Nano Banana 2 Lite: vier Sekunden pro Bild und ein SynthID-Wasserzeichen

Vier Sekunden sind die Zahl, die Google an den Anfang der Ankündigung von Nano Banana 2 Lite gestellt hat, und es ist die einzige Zahl, die für den eigentlichen Zweck dieses Modells zählt.
Rund vier Sekunden für eine Text-to-Image-Generierung, gegen rund elf bei Gemini 3.1 Flash Image – etwa 2,7× schneller, nach dem eigenen Vergleich des Anbieters. Ausgabe gedeckelt auf 1K. Vierzehn Seitenverhältnisse. Dieselbe API-Oberfläche wie die größeren Geschwister: Text-to-Image, Bildbearbeitung, Multi-Image-Komposition und eine Textantwort neben dem Bild, weil darunter weiterhin ein multimodales Modell steckt.
Es steht auf Platz acht der OpenRouter-Bildliste mit 1.74 Milliarden Tokens pro Woche, bei 0.25 $ pro Million Input-Tokens und 30 $ pro Million Output. Das ist der halbe Input-Preis von Nano Banana 2 bei gleichem Output-Preis, was verrät, wo die eigentlichen Kosten liegen.
Nichts davon ist aufregend. Alles davon ist nützlich, und es gibt ein echtes Argument dafür, dass der Markt in der langweiligen Klasse entschieden wird.
Warum vier Sekunden das Produkt ändern, nicht nur das Warten
In interaktiver Software liegt irgendwo zwischen drei und fünf Sekunden eine Schwelle, und die hat nichts damit zu tun, wie geduldig Menschen sind. Darunter kann ein System eine Schleife sein. Darüber muss ein System ein Job sein.
Konkret: Bei vier Sekunden kann man beim Loslassen einer Taste generieren, und das Ergebnis kommt an, während der Nutzer noch auf den Bildschirm sieht. Man kann ein Moodboard-Werkzeug bauen, in dem ein geändertes Wort das ganze Raster neu rendert. Man kann Bildgenerierung in die Autovervollständigung eines Formulars legen. Bei elf Sekunden ist nichts davon möglich – alles davon wird zu einem Fortschrittsbalken, einem Spinner und der Frage, ob man weiter wartet.
Deshalb existiert die Lite-Klasse, und deshalb sehen die Nutzungszahlen aus, wie sie aussehen. Das Modell wird nicht für Hero-Bilder verwendet. Es wird für die vierzig Bilder verwendet, die man wegwirft, bevor das Hero-Bild entsteht.
Googles Positionssprache ist ungewöhnlich direkt: „High-Velocity-Developer-Pipelines“, „Rapid-Fire-Visual-Exploration“, „Tausende Bilder zu einem Bruchteil der Kosten schwererer Produktionsmodelle generieren“. Übersetzt: Das ist die Klasse, die man nutzt, während man noch entscheidet, was man will.

Das 1K-Limit ist der Kompromiss, und der ist richtig
Nano Banana 2 Lite gibt mit 1K und vierzehn Seitenverhältnissen aus. Kein 2K, kein 4K. Wer das braucht, soll in der Familie auf Nano Banana 2.1 hochgehen, das bis 4K geht.
Es liegt nahe, die Auflösungsgrenze als Einschränkung zu lesen. Besser liest man sie als den Mechanismus, der die Geschwindigkeit möglich macht. Auflösung ist die teuerste Variable in der Diffusion – viermal so viele Pixel sind nicht viermal so viel Rechenleistung, sondern schlimmer –, also muss ein Modell, das unter fünf Sekunden verspricht, irgendwo Auflösung aufgeben.
Was man dafür bekommt, sind vierzehn Seitenverhältnisse, was wichtiger ist, als es klingt. Das Seitenverhältnis ist der Parameter, der am häufigsten eine zweite Generierung erzwingt: Man erzeugt einen 16:9-Hero, braucht dann eine 9:16-Fassung für Stories, und der Zuschnitt sitzt nicht. Ein Modell, das alle vierzehn bei 1K in vier Sekunden abdeckt, lässt einen dasselbe Konzept einmal pro Platzierung erzeugen – das ist der Unterschied zwischen einem Asset und einem Satz.
SynthID und das Argument des unsichtbaren Wasserzeichens
Jede Ausgabe trägt ein unsichtbares SynthID-Wasserzeichen. Google macht das seit einer Weile über seine Bildmodelle hinweg, und es wird üblicherweise in einem Satz erwähnt und vergessen.
Es verdient mehr als einen Satz, weil „unsichtbares Wasserzeichen“ eine Kategorie ist, die erst im Maßstab interessant wird. Ein sichtbares Wasserzeichen ist eine Markenentscheidung. Ein unsichtbares ist Infrastruktur: Es erlaubt einer Plattform die Antwort auf „wurde das generiert“, ohne das Bild anders aussehen zu lassen, und es übersteht die meisten üblichen Bearbeitungen.
Ob diese Infrastruktur gut oder schlecht ist, hängt ganz davon ab, wer fragt und warum. Für eine Stock-Plattform, die synthetische Uploads filtert, ist sie nützlich. Für eine Creative Director, der Herkunftsmetadaten an Deliverables will, ist sie nützlich. Für jemanden, dessen generiertes Bild von einem Foto nicht zu unterscheiden sein soll, ist sie ein Hindernis – und dass sie für das Auge unsichtbar, im Code aber nachweisbar ist, genau das ist der Punkt.
Es gibt außerdem eine praktische Falte für alle, die Produkte auf diesen Modellen bauen: Wenn die eigene Pipeline Metadaten entfernt oder aggressiv neu kodiert, entfernt man womöglich ein Signal, das nachgelagerte Plattformen zunehmend verlangen. Das ist eine Compliance-Frage, die in Beschaffungsformularen auftaucht, bevor sie in einem Bugreport auftaucht.
Wo es im Feld steht
Schaut man auf die Top acht bei OpenRouter, entsteht eine Form. Google hält vier Plätze. OpenAI zwei. ByteDance einen, Meta einen. Und die beiden Google-Flash-Modelle – Nano Banana 2 an der Spitze mit 5.76B Tokens, Nano Banana 2 Lite mit 1.74B – konkurrieren weniger miteinander, als dass sie zwei verschiedene Aufgaben abdecken: den Standard und den schnellen Standard.
Das ist eine bewusste Produktstruktur, und es ist dieselbe, die bei Sprachmodellen funktioniert hat. Ein ausreichend gutes Modell zu einem Preis anbieten, der Volumennutzung rational macht, und ein besseres für die Fälle, die das Warten rechtfertigen. Die Lücke dazwischen wird eine Routing-Entscheidung der Anwendung, keine Wahl, die der Nutzer verstehen muss.
Für Entwickler heißt das praktisch: Man sollte wahrscheinlich zwei Modelle aufrufen, nicht eins. Das Spec in Lite-Geschwindigkeit schreiben, das Finale in voller Qualität rendern. Der Kostenunterschied ist kleiner als der Zeitunterschied.
Die Rechnung, die das Routing offensichtlich macht
Rechnen wir an einem realistischen Auftrag, weil abstrakte Preisvergleiche die Entscheidung verbergen. Sagen wir, Sie brauchen ein finales Hero-Bild und sind bereit, zwanzig Richtungen zu probieren, bevor Sie sich festlegen. Bei Lite-Geschwindigkeit, vier Sekunden pro Bild, sind das achtzig Sekunden Exploration – unter eineinhalb Minuten, das passt in einen Kaffee. Bei elf Sekunden sind es fast vier Minuten, lang genug, dass man die zwanzigste Idee nicht mehr probiert.
Die Output-Tokens kosten bei beiden Modellen gleich viel pro Million, also liegt die Ersparnis komplett auf der Input-Seite und bei der Zahl der Aufrufe, die man zu machen bereit ist. Der zweite Teil ist der, den Leute übersehen. Das günstigere Modell kostet nicht nur weniger pro Versuch; es verändert, wie viele Versuche man rechtfertigen kann, und die Zahl der Versuche entscheidet, ob das finale Bild etwas taugt.
Die richtige Architektur ist also langweilig: Exploration an Lite routen, die eine freigegebene Richtung an das größere Modell in 2K oder 4K. Zwei Keys, ein Prompt-Template, ein Boolean. Die meisten Teams, die über Bildgenerierungskosten klagen, fahren das teure Modell für beide Aufgaben.
Worauf man achten sollte
Das offensichtliche Risiko: Die Lite-Klasse wird still die einzige, die sich noch jemand leisten kann, und die Qualität konvergiert nach unten, während alle auf Durchsatz optimieren. Ungefähr das ist mit der Textgenerierung passiert, und die Ergebnisse waren für die meisten Aufgaben in Ordnung und schlecht für die, die Sorgfalt brauchten.
Das andere Risiko ist spezifischer: eine 1K-Ausgabe, die auf dem Bildschirm gut aussieht und im Druck, in einem Billboard-Mockup oder in jedem Kontext auseinanderfällt, in dem jemand auf 200 % zoomt. Vier Sekunden Durchlaufzeit fördern die Gewohnheit, nie zu zoomen. Das ist ein Workflow-Risiko, kein Modellfehler, aber die Sorte, die ausgeliefert wird.
Trotzdem ist das die Klasse, die in diesem Jahr definieren wird, wie die meisten Bilder entstehen. Nicht weil sie die beste ist. Sondern weil sie schnell genug ist, um Teil des Denkens zu sein statt danach – und weil man sich bei 0.25 $ pro Million Input-Tokens leisten kann, vierzig Mal falsch zu liegen, bevor man einmal richtig liegt.
Verwandte Artikel
Eine community-gepflegte Tabelle von Taps, die Werbung in chinesischen Android-Builds abschaltet
Es fasst das System nicht an, entsperrt nichts, flasht nichts. Es legt nur die Schalter um, die die Hersteller ohnehin vorgesehen haben. Der Preis ist eine Liste, die jemand weiterführen muss.
GPT Image 2.6 hielt den Tokenpreis und erhöhte die Rechnung
GPT Image 2.6 übernimmt jeden Tokenpreis von 2.5 und kostet pro Bild dennoch mehr, weil ein größerer Teil der Arbeit in Ausgabe-Token landet. Elf Tage nach dem Start sagt die Preisstruktur mehr als jede Rangliste.
Jemand hat IDM von außen nachgebaut und aufgeschrieben, was er nicht angefasst hat
Eine Rust-Neuimplementierung von Internet Download Manager verspricht 5x Tempo und 86 Sprachen. Das interessantere Dokument ist der Absatz, der erklärt, wie sie ohne jede Kopie entstanden ist.
Rune ist ein Rust-UI-Framework, das gebaut wurde, damit ein Agent seine eigene Arbeit prüfen kann
Rune rendert headless, gibt seinen Elementbaum aus und nimmt geskriptete Eingaben an. Damit bekommt ein Coding-Agent ein Signal zum Diffen, das ein Screenshot nie liefert. Das Framework ist Pre-Release und nimmt keine Pull Requests an.