Google: Nano Banana Pro (Gemini 3 Pro Image)

Google: Nano Banana Pro (Gemini 3 Pro Image) ist ein Bildgenerierungs- und Bearbeitungsmodell von Google, das auf Gemini 3 Pro aufbaut. Es ist der Nachfolger des ursprünglichen Nano Banana, und Google beschreibt es als sein fortschrittlichstes Bildgenerierungs- und Bearbeitungsmodell, mit verbessertem multimodalen Reasoning und Real-World-Grounding im Vergleich zur früheren Version. Es liegt in der Bildkategorie und verarbeitet gleichzeitig auch Text, sodass es ein multimodales Modell ist und kein reines Text- oder reines Bildsystem.

Das Modell akzeptiert Bild- und Texteingaben und kann sowohl Bild- als auch Textausgaben erzeugen. Es hat ein Kontextfenster von 131.072 Tokens und eine maximale Ausgabe von 32.768 Tokens. Die Bildgenerierung ist konfigurierbar: Die Auflösung kann auf 1K, 2K oder 4K eingestellt werden, und das Seitenverhältnis kann auf 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 oder 21:9 eingestellt werden. Der Parameter n akzeptiert einen Wert von 1 bis 1, sodass jede Anfrage ein einzelnes Bild zurückgibt, und input_references akzeptiert 0 bis 14 Bilder, was referenzgesteuerte Bearbeitung und Komposition ermöglicht.

Diese Fähigkeiten deuten auf einige praktische Muster hin. Sie können ein Bild aus einem Text-Prompt mit einer gewählten Auflösung und einem gewählten Seitenverhältnis generieren, was für alles von quadratischen Social-Assets bis hin zu breiten 21:9-Bannern oder hohen 9:16-Formaten geeignet ist. Da das Modell Bild Eingaben zusammen mit Text annimmt, können Sie es auch für Bearbeitungs- und Transformationsarbeiten verwenden und bis zu 14 Referenzbilder übergeben, um Stil, Motiv oder Komposition zu steuern. Die Textausgabeseite bedeutet, dass ein einzelner Aufruf Kommentare oder strukturierte Inhalte zusammen mit dem generierten Bild zurückgeben kann, und die Parameter für Reasoning und strukturierte Ausgabe unterstützen Workflows, bei denen das Modell planen muss, bevor es das Ergebnis erzeugt.

Über api14 rufen Sie das Modell mit der id "google/gemini-3-pro-image" über die OpenAI-kompatible API auf, sodass bestehende OpenAI SDKs und Clients mit einer Änderung der Base-URL und der Model-ID funktionieren. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools und top_p. Bildspezifische Optionen wie resolution, aspect_ratio, n und input_references werden zusammen mit diesen Parametern festgelegt. Der Parameter seed ist nützlich, wenn Sie reproduzierbare Generierungen wünschen, und tools und tool_choice ermöglichen es Ihnen, Bildgenerierung mit Function Calling in einer Agent-Schleife zu kombinieren.

Zwei Einschränkungen sind erwähnenswert, bevor Sie sich festlegen. Jede Anfrage gibt nur ein Bild zurück, da n zwischen 1 und 1 festgelegt ist, sodass Batches mehrere Aufrufe erfordern. Eingabereferenzen sind auf 14 Bilder pro Anfrage begrenzt. Wenn Ihre Aufgabe reines Text-Reasoning oder Chat ohne Bildausgabe ist, wird ein dediziertes Textmodell normalerweise die einfachere und passendere Wahl sein, und dieses Modell sollte am besten für Arbeiten reserviert werden, bei denen Bildgenerierung oder Bildbearbeitung tatsächlich Teil der Ausgabe ist.