Google: Nano Banana (Gemini 2.5 Flash Image)

Google: Nano Banana (Gemini 2.5 Flash Image) es un modelo de generación de imágenes de Google, identificado en api14 como google/gemini-2.5-flash-image. Se sitúa en la categoría de imagen con texto como categoría secundaria, y fue lanzado por el proveedor el 2025-10-07. El modelo está disponible de forma general, y su fecha de corte de conocimiento es 2025-01-31.

El modelo acepta imagen y texto como entradas y puede producir tanto imagen como texto como salidas, por lo que una sola solicitud puede combinar un prompt escrito con imágenes de referencia y devolver una imagen generada, texto, o ambos. Tiene una ventana de contexto de 32768 tokens y una salida máxima de 8192 tokens. La generación de imágenes se controla mediante parámetros de imagen dedicados: aspect_ratio acepta uno de 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 o 21:9; n tiene un mínimo de 1 y un máximo de 1, por lo que cada solicitud devuelve una sola imagen; e input_references acepta entre 0 y 3 imágenes. El modelo está diseñado para la comprensión contextual junto con la generación de imágenes, que es lo que permite que las imágenes de referencia y las instrucciones de texto informen el resultado.

Los usos prácticos se derivan de esa combinación de entradas y salidas. Puedes generar una imagen a partir de un prompt de texto solo, o proporcionar hasta tres imágenes de referencia para guiar el estilo, el sujeto o la composición mientras describes el cambio que deseas en texto. Debido a que el modelo también devuelve texto, encaja en flujos de trabajo donde una explicación escrita o un pie de foto acompaña a la imagen generada. El conjunto fijo de relaciones de aspecto hace que sea sencillo apuntar a formatos comunes como salidas cuadradas, verticales, horizontales, anchas y ultra anchas sin recortes de posprocesamiento.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo google/gemini-2.5-flash-image. Los parámetros de solicitud admitidos son max_tokens, response_format, seed, stop, structured_outputs, temperature y top_p. Los ajustes específicos de imagen como aspect_ratio, n e input_references se pasan junto con esos parámetros. Debido a que la interfaz es compatible con OpenAI, los clientes y SDK existentes que ya apuntan a esa forma pueden apuntar a api14 con el id de modelo cambiado.

Vale la pena señalar algunos límites al decidir. La ventana de contexto es de 32768 tokens y la salida máxima es de 8192 tokens, por lo que los prompts muy largos o grandes volúmenes de material de referencia pueden necesitar recortarse. Cada solicitud devuelve exactamente una imagen, por lo que la generación por lotes implica múltiples llamadas. La fecha de corte de conocimiento es 2025-01-31. Si tu tarea es puramente generación de texto sin componente de imagen, un modelo enfocado en texto puede ser una mejor opción.