Google: Nano Banana 2.1

Google : Nano Banana 2.1 est un modèle de génération et d'édition d'images de Google, construit sur le niveau Flash. Il succède à Nano Banana 2 et Nano Banana Pro, et Google le présente comme améliorant la recontextualisation de produits. Il se situe à la fois dans les catégories image et texte, c'est donc un modèle multimodal plutôt qu'un système texte uniquement ou image uniquement.

Le modèle accepte des images et du texte en entrée et peut renvoyer des images et du texte en sortie. Sa fenêtre de contexte est de 65 536 tokens, avec une sortie maximale de 58 982 tokens. La génération d'images est configurable : la résolution peut être définie sur 1K, 2K ou 4K, et le ratio d'aspect prend en charge 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 et 21:9. Le paramètre n accepte une seule valeur, de 1 à 1, donc chaque requête produit une image. Vous pouvez fournir jusqu'à 14 références en entrée, ce qui rend possibles l'édition et la génération guidée par référence.

Ces capacités correspondent à quelques schémas pratiques. Comme le modèle prend des images en entrée et renvoie des images en sortie, il convient aux flux d'édition où une image existante est ajustée plutôt que créée de zéro. La limite de 14 références prend en charge les tâches qui nécessitent plusieurs images sources à la fois, comme la combinaison ou le restylage de contenu, et l'amélioration de la recontextualisation de produits suggère de placer un produit dans de nouvelles scènes ou de nouveaux contextes. La sortie texte en plus de la sortie image signifie qu'un seul appel peut renvoyer des visuels générés ainsi que du texte d'accompagnement. Les options de résolution et de ratio d'aspect vous permettent de cibler différentes formes de sortie, du carré et du portrait aux formats larges comme 21:9, sans recadrage après traitement.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "google/gemini-nano-banana-2.1". Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools et top_p. Les réglages spécifiques aux images tels que resolution, aspect_ratio, n et input_references sont également configurés via la requête. Comme l'interface est compatible OpenAI, les bibliothèques clientes OpenAI existantes et les formes de requête fonctionnent en changeant uniquement l'identifiant de modèle et les paramètres.

Quelques contraintes méritent d'être notées lors du choix de ce modèle. La fenêtre de contexte est de 65 536 tokens, et n est fixé à 1, donc les requêtes qui nécessitent plusieurs images par appel ne sont pas prises en charge ici. Si votre tâche est purement de la génération de texte sans entrée ni sortie d'image, un modèle axé sur le texte peut être plus adapté. Si vous avez besoin de plus de 14 références en entrée, ce modèle ne le permettra pas.