Google: Nano Banana 2.1

Google: Nano Banana 2.1 è un modello di generazione e modifica di immagini di Google, costruito sul tier Flash. Succede a Nano Banana 2 e Nano Banana Pro, e Google lo descrive come un miglioramento nella ricontestualizzazione di prodotto. Si colloca sia nella categoria immagini sia in quella testo, quindi è un modello multimodale e non un sistema solo testo o solo immagini.

Il modello accetta immagini e testo come input e può restituire immagini e testo come output. La sua finestra di contesto è di 65.536 token, con un output massimo di 58.982 token. La generazione di immagini è configurabile: la risoluzione può essere impostata su 1K, 2K o 4K, e le proporzioni supportano 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 e 21:9. Il parametro n accetta un singolo valore, da 1 a 1, quindi ogni richiesta produce una immagine. Puoi fornire fino a 14 riferimenti di input, ed è questo che rende possibile la modifica e la generazione guidata da riferimenti.

Queste capacità indicano alcuni schemi pratici. Poiché il modello accetta input immagine e restituisce output immagine, si adatta a flussi di lavoro di modifica in cui una immagine esistente viene regolata invece che creata da zero. Il limite di 14 riferimenti supporta attività che richiedono più immagini sorgente contemporaneamente, come combinare o ridefinire lo stile di materiale, e il miglioramento della ricontestualizzazione di prodotto suggerisce di collocare un prodotto in nuove scene o contesti. L'output testuale insieme all'output immagine significa che una singola chiamata può restituire contenuti visivi generati più testo di accompagnamento. Le opzioni di risoluzione e proporzioni ti permettono di puntare a forme di output diverse, dal quadrato e verticale ai formati larghi come 21:9, senza ritagli in post-elaborazione.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "google/gemini-nano-banana-2.1". I parametri di richiesta supportati sono include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools e top_p. Anche le impostazioni specifiche per le immagini come resolution, aspect_ratio, n e input_references vengono configurate tramite la richiesta. Poiché l'interfaccia è compatibile con OpenAI, le librerie client OpenAI esistenti e le forme di richiesta funzionano cambiando solo l'id del modello e i parametri.

Vale la pena notare alcune limitazioni quando scegli questo modello. La finestra di contesto è di 65.536 token, e n è fisso a 1, quindi le richieste che necessitano di più immagini per chiamata non sono supportate qui. Se la tua attività è pura generazione di testo senza input o output di immagini, un modello orientato al testo potrebbe essere più adatto. Se hai bisogno di più di 14 riferimenti di input, questo modello non lo supporterà.