Google: Nano Banana Pro (Gemini 3 Pro Image)

Google: Nano Banana Pro (Gemini 3 Pro Image) é um modelo de geração e edição de imagens da Google, construído sobre o Gemini 3 Pro. É o sucessor do Nano Banana original, e a Google descreve-o como o seu modelo de geração e edição de imagens mais avançado, com raciocínio multimodal melhorado e grounding no mundo real em comparação com a versão anterior. Situa-se na categoria de imagem, mas também lida com texto, pelo que é um modelo multimodal e não um sistema puramente de texto ou puramente de imagem.

O modelo aceita entradas de imagem e texto e pode produzir saídas tanto de imagem como de texto. Tem uma janela de contexto de 131,072 tokens e uma saída máxima de 32,768 tokens. A geração de imagens é configurável: a resolução pode ser definida para 1K, 2K ou 4K, e a proporção pode ser definida para 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 ou 21:9. O parâmetro n aceita um valor de 1 a 1, pelo que cada pedido devolve uma única imagem, e input_references aceita de 0 a 14 imagens, o que permite a edição e composição orientadas por referências.

Estas capacidades apontam para alguns padrões práticos. Pode gerar uma imagem a partir de um prompt de texto com uma resolução e proporção escolhidas, o que serve desde recursos quadrados para redes sociais até banners largos de 21:9 ou formatos altos de 9:16. Como o modelo aceita entrada de imagem juntamente com texto, também o pode usar para trabalho de edição e transformação, passando até 14 imagens de referência para orientar o estilo, o sujeito ou a composição. O lado da saída de texto significa que uma única chamada pode devolver comentários ou conteúdo estruturado juntamente com a imagem gerada, e os parâmetros de raciocínio e de saída estruturada suportam fluxos de trabalho em que o modelo precisa de planear antes de produzir o resultado.

Através do api14, chama o modelo com o id "google/gemini-3-pro-image" usando a API compatível com OpenAI, pelo que os SDKs e clientes OpenAI existentes funcionam com uma alteração do base URL e do id do modelo. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. As opções específicas de imagem, como resolution, aspect_ratio, n e input_references, são definidas a par desses parâmetros. O parâmetro seed é útil quando quer gerações reproduzíveis, e tools e tool_choice permitem-lhe combinar a geração de imagens com chamadas de funções num ciclo de agente.

Há duas restrições que vale a pena notar antes de avançar. Cada pedido devolve apenas uma imagem, uma vez que n está fixado entre 1 e 1, pelo que os lotes exigem múltiplas chamadas. As referências de entrada estão limitadas a 14 imagens por pedido. Se a sua tarefa for raciocínio apenas de texto ou conversação sem qualquer saída de imagem, um modelo de texto dedicado será normalmente a escolha mais simples e mais apropriada, e este modelo é melhor reservado para trabalho em que a geração ou edição de imagens faça realmente parte da saída.