Nano Banana 2.1 vs. Nano Banana Pro: Ein Blindtest bei Immobilienfoto-Bearbeitungen

Die kurze Antwort

Nano Banana 2.1 kostet deutlich weniger als Nano Banana Pro, und bei unseren Immobilienfotos war keines der beiden Modelle fehlerfrei. Nach den Listenpreisen von Google kostet ein 2K-Ausgabebild mit Nano Banana 2.1 0,0504 US$ und mit Nano Banana Pro 0,134 US$, also 62 % weniger. Einschließlich des Eingabefotos und der Thinking-Tokens lagen die medianen Kosten pro bearbeitetem Bild in unserem Testlauf am 10. Oktober 2026 bei 0,0572 US$ bzw. 0,1392 US$, etwa 59 % weniger.

Google hat Nano Banana 2.1 (gemini-nano-banana-2.1) am 6. Oktober 2026 veröffentlicht und bezeichnet es als „das effizientere Gegenstück“ zu Nano Banana Pro (gemini-3-pro-image). In diesem Artikel steht „2.1“ für Nano Banana 2.1 und „Pro“ für Nano Banana Pro. Für diesen Testbericht zu Nano Banana 2.1 gaben wir beiden Modellen dieselben neun Bearbeitungsaufträge lizenzierter Immobilienfotos in 2K. Ein Prüfer aus unserem Team verglich die sieben Paare, bei denen beide Modelle ein Bild lieferten, im Blindtest ohne Kenntnis von Modell und Reihenfolge. In diesem kleinen Test bevorzugte unser Prüfer Nano Banana 2.1 bei fünf der sieben Paare (bei einem Paar deutlich), zog Pro bei einem leicht vor und bewertete ein Paar als gleichwertig. Mit einem Prüfer und einem Bild pro Modell für jedes Foto handelt es sich hierbei um eine erste Bestandsaufnahme, nicht um eine abschließende Bewertung.

Informationen zur Gemini-App, zu den Google-KI-Tarifen und zum Datenschutz für Kunden finden Sie in unserem Leitfaden zu Nano Banana 2.1 für Immobilien.

Nano Banana 2.1 vs. Pro im Überblick: Spezifikationen und Preise

Die Dokumentation von Google, geprüft am 12. Oktober 2026, führt folgende Unterschiede auf:

Quellen: Googles Preisseite (aktualisiert am 9. Oktober 2026), der Leitfaden zur Bildgenerierung und die Nano Banana 2.1-Modellseite.

Nano Banana 2.1 vs. Nano Banana 2

Google bezeichnet 2.1 als Update zu Nano Banana 2 (gemini-3.1-flash-image), das am 6. Oktober 2026 ohne Abschaltdatum als veraltet eingestuft wurde. Ein 2K-Bild kostet mit 2.1 0,0504 $ und mit Nano Banana 2 0,101 $, wobei Eingabe- und Thinking-Tokens teurer sind. Unser Leitfaden für Immobilien vergleicht die beiden Modelle bei 1K anhand von zwei der hier verwendeten Fotos.

Wie wir getestet haben

Wir haben den Test am 10. Oktober 2026 zwischen 19:05 und 19:13 Uhr UTC über die Gemini API durchgeführt, wobei jeweils zwei Anfragen gleichzeitig liefen. Aus den neun Fotos ergaben sich 18 Anfragen: vier Objektentfernungen, drei leere Räume zum Stagen, eine aufzuräumende Küche und eine Korrektur im HDR-Stil, jeweils an beide Modelle gesendet. Nano Banana 2.1 lieferte 8 Bilder und Pro lieferte 7 Bilder zurück.

• Fotos: neun lizenzierte Pexels-Fotos, acht von Wohnungen und eines von einem Hotelzimmer; die Pexels-Lizenz erlaubt Änderungen. Es handelt sich nicht um Kundenfotos, und keines zeigt Personen. Stockfotos werden häufig von Profis aufgenommen, daher können die Ergebnisse besser aussehen als bei einem Smartphone-Foto (Checkliste für Aufnahmen).
• Eingangsprüfung: Die Pexels-Seite jedes Fotos zeigt Kameradetails (EXIF), und die heruntergeladenen Dateien enthielten keine Metadaten zu C2PA oder KI-Generierung.
• Einstellungen: 2K-Ausgabe im Format 3:2, dem Seitenverhältnis jedes Fotos, standardmäßiges Thinking jedes Modells, keine Angabe für Temperature oder Seed, ein Bild pro Anfrage und keine Wiederholungsversuche.
• Prompts: vor dem Durchlauf formuliert und unverändert an beide Modelle gesendet (siehe unten). Für Entfernungen zeichneten wir auf einer Kopie des Fotos einen roten Umriss um das Objekt.
• Bewertung: Ein Prüfer aus unserem Team verglich die sieben Paare nach dem Durchlauf im Oktober 2026 im Blindtest ohne Kenntnis von Modell und Reihenfolge. Der Prüfer sah das Original, die markierte Kopie für Entfernungen und die beiden Ergebnisse als „A“ und „B“ in zufälliger Reihenfolge, ohne Dateinamen oder Metadaten, bei maximal 1.280 Pixeln an der langen Seite. Zu jedem Paar gehörte eine vor dem Durchlauf formulierte Frage, etwa welches Ergebnis das markierte Objekt besser entfernte und den Rest besser beibehielt. Eine auf dem Prompt basierende Liste zeigte, was unverändert bleiben musste. Der Prüfer wählte eine von fünf Antworten: A deutlich besser, A etwas besser, gleichwertig, B etwas besser oder B deutlich besser. Der Prüfer konnte zudem Kontrollkästchen für erkannte Probleme aktivieren: Raumstruktur verändert, nicht markiertes Objekt entfernt oder verändert, rote Markierung verblieben, Bildausschnitt verändert, Licht oder Proportionen unrealistisch, Tür oder Fenster blockiert sowie Sonstiges.
• Grenze der Abstimmung: Ein Prüfer reicht für ein endgültiges Ergebnis nicht aus; zwei oder mehr unabhängige Prüfer wären verlässlicher.
• Objektive Prüfungen: Eine Zählung der roten Pixel innerhalb des Umrissbandes und eine Prüfung des Bildausschnitts, die jedes Ausgabebild mit dem Original abgleicht.
• Unsere Überprüfung: Wir haben zudem jedes Paar nebeneinander in voller Größe verglichen; diese Überprüfung war kein Blindtest.
• Kosten: Nutzungsdaten multipliziert mit den Listenpreisen von Google. Dies ist eine Schätzung, keine Rechnung.
• Unabhängigkeit: Google hat diesen Test weder gesponsert noch geprüft.

Die genauen Prompts:

REMOVAL (4 photos):
Using the provided photo, remove only the object outlined in red,
and remove the red outline as well. Fill the area with what would
naturally be behind the object, matching the surrounding surfaces
and light. Keep everything else in the image exactly the same,
preserving the original style, lighting, and composition.

STAGING (3 rooms; {room}, {style} and {items} listed below):
Using the provided photo of an empty room, furnish it as a {room}
in a {style} style: {items}. Arrange the furniture so that every
door and window stays clear. Keep the walls, windows, doors, floor,
ceiling, light fixtures and camera framing exactly the same; only
add furniture and decor.
- living room, warm modern: a sofa, a coffee table, an armchair,
  a rug, a floor lamp and two plants
- bedroom, calm Scandinavian: a double bed with bedding, two
  nightstands with lamps, a rug and a plant
- dining room, modern: a dining table with six chairs, a sideboard,
  a rug and a vase of flowers

DECLUTTER (1 kitchen):
Using the provided photo, remove the loose clutter: items lying on
the floor, on tables and on counters, plus any loose cables and
bags. Keep all furniture, appliances, built-ins, artwork, curtains,
walls, windows, doors and lighting exactly as they are, preserving
the original style, lighting, and composition.

HDR (1 hotel room):
Using the provided photo, edit it like a professional real estate
HDR photo: brighten the dark areas, bring back detail in the bright
windows, make the white balance neutral and keep vertical lines
straight. Do not add, remove or move anything, and keep the framing
exactly the same.

Unsere Stichprobe ist klein: neun Fotos, ein Bild pro Anfrage, ein Durchlauf und ein Prüfer. Sie zeigt, was bei diesen Fotos passieren kann, nicht wie oft es vorkommt.

Ergebnisse nach Aufgabenbereich

Jede Zeile unter „Abstimmung“ gibt die Antwort des Prüfers wieder. Die weiteren Beobachtungen stammen aus unserer eigenen Überprüfung.

Objektentfernung mit Nano Banana 2.1 und Pro

Beide Modelle entfernten alle drei markierten Objekte, für die sie ein Bild zurückgaben. Beim vierten Foto, einem Wasserkocher auf einer Küchenarbeitsplatte, lieferte keines der Modelle ein Bild (siehe „Geschwindigkeit und Zuverlässigkeit“).

• Tischlampe, Wohnzimmer: Beide entfernten die Lampe, ihr Kabel und das Spitzendeckchen und behielten die passende Lampe auf der anderen Seite des Sofas bei. Pro hinterließ das Licht der Lampe und den Schatten ihres Körpers an der Wand. Nano Banana 2.1 entfernte auch das Licht, wodurch das Ende des Sofas verdunkelt wurde, und hinterließ einen dunklen Fleck an der Stelle, an der die Lampe gestanden hatte. Abstimmung: Unser Prüfer zog Nano Banana 2.1 deutlich vor; für Pro aktivierte Problemfelder: „Licht oder Proportionen unrealistisch“ und „Sonstiges“.
• Orchidee zwischen zwei Waschbecken, Badezimmer: Beide entfernten die Pflanze samt Topf, bauten die unteren Kanten beider Spiegelrahmen wieder auf und ergänzten die Arbeitsplatte. Die Armaturen, Handtuchringe, die Steckdose und der Lufterfrischer blieben erhalten. Abstimmung: Unser Prüfer zog Nano Banana 2.1 etwas vor; keine Problemfelder aktiviert.
• Beistellstuhl, Schlafzimmer: Beide entfernten den Stuhl und stellten die Ecke des Teppichs mit seinen Fransen, die Fußleiste und die Wand dahinter wieder her. Abstimmung: Unser Prüfer stufte beide als gleichwertig ein; keine Problemfelder aktiviert.

Unser Leitfaden zum Entfernen von Gegenständen und Unordnung erklärt, was entfernt und was beibehalten werden sollte.

Staging eines leeren Raums

Der Prompt forderte beide Modelle auf, jede Tür und jedes Fenster freizuhalten und die Leuchten unverändert zu lassen.

• Wohnzimmer: Keines der Modelle verdeckte die beiden Innentüren. Pro schaltete den vorhandenen Kronleuchter ein, und sein neuer Sessel steht vor der unteren Ecke der Balkontür. Nano Banana 2.1 ließ den Kronleuchter ausgeschaltet und die Balkontür frei. Abstimmung: Unser Prüfer zog Nano Banana 2.1 etwas vor; keine Problemfelder aktiviert.
• Schmales Schlafzimmer: Pro platzierte eine hohe Topfpflanze vor die Schranktüren und einen Nachttisch unter das Fenster, dessen Lampe vor den unteren Bereich der Glasscheibe ragt. Nano Banana 2.1 hielt das Fenster frei, aber der hintere Nachttisch steht direkt neben der offenen Zimmertür, und das Bett verdeckt die Schwelle dieses Durchgangs. Aus der Kameraperspektive verdecken zudem beide Betten den unteren Bereich der Schranktüren. Abstimmung: Unser Prüfer zog Nano Banana 2.1 etwas vor; keine Problemfelder aktiviert.
• Esszimmer: Beide platzierten das Sideboard unter ein Fenster. Nano Banana 2.1 stellte eine Pflanze und Bücher darauf, und Pro platzierte eine kleine Vase mit Grünpflanzen. In beiden Bildern ragt diese Dekoration vor den unteren Bereich der Scheibe. Aus der Kameraperspektive verdecken auch die Blumen auf beiden Tischen einen Teil eines hinteren Fensters. Beide hielten den Durchgang frei. Abstimmung: Unser Prüfer zog Nano Banana Pro etwas vor; keine Problemfelder aktiviert.

Unser Leitfaden zu Nano Banana 2.1 für Immobilien testet, wie die Möbelliste das Ergebnis verändert, und unser Leitfaden zum Stagen eines leeren Raums beschreibt den gesamten Arbeitsablauf.

Aufräumen einer Küche

Beide Modelle räumten den Tisch, die an einem Stuhl hängende Tasche und die Gegenstände auf dem Boden ab und behielten die Haushaltsgeräte, die offenen Regale und die Anrichte bei. Pro räumte die Arbeitsplatten gründlicher frei und entfernte eine Sprühflasche, eine Spülmittelflasche, ein Glas, eine weiße Wanne und eine Schüssel, die 2.1 stehen ließ. Nano Banana 2.1 entfernte ein gestreiftes Handtuch von einem Stuhl und zeichnete die Stuhllehne ein, die das Handtuch verdeckt hatte; Pro behielt das Handtuch bei. Abstimmung: Unser Prüfer zog Nano Banana 2.1 etwas vor; keine Problemfelder aktiviert.

Einen vollständigen Ablauf zur Bildbereinigung finden Sie in unserem Arbeitsablauf für Bereinigungstools.

Belichtungskorrektur im HDR-Stil

Pro lieferte für dieses Foto eines dunklen Hotelzimmers kein Bild zurück, sodass es kein Paar für eine Abstimmung gab. Nano Banana 2.1 hellte die Wände, die Decke und den Schreibtisch auf und milderte einen Blaustich auf dem Vorhang ab, während die Möbel, das Fenster und die Aussicht an ihrem Platz blieben. Informationen zur Aktualisierung von Hotelfotos finden Sie in unserem Leitfaden zur Hotelfotografie nach Renovierungen.

Grundrisse

Bei einem detailreichen Grundriss aus demselben Durchlauf machten beide Modelle Bemaßungsfehler, und beide schrieben einen Dezimalpunkt als Komma. In einer 3D-Ansicht eines anderen Grundrisses zeichneten beide eine Tür ein, wo der Plan ein Fenster zeigt; unser Vergleich von Grundriss-APIs behandelt Tools, die speziell für Grundrisse entwickelt wurden.

Die gemeinsame Schwachstelle: Jede Bearbeitung zeichnet das gesamte Bild neu

Googles Bildleitfaden beschreibt Inpainting oder „semantisches Maskieren“ als eine Möglichkeit, „einen bestimmten Teil eines Bildes zu bearbeiten, während der Rest unberührt bleibt“. Unser Prompt zur Entfernung endete mit dem letzten Satz von Googles Bearbeitungsvorlage, der darum bittet, alles andere exakt gleich zu lassen. Dennoch wurde jede Bearbeitung als neu generiertes Bild zurückgegeben, und bei einigen davon veränderten sich Details weit entfernt von der bearbeiteten Stelle.

Die Nano Banana 2.1-Modellkarte führt „unvollständige Befolgung von Anweisungen und Verbleiben von Zeichnungsspuren bei masken-/skizzenbasierter Bearbeitung“ unter den bekannten Einschränkungen auf. Atlas Cloud, ein Anbieter von KI-Modellen, beschreibt dasselbe Verhalten: Das Modell „generiert bei jeder Bearbeitung das gesamte Bild neu“.

Was sich in unserem Durchlauf veränderte, obwohl niemand darum gebeten hatte:

• Beschriftungen und kleiner Text: In der Küche wandelten beide Modelle die gedruckten und handschriftlichen Etiketten auf Vorratsgläsern in erfundene Buchstaben um. Beide verwandelten auch die gedruckten Messlinien auf einem kleinen hängenden Becher in eine erfundene Handschrift.
• Bilder an der Wand: Beide zeichneten einen gerahmten Druck im Schlafzimmer und ein kleines Gemälde über dem Sofa neu, weit entfernt von dem Stuhl und der Lampe, die sie entfernten. Die Änderungen am Druck waren im 2.1-Bild deutlicher zu sehen.
• Leuchten: Pro schaltete den Wohnzimmerkronleuchter ein, obwohl der Prompt verlangte, die Leuchten exakt unverändert zu lassen.

• Eine zusätzliche Entfernung: Nano Banana 2.1 nahm ein Handtuch von einem Stuhl, das im Prompt nicht als Unordnung aufgeführt war.
• Bereiche, die unverändert wirken: Bei voller Bildgröße wurden die Bäume vor dem Esszimmerfenster und die Reflexionen in den Badezimmerspiegeln neu gezeichnet, nicht kopiert.

Was wir nicht sahen: Kein Bild behielt rote Tinte aus einem Umriss bei – das „Verbleiben von Zeichnungsspuren“, vor dem die Modellkarte warnt –, und keines wurde um mehr als 0,02 Grad gedreht. Jedes Bild verlor an jeder Seite etwa 0,3 % seiner Breite, was der etwas schmaleren Form einer Ausgabe mit 2.528 × 1.696 Pixeln entspricht. In unserer Überprüfung wurde weder eine Wand noch ein Fenster oder eine Tür hinzugefügt oder entfernt.

So prüfen Sie eine Bearbeitung, bevor Sie sie verwenden:

1. Benennen Sie, was unverändert bleiben muss, sowohl in der Nähe der Bearbeitung als auch weiter entfernt, und geben Sie an, ob Lampen ein- oder ausgeschaltet sind. Ein Detail zu benennen schützt es nicht immer: Unser Staging-Prompt nannte die Leuchten, und Pro schaltete dennoch den Kronleuchter ein. Unser Leitfaden für Immobilien hat dies an zwei möblierten Räumen mit Nano Banana 2.1 getestet: Ein Prompt, der auflistete, was beibehalten werden sollte, führte zu keinem besseren Ergebnis als ein kurzer Prompt.
2. Nehmen Sie nur eine Änderung pro Anfrage vor. Jede zusätzliche Bearbeitung bietet eine weitere Gelegenheit, dass sich Details ungewollt verändern.
3. Vergleichen Sie in voller Bildgröße: den bearbeiteten Bereich, Lichtquellen, Objekte neben der Bearbeitungsstelle, Beschriftungen und kleinen Text sowie die Ränder des Fotos.
4. Behalten Sie das Original und kennzeichnen Sie die Bearbeitung, sofern Ihr Markt dies vorschreibt; siehe unseren Leitfaden zu MLS-Fotoanforderungen und unseren Leitfaden zu AB 723.

Produkt- und Katalogfotos können sich auf dieselbe Weise verändern, von Logos bis hin zu Kleinteilen; unser Leitfaden zur KI-Hintergrundgenerierung für Möbelkataloge beschreibt diesen Ablauf.

Kosten pro Bild und pro nutzbarem Bild

Listenpreise berücksichtigen nur das Ausgabebild. Bei einer realen Bearbeitung fallen auch Kosten für das Eingabefoto sowie für Thinking- und Text-Tokens an. Nach den Listenpreisen von Google kosteten unsere 2K-Bearbeitungen:

• Nano Banana 2.1: ein Median von 0,0572 $ pro Bild über 8 Bilder (0,0555 $ bis 0,0666 $), 13 % über dem Listenpreis von 0,0504 $. Die medianen Anteile lagen bei 0,0504 $ für das Bild, etwa 0,0018 $ für das Eingabefoto und den Prompt und etwa 0,0050 $ für Thinking und Text.
• Nano Banana Pro: ein Median von 0,1392 $ pro Bild über 7 Bilder (0,1387 $ bis 0,1398 $), 4 % über dem Listenpreis von 0,134 $. Auf Googles Preisseite wird jedes Pro-Eingabebild mit 560 Tokens angesetzt, während die Nutzungsdaten 258 angaben; bei 560 Tokens läge der Pro-Median bei 0,1398 $.
• Die Differenz: etwa 0,08 $ pro Bild, sodass 2.1 rund 59 % weniger kostete. Bei diesen Medianwerten kosten 100 Bearbeitungen etwa 5,72 $ mit 2.1 und 13,92 $ mit Pro, vor Wiederholungsversuchen.

Durch das Thinking hängen die Kosten von 2.1 von der Aufgabe ab. Seine drei Entfernungen verbrauchten 142 bis 168 Thinking-Tokens, während die Stagings und das Aufräumen 291 bis 1.421 Tokens benötigten; jeweils 1.000 Thinking-Tokens kosten 0,0075 $ zusätzlich. Pro verbrauchte 164 bis 237 Thinking-Tokens pro Bild. Diese Zählungen umfassen nur die Anfragen, die ein Bild zurückgaben.

Beide Kostenspalten enthalten auch die Anfragen, die kein Bild zurückgaben. Die Kosten pro nutzbarem Bild teilen die Gesamtausgaben für eine Aufgabe durch die Anzahl der Bilder, die Sie tatsächlich verwenden konnten. Wir stufen ein Bild als nutzbar ein, wenn der Prüfer dafür kein Problemfeld aktiviert hat und auch unsere eigene Überprüfung in voller Größe keines dieser Probleme feststellte. Nach dieser Regel waren 5 der 14 Bilder in den sieben abgestimmten Paaren nutzbar: die Orchideen-Entfernung und das Esszimmer bei beiden Modellen sowie das Wohnzimmer bei 2.1. Die anderen neun wiesen jeweils ein oben beschriebenes Problem auf, etwa ein verbliebenes Licht oder einen Fleck, einen neu gezeichneten Kunstdruck, einen eingeschalteten Kronleuchter, eine blockierte Tür oder einen Schrank oder veränderte Gläserbeschriftungen. Dekoration vor einem Teil eines Fensters, wie die Blumen im Esszimmer, zählte nicht als Blockierung; Möbel oder eine Pflanze vor einer Tür oder einem Schrank hingegen schon. Details, die zwar neu gezeichnet wurden, aber unverändert aussehen, sofern man nicht heranzoomt (wie die Spiegelungen und eine kleine Steckdosenbeschriftung im Badezimmer), wurden nicht als Veränderung gewertet. Ihre eigenen Kriterien können abweichen: Umgeschriebene Etiketten auf Gläsern spielen bei einem Inseratsfoto vielleicht keine Rolle, bei einem Produktfoto jedoch sehr wohl.

Um die API-Kosten von Nano Banana 2.1 mit fertigen Staging-Diensten zu vergleichen, lesen Sie unseren Leitfaden zu API-Preisen für virtuelles Staging und unsere Übersicht der günstigsten APIs für virtuelles Staging.

Geschwindigkeit und Zuverlässigkeit

Geschwindigkeit. Wir haben jede Anfrage auf unserer Seite gemessen, vom Senden des Fotos bis zum Empfang des Bildes, bei jeweils zwei laufenden Anfragen.

• In diesem Vergleich lag der Median bei 19,4 Sekunden für 2.1 (8 Bilder, 17,4 bis 24,9 Sekunden) und bei 22,2 Sekunden für Pro (7 Bilder, 21,1 bis 24,3 Sekunden). Bei vier der sieben Paare dauerte die Anfrage mit 2.1 weniger lang.
• Über alle 2K-Bilder desselben Durchlaufs hinweg, einschließlich Tests für unsere anderen Artikel, lagen die Mediane bei 22,4 Sekunden für 2.1 (21 Bilder) und 21,8 Sekunden für Pro (11 Bilder).

Keines der Modelle war eindeutig schneller; die Reihenfolge variierte je nach Aufgabenmix. Die Modellkarte warnt bei 2.1 vor „gelegentlicher Verlangsamung oder Timeout-Problemen“; messen Sie dies daher anhand Ihres eigenen Arbeitsvolumens.

Anfragen ohne Bild. Unser gesamter Durchlauf umfasste 39 Anfragen, einschließlich Tests für andere Artikel, und 36 lieferten ein Bild zurück. Die 3 Anfragen, bei denen dies nicht der Fall war, traten alle in diesem Vergleich auf:

Googles API-Referenz definiert IMAGE_RECITATION als „Bildgenerierung aufgrund von Rezitation gestoppt“ („Image generation stopped due to recitation.“). Sie liefert keine weitere Erklärung, und wir stellen dazu keine Vermutungen an. Jede Antwort ging als normale HTTP-200-Antwort ohne Bild und ohne Text ein, aber die Nutzungsdaten führten Eingabe- und Thinking-Tokens auf. Die Abrechnungs-FAQ von Google besagt lediglich, dass Anfragen, die mit einem 400er- oder 500er-Fehler fehlschlagen, nicht berechnet werden; daher berücksichtigt unsere Schätzung diese Tokens. Gemäß einer Regel, die wir vor dem Durchlauf festgelegt hatten, führten wir keine Wiederholungsversuche durch.

Unsere Empfehlung für API-Abläufe: Lesen Sie den Beendigungsgrund aus, nicht nur den HTTP-Status, und protokollieren Sie die Nutzung jeder Anfrage ohne Bild. Legen Sie im Voraus fest, ob Sie einen erneuten Versuch starten, den Prompt anpassen oder das Modell wechseln möchten. Unser API-Tutorial für virtuelles Staging behandelt Wiederholungsversuche und Credit-Budgets, und unser Vergleich von APIs für virtuelles Staging zeigt, wie Anbieter mit fehlgeschlagenen Aufträgen umgehen.

Wir haben keine MAX_TOKENS-Antworten festgestellt, obwohl ein Entwickler am 7. Oktober 2026 im Google-Entwicklerforum über solche Antworten ohne Bild bei 2.1 berichtete; der Thread enthielt zum Zeitpunkt unserer Prüfung noch keine Antwort.

Wo Pro weiterhin punktet und was die Bestenlisten sagen

Pro behält bei seinen technischen Daten echte Vorteile. Google nennt es „die Premium-Wahl für die komplexesten visuellen Aufgaben, die das höchste Maß an Weltwissen, fortschrittliche Lokalisierung, präzise Markenkonsistenz und feine kreative Kontrolle bietet“. Es verarbeitet zudem Stil-Referenzbilder und ein fünftes Personenbild.

Zwei Tester fanden Punkte, bei denen Pro besser abschnitt. The Decoder schrieb am 6. Oktober 2026, dass „in der Praxis Nano Banana Pro oft immer noch spürbar bessere Bilder liefert“. Im eigenen Vergleichstest wirkte das Bild von Pro „realistischer und natürlicher, insbesondere bei Farben und Proportionen“. Fuser, ein Anbieter kreativer KI-Tools, testete jedes Modell einmal pro Aufgabe. Nano Banana 2.1 gewann zwei von Fusers fünf Aufgaben und erzielte bei zwei ein Unentschieden; zudem war es das einzige Modell, das die Beleuchtungsvorgaben einhielt. Pro gewann die fünfte Aufgabe mit der besten Übereinstimmung zu einem Referenzgesicht. Unser Test enthielt weder Gesichter noch Beleuchtungsvorgaben, daher können wir keines der beiden Ergebnisse bestätigen. In unserer eigenen Blindabstimmung zog der Prüfer Pro bei einem der sieben Paare leicht vor: beim gestagten Esszimmer.

Die interne Evaluierung von Google und öffentliche Bestenlisten stufen 2.1 höher ein als Pro. Die allgemeinen Bestenlisten nutzen allgemeine Prompts, keine Immobilienfotos, und ändern sich täglich. Positionen, wie wir sie am 12. Oktober 2026 abgelesen haben:

Nur die Kategorie von Artificial Analysis befasst sich mit Architektur und Immobilien, und die Seite der Bestenliste nennt die verwendeten Bilder nicht. Die GPT Image 2.5-Modelle von OpenAI führen beide öffentlichen Bearbeitungs-Bestenlisten an; unser Artikel zu GPT-6 Astra erklärt, wie sich die Bildmodelle von OpenAI beim Staging einfügen.

Welches Modell sollten Sie nutzen? Eine Entscheidungshilfe

• Kosten an erster Stelle: Beginnen Sie bei hohem Volumen mit 2.1, und nutzen Sie die Stapelverarbeitung, wenn eine Bearbeitungszeit von 24 Stunden für Sie infrage kommt.
• Objektentfernung: Beide Modelle entfernten jedes markierte Objekt, für das sie ein Bild lieferten. Prüfen Sie Licht und Schatten an der Stelle, an der das Objekt stand, sowie die umliegenden Objekte.
• Staging: Keines der beiden Modelle war in unseren drei Räumen frei von Platzierungsfehlern. Erstellen Sie die Möbelliste selbst und überprüfen Sie anschließend jede Tür, jeden Schrank, jedes Fenster und jede Leuchte.
• Referenzen und Formate: Nutzen Sie Pro für Stil-Referenzbilder oder fünf Personenbilder, und 2.1 für zehn Objektbilder, Video- oder PDF-Eingaben oder die Formate 1:4, 4:1, 1:8 und 8:1.
• API-Pipelines: Werten Sie den Beendigungsgrund aus, planen Sie ein Budget für Wiederholungsversuche ein und halten Sie ein zweites Modell als Fallback bereit.
• Alte Modellcodes: Googles Tabelle veralteter Versionen kennzeichnet gemini-3-pro-image-preview als bereits abgeschaltet (Abschaltdatum 25. Juni 2026), und Nano Banana 2 ist als veraltet eingestuft. Rufen Sie stattdessen gemini-3-pro-image oder gemini-nano-banana-2.1 auf.
• Eigene Fotos: Lassen Sie fünf bis zehn Ihrer eigenen Fotos durch beide Modelle laufen und zählen Sie die nutzbaren Ergebnisse, bevor Sie sich festlegen.

Offenlegung: Roomagen, der Herausgeber dieses Tests, entwickelt Fotobearbeitungstools auf Basis der Gemini-Bildmodelle von Google. Wenn Sie feste Arbeitsschritte Prompts vorziehen, binden unsere Tools für Objekt- & Gegenstandsentfernung aus Fotos, Virtuelles Staging, Virtueller Aufräumservice und HDR Foto Editor ein Modell in einen Arbeitsablauf ein – und dieselben Prüfschritte gelten auch hier.

Fazit

Nano Banana 2.1 ist die kostengünstigere Wahl: In unserem Testlauf kostete es bei vergleichbarer Geschwindigkeit etwa 59 % weniger pro 2K-Bild als Nano Banana Pro. In diesem kleinen Test bevorzugte unser Prüfer zudem 2.1 bei fünf der sieben Paare, am deutlichsten bei der Objektentfernung, und Pro bei einem Paar. Pro akzeptiert weiterhin Stil-Referenzbilder und ein fünftes Personenbild, bietet das laut Google „höchste Maß an Weltwissen“, und ein Tester, The Decoder, empfand dessen Bilder weiterhin als realistischer.

Beide Modelle zeichnen das gesamte Bild neu, sodass sich Details verändern können – unabhängig davon, ob Sie sie im Prompt benennen oder nicht –, von Gläserbeschriftungen bis hin zu einer Leuchte. Für welches Modell Sie sich auch entscheiden: Vergleichen Sie jede Bearbeitung vor der Veröffentlichung in voller Bildgröße mit dem Original.

Preise, Modellstatus, Definitionen von Beendigungsgründen und Platzierungen auf Bestenlisten wurden am 12. Oktober 2026 anhand der unten genannten Quellen überprüft. Die Testergebnisse stammen aus einem einzigen Durchlauf am 10. Oktober 2026 mit neun lizenzierten Fotos und einem Prüfer, wie im Abschnitt „Wie wir getestet haben“ beschrieben.