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

Google: Nano Banana 2 (Gemini 3.1 Flash Image Preview) é um modelo de geração e edição de imagens da Google, identificado no api14 como google/gemini-3.1-flash-image-preview. Situa-se na categoria de imagem, com texto como categoria secundária, e é o modelo por trás do nome Nano Banana 2. É uma versão de pré-visualização da Google, e não um modelo final e disponível em geral, por isso deve ser encarado como algo a avaliar face à sua própria carga de trabalho antes de depender dele em produção.

O modelo aceita entradas de imagem e texto e pode devolver saídas de imagem e texto, pelo que uma única chamada pode gerar uma imagem e produzir conteúdo escrito em simultâneo. Tem uma janela de contexto de 65 536 tokens e uma saída máxima de 58 982 tokens. A geração de imagens é configurável: a resolução pode ser definida para 512, 1K, 2K ou 4K, e a proporção pode ser definida para 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 ou 21:9. O parâmetro n aceita um valor de 1 a 1, pelo que cada pedido devolve uma imagem, e input_references aceita de 0 a 14 imagens, o que permite a edição guiada por referências e a geração orientada.

Estas capacidades apontam para um conjunto de utilizações bastante específico. A geração de texto para imagem abrange arte conceptual, maquetes de produtos, ilustrações e recursos para redes sociais na resolução e proporção exigidas pelo destino. Como o modelo aceita até 14 imagens de referência, também é adequado para trabalho de edição e transformação: alterar o estilo de uma fotografia existente, combinar elementos de várias referências ou manter um sujeito consistente ao longo de uma série de resultados. O lado da saída de texto significa que pode legendar, descrever ou raciocinar sobre imagens na mesma resposta, o que é útil para pipelines de recursos que precisam tanto da imagem como dos seus metadados. A vasta gama de proporções, de 1:8 e 8:1 até 21:9, torna-o prático para banners, formatos verticais para telemóvel e enquadramentos cinematográficos largos sem necessidade de recorte posterior.

Pode chamá-lo através da API compatível com OpenAI do api14, usando o id de modelo google/gemini-3.1-flash-image-preview, pelo que os SDKs e clientes OpenAI existentes funcionam com uma alteração do URL base e do nome do modelo. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature e top_p. Vale a pena definir seed quando precisa de resultados reproduzíveis, e temperature e top_p controlam a amostragem. As opções específicas de imagem (resolução, proporção, n e input_references) são transmitidas como parte do pedido juntamente com esses parâmetros.

Vale a pena conhecer algumas restrições antes de assumir um compromisso. A janela de contexto de 65 536 tokens é modesta em comparação com modelos de texto de contexto longo, pelo que documentos muito grandes ou históricos longos de vários turnos podem exigir corte ou um modelo diferente. Cada pedido devolve uma única imagem, pelo que a geração em lote implica várias chamadas. É também um modelo de pré-visualização, o que é motivo para manter uma alternativa em mente para tudo o que seja voltado para o utilizador. Se a sua tarefa for apenas de texto, ou precisar de um contexto muito maior, um modelo de texto dedicado no api14 será normalmente a melhor opção.