¿Cómo usar la API de Nano Banana 2.1? Generación y edición

TLDR Nano Banana 2.1 (gemini-nano-banana-2.1) como el modelo actualizado de generación de imágenes de alta eficiencia y edición conversacional dentro de la familia Gemini. Basado en Gemini 3.6 Flash, ofrece mejoras en calidad visual y realismo (1K/2K/4K), corrección de artefactos de mosaico en relaciones de aspecto extremas, renderizado de texto y maquetación de infografías superiores, fusión de múltiples imágenes (hasta 14 referencias con consistencia para hasta 4 personajes y 10 objetos), grounding con Google Search/Image Search y niveles de thinking configurables (mínimo/medio/alto).

Se posiciona como el contraparte eficiente de Nano Banana Pro mientras ofrece aproximadamente la mitad del costo por imagen frente a su predecesor Nano Banana 2 en muchas resoluciones. El precio oficial comienza en aproximadamente $0.0336 por imagen de 1K (nivel Standard). Acceso vía la Gemini API (preferible Interactions API), Google AI Studio o agregadores unificados como CometAPI para una única clave compatible con OpenAI, integración simplificada y tarifas competitivas. Esta guía cubre configuración, ejemplos de código, funciones avanzadas, comparativas de precios, buenas prácticas y recomendaciones para producción.

Key Takeaways

• Nano Banana 2.1 es el último modelo de Google de alta eficiencia para generación de imágenes y edición conversacional, posicionado como el contraparte eficiente de Nano Banana Pro.
• Pruebas propias de Google muestran una puntuación de 1050 Elo en preferencia general de texto a imagen (frente a 990 de Nano Banana 2 y 935 de Pro) y mejoras notables en consistencia y edición.
• Los precios comienzan en ~$0.0336 por imagen estándar de 1K vía la Gemini API—aproximadamente la mitad que Nano Banana 2.
• Soporta hasta 14 imágenes de referencia, consistencia de 4 personajes + 10 objetos, proporciones panorámicas sin artefactos de mosaico y grounding con búsqueda web/imagen en tiempo real.
• Nano Banana 2 está programado para retirarse el 29 de octubre de 2026; migra pronto.
• Para desarrolladores, plataformas como CometAPI ofrecen un único endpoint compatible con OpenAI para acceder a Nano Banana 2.1 junto con más de 500 modelos con una sola clave y tarifas competitivas.

What Is Nano Banana 2.1?

Nano Banana 2.1 es el miembro más reciente de Google DeepMind dentro de la serie Gemini 3 de modelos de razonamiento nativamente multimodales. Oficialmente basado en Gemini 3.6 Flash, se especializa en generación de imágenes de alta calidad a partir de texto y edición conversacional de imágenes.

Acepta entradas de texto, imágenes, video y PDF (ventana de contexto de hasta ~1M tokens en cierta documentación, o 131,072 en las especificaciones de la API) y produce imágenes (hasta 4K) además de texto. Todas las imágenes generadas llevan la marca de agua SynthID de Google.

Google lo describe como una actualización de Nano Banana 2 (Gemini 3.1 Flash Image) que mantiene la velocidad y el costo de nivel Flash mientras ofrece mejoras significativas en calidad visual, adherencia al prompt, consistencia de personajes en múltiples turnos y renderizado de texto. Se posiciona explícitamente como “la contraparte más eficiente” del modelo de gama alta Nano Banana Pro (Gemini 3 Pro Image).

Nano Banana 2.1 Benchmark Performance

Google publicó resultados internos comparativos lado a lado (Elo) de preferencia humana y factualidad a octubre de 2026. Nótese que las pruebas independientes de terceros fueron limitadas en el lanzamiento.

Text-to-Image Capabilities

Editing Capabilities

Source: Google DeepMind Nano Banana 2.1 Model Card.

Un Elo más alto indica una preferencia humana más fuerte. La puntuación de factualidad (mientras más alta mejor) muestra un salto particularmente grande para infografías precisas. Estos resultados posicionan a Nano Banana 2.1 como el modelo de imagen de nivel Flash más fuerte de Google hasta la fecha y competitivo (o superior) frente a Pro en muchos ejes prácticos, con menor costo y latencia.

Nano Banana 2.1Official Pricing and Cost Considerations (as of Early October 2026)

El precio de referencia del nivel Standard de Google (por imagen generada, antes de tokens adicionales de entrada/thinking/texto) es aproximadamente:

Los tokens de entrada se listan alrededor de $1.50 por 1M; salida de texto + thinking alrededor de $7.50 por 1M en algunos desgloses. No hay nivel gratuito de API para este modelo. El costo final facturado depende de la longitud del prompt, número de imágenes de referencia, nivel de thinking, resolución y cualquier salida de texto adicional.

En comparación con Nano Banana 2, el costo por imagen es aproximadamente la mitad a resoluciones equivalentes, lo que hace más económico el volumen de generación. Nano Banana Pro sigue siendo significativamente más costoso para necesidades de fidelidad máxima. Verifica siempre la página de precios en vivo de la Gemini API, ya que las tarifas y el cómputo de tokens pueden evolucionar.

CometAPI, por ejemplo, añadió rápidamente soporte para gemini-nano-banana-2.1 y proporciona acceso unificado con tarifas competitivas y una sola clave en cientos de modelos.

How to Access and Set Up the Nano Banana 2.1 API

Model ID: gemini-nano-banana-2.1

Con imagen de referencia y mayor resolución/thinking: Proporciona imágenes codificadas en base64 en la lista de entrada y configura las opciones de formato de respuesta para relación de aspecto y tamaño de imagen (1K/2K/4K). Habilita herramientas para grounding con Google Search cuando la precisión factual sea importante.

1. Official Google Gemini API (recommended for full feature parity)

• Crea o usa un proyecto de Google AI Studio / Google Cloud con facturación habilitada.
• Obtén una clave de API desde Google AI Studio.
• Instala el SDK oficial: pip install -U google-genai (Python) o el equivalente para JavaScript/Node (@google/genai).
• Interfaz moderna preferida: Interactions API (client.interactions.create). GenerateContent heredado permanece disponible en algunos contextos.
• Patrón de endpoint base: https://generativelanguage.googleapis.com/v1beta/interactions (o rutas específicas de modelo generateContent). Autenticación vía encabezado x-goog-api-key o variable de entorno del SDK GEMINI_API_KEY.

2. Google AI Studio

Ideal para prototipado rápido, pruebas de prompts e inspección visual antes de programar. Selecciona el modelo y experimenta con referencias, resoluciones y niveles de thinking.

3. Unified Aggregators (CometAPI recommendation)

CometAPI ofrece un único endpoint compatible con OpenAI (https://api.cometapi.com/v1) y una clave para más de 500 modelos, incluyendo la serie Gemini Nano Banana. Soporta precios de pago por uso (a menudo con ahorros frente a tarifas directas del proveedor), paneles de uso y compatibilidad plug-and-play con SDK. Esto es especialmente valioso si ya usas múltiples proveedores o quieres hacer A/B testing de modelos de imagen sin gestionar credenciales y facturación separadas. Regístrate en CometAPI.com para obtener créditos de prueba gratuitos, crea una clave y apunta tu cliente compatible con OpenAI a la URL base de CometAPI. El ID de modelo sigue siendo gemini-nano-banana-2.1.

Para CometAPI, cambia la URL base y la clave manteniendo una estructura de cliente compatible con OpenAI o Gemini. CometAPI utiliza el patrón del endpoint GenerateContent para acceder a nano Banana 2.1.

Nano Banana 2.1 API Access Routes Compared

Elige el proveedor antes de copiar el código. Google ofrece el flujo directo de Interactions utilizado en los ejemplos de Python a continuación. Nano Banana 2.1 API in CometAPI proporciona la ruta gateway utilizada en el ejemplo de cURL. Compara autenticación, campos de entrada, manejo de salida y estado de conversación como una integración completa; las claves pertenecen a cuentas y sistemas de facturación separados.

Los ejemplos de Google a continuación usan la Interactions API. No son solicitudes para el endpoint generateContent de CometAPI. Sigue la visión general de Interactions de Google para el estado de la interacción y manejo de respuestas. Los ejemplos se verificaron contra esquemas de solicitud publicados; no se realizaron llamadas de API autenticadas o facturables para esta guía.

Generate and Save an Image with Nano Banana 2.1 API

Google: Generate with Python

Instala el SDK de Google Gen AI para Python en el entorno del proyecto donde ejecutarás generate_image.py. La primera solicitud a continuación pide un PNG de 2K con una composición 16:9 y un titular específico. Guarda el resultado e inspeciónalo antes de añadir edición o entradas de imágenes de referencia.

python -m pip install -U google-genai

Guarda el siguiente script como generate_image.py. Sigue la guía de generación de imágenes de Google para crear una interacción, comprobar la imagen devuelta, decodificar sus datos y guardar un PNG. El prompt de product-ad especifica el tema, la iluminación y el titular exacto para que puedas verificar si la salida cumple la solicitud.

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

El script guarda mug-ad.png e imprime un ID de interacción. Usa las comprobaciones de la respuesta en el Paso 3 antes de aceptar la imagen o continuar con una edición.

CometAPI: Generate with cURL

Con COMETAPI_KEY configurado en el Paso 1, ejecuta la siguiente solicitud Bash usando la ruta documentada de CometAPI. Guarda la respuesta JSON como comet-response.json; el Paso 3 extrae y guarda la imagen devuelta.

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

Handle the Response

Google: Check the Saved Image and Interaction ID

El helper save_image en Generatation comprueba output_image, decodifica los datos de la imagen y guarda mug-ad.png. Abre ese archivo y verifica la taza, la composición y el titular exacto. Conserva el ID de interacción para la siguiente edición. Una respuesta HTTP exitosa por sí sola no establece que la imagen solicitada haya sido devuelta.

La propiedad de conveniencia output_image devuelve la última imagen generada. Si necesitas múltiples imágenes o texto y visuales intercalados, procesa los pasos de la interacción. Inspecciona información de imagen faltante o seguridad antes de reintentar.

CometAPI: Extract and Save the Image

Esto escribe una respuesta JSON, no un PNG. Confirma la estructura real de la respuesta antes de construir tu extractor de imágenes. No pases previous_interaction_id o response_format a esta ruta; las opciones de edición del gateway y tamaño de salida deben seguir su propio esquema documentado. Asimismo, un ID de interacción de Google no es un estado de conversación del gateway.

Si el gateway devuelve la estructura nativa candidates → content → parts descrita en la referencia generateContent de Google, guarda las partes de imagen inline con este script independiente. Acepta nombres de campos en camelCase y snake_case y preserva el formato de imagen devuelto:

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)")

Guarda el extractor anterior como save_comet_image.py en el mismo directorio que comet-response.json y ejecútalo con Python. Abre cada archivo comet-image guardado y comprueba su contenido. Si no se encuentra ninguna imagen inline, inspecciona la respuesta real y los detalles de error antes de cambiar el parser o reintentar.

Para ambos proveedores, verifica el formato de la imagen, dimensiones, texto solicitado y detalles visuales. Mantén separado el manejo de respuestas específico del proveedor y conserva la imagen original antes de realizar ediciones.

How Do You Edit Image With Nano Banana 2.1 API?

Editing a Generated Image With Nano Banana 2.1

Añade este bloque al mismo script. Reutiliza el cliente, el formato de salida y la interacción del ejemplo de generación. Como se muestra en el ejemplo de edición multi-turn de Google, previous_interaction_id proporciona el contexto de la conversación. Especifica el formato de salida nuevamente para mantener explícitos el tipo de archivo, relación de aspecto y tamaño.

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)

Para un tercer turno, usa edited.id como el ID de interacción previo. Almacena el ID más reciente con la sesión de edición de tu aplicación en lugar de en una variable global única compartida por todos los usuarios. Conserva también la imagen original: solicitar un fondo sin cambios no garantiza preservación al nivel de píxel.

Sending a Local Reference Image to Nano Banana 2.1

Si ya tienes una imagen de producto, envíala con la instrucción de edición en lugar de generar primero un nuevo recurso. Este bloque también usa el cliente y el helper save_image del ejemplo de generación. El tipo MIME declarado debe coincidir con el archivo real.

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")

Controlling Nano Banana 2.1 Image Output and References

Utiliza la capacidad de imágenes de referencia y los objetivos de consistencia en la tabla de especificaciones anterior como base. Estas capacidades no garantizan una preservación impecable de identidad. Comienza con las pocas referencias necesarias y luego evalúa el resultado completo. Para diagramas y materiales de marketing, proporciona el texto exacto y cifras verificadas en lugar de pedir al modelo que las invente.

Advanced Features

• Niveles de thinking: Configura “minimal” para velocidad, “medium” (predeterminado) para equilibrio o “high” para composiciones complejas, maquetaciones con mucho texto o adherencia precisa a múltiples objetos. Un thinking más alto aumenta la latencia y el costo de tokens, pero mejora resultados en prompts difíciles.
• Search grounding: Habilita herramientas de Google Search / Image Search para que las generaciones incorporen referencias visuales del mundo real o actuales (clima, productos, eventos, especies precisas, etc.).
• Video input: Soportado para generación con conocimiento de contexto (p. ej., extraer estilo o sujetos de clips cortos).
• Batch API: Disponible para trabajos offline de alto volumen a tarifas reducidas.
• Resolutions & formats: 1K por defecto; solicita 2K o 4K explícitamente. La salida suele ser PNG/JPEG según configuración.

Respeta siempre la Generative AI Prohibited Use Policy de Google y asegúrate de tener derechos sobre cualquier imagen de referencia.

Nano Banana Family (Approximate, Early October 2026 Data)

Conclusion and Recommendation

Nano Banana 2.1 es el modelo de generación y edición de imágenes de alta eficiencia más fuerte de Google hasta la fecha: una actualización práctica que mejora de forma significativa la calidad visual, la fidelidad del texto, la consistencia y la robustez ante relaciones de aspecto, manteniendo la economía de nivel Flash. Para la mayoría de las cargas de trabajo en producción que necesitan imágenes confiables y de alta calidad con buena adherencia al prompt y capacidades de edición, es la elección predeterminada clara dentro de la familia Gemini en octubre de 2026.

Para empezar hoy:

1. Prototipa en Google AI Studio.
2. Integra vía la Gemini API para máximo control.
3. O acelera el desarrollo y simplifica la operación multi-modelo usando la plataforma unificada y compatible con OpenAI de CometAPI: una sola clave, precios competitivos, acceso rápido a los últimos modelos incluyendo gemini-nano-banana-2.1 y analíticas listas para producción.

Empieza a experimentar hoy vía la API y migra cualquier carga de trabajo restante de Nano Banana 2 antes de la fecha límite del 29 de octubre. Las herramientas para imágenes de IA de alta calidad, consistentes y rentables nunca han sido más accesibles.