Google: Nano Banana Pro (Gemini 3 Pro Image)

Google: Nano Banana Pro (Gemini 3 Pro Image) は、Gemini 3 Pro を基盤とした Google の画像生成および編集モデルです。オリジナルの Nano Banana の後継であり、Google はこれを自社で最も先進的な画像生成および編集モデルと位置づけており、以前のバージョンと比較してマルチモーダル推論と実世界のグラウンディングが改善されています。画像カテゴリに属しながらテキストも扱うため、純粋なテキスト専用でも純粋な画像専用でもないマルチモーダルモデルです。

このモデルは画像とテキストの入力を受け付け、画像とテキストの両方の出力を生成できます。コンテキストウィンドウは 131,072 トークンで、最大出力は 32,768 トークンです。画像生成は設定可能で、解像度は 1K、2K、4K に設定でき、アスペクト比は 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9 に設定できます。n パラメータは 1 から 1 の値を受け付けるため、各リクエストは 1 枚の画像を返し、input_references は 0 から 14 枚の画像を受け付けます。これにより参照駆動の編集やコンポジションが可能になります。

これらの機能はいくつかの実用的なパターンを示しています。テキストプロンプトから選択した解像度とアスペクト比で画像を生成でき、正方形のソーシャルアセットから幅広の 21:9 バナー、縦長の 9:16 フォーマットまで対応します。このモデルはテキストとともに画像入力を受け付けるため、編集や変換作業にも使用でき、最大 14 枚の参照画像を渡してスタイル、被写体、コンポジションを誘導できます。テキスト出力側があるため、1 回の呼び出しでコメントや構造化コンテンツを生成画像とともに返すことができ、reasoning および structured output パラメータは、モデルが結果を生成する前に計画を立てる必要があるワークフローをサポートします。

api14 を通じて、OpenAI 互換 API を使用し、id "google/gemini-3-pro-image" でモデルを呼び出します。そのため、既存の OpenAI SDK やクライアントはベース URL とモデル id を変更するだけで動作します。サポートされているリクエストパラメータは include_reasoning、max_tokens、reasoning、response_format、seed、stop、structured_outputs、temperature、tool_choice、tools、top_p です。resolution、aspect_ratio、n、input_references などの画像固有のオプションは、これらのパラメータと並べて設定します。seed パラメータは再現可能な生成を行いたい場合に便利で、tools と tool_choice を使用すると、エージェントループ内で画像生成と関数呼び出しを組み合わせることができます。

コミットする前に注意すべき制約が 2 つあります。n は 1 から 1 の間に固定されているため、各リクエストは 1 枚の画像のみを返し、バッチ処理には複数の呼び出しが必要です。入力参照は 1 リクエストあたり最大 14 枚の画像に制限されています。タスクが画像出力を伴わないテキストのみの推論やチャットである場合、専用のテキストモデルの方が通常はよりシンプルで適切な選択であり、このモデルは画像生成や画像編集が実際に出力の一部となる作業のために取っておくのが最善です。