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

Google: Nano Banana Pro (Gemini 3 Pro Image Preview) to model generowania i edycji obrazów od Google, zbudowany na Gemini 3 Pro. Jest następcą oryginalnego Nano Banana, a Google opisuje go jako swój najbardziej zaawansowany model generowania i edycji obrazów, z ulepszonym rozumowaniem multimodalnym i ugruntowaniem w świecie rzeczywistym w porównaniu z wcześniejszą wersją. Należy do kategorii obrazów, jednocześnie obsługując tekst, więc jest modelem multimodalnym, a nie czystym generatorem obrazów.

Model przyjmuje dane wejściowe w postaci obrazów i tekstu, a zwracać może zarówno obrazy, jak i tekst. Ma okno kontekstu wynoszące 65 536 tokenów i maksymalne wyjście 32 768 tokenów. Generowane obrazy można zamawiać w rozdzielczości 1K, 2K lub 4K, a do wyboru jest zestaw proporcji: 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 i 21:9. Parametr n jest stały i wynosi 1, więc każde żądanie tworzy jeden obraz, a do promptu można dołączyć maksymalnie 14 referencji wejściowych.

Te możliwości wskazują na kilka praktycznych zastosowań. Ponieważ model przyjmuje dane wejściowe w postaci obrazów, a także tekstu, nadaje się do prac edycyjnych i transformacyjnych, w których dostarczasz jeden lub więcej obrazów referencyjnych i opisujesz pożądaną zmianę. Limit referencji wynoszący 14 obsługuje przepływy pracy łączące kilka obrazów źródłowych, takie jak kompozycja lub dopasowanie stylu w obrębie zestawu. Opcje rozdzielczości i proporcji czynią go użytecznym zarówno dla kwadratowych formatów społecznościowych, jak i układów szerokich lub wysokich, a wyjście tekstowe oznacza, że pojedyncze wywołanie może zwrócić obraz wraz z odpowiedzią pisemną. Funkcje rozumowania i ugruntowania pasują do promptów wymagających więcej niż powierzchownego dopasowania wzorców, na przykład scen z określonymi obiektami, relacjami przestrzennymi lub kontekstem ze świata rzeczywistego.

Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "google/gemini-3-pro-image-preview". Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature i top_p. Opcje specyficzne dla obrazów, takie jak rozdzielczość, proporcje i referencje wejściowe, ustawia się również poprzez żądanie. Ponieważ interfejs jest zgodny z OpenAI, możesz skierować istniejącego klienta OpenAI na api14 i zmienić identyfikator modelu zamiast przepisywać integrację.

Pamiętaj o ograniczeniach przy wyborze tego modelu. Okno kontekstu wynosi 65 536 tokenów, maksymalne wyjście to 32 768 tokenów, a n jest ograniczone do 1, więc nie można zamówić wielu obrazów w jednym wywołaniu. Jeśli Twoje zadanie jest wyłącznie tekstowe lub potrzebujesz kilku obrazów na żądanie, lepszym wyborem może być inny model.