Grunnleggende funksjoner
- Text → Image: fullstendig prompt-drevet generering med sterk etterlevelse av prompten.
- Image → Image (redigeringer): fine, målrettede endringer med bevart motiv-/karakterkonsistens på tvers av flere redigeringer.
- Maksimal utgangsoppløsning: opptil 4K (eksempler og støttede nøyaktige pikselstørrelser avhenger av sideforhold; API-et eksponerer 1K/2K/4K-forhåndsinnstillinger)
- Iterativ planlegging og selvkorrigering: en intern «flertrinns» pipeline som oppdager og retter vanlige visuelle feil (perspektiv, tekst, fin geometri).
- Avansert tekstgjengivelse i bildet: klar, leselig flerspråklig tekst (fra korte bildetekster til lange avsnitt) egnet for plakater, mockups og infografikk.
- 5 karakterer og troskap for opptil 14 objekter/referansebilder i én arbeidsflyt.
- Vannmerking / proveniens: alle genererte bilder inkluderer et SynthID-vannmerke; modellen legger inn C2PA-metadata for proveniens i noen produktintegrasjoner.
Gemini 3 Pro Image-versjoner og navngivning
gemini-3-pro-image-previewgemini-3-pro-image
Tekniske detaljer
Arkitektur
- Avstamning / backbone: Nano Banana Pro er bygget på Googles utviklende Gemini-bildestakk — spesifikt den nye Gemini 3 Pro Image / GEMPIX 2-arkitekturen (et multimodalt bilde+tekst-rammeverk med høyere kapasitet). Dette er en videreutvikling fra Gemini 2.5 Flash Image (den opprinnelige «nano-banana») til en nativt multimodal bildemodell med utvidede visjon-språk-resonneringsevner.
- Modellatferd: innebygd multimodalitet (bilde + tekst + kunnskap om verden), eksplisitte pipelines for multi-bildesammensmelting og en intern planlegger i stadier som forfiner utdata over flere pass i stedet for å produsere én statisk prøve. Tidlige rapporter indikerer sterkere geometrisk/optisk resonnering (glass, refraksjon) sammenlignet med tidligere versjoner.
- Tenkning / intern raffinering: Modellen bruker en synlig «tenke»-prosess internt for å forfine komposisjon (API-et dokumenterer denne oppførselen og påpeker at disse interne stegene ikke belastes som endelige bildetokener).
- Forankring og verktøy: Støtter Search-grounding (kan inkorporere web-fakta i diagram-/infografikkgenerering). Den støtter også systeminstruksjoner for mer deterministisk kontroll.
Nøkkelparametere for API:
thinking_level(low / high) for å balansere latens mot resonneringsdybde;media_resolution(low/medium/high) for å styre tokens for bilde-OCR/detallesing;generationConfig.imageConfigfor å styre sideforhold/oppløsning i bildegeneratorens utdata.
Begrensninger for bilder:
- Støttede inndatamodaliteter: Tekst og bilder (modellen aksepterer ikke lyd eller video som bildegenereringsinput).
- Maks bilder per prompt: 14 (for Gemini 3 Pro Image preview).
- Maks bildefilstørrelse (opplasting): 7 MB per inndatabilde.
- Støttede sideforhold: 1:1, 3:2, 16:9, 9:16, 21:9, etc.
Utgangsbilder / tokens: høye grenser, med 4K/4096px støttet.
Benchmark-ytelse
Kort oppsummering: offentlige/tidlige benchmarker er så langt hovedsakelig kvalitative / fellesskapsdrevne, men rapporterer jevnt over betydelige forbedringer i oppløsning, reduksjon av artefakter og fysisk troverdighet sammenlignet med den opprinnelige nano-banana (Gemini 2.5 Flash Image). Spesifikke navngitte «challenges» har vist klare visuelle gevinster, men det finnes ennå ikke (offentlige) standardiserte numeriske benchmark-tabeller fra Google som sammenligner v1 → v2 på tvers av standard bildegenereringsmetrikker.
- Kvalitative fellestester: Renere kanter, skarpere mikrodetaljer, mer korrekte farger og mer trofast etterlevelse av prompt (færre hallusinerte rekvisitter, mer konsistente karakterer). Populære uformelle tester inkluderer den såkalte «Wine Glass Test» og «Glass Burger Challenge», der GEMPIX2 (Nano Banana Pro) håndterer transparens og refraksjon merkbart bedre enn tidligere bygg.
- Teksthåndtering: Nano Banana Pro viser synlig forbedret typografi og tekstplassering inni bilder (en vedvarende svakhet for mange bildemodeller). Sammenligninger i fellesskapet indikerer færre forvanskede gjengitte glyfer.
- Gjennomstrømning / UX: raskere iterasjonshastighet og en UX som utfører flertrinns forfining på baksiden slik at brukere ser mer pålitelige førstegangsresultater (reduserer manuelle re-rulls).
Begrensninger og risiko
- Innholdsfiltre og deteksjon: Plattformene som integrerer modellen (f.eks. Whisk/tredjepartsapper) kan aktivere streng kjendis- eller likhetsdeteksjon og blokkere bestemte utdata, noe som påvirker kreative arbeidsflyter som er avhengige av realistiske kjendislikheter.
- Hallusinasjon / grensetilfeller i resonnering: selv om forbedret, kan modellen fortsatt produsere fysisk urealistiske artefakter, spesielt med tett symbolsk tekst inne i bilder eller svært tekniske diagrammer — selv om NB2 ser ut til å redusere disse feilene sammenlignet med tidligere versjoner.
- Sikkerhet og misbruk: generative bildemodeller kan brukes til å skape problematisk eller skadelig innhold. Google anvender begrensninger, innholdsfiltre og SynthID-vannmerket for å hjelpe med proveniens; likevel har misbruk forekommet (høyt profilerte kontroverser knyttet til et Nano Banana-generert bilde i en politisk sensitiv setting).
Hvordan Nano Banana Pro står seg mot andre modeller
- Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — sterk mobilintegrasjon, multi-bildesammensmelting, iterativ selvkorrigering, 2K native/4K oppskalering, tett integrert i Google-apper (Search, Photos, Workspace/Gemini). Best for arbeidsflyter som trenger pålitelige redigeringer, kontinuitet og integrasjon med Google-tjenester.
- Midjourney — utmerker seg i stiliserte kunstneriske utdata og fellesskapsdrevet prompt-ingeniørkunst; ikke vanligvis rettet mot foto-nøyaktig multi-bildesammensmelting eller dype multimodale redigeringspipeliner.
- Stable Diffusion / åpne vekter — helt åpen, høyst tilpassbar og kan kjøres lokalt; økosystemet av checkpoints og finjustering er en avgjørende fordel for forskning og offline-bruk. Mindre «én-klikk» mobilintegrasjon og mindre konsistent multi-bilderedigeringskoherens rett ut av boksen enn Nano Banana Pro.
- Seedream 4.0 (ByteDance) — nylig posisjonert eksplisitt som en Nano Banana-konkurrent, med vekt på ultrarask rendering, 2K-utdata og støtte for mange referansebilder (opptil seks). Posisjonert som et pro-/skaper-alternativ.
(Disse sammenligningene er på høyt nivå; velg en vinner ved å matche verktøyet til din arbeidsflyt: åpenhet/tilpasningsmuligheter → Stable Diffusion; stilisert kunst → Midjourney; integrert, konsistent mobilredigering med aggressiv iterasjon → Nano Banana Pro/Gemini 3 Pro image-familien.)
Virkelige bruksområder
- Mobil bilderedigering og kreative filtre (Google Photos-integrasjoner — restyling, bakgrunnsfusjon, portrettrekomposisjon).
- Markedsføring og annonsemateriell — rask konseptgenerering, konsistente merkevarekarakterer på tvers av flere rammer/vinkler.
- Konseptkunst og storyboard — multi-bildesammensmelting hjelper med å bevare karakterkontinuitet på tvers av paneler.
- E-handel / produktmockups — generer konsistente produktbilder i ulike kontekster/lysforhold.
- Rask prototyping for AR/VR-ressurser — høy kvalitet 2K/4K-utdata som kan oppskaleres for immersive bruk.
**Slik får du tilgang til gemini-3-pro-image(Nano Banana Pro) API
Nødvendige trinn
- Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først
- Hent tilgangslegitimasjonen API-nøkkel for grensesnittet. Klikk «Add Token» ved API token i det personlige senteret, hent token-nøkkelen: sk-xxxxx og send inn.
- Hent nettadressen til dette nettstedet: https://api.cometapi.com/
Bruksmåte
- Velg «
gemini-3-pro-image»-endepunktet for å sende API-forespørselen og sett forespørselskroppen. Forespørselsmetode og -kropp hentes fra vår nettsides API-dokumentasjon. Vår nettside tilbyr også Apifox-test for din bekvemmelighet. - Bytt ut <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din.
- Sett inn spørsmålet eller forespørselen din i feltet content — det er dette modellen svarer på.
- Behandle API-responsen for å hente det genererte svaret.
CometAPI tilbyr en fullt kompatibel REST API—for sømløs migrering. Viktige detaljer :
- Base URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
- Model Names:
gemini-3-pro-image - Authentication:
Bearer YOUR_CometAPI_API_KEYheader - Content-Type:
application/json.