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

Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview) は Google の画像生成および編集モデルで、api14 上では google/gemini-3.1-flash-image-preview として識別されます。画像カテゴリに属し、テキストを副次的なカテゴリとして持ち、Nano Banana 2 という名前の背後にあるモデルです。これは完成した一般提供モデルではなく Google によるプレビューリリースであるため、本番環境で依存する前に自分のワークロードで評価すべきものとして扱ってください。

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せるため、1 回の呼び出しで画像を生成しつつ、それに付随する文章も生成できます。コンテキストウィンドウは 65,536 トークン、最大出力は 58,982 トークンです。画像生成は設定可能で、解像度は 512、1K、2K、4K に設定でき、アスペクト比は 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、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、参照駆動の編集やガイド付き生成が可能になります。

これらの機能は、かなり特定的な用途群を示しています。テキストから画像の生成は、コンセプトアート、製品モックアップ、イラスト、ソーシャル用アセットを、出力先が必要とする解像度とアスペクト比でカバーします。このモデルは最大 14 枚の参照画像を受け取れるため、編集や変換の作業にも適しています。既存の写真のスタイルを変更したり、複数の参照から要素を組み合わせたり、一連の出力を通じて被写体の一貫性を保ったりできます。テキスト出力の側面により、同じ応答内で画像にキャプションを付けたり、説明したり、推論したりできるため、画像とそのメタデータの両方を必要とするアセットパイプラインに有用です。1:8 や 8:1 から 21:9 に至るまで幅広いアスペクト比に対応しているため、バナー、縦長のモバイル形式、横長のシネマティックなフレームでも、後からトリミングせずに実用的に扱えます。

これは api14 の OpenAI 互換 API を通じて、モデル ID google/gemini-3.1-flash-image-preview を使って呼び出せるため、既存の OpenAI SDK やクライアントはベース URL とモデル名を変更するだけで動作します。サポートされるリクエストパラメータは include_reasoning、max_tokens、reasoning、reasoning_effort、response_format、seed、structured_outputs、temperature、top_p です。再現可能な出力が必要な場合は seed を設定する価値があり、temperature と top_p はサンプリングを制御します。画像固有のオプション (解像度、アスペクト比、n、input_references) は、これらのパラメータとともにリクエストの一部として渡されます。

コミットする前に知っておく価値のある制約がいくつかあります。65,536 トークンのコンテキストウィンドウは、長いコンテキストのテキストモデルと比べると控えめであるため、非常に大きなドキュメントや長いマルチターンの履歴は、トリミングするか別のモデルが必要になる場合があります。各リクエストは 1 枚の画像を返すため、バッチ生成には複数回の呼び出しが必要です。またこれはプレビューモデルであるため、ユーザー向けのものにはフォールバックを用意しておく理由になります。タスクがテキストのみである場合、またははるかに大きなコンテキストを必要とする場合、api14 上の専用のテキストモデルの方が通常は適しています。