Nano Banana 2 Lite: cuatro segundos que cambian para qué sirve el modelo

Cuatro segundos es la cifra que Google puso al frente del anuncio de Nano Banana 2 Lite, y es la única que importa para saber para qué sirve de verdad este modelo.
Unos cuatro segundos por generación de texto a imagen, frente a unos once de Gemini 3.1 Flash Image: unas 2.7 veces más rápido, según la comparación del propio proveedor. Salida limitada a 1K. Catorce relaciones de aspecto. La misma superficie de API que sus hermanos mayores: texto a imagen, edición de imagen, composición de varias imágenes y una respuesta de texto junto a la imagen, porque debajo sigue siendo un modelo multimodal.
Ocupa el octavo puesto del tablero de imágenes de OpenRouter con 1.740 millones de tokens semanales, a $0.25 por millón de tokens de entrada y $30 por millón de salida. Es la mitad del precio de entrada de Nano Banana 2 y el mismo precio de salida, lo que te dice dónde vive el coste real.
Nada de eso es emocionante. Todo ello es útil, y hay un argumento serio para decir que el mercado se decide en el nivel aburrido.
Por qué cuatro segundos cambian el producto, no solo la espera
Hay un umbral en el software interactivo en algún punto entre los tres y los cinco segundos, y no tiene nada que ver con la paciencia de la gente. Por debajo, un sistema puede ser un bucle. Por encima, un sistema tiene que ser un trabajo.
En concreto: a cuatro segundos puedes generar al soltar la tecla y aun así tener el resultado en pantalla mientras el usuario mira. Puedes construir una herramienta de moodboard en la que cambiar una palabra vuelve a renderizar toda la rejilla. Puedes meter generación de imágenes en el autocompletado de un formulario. A once segundos, nada de eso es posible: todo se convierte en una barra de progreso, un spinner y una decisión sobre si seguir esperando.
Por eso existe el nivel Lite, y por eso los números de uso son los que son. El modelo no se usa para hacer imágenes hero. Se usa para hacer las cuarenta imágenes que tiras antes de hacer la imagen hero.
El lenguaje de posicionamiento de Google es inusualmente directo: «pipelines de desarrollo de alta velocidad», «exploración visual a ráfagas», «generar miles de imágenes a una fracción del coste de los modelos de producción más pesados». Traducción: este es el nivel que usas mientras todavía decides qué quieres.

El límite de 1K es el intercambio, y es el correcto
Nano Banana 2 Lite entrega a 1K con catorce relaciones de aspecto. Ni 2K ni 4K. Si necesitas eso, se supone que subes dentro de la familia hasta Nano Banana 2.1, que llega a 4K.
Es tentador leer el límite de resolución como una carencia. Mejor leerlo como el mecanismo que hace posible la velocidad. La resolución es la variable más cara de la difusión —cuadruplicar los píxeles no es cuadruplicar el cómputo, es peor—, así que un modelo que promete menos de cinco segundos tiene que renunciar a resolución en algún sitio.
Lo que recibes a cambio son catorce relaciones de aspecto, que importan más de lo que suena. La relación de aspecto es el parámetro que más a menudo obliga a una segunda generación: generas un hero en 16:9, luego necesitas una versión 9:16 para Stories y el recorte queda mal. Un modelo que maneja las catorce a 1K en cuatro segundos te deja generar el mismo concepto una vez por emplazamiento, que es la diferencia entre un recurso suelto y un juego completo.
SynthID y el argumento de la marca de agua invisible
Cada salida lleva una marca de agua invisible SynthID. Google lleva tiempo haciéndolo en todos sus modelos de imagen, y normalmente se menciona en una frase y se olvida.
Merece más que una frase, porque «marca de agua invisible» es una categoría de cosa que solo se vuelve interesante a escala. Una marca visible es una decisión de marca. Una invisible es infraestructura: permite a una plataforma responder «¿esto lo ha generado una máquina?» sin cambiar el aspecto de la imagen, y sobrevive a la mayoría de las ediciones habituales.
Que esa infraestructura sea buena o mala depende por completo de quién pregunta y por qué. Para una plataforma de stock que filtra subidas sintéticas, es útil. Para un director creativo que quiere metadatos de procedencia en sus entregas, es útil. Para quien quiera que su imagen generada sea indistinguible de una fotografía, es un obstáculo, y el hecho de que sea imperceptible al ojo pero detectable en el código es justamente el punto.
Hay además un detalle práctico para quien construya productos encima de estos modelos: si tu pipeline elimina metadatos o recodifica con agresividad, puede que estés borrando una señal que las plataformas de destino empiezan a exigir. Es una cuestión de cumplimiento que aparecerá en los formularios de compras antes que en un informe de errores.
Dónde encaja en el resto del tablero
Mira los ocho primeros de OpenRouter y aparece una forma. Google ocupa cuatro puestos. OpenAI, dos. ByteDance, uno. Meta, uno. Y los dos modelos de nivel Flash de Google —Nano Banana 2 arriba con 5.760 millones de tokens y Nano Banana 2 Lite con 1.740 millones— no compiten tanto entre sí como cubren dos trabajos distintos: el valor por defecto y el valor por defecto rápido.
Es una estructura de producto deliberada, y es la misma que funcionó en los modelos de lenguaje. Ofrece un modelo suficientemente bueno a un precio que hace racional el uso masivo, y uno mejor para los casos que justifican la espera. La distancia entre ambos se convierte en una decisión de enrutado de tu aplicación, no en una elección que el usuario tenga que entender.
Para un desarrollador, la implicación práctica es que probablemente deberías llamar a dos modelos, no a uno. Escribe la especificación a la velocidad de Lite y renderiza el final con la calidad completa. La diferencia de coste es menor que la diferencia de tiempo.
La aritmética que hace obvio el enrutado
Haz las cuentas con un trabajo realista, porque las comparaciones abstractas de precio esconden la decisión. Supón que necesitas una imagen hero final y estás dispuesto a probar veinte direcciones antes de comprometerte. A la velocidad de Lite, cuatro segundos cada una, son ochenta segundos de exploración: menos de minuto y medio, lo que cabe en un café. A once segundos cada una, son casi cuatro minutos, tiempo suficiente para que dejes de probar la vigésima idea.
Los tokens de salida cuestan lo mismo por millón en los dos modelos, así que el ahorro está por completo en el lado de la entrada y en el número de llamadas que estás dispuesto a hacer. Esa segunda parte es la que se escapa. El modelo barato no solo cuesta menos por intento; cambia cuántos intentos puedes justificar, y el número de intentos es lo que determina si la imagen final vale algo.
Así que la arquitectura correcta es aburrida: manda la exploración a Lite y la única dirección aprobada al modelo grande, en 2K o 4K. Dos claves, una plantilla de prompt, un booleano. Casi todos los equipos que se quejan del coste de la generación de imágenes están usando el modelo caro para los dos trabajos.
Qué vigilar
El riesgo evidente es que el nivel Lite se convierta en silencio en el único que alguien puede pagar, y que la calidad converja hacia abajo mientras todo el mundo optimiza el rendimiento. Es más o menos lo que pasó con la generación de texto, y los resultados fueron aceptables para casi todo y malos para lo que requería cuidado.
El otro riesgo es más concreto: una salida a 1K que se ve bien en pantalla y se deshace en impresión, en una maqueta de valla publicitaria o en cualquier contexto donde alguien amplíe al 200%. Un plazo de cuatro segundos fomenta la costumbre de no ampliar nunca. Es un riesgo de flujo de trabajo, no un defecto del modelo, pero es de los que llegan a producción.
Aun así, este es el nivel que definirá cómo se harán la mayoría de las imágenes este año. No porque sea el mejor. Porque es lo bastante rápido para formar parte del pensamiento en lugar de venir después, y porque a $0.25 por millón de tokens de entrada puedes permitirte equivocarte cuarenta veces antes de acertar una.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.