Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview)

गूगल: Nano Banana 2 (Gemini 3.1 Flash Image Preview) गूगल का एक इमेज जनरेशन और एडिटिंग मॉडल है, जिसे api14 पर google/gemini-3.1-flash-image-preview के रूप में पहचाना जाता है। यह इमेज श्रेणी में आता है और टेक्स्ट इसकी द्वितीयक श्रेणी है, और यही मॉडल Nano Banana 2 नाम के पीछे है। यह गूगल का एक प्रीव्यू रिलीज़ है, कोई पूर्ण रूप से उपलब्ध सामान्य मॉडल नहीं, इसलिए इसे प्रोडक्शन में निर्भर होने से पहले अपने वर्कलोड पर परखने वाली चीज़ मानें।

यह मॉडल इमेज और टेक्स्ट इनपुट लेता है और इमेज तथा टेक्स्ट दोनों आउटपुट लौटा सकता है, इसलिए एक ही कॉल में तस्वीर बनाई जा सकती है और उसके साथ लिखित सामग्री भी तैयार की जा सकती है। इसका कॉन्टेक्स्ट विंडो 65,536 टोकन है और अधिकतम आउटपुट 58,982 टोकन। इमेज जनरेशन कॉन्फ़िगर करने योग्य है: रेज़ोल्यूशन को 512, 1K, 2K या 4K पर सेट किया जा सकता है, और आस्पेक्ट रेशियो को 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 या 21:9 पर सेट किया जा सकता है। n पैरामीटर 1 से 1 तक मान लेता है, यानी हर रिक्वेस्ट एक इमेज लौटाती है, और input_references 0 से 14 इमेज तक लेता है, और यही रेफ़रेंस आधारित एडिटिंग तथा निर्देशित जनरेशन को संभव बनाता है।

ये क्षमताएँ उपयोग के काफ़ी विशिष्ट समूह की ओर संकेत करती हैं। टेक्स्ट से इमेज जनरेशन में कॉन्सेप्ट आर्ट, प्रोडक्ट मॉकअप, इलस्ट्रेशन और सोशल एसेट्स उसी रेज़ोल्यूशन और आस्पेक्ट रेशियो में शामिल हैं जो गंतव्य को चाहिए। चूँकि मॉडल 14 तक रेफ़रेंस इमेज लेता है, यह एडिटिंग और रूपांतरण के काम के लिए भी उपयुक्त है: किसी मौजूदा फ़ोटो को नया स्टाइल देना, कई रेफ़रेंस से तत्वों को जोड़ना, या आउटपुट की एक श्रृंखला में किसी विषय को एक जैसा बनाए रखना। टेक्स्ट आउटपुट वाला पक्ष इसका मतलब है कि यह उसी प्रतिक्रिया में इमेज पर कैप्शन दे सकता है, वर्णन कर सकता है या तर्क कर सकता है, जो ऐसी एसेट पाइपलाइनों के लिए उपयोगी है जिन्हें इमेज और उसका मेटाडेटा दोनों चाहिए। आस्पेक्ट रेशियो की विस्तृत श्रृंखला, 1:8 और 8:1 से लेकर 21:9 तक, इसे बैनर, लंबे मोबाइल फ़ॉर्मेट और चौड़े सिनेमाई फ़्रेम के लिए व्यावहारिक बनाती है, बिना बाद में क्रॉप किए।

आप इसे api14 के OpenAI-संगत API के ज़रिए मॉडल आईडी google/gemini-3.1-flash-image-preview का उपयोग करके कॉल करते हैं, इसलिए मौजूदा OpenAI SDK और क्लाइंट बेस URL और मॉडल नाम बदलने के साथ काम करते हैं। समर्थित रिक्वेस्ट पैरामीटर हैं include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature और top_p। जब आपको दोहराने योग्य आउटपुट चाहिए तब seed सेट करना उपयोगी है, और temperature तथा top_p सैंपलिंग नियंत्रित करते हैं। इमेज से जुड़े विकल्प (रेज़ोल्यूशन, आस्पेक्ट रेशियो, n और input_references) उन पैरामीटरों के साथ ही रिक्वेस्ट के हिस्से के रूप में भेजे जाते हैं।

प्रतिबद्ध होने से पहले कुछ बाधाएँ जानने योग्य हैं। 65,536 टोकन का कॉन्टेक्स्ट विंडो लंबे कॉन्टेक्स्ट वाले टेक्स्ट मॉडलों की तुलना में सीमित है, इसलिए बहुत बड़े दस्तावेज़ों या लंबे मल्टी टर्न इतिहास को छाँटने या किसी दूसरे मॉडल की ज़रूरत पड़ सकती है। हर रिक्वेस्ट एक ही इमेज लौटाती है, इसलिए बैच जनरेशन का मतलब कई कॉल हैं। यह एक प्रीव्यू मॉडल भी है, और यही कारण है कि उपयोगकर्ता के सामने आने वाली किसी भी चीज़ के लिए एक फ़ॉलबैक ध्यान में रखें। अगर आपका काम केवल टेक्स्ट का है, या बहुत बड़े कॉन्टेक्स्ट की ज़रूरत है, तो api14 पर एक समर्पित टेक्स्ट मॉडल आम तौर पर बेहतर विकल्प होगा।