Google: Nano Banana 2.1

Google: Nano Banana 2.1 ist ein Bildgenerierungs- und Bildbearbeitungsmodell von Google, das auf der Flash-Stufe aufbaut. Es tritt die Nachfolge von Nano Banana 2 und Nano Banana Pro an, und Google beschreibt es als Verbesserung der Produkt-Rekontextualisierung. Es ist sowohl in der Bild- als auch in der Textkategorie angesiedelt, handelt es sich also um ein multimodales Modell und nicht um ein reines Text- oder reines Bildsystem.

Das Modell akzeptiert Bild und Text als Eingaben und kann Bild und Text als Ausgaben zurückgeben. Sein Kontextfenster umfasst 65.536 Token, mit einer maximalen Ausgabe von 58.982 Token. Die Bildgenerierung ist konfigurierbar: Die Auflösung kann auf 1K, 2K oder 4K eingestellt werden, und das Seitenverhältnis unterstützt 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9 und 21:9. Der Parameter n akzeptiert einen einzelnen Wert, von 1 bis 1, sodass jede Anfrage ein Bild erzeugt. Sie können bis zu 14 Eingabereferenzen angeben, was Bearbeitung und referenzgesteuerte Generierung ermöglicht.

Diese Fähigkeiten deuten auf einige praktische Muster hin. Da das Modell Bild-Eingaben entgegennimmt und Bild-Ausgaben zurückgibt, eignet es sich für Bearbeitungsworkflows, bei denen ein vorhandenes Bild angepasst statt von Grund auf neu erstellt wird. Das Referenzlimit von 14 unterstützt Aufgaben, die mehrere Quellbilder gleichzeitig benötigen, etwa das Kombinieren oder Umgestalten von Material, und die Verbesserung der Produkt-Rekontextualisierung legt nahe, ein Produkt in neue Szenen oder Umgebungen zu setzen. Textausgabe neben Bildausgabe bedeutet, dass ein einzelner Aufruf generierte Visuals plus begleitenden Text zurückgeben kann. Die Optionen für Auflösung und Seitenverhältnis lassen Sie verschiedene Ausgabeformen ansteuern, von quadratisch und hochformatig bis hin zu breiten Formaten wie 21:9, ohne nachträgliches Zuschneiden.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID "google/gemini-nano-banana-2.1" auf. Die unterstützten Anfrageparameter sind include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools und top_p. Bildspezifische Einstellungen wie resolution, aspect_ratio, n und input_references werden ebenfalls über die Anfrage konfiguriert. Da die Schnittstelle OpenAI-kompatibel ist, funktionieren bestehende OpenAI-Client-Bibliotheken und Anfrageformen, wenn nur die Modell-ID und die Parameter geändert werden.

Einige Einschränkungen sind bei der Wahl dieses Modells erwähnenswert. Das Kontextfenster umfasst 65.536 Token, und n ist fest auf 1 gesetzt, sodass Anfragen, die mehrere Bilder pro Aufruf benötigen, hier nicht unterstützt werden. Wenn Ihre Aufgabe eine reine Textgenerierung ohne Bild-Eingabe oder -Ausgabe ist, könnte ein textfokussiertes Modell besser passen. Wenn Sie mehr als 14 Eingabereferenzen benötigen, kann dieses Modell das nicht abdecken.