Google: Nano Banana 2.1

Google: Nano Banana 2.1 es un modelo de generación y edición de imágenes de Google, construido sobre el nivel Flash. Sucede a Nano Banana 2 y Nano Banana Pro, y Google lo describe como una mejora en la recontextualización de productos. Se sitúa tanto en la categoría de imagen como en la de texto, por lo que es un modelo multimodal en lugar de un sistema solo de texto o solo de imagen.

El modelo acepta imagen y texto como entradas y puede devolver imagen y texto como salidas. Su ventana de contexto es de 65.536 tokens, con una salida máxima de 58.982 tokens. La generación de imágenes es configurable: la resolución se puede ajustar a 1K, 2K o 4K, y la relación de aspecto admite 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 y 21:9. El parámetro n acepta un único valor, de 1 a 1, por lo que cada solicitud produce una imagen. Puedes proporcionar hasta 14 referencias de entrada, que es lo que hace posible la edición y la generación guiada por referencias.

Esas capacidades apuntan a unos cuantos patrones prácticos. Como el modelo toma imagen como entrada y devuelve imagen como salida, encaja en flujos de trabajo de edición donde se ajusta una imagen existente en lugar de crearla desde cero. El límite de 14 referencias admite tareas que necesitan varias imágenes de origen a la vez, como combinar o cambiar el estilo de material, y la mejora en la recontextualización de productos sugiere colocar un producto en nuevas escenas o entornos. La salida de texto junto con la salida de imagen significa que una sola llamada puede devolver visuales generados más texto de acompañamiento. Las opciones de resolución y relación de aspecto permiten apuntar a diferentes formas de salida, desde cuadrada y vertical hasta formatos anchos como 21:9, sin recortes de posprocesamiento.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemini-nano-banana-2.1". Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools y top_p. Los ajustes específicos de imagen, como resolution, aspect_ratio, n e input_references, también se configuran a través de la solicitud. Como la interfaz es compatible con OpenAI, las bibliotecas de cliente de OpenAI existentes y las formas de solicitud funcionan con solo cambiar el id de modelo y los parámetros.

Merece la pena señalar algunas restricciones al elegir este modelo. La ventana de contexto es de 65.536 tokens, y n está fijado en 1, por lo que las solicitudes que necesitan varias imágenes por llamada no se admiten aquí. Si tu tarea es puramente generación de texto sin entrada ni salida de imagen, un modelo centrado en texto puede encajar mejor. Si necesitas más de 14 referencias de entrada, este modelo no lo admitirá.