Google: Nano Banana 2.1

Google: Nano Banana 2.1 é um modelo de geração e edição de imagens do Google, construído sobre a camada Flash. Ele sucede o Nano Banana 2 e o Nano Banana Pro, e o Google o descreve como uma melhoria na recontextualização de produtos. Ele se enquadra tanto na categoria de imagem quanto na de texto, portanto é um modelo multimodal, e não um sistema apenas de texto ou apenas de imagem.

O modelo aceita imagem e texto como entradas e pode retornar imagem e texto como saídas. Sua janela de contexto é de 65.536 tokens, com saída máxima de 58.982 tokens. A geração de imagens é configurável: a resolução pode ser definida como 1K, 2K ou 4K, e a proporção de aspecto suporta 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 e 21:9. O parâmetro n aceita um único valor, de 1 a 1, então cada requisição produz uma imagem. Você pode fornecer até 14 referências de entrada, o que possibilita a edição e a geração orientada por referências.

Essas capacidades apontam para alguns padrões práticos. Como o modelo recebe imagem como entrada e retorna imagem como saída, ele se encaixa em fluxos de edição nos quais uma imagem existente é ajustada em vez de criada do zero. O limite de 14 referências suporta tarefas que precisam de várias imagens de origem ao mesmo tempo, como combinar ou reestilizar material, e a melhoria na recontextualização de produtos sugere colocar um produto em novas cenas ou ambientes. A saída de texto junto com a saída de imagem significa que uma única chamada pode retornar visuais gerados mais o texto que os acompanha. As opções de resolução e proporção de aspecto permitem direcionar diferentes formatos de saída, de quadrado e retrato a formatos largos como 21:9, sem cortes de pós-processamento.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "google/gemini-nano-banana-2.1". Os parâmetros de requisição suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, structured_outputs, temperature, tool_choice, tools e top_p. Configurações específicas de imagem, como resolution, aspect_ratio, n e input_references, também são definidas através da requisição. Como a interface é compatível com OpenAI, bibliotecas cliente e formatos de requisição OpenAI existentes funcionam bastando alterar o id de modelo e os parâmetros.

Algumas restrições merecem atenção ao escolher este modelo. A janela de contexto é de 65.536 tokens, e n é fixo em 1, então requisições que precisam de várias imagens por chamada não são suportadas aqui. Se sua tarefa é puramente geração de texto, sem entrada ou saída de imagem, um modelo focado em texto pode ser uma opção mais simples. Se você precisa de mais de 14 referências de entrada, este modelo não atenderá.