的工作。Google 在指南中仍把 Pro 定位為複雜視覺任務的高階選項，實際選擇應以相同素材比較品質與完整成本。
每張 0.034 美元是完整費用嗎？
它是 1K 標準圖片輸出費四捨五入後的說法，官方精確值為 0.0336 美元。輸入、其他輸出與搜尋功能可能另計費，Gemini App 的訂閱或使用額度也不能直接套用這張 API 價格表。
支援 14 張參考圖，等於支援 14 個人物嗎？
不等於。官方分別列出最多 14 張參考圖、4 位角色與 10 個物件，這些數字代表不同能力上限，也不構成每一次生成都完全一致的保證。
官方示例是實際拍攝的照片嗎？
本文配圖為 Google 官方發布的 AI 圖片示例，不能當成實景、物種或事件的證據。官方指南也指出，生成圖片包含 SynthID 浮水印，這是用來協助辨識 AI 生成內容的標記。
結語：用返工次數與成品成本判斷這次升級
Nano Banana 2.1 值得內容團隊與開發者加入比較，因為它把圖像品質、局部修改、角色一致性與較低的圖片輸出費放在同一個高效率選項中。對需要快速試稿的流程，這些改善有機會帶來直接收益。
採用前可以挑選三類真實工作：一張帶繁體中文的海報、一組同角色的系列圖，以及一次只修改局部的任務。比較需要重做幾次、是否保住原圖細節，以及每張可用成品的完整費用。如果新版在這些工作上沒有減少返工，就應保留原本方案或調整提示方式，讓導入決定跟著工作結果走。
