Nano Banana Pro API

POST

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
aspect_ratio = "1:1"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
resolution = "4K"  # "1K", "2K", "4K"

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=resolution,
        ),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "butterfly_4k.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
  const resolution = "4K"; // "1K", "2K", "4K"

  const response = await ai.models.generateContent({
    model: "gemini-3-pro-image-preview",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: resolution,
      },
    },
  });

  // Output directory
  const outputDir = path.join(__dirname, "..", "output");
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "butterfly_4k.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-image

image-editing

Input og output

Input

text

Output

image

Produktionsprofil

Udbyder: Google
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Nano Banana Pro til produktions-workflows, der matcher dens image-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktvisuals og kampagnemateriale

Konceptkunst og hurtig visuel udforskning

Billedredigering, variationer og assetproduktion

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

GPT Image 2

GPT Image 2 er en topmoderne billedgenereringsmodel fra OpenAI til hurtig billedgenerering og redigering i høj kvalitet. Den understøtter fleksible billedstørrelser og billedinput i høj kvalitet.

Google

Nano Banana 2 lite

Gemini 3.1 Flash Lite Image model er en effektivitetsekspert i familien af billedgenereringsmodeller, designet til ultralav latenstid og omkostningseffektiv billedgenerering og -redigering.

GPT Image 2.5(sunburst)

Udforsk GPT Image 2.5(sunburst)-API'et.

GPT Image 2.5 Flare

Udforsk GPT Image 2.5 Flare-API'et.

GPT Image 1.5

GPT-Image-1.5 er OpenAIs billedmodel i GPT Image-familien. Det er en nativt multimodal GPT-model, der er designet til at generere billeder ud fra tekstprompter og til at udføre højpræcise redigeringer af inputbilleder, samtidig med at den nøje følger brugerens instruktioner.

GPT Image 1 mini

Omkostningsoptimeret udgave af GPT Image 1. Det er en native multimodal sprogmodel, der accepterer både tekst- og billedinput og genererer billedoutput.

POST/v1beta/models/{model}:generateContentPOST/v1beta/models/{model}:generateContent

Uptime

Gennemgå live heartbeat-data, endpointtilgængelighed og observerede svartider, før du går i produktion.

Versioner

Gennemgå tilgængelige modelidentifikatorer, før du fastlåser en produktionsintegration.

Model-id	Beskrivelse	Tilgængelighed	Anmodning
nano-banana-pro-all	Den anvendte teknologi er uofficiel, og genereringen er ustabil osv., Chat format	✅	Chat format
gemini-3-pro-image	Anbefales, peger på den nyeste model	✅	Gemini genererer billeder
gemini-3-pro-image-preview	Officiel forhåndsvisning	✅	Gemini genererer billeder

Bliv ved med at udforske

Sammenlign modeller, og fortsæt din research

Google

Tilgængelig Populær

gemini-3-pro-image

Nano Banana Pro API

Startpris

$1.60 / 1 mio. input-tokens

Forbrugsbaseret fakturering

API-status

Tilgængelig

Produktionsendpoint

Svartid

Klar til async

Observeret API-svartid

Udgivet

Nov 19, 2025

Google

Playground

Prøv Nano Banana Pro med en reel forespørgsel, gennemgå parametrene, og validér output, før du integrerer API'et.

Oversigt

Et praktisk overblik over Nano Banana Pro, inklusive vigtig adfærd og forhold, der skal tages højde for ved integration.

Grundlæggende funktioner

Tekst → Billede: fuld promptstyret generering med stærk overholdelse af prompten.
Billede → Billede (redigeringer): fine, målrettede redigeringer med bevaret subjekt-/karakterkonsistens på tværs af flere redigeringer.
Maksimal outputopløsning: op til 4K (eksempler og understøttede præcise pixelstørrelser afhænger af billedformat; API'et udstiller 1K/2K/4K-forudindstillinger)
Iterativ planlægning og selvkorrektion: en intern “multi-stage”-pipeline, der opdager og korrigerer almindelige visuelle fejl (perspektiv, tekst, fin geometri).
Avanceret tekstgengivelse i billede: klar, læsbar flersproget tekst (fra korte billedtekster til lange afsnit), egnet til plakater, mockups og infografikker.
5 characters og troværdighed for op til 14 objekter/referencebilleder i et enkelt workflow.
Vandmærkning / proveniens: alle genererede billeder inkluderer et SynthID-vandmærke; modellen indlejrer C2PA-metadata for proveniens i nogle produktintegrationer.

Gemini 3 Pro Image-versioner og navngivning

gemini-3-pro-image-preview
gemini-3-pro-image

Tekniske detaljer

Arkitektur

Afstamning / backbone: Nano Banana Pro er bygget på Googles udviklende Gemini-billedstack — specifikt den nye Gemini 3 Pro Image / GEMPIX 2-arkitektur (en højkapacitets multimodal billede+tekst-ramme). Det er en videreudvikling fra Gemini 2.5 Flash Image (den oprindelige “nano-banana”) til en oprindeligt multimodal billedmodel med udvidede vision-sprog-ræsonneringsevner.
Modellens adfærd: indfødt multimodalitet (billede + tekst + verdensviden), eksplicitte pipelines til multi-billedefusion og en intern iscenesat planlægger, der forfiner output over flere passager i stedet for at producere en enkelt statisk prøve. Tidlige rapporter indikerer stærkere geometrisk/optisk ræsonnering (glas, refraktion) sammenlignet med tidligere versioner.
Tænkning / intern forfinelse: Modellen bruger en synlig “thinking”-proces internt til at forfine komposition (API'et dokumenterer denne adfærd og bemærker, at disse interne trin ikke takseres som endelige billettokens).
Grounding & værktøjer: Understøtter Search grounding (kan inkorporere webfakta i diagram-/infografikgenerering). Den understøtter også systeminstruktioner for mere deterministisk kontrol.

Nøgle-API-parametre:

thinking_level (low / high) for at afveje latenstid mod ræsonneringsdybde;
media_resolution (low/medium/high) til at styre billed-OCR/detaillæsningstokens;
generationConfig.imageConfig til at styre billedformat/opløsning i billedoutput.

Billedbegrænsninger:

Understøttede inputmodaliteter: Tekst og billeder (modellen accepterer ikke lyd eller video som input til billedgenerering).
Maks. antal billeder pr. prompt: 14 (for Gemini 3 Pro Image preview).
Maks. billedstørrelse (upload): 7 MB pr. inputbillede.
Understøttede billedformater: 1:1, 3:2, 16:9, 9:16, 21:9, osv.

Outputbilleder / tokens: høje grænser, med understøttelse af 4K/4096px.

Benchmark-ydeevne

Kort resume: offentlige/tidlige benchmarks er indtil videre mest kvalitative / community-drevne, men rapporterer konsekvent markante forbedringer i opløsning, reduktion af artefakter og fysisk troværdighed versus den originale nano-banana (Gemini 2.5 Flash Image). Specifikke navngivne “udfordringer” har vist klare visuelle forbedringer, men der er endnu ikke (offentlige) standardiserede numeriske benchmark-tabeller fra Google, der sammenligner v1 → v2 på tværs af standard billedgenereringsmetrikker.

Kvalitative community-tests: Renere kanter, skarpere mikrodetaljer, mere naturtro farver og mere tro mod prompten (færre hallucinerede rekvisitter, mere konsistente karakterer). Populære uformelle tests inkluderer den såkaldte “Wine Glass Test” og “Glass Burger Challenge”, hvor GEMPIX2 (Nano Banana Pro) håndterer transparens og refraktion markant bedre end tidligere builds.
Teksthåndtering: Nano Banana Pro viser synligt forbedret typografi og tekstplacering inde i billeder (et vedvarende svagt punkt for mange billedmodeller). Community-sammenligninger indikerer færre forvanskede gengivne glyffer.
Gennemløb / UX: hurtigere iterationshastighed og en UX, der udfører flertrinsforfining på backend, så brugere ser mere pålidelige førstegangsresultater (reducerer manuelle re-rolls).

Begrænsninger og risici

Indholdsfiltre & detektion: Platforme, der integrerer modellen (f.eks. Whisk/tredjepartsapps), kan aktivere streng berømtheds- eller lighedsdetektion og blokere visse output, hvilket påvirker kreative workflows, der er afhængige af realistiske gengivelser af kendte personer.
Hallucination / grænsetilfælde i ræsonnering: selvom forbedret, kan modellen stadig producere fysisk urealistiske artefakter, især med tæt symbolsk tekst inde i billeder eller meget tekniske diagrammer — dog ser NB2 ud til at reducere disse fejl i forhold til tidligere versioner.
Sikkerhed & misbrug: generative billedmodeller kan bruges til at skabe problematisk eller skadeligt indhold. Google anvender begrænsninger, indholdsfiltre og SynthID-vandmærket for at hjælpe med proveniens; ikke desto mindre er misbrug forekommet (højprofileret kontrovers knyttet til et Nano Banana-genereret billede i en politisk sensitiv sammenhæng).

Sådan klarer Nano Banana Pro sig i forhold til andre modeller

Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — stærk mobilintegration, multi-billedefusion, iterativ selvkorrektion, 2K native/4K-opskalering, tæt integreret i Google-apps (Search, Photos, Workspace/Gemini). Bedst til workflows, der kræver pålidelige redigeringer, kontinuitet og integration med Google-tjenester.
Midjourney — udmærker sig ved stiliserede kunstneriske output og community-drevet prompt engineering; er typisk ikke målrettet foto-akkurat multi-billedefusion eller dybe multimodale redigeringspipelines.
Stable Diffusion / åbne vægte — fuldt åbent, høj grad af tilpasning og kan hostes lokalt; økosystemet af checkpoints og finjustering er en afgørende fordel for forskning og offline-brug. Mindre “one-click” mobilintegration og mindre konsistent multi-billederedigeringskohærens out-of-the-box end Nano Banana Pro.
Seedream 4.0 (ByteDance) — positioneret for nylig eksplicit som en Nano Banana-konkurrent med fokus på ultrahurtig rendering, 2K-output og understøttelse af mange referencebilleder (op til seks). Positioneret som et pro-/creator-alternativ.

Anvendelser i den virkelige verden

Mobil billedredigering & kreative filtre (Google Photos-integrationer — restyling, baggrundsfusion, portræt-omkomposition).
Marketing- & annonceaktiver — hurtig konceptgenerering, konsistente brandkarakterer på tværs af flere frames/vinkler.
Konceptkunst & storyboard — multi-billedefusion hjælper med at bevare karakterkontinuitet på tværs af paneler.
E-handel / produktmockups — generér konsistente produktbilleder i forskellige kontekster/lysforhold.
Hurtig prototyping til AR/VR-aktiver — høj kvalitet 2K/4K-output, der kan opskaleres til immersive anvendelser.
How to accessl gemini-3-pro-image(Nano Banana Pro) API

Påkrævede trin

Log ind på cometapi.com. Hvis du endnu ikke er bruger hos os, skal du først registrere dig
Hent adgangs-legitimations-API-nøglen til interfacet. Klik på “Add Token” under API token i personligt center, få token-nøglen: sk-xxxxx og indsend.
Hent URL'en til dette site: https://api.cometapi.com/

Brugsmåde

Vælg “gemini-3-pro-image”-endepunktet for at sende API-anmodningen og angiv anmodningskroppen. Anmodningsmetode og anmodningskrop fås fra vores websites API-dokumentation. Vores website tilbyder også Apifox-test for din bekvemmelighed.
Erstat <YOUR_API_KEY> med din faktiske CometAPI-nøgle fra din konto.
Indsæt dit spørgsmål eller din forespørgsel i content-feltet—det er dette, modellen vil svare på.
. Behandl API-svaret for at få det genererede svar.

CometAPI leverer en fuldt kompatibel REST API—for problemfri migration. Vigtige detaljer :

Base URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
Modelnavne: gemini-3-pro-image
Authentication: Bearer YOUR_CometAPI_API_KEY header
Content-Type: application/json .

FAQ

Priser

Brug den hurtige estimering ovenfor til én kørsel, og se derefter den fulde sammenligning mellem CometAPI og den officielle pris.

Første forespørgsel

$0.0112

Estimeret CometAPI-forbrugsomkostning

Ti forespørgsler

$0.112

Estimeret CometAPI-forbrugsomkostning

Femten forespørgsler

$0.168

Estimeret CometAPI-forbrugsomkostning

Priser for Nano Banana Pro

nano-banana-pro（image）

variant / alias	Price
gemini-3-pro-image (1K/2K)	≈ $0.10720
gemini-3-pro-image (4K)	≈ $0.19200
gemini-3-pro-image-preview (1K/2K)	≈ $0.10720
gemini-3-pro-image-preview (4K)	≈ $0.19200
nano-banana-pro-all	$0.09600

API

Kopiér et fungerende endpoint og kodeeksempel, og åbn den fulde API-reference, når du har brug for alle parametre.

Én API, produktionsklar modeladgang

Godkend én gang, kald modellens endpoint, og bevar den samme faktureringsworkflow og observerbarhed på tværs af udbydere.

Eksempelkode og API til Nano Banana Pro

POST

POST

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."}]}],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {"aspectRatio": "1:1", "imageSize": "4K"}
    }
  }' | jq -r '.candidates[0].content.parts[] | select(.inlineData) | .inlineData.data' | head -1 | base64 --decode > "$OUTPUT_DIR/butterfly_4k.png"

echo "Image saved to: $OUTPUT_DIR/butterfly_4k.png"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
aspect_ratio = "1:1"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
resolution = "4K"  # "1K", "2K", "4K"

response = client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=prompt,
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(
            aspect_ratio=aspect_ratio,
            image_size=resolution,
        ),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "butterfly_4k.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"
  const resolution = "4K"; // "1K", "2K", "4K"

  const response = await ai.models.generateContent({
    model: "gemini-3-pro-image-preview",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: resolution,
      },
    },
  });

  // Output directory
  const outputDir = path.join(__dirname, "..", "output");
  if (!fs.existsSync(outputDir)) {
    fs.mkdirSync(outputDir, { recursive: true });
  }

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "butterfly_4k.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();

Funktioner

Gennemgå de vigtigste modeldata, før du vælger en arkitektur eller estimerer produktionsbelastningen.

Understøttede funktioner

Funktioner returneret af den eksisterende model-API.

text-to-image

image-editing

Input og output

Input

text

Output

image

Produktionsprofil

Udbyder: Google
Kontekst: Afhænger af modellen
Kommerciel brug: Understøttet

Anvendelsesmuligheder

Brug Nano Banana Pro til produktions-workflows, der matcher dens image-funktioner, og sammenlign derefter alternativer, før du binder dig til en langsigtet integration.

Produktvisuals og kampagnemateriale

Konceptkunst og hurtig visuel udforskning

Billedredigering, variationer og assetproduktion

Andre modeller

Sammenlign andre modeller, der er tilgængelige via CometAPI, ud fra kvalitet, latenstid, funktioner og pris.

Åbn modelsammenligning →

GPT Image 2

GPT Image 2 er en topmoderne billedgenereringsmodel fra OpenAI til hurtig billedgenerering og redigering i høj kvalitet. Den understøtter fleksible billedstørrelser og billedinput i høj kvalitet.

Google

Nano Banana 2 lite

Gemini 3.1 Flash Lite Image model er en effektivitetsekspert i familien af billedgenereringsmodeller, designet til ultralav latenstid og omkostningseffektiv billedgenerering og -redigering.

GPT Image 2.5(sunburst)

Udforsk GPT Image 2.5(sunburst)-API'et.

GPT Image 2.5 Flare

Udforsk GPT Image 2.5 Flare-API'et.

Omkostningsoptimeret udgave af GPT Image 1. Det er en native multimodal sprogmodel, der accepterer både tekst- og billedinput og genererer billedoutput.