Google: Nano Banana (Gemini 2.5 Flash Image)

Google: Nano Banana (Gemini 2.5 Flash Image) é um modelo de geração de imagens do Google, identificado em api14 como google/gemini-2.5-flash-image. Ele está na categoria de imagem com texto como categoria secundária, e foi lançado pelo provedor em 2025-10-07. O modelo está disponível de forma geral, e seu corte de conhecimento é 2025-01-31.

O modelo aceita imagem e texto como entradas e pode produzir tanto imagem quanto texto como saídas, então uma única requisição pode misturar um prompt escrito com imagens de referência e retornar uma imagem gerada, texto, ou ambos. Ele tem uma janela de contexto de 32768 tokens e uma saída máxima de 8192 tokens. A geração de imagens é controlada por parâmetros de imagem dedicados: aspect_ratio aceita um entre 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 ou 21:9; n tem um mínimo de 1 e um máximo de 1, então cada requisição retorna uma única imagem; e input_references aceita entre 0 e 3 imagens. O modelo é construído para compreensão contextual junto com geração de imagens, que é o que permite que imagens de referência e instruções de texto informem o resultado.

Os usos práticos decorrem dessa mistura de entradas e saídas. Você pode gerar uma imagem apenas a partir de um prompt de texto, ou fornecer até três imagens de referência para orientar estilo, assunto ou composição enquanto descreve em texto a mudança desejada. Como o modelo também retorna texto, ele se encaixa em fluxos de trabalho onde uma explicação escrita ou legenda acompanha a imagem gerada. O conjunto fixo de proporções de aspecto torna simples mirar formatos comuns como saídas quadradas, retrato, paisagem, wide e ultrawide sem cortes de pós-processamento.

Você chama o modelo através da API compatível com OpenAI do api14 usando o id de modelo google/gemini-2.5-flash-image. Os parâmetros de requisição suportados são max_tokens, response_format, seed, stop, structured_outputs, temperature e top_p. Configurações específicas de imagem como aspect_ratio, n e input_references são passadas junto com esses parâmetros. Como a interface é compatível com OpenAI, clientes e SDKs existentes que já miram esse formato podem apontar para api14 com o id de modelo alterado.

Alguns limites vale a pena notar ao decidir. A janela de contexto é 32768 tokens e a saída máxima é 8192 tokens, então prompts muito longos ou grandes volumes de material de referência podem precisar ser reduzidos. Cada requisição retorna exatamente uma imagem, então geração em lote significa múltiplas chamadas. O corte de conhecimento é 2025-01-31. Se sua tarefa é puramente geração de texto sem componente de imagem, um modelo focado em texto pode ser mais adequado.