Wie verwendet man die Nano Banana 2.1 API? Generierung & Bearbeitung

TLDR Nano Banana 2.1 (gemini-nano-banana-2.1) als das aktualisierte, hocheffiziente Bildgenerierungs- und konversationale Editiermodell der Gemini-Familie. Basierend auf Gemini 3.6 Flash liefert es verbesserte visuelle Qualität und Realismus (1K/2K/4K), behebt Kachelartefakte bei extremen Seitenverhältnissen, bietet überlegene Textrendering- und Infografik-Layout-Fähigkeiten, Multi-Image-Fusion (bis zu 14 Referenzen mit Konsistenz für bis zu 4 Charaktere und 10 Objekte), Grounding über Google Search/Image Search sowie konfigurierbare Denkstufen (minimal/mittel/hoch).

Es ist als effizientes Gegenstück zu Nano Banana Pro positioniert und bietet etwa die Hälfte der Kosten pro Bild gegenüber seinem Vorgänger Nano Banana 2 bei vielen Auflösungen. Offizielle Preise starten bei ungefähr $0.0336 pro 1K-Bild (Standard-Tarif). Zugriff über die Gemini API (Interactions API bevorzugt), Google AI Studio oder über einheitliche Aggregatoren wie CometAPI für einen einzigen OpenAI-kompatiblen Schlüssel, vereinfachte Integration und wettbewerbsfähige Preise. Dieser Leitfaden behandelt Einrichtung, Codebeispiele, fortgeschrittene Funktionen, Preisvergleiche, Best Practices und Empfehlungen für den Produktionseinsatz.

Wichtige Erkenntnisse

• Nano Banana 2.1 ist Googles neuestes hocheffizientes Modell für Bildgenerierung und konversationelles Editieren und als effizientes Gegenstück zu Nano Banana Pro positioniert.
• Googles eigene Tests zeigen 1050 Elo bei der Gesamtpräferenz für Text-zu-Bild (vs. 990 für Nano Banana 2 und 935 für Pro) sowie starke Zugewinne bei Konsistenz und Editieren.
• Die Preise beginnen bei ~$0.0336 pro Standard-1K-Bild über die Gemini API—etwa die Hälfte von Nano Banana 2.
• Unterstützt bis zu 14 Referenzbilder, Konsistenz für 4 Charaktere + 10 Objekte, Panorama-Seitenverhältnisse ohne Kachelartefakte und Echtzeit-Grounding über Web-/Bildersuche.
• Nano Banana 2 wird zum 29. Oktober 2026 außer Betrieb genommen; migrieren Sie zeitnah.
• Für Entwickler bieten Plattformen wie CometAPI einen einzigen OpenAI-kompatiblen Endpunkt, um Nano Banana 2.1 neben 500+ anderen Modellen mit einem Schlüssel und zu wettbewerbsfähigen Preisen zu nutzen.

Was ist Nano Banana 2.1?

Nano Banana 2.1 ist das neueste Mitglied der Gemini 3-Serie nativ multimodaler Reasoning-Modelle von Google DeepMind. Offiziell auf Gemini 3.6 Flash basierend, spezialisiert es sich auf hochwertige Bildgenerierung aus Text und konversationelles Bild-Editieren.

Es akzeptiert Text-, Bild-, Video- und PDF-Eingaben (Kontextfenster bis zu ~1M Tokens in Teilen der Doku oder 131.072 in API-Spezifikationen) und erzeugt Bilder (bis 4K) plus Text. Alle generierten Bilder tragen Googles SynthID-Wasserzeichen.

Google beschreibt es als Update zu Nano Banana 2 (Gemini 3.1 Flash Image), das Flash-Niveau bei Geschwindigkeit und Kosten beibehält, während es die visuelle Qualität, Prompt-Treue, mehrstufige Charakterkonsistenz und Textrendering signifikant verbessert. Es ist ausdrücklich als „das effizientere Gegenstück“ zum höherklassigen Nano Banana Pro (Gemini 3 Pro Image) positioniert.

Benchmark-Leistung von Nano Banana 2.1

Google veröffentlichte interne Side-by-Side-Ergebnisse zur menschlichen Präferenz (Elo) und Faktentreue per Oktober 2026. Unabhängige Drittanbieter-Tests waren zum Launch-Zeitpunkt begrenzt.

Text-to-Image-Fähigkeiten

Bearbeitungsfähigkeiten

Quelle: Google DeepMind Nano Banana 2.1 Model Card.

Eine höhere Elo deutet auf eine stärkere menschliche Präferenz hin. Der Faktentreue-Score (höher ist besser) zeigt insbesondere bei präzisen Infografiken einen großen Sprung. Diese Ergebnisse positionieren Nano Banana 2.1 als Googles bislang stärkstes Flash-Tier-Bildmodell und als konkurrenzfähig (oder überlegen) gegenüber Pro auf vielen praktischen Achsen bei geringeren Kosten und niedrigerer Latenz.

Nano Banana 2.1 Offizielle Preise und Kostenüberlegungen (Stand Anfang Oktober 2026)

Googles Referenzpreise im Standard-Tarif (pro Bildausgabe, vor zusätzlichen Input-/Thinking-/Text-Tokens) liegen ungefähr bei:

Input-Tokens sind mit etwa $1.50 pro 1M gelistet; Text + Thinking-Output mit etwa $7.50 pro 1M in einigen Aufschlüsselungen. Es gibt keinen kostenlosen API-Tarif für dieses Modell. Die endgültigen Kosten hängen von der Prompt-Länge, der Anzahl der Referenzbilder, der Denkstufe, der Auflösung und etwaigem zusätzlichem Text-Output ab.

Im Vergleich zu Nano Banana 2 sind die Kosten pro Bild bei gleichen Auflösungen ungefähr halb so hoch, was Volumengenerierung wirtschaftlicher macht. Nano Banana Pro bleibt für maximale Wiedergabetreue deutlich teurer. Prüfen Sie stets die aktuelle Gemini-API-Preisseite, da Tarife und Token-Abrechnung sich ändern können.

CometAPI hat beispielsweise schnell Unterstützung für gemini-nano-banana-2.1 hinzugefügt und bietet mit einem einzigen Schlüssel vereinheitlichten Zugriff mit wettbewerbsfähigen Preisen auf Hunderte Modelle.

Zugriff und Einrichtung der Nano Banana 2.1 API

Model ID: gemini-nano-banana-2.1

Verwenden Sie die moderne Interactions API oder generateContent-Endpunkte mit dem google-genai SDK.

Mit Referenzbild und höherer Auflösung/Denkstufe: Geben Sie Base64-kodierte Bilder in der Input-Liste an und setzen Sie Optionsfelder für Seitenverhältnis und Bildgröße (1K/2K/4K). Aktivieren Sie Tools für Google Search Grounding, wenn Faktengenauigkeit wichtig ist.

1. Offizielle Google Gemini API (empfohlen für vollständige Funktionsparität)

• Erstellen oder verwenden Sie ein Google AI Studio / Google Cloud-Projekt mit aktivierter Abrechnung.
• Beziehen Sie einen API-Schlüssel über Google AI Studio.
• Installieren Sie das offizielle SDK: pip install -U google-genai (Python) oder das Pendant für JavaScript/Node (@google/genai).
• Bevorzugte moderne Schnittstelle: Interactions API (client.interactions.create). Legacy GenerateContent ist in einigen Kontexten weiterhin verfügbar.
• Basis-Endpunktmuster: https://generativelanguage.googleapis.com/v1beta/interactions (oder modellspezifische generateContent-Pfade). Authentifizierung über den Header x-goog-api-key oder die SDK-Umgebungsvariable GEMINI_API_KEY.

2. Google AI Studio

Ideal für schnelles Prototyping, Prompt-Tests und visuelle Prüfung vor dem Codieren. Wählen Sie das Modell und experimentieren Sie mit Referenzen, Auflösungen und Denkstufen.

3. Vereinheitlichte Aggregatoren (CometAPI-Empfehlung)

CometAPI bietet einen OpenAI-kompatiblen Endpunkt (https://api.cometapi.com/v1) und einen API-Schlüssel für 500+ Modelle, einschließlich der Gemini Nano Banana-Serie. Unterstützt Pay-as-you-go-Pricing (oft mit Einsparungen gegenüber Direktanbietern), Nutzungsdashboards und Drop-in-SDK-Kompatibilität. Besonders wertvoll, wenn Sie bereits mehrere Anbieter nutzen oder Bildmodelle A/B-testen möchten, ohne separate Zugangsdaten und Abrechnungen zu verwalten. Melden Sie sich bei CometAPI.com für kostenlose Testguthaben an, erstellen Sie einen Schlüssel und richten Sie Ihren OpenAI-kompatiblen Client auf die CometAPI-Base-URL aus. Die Model ID bleibt gemini-nano-banana-2.1.

Für CometAPI tauschen Sie Base-URL und Schlüssel aus, während Sie eine OpenAI- oder Gemini-kompatible Clientstruktur beibehalten. CometAPI verwendet das GenerateContent-Endpunktmuster für den Zugriff auf nano Banana 2.1.

Vergleich der Zugriffswege auf die Nano Banana 2.1 API

Wählen Sie den Anbieter, bevor Sie Code kopieren. Google bietet den direkten Interactions-Workflow, der in den folgenden Python-Beispielen verwendet wird. Nano Banana 2.1 API in CometAPI stellt die Gateway-Route bereit, die im cURL-Beispiel genutzt wird. Vergleichen Sie Authentifizierung, Eingabefelder, Ausgabehandhabung und Gesprächszustand als vollständige Integration; die Schlüssel gehören zu separaten Konten und Abrechnungssystemen.

Die folgenden Google-Beispiele verwenden die Interactions API. Es handelt sich nicht um Requests für den CometAPI-generateContent-Endpunkt. Folgen Sie der Google-Übersicht zu Interactions für Interaktionszustand und Antworthandhabung. Beispiele wurden gegen veröffentlichte Request-Schemata geprüft; es wurden keine authentifizierten oder kostenpflichtigen API-Aufrufe für diesen Leitfaden ausgeführt.

Bild mit der Nano Banana 2.1 API generieren und speichern

Google: Erzeugen mit Python

Installieren Sie das Google Gen AI Python SDK in der Projektumgebung, in der Sie generate_image.py ausführen. Die erste Anfrage unten fordert ein 2K-PNG mit 16:9-Komposition und einer spezifischen Headline an. Speichern Sie das Ergebnis und prüfen Sie es, bevor Sie Bearbeitung oder Referenzbilder hinzufügen.

python -m pip install -U google-genai

Speichern Sie das folgende Skript als generate_image.py. Es folgt Googles Leitfaden zur Bildgenerierung, um eine Interaktion zu erstellen, das zurückgegebene Bild zu prüfen, seine Daten zu dekodieren und ein PNG zu speichern. Der Product-Ad-Prompt spezifiziert Motiv, Lichtführung und exakte Headline, damit Sie prüfen können, ob die Ausgabe der Anforderung entspricht.

import base64
import os
from pathlib import Path
from google import genai

MODEL = "gemini-nano-banana-2.1"
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
image_format = {
    "type": "image",
    "mime_type": "image/png",
    "aspect_ratio": "16:9",
    "image_size": "2K",
}

def save_image(result, filename):
    image = result.output_image
    if image is None or not image.data:
        raise RuntimeError("No image returned; inspect the response before retrying")
    Path(filename).write_bytes(base64.b64decode(image.data))

interaction = client.interactions.create(
    model=MODEL,
    input=("Create a product advertisement for a white ceramic coffee mug. "
           "Use a warm studio background and soft side lighting. "
           "Include only the exact headline MORNING COFFEE."),
    response_format=image_format,
)
save_image(interaction, "mug-ad.png")
print("Saved mug-ad.png; interaction ID:", interaction.id)

python generate_image.py

Das Skript speichert mug-ad.png und gibt eine Interaktions-ID aus. Verwenden Sie die Prüfungen aus Schritt 3, bevor Sie das Bild akzeptieren oder mit einer Bearbeitung fortfahren.

CometAPI: Erzeugen mit cURL

Wenn COMETAPI_KEY in Schritt 1 konfiguriert wurde, führen Sie die folgende Bash-Anfrage unter Verwendung der dokumentierten Route von CometAPI aus. Die JSON-Antwort wird als comet-response.json gespeichert; in Schritt 3 wird das zurückgegebene Bild extrahiert und gespeichert.

curl --fail-with-body --silent --show-error \
  "https://api.cometapi.com/v1beta/models/gemini-nano-banana-2.1:generateContent" \
  -H "x-goog-api-key: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [{"parts": [{"text": "Create a studio product image of a white ceramic mug."}]}],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }' \
  --output comet-response.json

Antwort verarbeiten

Google: Gespeichertes Bild und Interaktions-ID prüfen

Der save_image-Helper in der Generation prüft output_image, dekodiert die Bilddaten und speichert mug-ad.png. Öffnen Sie die Datei und prüfen Sie Tasse, Komposition und exakte Headline. Bewahren Sie die Interaktions-ID für den nächsten Bearbeitungsschritt auf. Eine erfolgreiche HTTP-Antwort allein beweist nicht, dass das angeforderte Bild zurückgegeben wurde.

Die Convenience-Property output_image gibt das zuletzt generierte Bild zurück. Wenn Sie mehrere Bilder oder verschachtelte Text-und-Visual-Ausgaben benötigen, verarbeiten Sie die Schritte der Interaktion. Prüfen Sie Informationen zu fehlenden Bildern oder Sicherheitshinweise, bevor Sie es erneut versuchen.

CometAPI: Bild extrahieren und speichern

Dies schreibt eine JSON-Antwort, kein PNG. Bestätigen Sie die tatsächliche Antwortstruktur, bevor Sie Ihren Bild-Extractor bauen. Übergeben Sie previous_interaction_id oder response_format nicht an diese Route; Gateway-Bearbeitung und Optionen für die Ausgabengröße müssen dem jeweils dokumentierten Schema folgen. Ebenso ist eine Google-Interaktions-ID kein Gateway-Gesprächszustand.

Wenn das Gateway die native candidates → content → parts-Struktur gemäß Googles generateContent-Referenz zurückgibt, speichern Sie die Inline-Bildteile mit diesem eigenständigen Skript. Es akzeptiert camelCase- und snake_case-Feldnamen und bewahrt das zurückgegebene Bildformat:

import base64
import json
from pathlib import Path

payload = json.loads(Path("comet-response.json").read_text(encoding="utf-8"))
saved = 0
for candidate in payload.get("candidates", []):
    for part in candidate.get("content", {}).get("parts", []):
        if part.get("thought"):
            continue
        blob = part.get("inlineData") or part.get("inline_data")
        if not blob or not blob.get("data"):
            continue
        mime = blob.get("mimeType") or blob.get("mime_type")
        ext = {"image/png": "png", "image/jpeg": "jpg", "image/webp": "webp"}.get(mime)
        if ext:
            saved += 1
            Path(f"comet-image-{saved}.{ext}").write_bytes(base64.b64decode(blob["data"]))
if not saved:
    raise RuntimeError("No inline image found; inspect response schema and error details")
print(f"Saved {saved} image(s)")

Speichern Sie den obigen Extractor als save_comet_image.py im selben Verzeichnis wie comet-response.json und führen Sie ihn dann mit Python aus. Öffnen Sie jede gespeicherte comet-image-Datei und prüfen Sie ihren Inhalt. Wenn kein Inline-Bild gefunden wird, prüfen Sie die tatsächliche Antwort und Fehlerdetails, bevor Sie den Parser ändern oder es erneut versuchen.

Prüfen Sie bei beiden Anbietern Bildformat, Abmessungen, angeforderten Text und visuelle Details. Behandeln Sie anbieter-spezifische Antwortverarbeitung getrennt und behalten Sie das Originalbild, bevor Sie Bearbeitungen vornehmen.

Wie bearbeiten Sie Bilder mit der Nano Banana 2.1 API?

Ein generiertes Bild mit Nano Banana 2.1 bearbeiten

Fügen Sie diesen Block demselben Skript hinzu. Er verwendet Client, Ausgabeformat und Interaktion aus dem Generierungsbeispiel. Wie im Google-Beispiel zum mehrstufigen Editieren gezeigt, liefert previous_interaction_id den Gesprächskontext. Geben Sie das Ausgabeformat erneut an, um Dateityp, Seitenverhältnis und Größe explizit beizubehalten.

edited = client.interactions.create(
    model=MODEL,
    previous_interaction_id=interaction.id,
    input=("Change only the mug color to matte black. "
           "Keep the headline, background, framing and lighting unchanged."),
    response_format=image_format,
)
save_image(edited, "mug-ad-edited.png")
print("Saved mug-ad-edited.png; interaction ID:", edited.id)

Für eine dritte Runde verwenden Sie edited.id als vorherige Interaktions-ID. Speichern Sie die neueste ID in der Bearbeitungssitzung Ihrer Anwendung und nicht in einer einzigen globalen Variablen, die von allen Nutzern geteilt wird. Bewahren Sie auch das Originalbild auf: Das Anfordern eines unveränderten Hintergrunds garantiert keine pixelgenaue Bewahrung.

Ein lokales Referenzbild an Nano Banana 2.1 senden

Wenn Sie bereits ein Produktbild haben, senden Sie es zusammen mit der Bearbeitungsanweisung, statt zuerst ein neues Asset zu generieren. Dieser Block verwendet ebenfalls den Client und den save_image-Helper aus dem Generierungsbeispiel. Der angegebene MIME-Typ muss mit der tatsächlichen Datei übereinstimmen.

reference = base64.b64encode(Path("product.png").read_bytes()).decode("ascii")
from_reference = client.interactions.create(
    model=MODEL,
    input=[
        {"type": "text", "text": "Place this product on a clean studio backdrop. Preserve its shape and label."},
        {"type": "image", "mime_type": "image/png", "data": reference},
    ],
    response_format=image_format,
)
save_image(from_reference, "product-studio.png")

Steuerung von Ausgabe und Referenzen in Nano Banana 2.1

Verwenden Sie die Referenzkapazität und Konsistenzziele aus der obigen Spezifikationstabelle als Basis. Diese Kapazitäten garantieren keine fehlerfreie Identitätswahrung. Beginnen Sie mit so wenigen Referenzen wie nötig und evaluieren Sie das Gesamtergebnis. Für Diagramme und Marketing-Assets geben Sie exakte Copy und verifizierte Zahlen vor, statt das Modell sie erfinden zu lassen.

Erweiterte Funktionen

• Denkstufen: Auf „minimal“ für Geschwindigkeit, „mittel“ (Standard) für Balance oder „hoch“ für komplexe Kompositionen, textlastige Layouts oder präzise Multi-Objekt-Treue setzen. Höhere Denkstufen erhöhen Latenz und Token-Kosten, verbessern aber die Ergebnisse bei schwierigen Prompts.
• Search Grounding: Google Search / Image Search-Tools aktivieren, damit Generationen reale oder aktuelle visuelle Referenzen einbeziehen können (Wetter, Produkte, Ereignisse, korrekte Arten etc.).
• Videoeingabe: Unterstützt für kontextbewusste Generierung (z. B. Stile oder Motive aus kurzen Clips extrahieren).
• Batch API: Verfügbar für großvolumige Offline-Jobs zu reduzierten Raten.
• Auflösungen & Formate: 1K als Standard; 2K oder 4K explizit anfordern. Ausgabe typischerweise PNG/JPEG je nach Konfiguration.

Beachten Sie stets Googles Richtlinie zu unzulässigen Nutzungen generativer KI und stellen Sie sicher, dass Sie Rechte an allen Referenzbildern haben.

Nano Banana-Familie (ungefähre Daten, Anfang Oktober 2026)

Fazit und Empfehlung

Nano Banana 2.1 ist Googles bislang stärkstes hocheffizientes Modell für Bildgenerierung und -bearbeitung—ein praktisches Upgrade, das visuelle Qualität, Texttreue, Konsistenz und Robustheit bei Seitenverhältnissen deutlich verbessert, während es Flash-typische Wirtschaftlichkeit beibehält. Für die meisten Produktions-Workloads, die zuverlässige, hochwertige Bilder mit guter Prompt-Treue und Bearbeitungsfähigkeiten benötigen, ist es im Oktober 2026 die klare Standardwahl innerhalb der Gemini-Familie.

So starten Sie heute:

1. Prototyping im Google AI Studio.
2. Integration über die offizielle Gemini API für maximale Kontrolle.
3. Oder beschleunigen Sie die Entwicklung und vereinfachen Sie Multi-Model-Operationen mit der einheitlichen, OpenAI-kompatiblen Plattform von CometAPI—ein Schlüssel, wettbewerbsfähige Preise, schneller Zugriff auf die neuesten Modelle einschließlich gemini-nano-banana-2.1 und produktionsreife Analytik.

Beginnen Sie noch heute mit Experimenten über die API und migrieren Sie verbleibende Nano Banana 2-Workloads vor dem Stichtag 29. Oktober. Die Werkzeuge für hochwertige, konsistente und kosteneffiziente KI-Bilder waren nie zugänglicher.