Bygg med CometAPITrenger du ett API for flere modeller?Test arbeidsflyten i Playground, og opprett deretter en API-nøkkel når modellen og kostnaden passer bruksområdet ditt.
Nano Banana 2 — kortnavnet som fellesskapet bruker på Googles nyeste bildegenereringsmodell i Gemini-familien — har raskt redefinert forventningene til rask bildegenerering og -redigering av høy kvalitet. Lansert i slutten av februar 2026, retter denne «Flash Image»-varianten (Gemini 3.1 Flash Image / Nano Banana 2) seg mot utviklere og produktteam som trenger resultater på profesjonelt nivå med høy gjennomstrømning og lav latens.
Nano Banana 2 — kortnavnet som fellesskapet bruker for Googles nyeste bildegenereringsmodell i Gemini-familien — har raskt endret forventningene til rask bildegenerering og -redigering med høy kvalitet. Lansert i slutten av februar 2026, er denne “Flash Image”-varianten (Gemini 3.1 Flash Image / Nano Banana 2) rettet mot utviklere og produktteam som trenger proffnivå-utdata med høy gjennomstrømning og lav latens. I denne artikkelen kombinerer jeg siste rapportering og dokumentasjon for å forklare hva Nano Banana 2 er, hvordan den presterer i benchmarks, hvordan man får tilgang og kaller den (inkludert via tredjeparts gateways som CometAPI), samt praktiske prompt- og bruksmønstre du kan ta i bruk i produksjon.
CometAPI tilbyr et enkelt HTTP-lignende grensesnitt som eksponerer mange modeller (inkludert bildemodeller) under konsistente endepunkter. Dette kan forenkle bytte mellom leverandører eller kombinering av utdata fra flere modeller. Nano Banana 2 (Gemini 3.1 Image) er live i CometAPI.
Hva er Nano Banana 2?
Nano Banana 2 (internt på linje med Gemini 3.1 Flash Image) er en fokusert, høy-effektiv bildegenereringsmodell fra Google som prioriterer hastighet, lavere kostnad per bilde og sterkere etterlevelse av instruksjoner for kreative og redaksjonelle bildetasker. Den er designet for å stå ved siden av modeller med høyere kvalitet i “Pro”-familien: Nano Banana 2 for høy gjennomstrømning og Nano Banana Pro (Gemini 3 Pro Image) for premium, aktivanivå-utdata.
Gjennomgått for klarhet, kildeangivelse og gjeldende API-terminologi.
Den er laget for å levere:
Rask inferens (med svært lav latens slik at bildegenerering og redigering føles nærmest øyeblikkelig).
Høy visuell kvalitet som nærmer seg “Pro”-familien, men til lavere beregning/kost.
Bedre etterlevelse av instruksjoner (mer presis gjengivelse av ønskede motiver, tekst i bilde og scener med flere karakterer).
Bred støtte for oppløsning og sideforhold, fra raske små forhåndsvisninger til native 2K/4K-pipelines for endelige aktiva.
Hva gjør Nano Banana 2 annerledes enn den opprinnelige Nano Banana/Pro?
Arkitektur / motor: Bygget på Geminis Flash-inferensstack (Gemini 3.1 Flash Image), så den bytter ut noen maks-kvalitetsinnstillinger mot dramatisk hastighets- og kostnadsforbedring.
Bruksområder: Ideell for storskala automatisering (markedsføringsaktiva, miniatyrbilder, UI-er), nesten sanntidsredigering og arbeidsflyter der latens og kostnad betyr mye, men du fortsatt trenger Pro-nivå motivtroskap.
Benchmark-ytelse for Nano Banana 2
Konsistent på tvers av kategorier
Gemini 3.1 Flash Image viser målbar forbedring i hver eneste rapporterte kategori sammenlignet med Gemini 2.5 Flash.
Største gevinster
Visuell kvalitet
Komposisjonell redigering med flere innganger
Generell robusthet i redigering
Konkurranseposisjonering
Leder intern GenAI-Bench på total preferanse.
Overgår GPT-Image 1.5 på totale og visuelle metrikker.
Smale inkrementelle forbedringer tyder på arkitektonisk raffinering fremfor et radikalt skifte.
Hvordan får jeg tilgang til Nano Banana 2?
Hvor den er tilgjengelig
Nano Banana 2 er tilgjengelig gjennom Googles Gemini-verktøy (Gemini-appen), Gemini API (dokumentert under Googles AI-utviklerdokumentasjon), og rulles ut via sky- og bedriftsprodukter som Vertex AI for forhåndsvisning/bedriftsintegrasjoner. CometAPI har også annonsert støtte og wrappers for å gjøre integrasjon enkel.
Hvordan bruke Nano Banana 2 API (cometapi): hvilke alternativer finnes?
CometAPIs veiledning bruker en Gemini-stil generateContent-form og returnerer bilder som Base64 i candidates[0].content.parts[].inline_data.data. Du må dekode den Base64-en for å lagre en fil på klientsiden.，You only need to replace https: //generativelanguage.googleapis.com with https://api.cometapi.com . The returned image is usually provided as Base64-encoded inline_data. You will need to decode it on the client side and save it as a file. CometAPI provides discounts helps you use Use Nano Banana 2 API.
CometAPI tilbyr en samlet REST-wrapper og eksplisitte endepunkter for Gemini-modeller — ideelt om du ønsker én legitimasjon og å kunne bytte leverandør uten å endre applikasjonskoden. For Nano Banana 2 inneholder CometAPI-siden et direkte curl-utdrag for deres gemini-3.1-flash-image-preview:generateContent-endepunkt. Nedenfor er et ryddet curl-eksempel basert på CometAPI-dokumentasjon.
Forutsetninger for å bruke Nano Banana 2 via CometAPI
CometAPI-konto og API-nøkkel: Opprett en konto på CometAPI og generer din API-tilgangsnøkkel (sk-…). Denne nøkkelen brukes til autentisering av alle API-forespørsler til CometAPIs endepunkter.
Programmeringsspråk og kjøremiljøer:
Node.js 18+ (for JavaScript/TypeScript)
Python 3.10+
(Eller ethvert språk som kan gjøre HTTP-forespørsler)
HTTP-verktøy eller SDK-er:
For JavaScript: fetch, axios eller OpenAI-kompatibel klient
For Python: requests, httpx eller OpenAI-klienten
Disse verktøyene hjelper deg å sende API-kall og håndtere svar.
Modellnavn: gemini-3.1-flash-image-preview (Nano Banana 2 / gemini 3.1 Flash Image) eller gemini-2.5-flash-image avhengig av tilgjengelighet.
Autentisering: Authorization: sk-xxxx-header — CometAPI bruker typisk en sk--stil nøkkel.
Respons: bilder returneres som Base64 under response.candidates[0].content.parts[].inline_data.data. Dekod og skriv til disk.
Eksempelarbeidsflyt (på høyt nivå)
Hent en API-nøkkel fra CometAPI.
Velg modellidentifikator (f.eks. gemini-3.1-flash-image eller lignende, avhengig av tilgjengelighet).
Send en POST-forespørsel til modellens genereringsendepunkt med prompten din.
Håndter returert bildedata i appen din (dekod base64, tjen som PNG, osv.).
For bilderedigering, inkluder eksisterende bildedata og redigeringsinstruksjoner i forespørselen.
Bruke den offisielle Gemini API-en (tekst → bilde)
Nedenfor er et kort Node.js-eksempel som viser hvordan du kaller Gemini generateContent-endepunktet for gemini-3.1-flash-image-preview (dette speiler offisielle utdrag i dokumentasjonen). Bytt ut YOUR_API_KEY med din legitimasjon og legg til feilhåndtering for produksjon.
# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"
mkdir -p ./output
curl -s "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
-H "Authorization: $COMETAPI_KEY" \
-H 'Content-Type: application/json' \
-X POST \
-d '{
"contents": [
{
"role": "user",
"parts": [
{
"text": "A woman leaning on a wooden railing of a traditional Chinese building. She is wearing a blue cheongsam with pink and red floral motifs and a headdress made of colorful flowers, including roses and lilacs. Realistic painting style, focusing on the textural details of the clothing patterns and wooden buildings."
}
]
}
],
"generationConfig": {
"responseModalities": ["IMAGE"],
"imageConfig": {
"aspectRatio": "9:16"
}
}
}' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
if 'text' in part:
print(part['text'])
elif 'inlineData' in part:
img = base64.b64decode(part['inlineData']['data'])
with open('./output/gemini-3.1-flash-image-preview.png', 'wb') as f:
f.write(img)
print('Image saved to ./output/gemini-3.1-flash-image-preview.png')
"
CometAPI tilbyr SDK-er og OpenAI-kompatible klient-wrappere, slik at noen team kan bytte leverandør med minimale kodeendringer, og lar deg be om Base64-kodede bildeutdata eller hostede URL-er avhengig av konfigurasjonen din. Sjekk alltid den offisielle generateContent-skjemaet for nøyaktige felt i payloaden.
Bilde→bilde (redigeringsflyt)
For å redigere et eksisterende bilde:
Konverter kildebildet ditt til Base64 (uten prefikset data:image/...;base64,).
POST med en payload som inkluderer inline_data.data som inneholder denne Base64-strengen og en redigeringsprompt (f.eks. “endre bakgrunn til skumringshimmel, fjern vannmerke”).
Responsen vil inkludere ny Base64-utdata som du dekoder og lagrer.
model: velg gemini-3.1-flash-image-preview (Nano Banana 2) eller gemini-3-pro-image-preview (Pro).
imageConfig.aspect_ratio og imageConfig.image_size (512, 1K, 2K, 4K) — påvirker kost og latens.
responseModalities: ["Image"] eller ["Text","Image"] for multimodale flyter.
Hvordan bør jeg utforme prompter for Nano Banana 2?
Promptutforming for bildemodeller blander komposisjon, stil, kamerabelysning og begrensninger. Nano Banana 2 er tunet for å følge instruksjoner pålitelig, så balanser kortfattethet med tydelighet.
Stil og referanser: kunststil, kunstnerreferanser (vær oppmerksom på opphavsrett), epoke.
Begrensninger: antall personer/objekter, unngå visse farger, inkluder leselig tekst.
Eksempelprompt:
“Et fotorealistisk bilde av en liten gul banan formet som en vintage-rakett, liggende på et blankpolert mahognybord i et solfylt studio. 50 mm-objektiv, liten dybdeskarphet, varm golden hour-belysning, høy detaljgrad, ingen synlige logoer, 2048×1152.”
Tips for redigeringsprompter (inpainting/erstatning)
Oppgi masken tydelig og spesifiser hvilke områder som skal endres.
Bruk “bevar”-formulering for områder som skal beholdes (f.eks. “bevar ansiktstrekkene til motivet, erstatt kun bakgrunnen”).
For tekst i bilder, oppgi nøyaktig tekst og spesifiser font/stil (f.eks. “leselig sans-serif, sentrert”). Nano Banana 2 legger vekt på bedre tekstrendering, men vær eksplisitt.
Sjekkliste for feilsøking av prompter
Hvis utdataene ikke treffer: prøv å forenkle — reduser kreative stilanvisninger først, og legg deretter til detaljer igjen.
Hvis teksten er uleselig: spesifiser font, størrelse og kontrast i prompten og øk oppløsningen.
Hvis komposisjonen er feil: bruk kameravinkel- og objektivspesifikasjoner.
Hvilke vanlige fallgruver finnes, og hvordan unngår jeg dem?
Fallgruve: Overavhengighet av one-shot-prompter
Forvent ikke at én enkelt prompt skal håndtere beskjæring, layout og flertrinnsredigering. Del arbeidet i: generer grunnlag → rediger/erstatt → sluttpolering. Bruk seed og masker for presisjon.
Fallgruve: Å ignorere proveniens- og opphavsrettskontroller
Ikke rull ut i skala uten SynthID/C2PA eller annen proveniens. Mange virksomheter krever sporbarhet for AI-generert innhold.
Fallgruve: Uforutsette kostnader
Følg med på bruk på modell- og endepunktsnivå, og sett harde bruksgrenser via leverandøren eller en proxy. Flash-nivåer er billigere, men kan fortsatt koste mye hvis du genererer tusenvis av 4K-bilder utilsiktet.
Anbefalte beste praksiser med Nano Banana 2?
Å sette bildegenerering i produksjon krever oppmerksomhet på kostnader, latens, kvalitetskontroll, proveniens og sikkerhet. Nedenfor er praktiske anbefalinger destillert fra feltrapporter, Google-dokumenter og community-tester.
Promptutforming og deterministiske utdata
Mal prompter: for repeterbare utdata (f.eks. produktbilder), bruk strukturerte prompter med faste segmenter (motiv, kamera, lys, tekstur, etterbehandling). Dette reduserer drift mellom kall.
Bruk referansebilder og maskinstruksjoner for redigeringer i stedet for å prøve komplekse lokale endringer kun via tekst — det reduserer semantiske feil og artefakter.
Kostnads- og ytelsesjustering
Velg Flash/“Nano Banana 2”-modus for stort volum: Trenger du mange raske iterasjoner, bruk Flash-nivå-modeller og mindre størrelser (2K vs 4K) for å redusere kost og latens.
Batch forespørsler der det er mulig: noen leverandører støtter multi-prompt-batching — det reduserer total latens per generert aktivum i høygjennomstrømningspipeliner. (Sjekk dokumentasjonen til leverandøren.)
Sikkerhet, proveniens og juridisk
Aktiver SynthID- og C2PA-metadata på genererte aktiva for å støtte nedstrøms revisjon og etterlevelse (særlig ved bruk i annonsering/PR). Google og partnere fremhever SynthID som proveniensmekanisme.
Manuell gjennomgang for sensitivt innhold: automatiserte policylag er sterke, men ikke perfekte — bruk manuelle sjekker for publikumsvendt innhold eller materiale som involverer offentlig personer.
Kvalitetssikring
Automatiser QA-kontroller: kjør en rask etterklassifisering av genererte bilder for uventede artefakter (feil tekst, lav ansiktstroskap, utilsiktet logoskaping). Hold et scoringssystem og fail-safe fallback til Pro-nivå-rendere hvis auto-sjekk feiler.
Lagre prompter og seeds: for reviderbarhet og reproduserbarhet, lagre nøyaktig prompt, tidsstempel, modellversjon og eventuelle seeds eller deterministiske parametere.
Latensfølsom UX
Progressiv UX: returner et lavoppløselig/hurtig utkast først, og erstatt med en høyoppløselig/Pro-render når den er klar. Dette holder appen responsiv (mange leverandører tilbyr en “draft” eller Flash-variant).
Avsluttende merknader og neste steg
Nano Banana 2 er bygget for å endre økonomien i bildeførste produksjonsarbeidsflyter: lavere latens og lavere kostnad per kall åpner bruksområder som on-demand annonseaktiva, rask A/B-testing av kreative varianter og sanntids, samarbeidsbaserte designverktøy. Modellen er allerede integrert på tvers av Googles konsument- og skyflater; for utviklere som vil gå live raskt, tilbyr CometAPI et praktisk markedsplass-wrapper som støtter Gemini-bildeendepunkter pluss andre modeller — et praktisk grep når du vil eksperimentere med flere motorer uten å endre appkoden.
Utviklere kan få tilgang til Nano Banana 2 via CometAPI nå. For å komme i gang, utforsk modellens muligheter i Playground og se API-veiledningen for detaljerte instruksjoner. Før du får tilgang, må du sørge for at du har logget inn på CometAPI og hentet API-nøkkelen. CometAPI tilbyr en pris langt under den offisielle prisen for å hjelpe deg å integrere.
