Google: Nano Banana Pro (Gemini 3 Pro Image)

Google: Nano Banana Pro (Gemini 3 Pro Image) är en bildgenererings- och redigeringsmodell från Google, byggd på Gemini 3 Pro. Den är efterträdaren till den ursprungliga Nano Banana, och Google beskriver den som sin mest avancerade modell för bildgenerering och redigering, med förbättrat multimodalt resonemang och verklighetsförankring jämfört med den tidigare versionen. Den tillhör bildkategorin men hanterar även text, så det är en multimodal modell snarare än ett rent text- eller bildsystem.

Modellen tar emot bild- och textindata och kan producera både bild- och textutdata. Den har ett kontextfönster på 131 072 tokens och en maximal utdata på 32 768 tokens. Bildgenerering är konfigurerbar: upplösningen kan ställas in på 1K, 2K eller 4K, och bildförhållandet kan ställas in på 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 eller 21:9. Parametern n accepterar ett värde från 1 till 1, så varje begäran returnerar en enda bild, och input_references accepterar från 0 till 14 bilder, vilket är det som möjliggör referensstyrd redigering och komposition.

Dessa funktioner pekar mot några praktiska mönster. Du kan generera en bild från en textprompt vid vald upplösning och bildförhållande, vilket passar allt från kvadratiska sociala tillgångar till breda 21:9-banners eller höga 9:16-format. Eftersom modellen tar bildindata tillsammans med text kan du också använda den för redigering och omvandling, genom att skicka upp till 14 referensbilder för att styra stil, motiv eller komposition. Textsidan av utdata innebär att ett enda anrop kan returnera kommentarer eller strukturerat innehåll tillsammans med den genererade bilden, och parametrarna för resonemang och strukturerad utdata stöder arbetsflöden där modellen behöver planera innan den producerar resultatet.

Via api14 anropar du modellen med id:t "google/gemini-3-pro-image" med hjälp av det OpenAI-kompatibla API:et, så befintliga OpenAI-SDK:er och klienter fungerar med en ändring av bas-URL och modell-id. De begärandeparametrar som stöds är include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools och top_p. Bildspecifika alternativ som resolution, aspect_ratio, n och input_references ställs in tillsammans med dessa parametrar. Parametern seed är användbar när du vill ha reproducerbara genereringar, och tools och tool_choice låter dig kombinera bildgenerering med funktionsanrop i en agentloop.

Två begränsningar är värda att notera innan du satsar. Varje begäran returnerar bara en bild, eftersom n är fast mellan 1 och 1, så batchar kräver flera anrop. Indatareferenser är begränsade till 14 bilder per begäran. Om din uppgift är enbart textresonemang eller chatt utan någon bildutdata är en dedikerad textmodell vanligtvis det enklare och mer lämpliga valet, och den här modellen gör sig bäst för arbete där bildgenerering eller bildredigering faktiskt är en del av utdata.