Google: Nano Banana Pro (Gemini 3 Pro Image)

Google : Nano Banana Pro (Gemini 3 Pro Image) est un modèle de génération et d'édition d'images de Google, construit sur Gemini 3 Pro. Il succède au Nano Banana original, et Google le présente comme son modèle de génération et d'édition d'images le plus avancé, avec un raisonnement multimodal et un ancrage dans le monde réel améliorés par rapport à la version précédente. Il se situe dans la catégorie image tout en traitant aussi du texte, c'est donc un modèle multimodal plutôt qu'un système purement texte ou purement image.

Le modèle accepte des entrées image et texte et peut produire des sorties à la fois image et texte. Il dispose d'une fenêtre de contexte de 131 072 tokens et d'une sortie maximale de 32 768 tokens. La génération d'images est configurable : la résolution peut être définie sur 1K, 2K ou 4K, et le rapport d'aspect peut être défini sur 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 ou 21:9. Le paramètre n accepte une valeur de 1 à 1, donc chaque requête renvoie une seule image, et input_references accepte de 0 à 14 images, ce qui permet l'édition et la composition guidées par référence.

Ces capacités renvoient à quelques schémas pratiques. Vous pouvez générer une image à partir d'un prompt texte à une résolution et un rapport d'aspect choisis, ce qui convient à tout, des visuels carrés pour les réseaux sociaux aux bannières larges en 21:9 ou aux formats verticaux en 9:16. Comme le modèle prend des entrées image en plus du texte, vous pouvez aussi l'utiliser pour des travaux d'édition et de transformation, en transmettant jusqu'à 14 images de référence pour guider le style, le sujet ou la composition. Le volet sortie texte signifie qu'un seul appel peut renvoyer un commentaire ou un contenu structuré en même temps que l'image générée, et les paramètres de raisonnement et de sortie structurée prennent en charge les flux de travail où le modèle doit planifier avant de produire le résultat.

Via api14, vous appelez le modèle avec l'id "google/gemini-3-pro-image" en utilisant l'API compatible OpenAI, donc les SDK et clients OpenAI existants fonctionnent avec un changement d'URL de base et d'id de modèle. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. Les options spécifiques à l'image telles que resolution, aspect_ratio, n et input_references sont définies aux côtés de ces paramètres. Le paramètre seed est utile lorsque vous voulez des générations reproductibles, et tools et tool_choice vous permettent de combiner la génération d'images avec l'appel de fonctions dans une boucle d'agent.

Deux contraintes méritent d'être notées avant de vous engager. Chaque requête ne renvoie qu'une seule image, puisque n est fixé entre 1 et 1, donc les lots nécessitent plusieurs appels. Les références d'entrée sont plafonnées à 14 images par requête. Si votre tâche est du raisonnement ou du chat purement texte sans aucune sortie image, un modèle texte dédié sera généralement le choix plus simple et plus approprié, et ce modèle est mieux réservé aux travaux où la génération ou l'édition d'images fait réellement partie de la sortie.