GPT Image 2 или Nano Banana 2: что под текст, что под фото товара

Зачем сравнивать именно эту пару

В генераторе изображений Most AI сейчас двадцать две позиции, и общая матрица «какая модель под какую задачу» уже разобрана в статье сравнение моделей картинок. Здесь я её не переписываю. Задача другая и уже: взять две модели, между которыми чаще всего мечутся в рабочей переписке, и прогнать их через три конкретные задачи одним и тем же промтом.

Пара выбрана не случайно. GPT Image 2 и Nano Banana 2 — это две модели, которые обычно оказываются в шорт-листе у человека, которому нужна не «красивая картинка вообще», а картинка с надписью, с товаром или с правкой поверх уже готового кадра. Что нового появилось в самой Nano Banana 2, я разбирал отдельно в новостном обзоре модели — здесь только поведение на задачах.

Сразу о том, чего в статье не будет. Никаких чужих бенчмарков и процентов вида «обходит на двадцать пунктов»: сопоставимых замеров по этой паре нет, а придуманные числа хуже, чем их отсутствие. Никаких рассуждений об архитектуре и обучении — на выбор модели в кабинете это не влияет. И никакого вывода «одна лучше». Вывод будет другой: под текст беру эту, под товар — эту.

Условия, без которых сравнение бессмысленно

Правила простые, но их обычно нарушают в мелочах, и потом спорят о результате, который ничего не значит.

• Один и тот же промт, слово в слово. Ни одной правки между запусками. Если поменять формулировку, вы уже не знаете, что дало разницу — модель или новая фраза.
• По три дубля на каждой модели. Одна генерация — это лотерея. Разница видна не на «какой кадр красивее», а на том, насколько стабильно модель попадает в нужное.
• Свой типовой материал, а не эффектная сцена. Тестируйте то, что реально делаете каждую неделю, иначе вывод не переносится на работу.
• Смотреть на кадры рядом, а не по очереди. Откройте оба результата в соседних окнах. По памяти разницу всегда преувеличивают.

Дальше — три задачи. Промты даю целиком, чтобы можно было повторить прогон у себя и получить свой ответ, а не поверить мне на слово.

Задача первая: надпись внутри кадра

Это единственное место, где я гоняю тест на текст в картинке. Общие приёмы — как формулировать надпись, куда её ставить и почему модель «съедает» буквы — лежат в статье про текст на картинке без ошибок, и повторять их тут нет смысла. Здесь только то, как на одной и той же надписи ведут себя две модели.

Промт для прогона — с латиницей и кириллицей одновременно, чтобы не разносить тест на два захода:

Постер для кофейни, вертикальный формат. На верхней трети крупная надпись
латиницей MORNING BLEND. Ниже строка кириллицей: «Обжарка каждый вторник».
Фон — тёплый бежевый, чашка кофе снизу справа, много воздуха.
Шрифт — плотный гротеск, буквы чёткие, без искажений.

Что смотреть в результатах: целостность букв, отсутствие лишних символов, совпадение текста с промтом до знака, и отдельно — как выглядит кириллица рядом с латиницей в одном кадре.

Главное наблюдение по паре: латиница у обеих моделей выходит заметно ровнее кириллицы, и это не особенность одной из них. Если латинская строка получилась с первого дубля у обеих — не спешите делать вывод, разница между моделями на этой задаче проявляется именно на кириллице и именно на длинных строках. Короткое слово из шести букв обе выдают чисто, и здесь честнее сказать прямо: разницы почти нет, выбирать можно по цене.

На длинной кириллической строке картина расходится. Смотрите не на первый кадр, а на три подряд: важно, сколько из трёх дублей пришлось выбросить. Именно доля брака, а не лучший кадр из серии, определяет, на какой модели вы будете делать двадцать постеров. И если у вас в макете надпись задаётся не картинкой, а слоем текста поверх, весь этот тест вам не нужен — генерируйте фон на любой из двух.

Задача вторая: фото товара на однотонном фоне

Вторая задача ближе к деньгам, чем первая. Предметка на однотонной подложке — это карточки, каталог и обложки, то есть та работа, которая идёт партиями. Отдельный разбор всего процесса — в статье про фото товара для маркетплейса; тут только поведение двух моделей на одном промте.

Предметная съёмка: керамическая кружка молочного цвета на ровном светло-сером
фоне, без градиента. Мягкий рассеянный свет слева, лёгкая тень справа снизу.
Кружка целиком в кадре, ручка повёрнута вправо, центр композиции.
Реалистичная фактура глазури, никаких надписей и логотипов.

Проверять здесь нужно четыре вещи, и лучше по списку, а не «на глаз»:

1. Ровность фона. Появился ли ненужный градиент, виньетка или еле заметная текстура, которую потом придётся вычищать.
2. Геометрия предмета. Симметрия, форма ручки, отсутствие второй ручки и прочих подарков.
3. Тень. Есть ли она вообще, и совпадает ли направление с описанным светом.
4. Повторяемость. Три кадра подряд должны быть похожи настолько, чтобы стоять в одном каталоге.

Четвёртый пункт важнее первых трёх. Одиночная красивая кружка не стоит ничего, если следующие пять предметов встанут в другом свете. При партийной работе выигрывает не та модель, у которой лучший кадр, а та, у которой три кадра из трёх можно поставить рядом. Именно на этом критерии пара обычно и расходится сильнее всего — сильнее, чем на надписи.

Отдельно отмечу: если фон вам нужен идеально чистый, никакая модель не даст его надёжнее, чем готовый инструмент «Удаление фона» в кабинете. Генерируете предмет как угодно, затем срезаете фон отдельным шагом и подкладываете свой. Это дешевле любых попыток вымучить ровную подложку промтом.

Задача третья: правки готового кадра словами

Третий заход — не про приёмы редактирования. Как формулировать правки, что писать, чтобы модель поняла «убери, а не перерисуй», разобрано в промтах для редактирования фото. Здесь один вопрос: держится ли объект между итерациями.

Механика теста такая. Берёте один готовый кадр из второй задачи, загружаете его в обе модели и даёте обеим одну и ту же правку. Затем поверх результата — вторую правку. Затем третью. Итого три шага.

Шаг 1: смени фон на светло-бежевый, кружку и свет не трогай.
Шаг 2: добавь тонкую тень под кружкой, направление света сохрани.
Шаг 3: сделай кадр немного шире, кружка остаётся в центре и без изменений.

Смотреть надо на одно: насколько кружка на третьем шаге похожа на кружку с нулевого. Модели, которые честно правят фон, оставляют предмет практически нетронутым. Модели, которые каждый раз пересобирают кадр заново, дадут после трёх итераций уже другую кружку — другой оттенок глазури, чуть другую форму ручки. На одной правке это незаметно, на трёх — очевидно.

Практический смысл теста: если вы делаете серию из одного исходника, дрейф предмета между шагами дороже любой разницы в качестве первого кадра. Проверять это надо до того, как вы начали партию, а не на пятнадцатой картинке.

Цена и что она значит на партии

Числа беру из актуального прайсинга, не по памяти. Генерация в GPT Image 2 стоит от 3 ₽, в Nano Banana 2 — от 8 ₽. Разница в цене одного кадра выглядит мелочью, пока вы делаете один кадр.

Считаем на партии из двадцати картинок. Двадцать генераций — это 60 ₽ против 160 ₽. Но партия из двадцати картинок никогда не делается двадцатью генерациями: с тремя дублями на кадр это уже шестьдесят запусков, то есть 180 ₽ против 480 ₽. Разница около трёхсот рублей на одну партию — величина, которую видно в месячном расходе, но которая мгновенно перекрывается, если на более дорогой модели вы выбрасываете вдвое меньше дублей.

Отсюда правило, к которому сводится вся арифметика: сравнивать надо не цену генерации, а цену годного кадра. Если модель дороже вдвое, но брака у неё втрое меньше, она дешевле. Считайте долю выброшенных дублей на своём материале — она у каждого своя и зависит от типа задачи сильнее, чем от модели.

Короткая сводка

Таблица — это отправная точка, а не приговор. На иллюстрациях, портретах или сложных сценах порядок может оказаться другим, и единственный способ это узнать — прогнать свой материал через обе модели.

Что в итоге

Под текст в кадре я по умолчанию беру GPT Image 2: перебор дублей на этой задаче неизбежен, и дешёвая генерация тут решает больше, чем аккуратность отдельного кадра. Под предметку партиями — Nano Banana 2, потому что в каталоге ценится не лучший кадр, а одинаковые кадры. Под правки — та из двух, которая на вашем предмете не поплыла за три итерации; универсального ответа тут нет.

И честная оговорка, без которой сравнение превращается в рекламу. На коротких латинских надписях разницы между моделями практически нет. На простых сценах без текста и без строгих требований к повторяемости — тоже. Если ваша задача попадает в эту зону, берите ту, что дешевле, и не тратьте время на тест. Обе модели живут в одном кабинете, оплата в рублях, без VPN, переключение между ними стоит один клик — так что и проверка обходится в несколько десятков рублей и пятнадцать минут.

Частые вопросы