Nano Banana 2 Lite: quattro secondi per immagine, output fermo a 1K

Quattro secondi è il numero che Google ha messo in apertura dell'annuncio di Nano Banana 2 Lite, ed è l'unico che conta per capire a cosa serve davvero questo modello.
Circa quattro secondi per una generazione text-to-image, contro circa undici per Gemini 3.1 Flash Image: più o meno 2.7 volte più veloce, secondo il confronto del fornitore stesso. Output limitato a 1K. Quattordici formati. Stessa superficie API dei fratelli maggiori: text-to-image, modifica di immagini, composizione di più immagini e una risposta testuale accanto all'immagine, perché sotto resta un modello multimodale.
È ottavo nella classifica immagini di OpenRouter con 1.74 miliardi di token a settimana, a 0.25 dollari per milione di token in input e 30 per milione in output. Cioè metà del prezzo d'ingresso di Nano Banana 2 e lo stesso prezzo in uscita, il che vi dice dove sta il costo vero.
Niente di tutto questo è entusiasmante. Tutto è utile, e c'è un argomento serio a favore dell'idea che il mercato si decida nella fascia noiosa.
Perché quattro secondi cambiano il prodotto, non solo l'attesa
Nel software interattivo c'è una soglia tra i tre e i cinque secondi, e non ha niente a che vedere con la pazienza della gente. Sotto quella soglia un sistema può essere un ciclo. Sopra, un sistema deve essere un lavoro messo in coda.
In concreto: a quattro secondi potete generare al rilascio del tasto e avere comunque il risultato mentre l'utente guarda lo schermo. Potete costruire uno strumento di mood board in cui cambiare una parola ri-renderizza tutta la griglia. Potete mettere la generazione di immagini dentro l'autocompletamento di un form. A undici secondi niente di tutto questo è possibile: ognuno di quei casi diventa una barra di avanzamento, uno spinner e una decisione su se continuare ad aspettare.
È per questo che esiste la fascia Lite, ed è per questo che i numeri d'uso sono quelli che sono. Il modello non viene usato per fare immagini di copertina. Viene usato per fare le quaranta immagini che buttate via prima di fare l'immagine di copertina.
Il linguaggio con cui Google lo posiziona è insolitamente diretto: «pipeline di sviluppo ad alta velocità», «esplorazione visiva a raffica», «generare migliaia di immagini a una frazione del costo dei modelli di produzione più pesanti». Tradotto: è la fascia che usate mentre state ancora decidendo cosa volete.

Il tetto a 1K è il compromesso, ed è quello giusto
Nano Banana 2 Lite esporta a 1K con quattordici formati. Niente 2K, niente 4K. Se vi servono, siete tenuti a salire nella famiglia, verso Nano Banana 2.1, che arriva a 4K.
È tentante leggere il limite di risoluzione come una limitazione. Meglio leggerlo come il meccanismo che rende possibile la velocità. La risoluzione è la variabile più costosa nella diffusione — quadruplicare i pixel non è quadruplicare il calcolo, è peggio — quindi un modello che promette consegne sotto i cinque secondi deve rinunciare da qualche parte.
In cambio ottenete quattordici formati, che contano più di quanto suoni. Il rapporto d'aspetto è il parametro che più spesso costringe a una seconda generazione: generate un hero in 16:9, poi serve la versione 9:16 per le Storie, e il ritaglio è sbagliato. Un modello che gestisce tutti e quattordici a 1K in quattro secondi vi lascia generare lo stesso concept una volta per posizionamento, che è la differenza tra un asset e un set.
SynthID, e il discorso sulla filigrana invisibile
Ogni output porta una filigrana invisibile SynthID. Google lo fa su tutti i suoi modelli di immagini da un po', e di solito viene citato in una frase e dimenticato.
Merita più di una frase, perché «filigrana invisibile» è una categoria di cose che diventa interessante solo su larga scala. Una filigrana visibile è una decisione di branding. Una invisibile è infrastruttura: permette a una piattaforma di rispondere a «questa immagine è generata?» senza cambiare l'aspetto dell'immagine, e sopravvive alla maggior parte delle modifiche comuni.
Se quell'infrastruttura sia buona o cattiva dipende interamente da chi lo chiede e perché. Per una piattaforma di stock che filtra caricamenti sintetici è utile. Per un direttore creativo che vuole metadati di provenienza sui deliverable è utile. Per chi vuole che la propria immagine generata sia indistinguibile da una fotografia è un ostacolo, e il fatto che sia impercettibile all'occhio ma rilevabile nel codice è esattamente il punto.
C'è anche una piega pratica per chi costruisce prodotti sopra questi modelli: se la vostra pipeline rimuove i metadati o ricodifica in modo aggressivo, potreste stare cancellando un segnale che le piattaforme a valle cominciano a richiedere. È una questione di conformità che comparirà nei moduli di procurement prima che in un bug report.
Dove si colloca rispetto al resto della classifica
Guardate i primi otto su OpenRouter e appare una forma. Google occupa quattro posti. OpenAI due. ByteDance uno, Meta uno. E i due modelli Google di fascia Flash — Nano Banana 2 in testa con 5.76B token, Nano Banana 2 Lite a 1.74B — non si fanno concorrenza tanto quanto coprono due lavori diversi: il default e il default veloce.
È una struttura di prodotto deliberata, ed è la stessa che ha funzionato nei modelli linguistici. Offri un modello abbastanza buono a un prezzo che rende razionale l'uso in volume, e uno migliore per i casi che giustificano l'attesa. Il divario tra i due diventa una decisione di routing che prende la vostra applicazione, non una scelta che l'utente deve capire.
Per uno sviluppatore, l'implicazione pratica è che probabilmente dovreste chiamare due modelli, non uno. Scrivete la specifica alla velocità di Lite, renderizzate il finale a piena qualità. La differenza di costo è più piccola della differenza di tempo.
L'aritmetica che rende ovvio il routing
Fate i conti su un lavoro realistico, perché i confronti astratti di prezzo nascondono la decisione. Mettiamo che vi serva un'immagine finale di copertina e siate disposti a provare venti direzioni prima di scegliere. Alla velocità di Lite, quattro secondi l'una, sono ottanta secondi di esplorazione: meno di un minuto e mezzo, dentro il tempo di un caffè. A undici secondi l'una sono quasi quattro minuti, abbastanza per smettere di provare la ventesima idea.
I token in output costano uguale per milione sui due modelli, quindi il risparmio sta tutto sul lato input e sul numero di chiamate che siete disposti a fare. La seconda parte è quella che sfugge. Il modello più economico non costa solo meno per tentativo: cambia quanti tentativi potete giustificare, e il numero di tentativi è ciò che determina se l'immagine finale è buona.
Quindi l'architettura corretta è noiosa: routing dell'esplorazione su Lite, routing dell'unica direzione approvata sul modello più grande a 2K o 4K. Due chiavi, un template di prompt, un booleano. La maggior parte dei team che si lamenta dei costi di generazione immagini sta usando il modello caro per entrambi i lavori.
Cosa tenere d'occhio
Il rischio evidente è che la fascia Lite diventi in silenzio l'unica fascia che qualcuno può permettersi, e che la qualità converga verso il basso mentre tutti ottimizzano il throughput. È più o meno quello che è successo alla generazione di testo, e i risultati sono stati accettabili per la maggior parte dei compiti e pessimi per quelli che richiedevano cura.
L'altro rischio è più specifico: un output a 1K che è bello a schermo e crolla in stampa, in un mockup di cartellone o in qualsiasi contesto in cui qualcuno ingrandisce al 200%. Una consegna in quattro secondi incoraggia l'abitudine a non ingrandire mai. È un rischio di flusso di lavoro, non un difetto del modello, ma è il tipo che arriva in produzione.
Resta il fatto che questa è la fascia che definirà come verrà fatta la maggior parte delle immagini quest'anno. Non perché sia la migliore. Perché è abbastanza veloce da far parte del pensiero invece di arrivare dopo, e perché a 0.25 dollari per milione di token in input potete permettervi di sbagliare quaranta volte prima di azzeccarne una.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.