Google: Nano Banana Pro (Gemini 3 Pro Image Preview)

Google: Nano Banana Pro (Gemini 3 Pro Image Preview) 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 はこれを最も先進的な画像生成および編集モデルと説明しており、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。画像カテゴリに位置しながらテキストも扱うため、純粋な画像生成器ではなく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返すことができます。コンテキストウィンドウは 65,536 トークンで、最大出力は 32,768 トークンです。生成される画像は 1K、2K、4K の解像度で要求でき、アスペクト比のセット (1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9) から選択できます。n パラメータは 1 に固定されているため、各リクエストは 1 枚の画像を生成し、プロンプトとともに最大 14 個の入力参照を指定できます。

これらの機能はいくつかの実用的な用途を示しています。このモデルはテキストだけでなく画像入力も受け付けるため、1 つ以上の参照画像を指定して希望する変更を記述する編集および変換作業に適しています。14 個の参照上限は、セット全体にわたる合成やスタイルマッチングなど、複数のソース画像を組み合わせるワークフローをサポートします。解像度とアスペクト比のオプションにより、正方形のソーシャルフォーマットと横長または縦長のレイアウトの両方に使用でき、テキスト出力により 1 回の呼び出しで画像と文章による応答を一緒に返すことができます。推論とグラウンディングの機能は、表面的なパターンマッチング以上のものを必要とするプロンプト、たとえば特定のオブジェクト、空間関係、実世界のコンテキストを含むシーンに適しています。

モデル id "google/gemini-3-pro-image-preview" を使用して、api14 の OpenAI 互換 API を通じて呼び出します。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、top_p です。解像度、アスペクト比、入力参照などの画像固有のオプションもリクエストを通じて設定します。インターフェースが OpenAI 互換であるため、既存の OpenAI クライアントを api14 に向けてモデル id を変更するだけで、統合を書き直す必要はありません。

このモデルを選択する際は制限に留意してください。コンテキストウィンドウは 65,536 トークン、最大出力は 32,768 トークンで、n は 1 に制限されているため、1 回の呼び出しで複数の画像を要求することはできません。タスクがテキストのみの場合、またはリクエストごとに複数の画像が必要な場合は、別のモデルの方が適している可能性があります。