Nano Banana 2.1 kommt in den Picsart AI Playground und bringt Multi-Turn-Bearbeitung mit

Was Nano Banana 2.1 ist

Nano Banana 2.1 ist das neueste Bildmodell in Googles Nano-Banana-Reihe. Es gehört zur Gemini-3-Serie nativ multimodaler Reasoning-Modelle und basiert auf Gemini 3.6 Flash. Es verarbeitet Text und Bilder als Eingabe und kann in derselben Antwort Bilder und Text ausgeben.

Google richtet das Modell auf vier Arten von Aufgaben aus: das Erstellen und Bearbeiten von Bildern mit professioneller Präzision und Kontrolle über mehrere schnelle Iterationen, das Erzeugen gut lesbarer Texte für Poster und komplexe Diagramme, den Rückgriff auf Weltwissen sowie das Darstellen lokalisierter Texte in mehreren Sprachen.

Die Ausgabe ist in den Auflösungen 1K, 2K oder 4K und in 15 Seitenverhältnissen verfügbar, vom Quadrat bis zu breiten Bannerformaten. Das sind 1:1, 4:5, 5:4, 3:4, 4:3, 3:2, 2:3, 16:9, 9:16, 21:9, 9:21, 4:1, 1:4, 8:1 und 1:8.

Bearbeitung über eine ganze Unterhaltung hinweg

Die Bearbeitung hat in dieser Version ebenso viel Gewicht wie die Generierung. Das Modell unterstützt Multi-Turn-Bildbearbeitung: Ein Bild lässt sich im Verlauf eines Gesprächs verfeinern, statt jedes Mal mit einem neuen Prompt von vorn zu beginnen. Google hat das Modell sowohl in statischen als auch in dynamischen Unterhaltungen evaluiert.

Google hat das Modell für mehrere Bearbeitungsmodi entwickelt und getestet: allgemeine Bearbeitung, Stilisierung, Charakterbearbeitung sowie Änderungen an Objekten und Umgebungen. Zudem unterstützt es tintenbasiertes Bearbeiten, bei dem Nutzer eine Kritzelei auf das Bild zeichnen, um die Änderung zu steuern. Die Bearbeitung mehrerer Bilder umfasst die Neukontextualisierung mehrerer Produkte und Szenen mit mehreren Figuren, etwa wenn mehrere Produktfotos in einer neuen Szene zusammengeführt oder mehrere Figuren in einem Bild platziert werden.

Google nennt dabei auch Grenzen. Das Befolgen von Anweisungen und die Beständigkeit der Tinte bei Kritzel-Bearbeitungen funktionieren noch nicht durchgehend, sodass eine knifflige Bearbeitung mehr als einen Durchgang brauchen kann. Die Konsistenz der Figuren zwischen Eingabe und Ausgabe ist nicht immer perfekt, und Google berichtet von seltenen Fällen, in denen eine Bearbeitung die Pose des ursprünglichen Motivs beibehält.

Was Googles Evaluierungen zeigen

Google hat direkte Vergleiche durch menschliche Bewerter durchgeführt, ausgewertet als Elo-Wert, gegen Nano Banana 2 und Nano Banana Pro. Mit aktiviertem Thinking lag Nano Banana 2.1 in allen ausgewiesenen Kategorien vor beiden Modellen. Ausgewählte Ergebnisse:

• Gesamtpräferenz bei Text-zu-Bild: 1050, gegenüber 990 bei Nano Banana 2 und 935 bei Nano Banana Pro
• Konsistenz bei mehreren Figuren: 1106, gegenüber 978 und 1011
• Masken- und tintenbasierte Bearbeitung: 1049, gegenüber 965 und 927
• Faktentreue bei Infografiken: 0,521, gegenüber 0,179 und 0,265, fast das Dreifache des Werts von Nano Banana 2

Google testete das Modell auch mit deaktiviertem Thinking. Diese Variante lag in jeder Kategorie der Liste weiterhin vor Nano Banana 2. Bei der Konsistenz mehrerer Figuren erzielte das neue Modell den größten Zuwachs gegenüber Nano Banana 2.

Bekannte Einschränkungen und was das für Picsart-Nutzer bedeutet

Google nennt mehrere Schwächen. Kleiner Text ist bei 1K oft unscharf, und lange Absätze sowie ganze Textseiten bleiben schwierig. Das Modell verwechselt mitunter links und rechts, und auch fortgeschrittenes Weltwissen, 3D-Verständnis und Faktentreue bleiben begrenzt.

Für Nutzer von Picsart ist das Modell ab sofort im AI Playground verfügbar. Dort lassen sich Bilder aus einem Prompt erzeugen oder mitgebrachte Bilder bearbeiten. Picsart nennt Poster und Diagramme mit echtem Text, aus mehreren Aufnahmen zusammengesetzte Produktszenen sowie Figurenserien wie Comicstrips oder Maskottchen-Kampagnen als naheliegende Einsatzfelder, auch angesichts der Ergebnisse bei mehreren Figuren und bei Infografiken. Picsart empfiehlt, mit einem vorhandenen Bild zu beginnen, eine Änderung anzufordern, dann die nächste, und auszuprobieren, wie weit eine einzige Unterhaltung trägt.