Google: Nano Banana Pro (Gemini 3 Pro Image)

Google: Nano Banana Pro (Gemini 3 Pro Image) es un modelo de generación y edición de imágenes de Google, construido sobre Gemini 3 Pro. Es el sucesor del Nano Banana original, y Google lo describe como su modelo de generación y edición de imágenes más avanzado, con un razonamiento multimodal mejorado y una fundamentación en el mundo real superior en comparación con la versión anterior. Se sitúa en la categoría de imagen aunque también maneja texto, por lo que es un modelo multimodal en lugar de un sistema puramente de texto o puramente de imagen.

El modelo acepta entradas de imagen y texto y puede producir tanto salidas de imagen como de texto. Tiene una ventana de contexto de 131.072 tokens y una salida máxima de 32.768 tokens. La generación de imágenes es configurable: la resolución puede establecerse en 1K, 2K o 4K, y la relación de aspecto puede establecerse en 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 o 21:9. El parámetro n acepta un valor de 1 a 1, por lo que cada solicitud devuelve una sola imagen, y input_references acepta de 0 a 14 imágenes, que es lo que permite la edición y composición guiadas por referencias.

Esas capacidades apuntan a unos cuantos patrones prácticos. Puedes generar una imagen a partir de un prompt de texto con una resolución y relación de aspecto elegidas, lo que sirve para cualquier cosa, desde recursos cuadrados para redes sociales hasta banners anchos de 21:9 o formatos altos de 9:16. Como el modelo acepta entrada de imagen junto con texto, también puedes usarlo para trabajo de edición y transformación, pasando hasta 14 imágenes de referencia para guiar el estilo, el sujeto o la composición. El lado de salida de texto significa que una sola llamada puede devolver comentarios o contenido estructurado junto con la imagen generada, y los parámetros de razonamiento y salida estructurada admiten flujos de trabajo en los que el modelo necesita planificar antes de producir el resultado.

A través de api14 llamas al modelo con el id "google/gemini-3-pro-image" usando la API compatible con OpenAI, por lo que los SDK y clientes de OpenAI existentes funcionan con un cambio de URL base y de id de modelo. Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools y top_p. Las opciones específicas de imagen, como resolution, aspect_ratio, n e input_references, se establecen junto a esos parámetros. El parámetro seed es útil cuando quieres generaciones reproducibles, y tools y tool_choice te permiten combinar la generación de imágenes con el llamamiento de funciones en un bucle de agente.

Merece la pena señalar dos restricciones antes de comprometerte. Cada solicitud devuelve solo una imagen, ya que n está fijado entre 1 y 1, por lo que los lotes requieren múltiples llamadas. Las referencias de entrada están limitadas a 14 imágenes por solicitud. Si tu tarea es razonamiento solo de texto o chat sin ninguna salida de imagen, un modelo de texto dedicado suele ser la opción más sencilla y apropiada, y este modelo se reserva mejor para trabajo en el que la generación o la edición de imágenes forme parte realmente de la salida.