Jak korzystać z interfejsu API Nano Banana 2.1? Generowanie i edycja

TL;DR Nano Banana 2.1 (gemini-nano-banana-2.1) to zaktualizowany, wysokoefektywny model generowania obrazów i konwersacyjnej edycji w rodzinie Gemini. Zbudowany na Gemini 3.6 Flash, zapewnia lepszą jakość i realizm (1K/2K/4K), usunięte artefakty kafelkowania przy ekstremalnych proporcjach, lepsze renderowanie tekstu i układ infografik, fuzję wielu obrazów (do 14 referencji z utrzymaniem spójności do 4 postaci i 10 obiektów), ugruntowanie w Google Search/Image Search oraz konfigurowalne poziomy rozumowania (minimalny/średni/wysoki).

Pozycjonowany jako efektywny odpowiednik Nano Banana Pro, oferuje około połowę kosztu na obraz w porównaniu z poprzednikiem Nano Banana 2 przy wielu rozdzielczościach. Oficjalne ceny zaczynają się od około $0.0336 za obraz 1K (warstwa Standard). Dostęp przez Gemini API (preferowane Interactions API), Google AI Studio lub ujednolicone agregatory, takie jak CometAPI, zapewniające pojedynczy klucz zgodny z OpenAI, uproszczoną integrację i konkurencyjne stawki. Ten przewodnik obejmuje konfigurację, przykłady kodu, funkcje zaawansowane, porównania cen, dobre praktyki i rekomendacje produkcyjne.

Najważniejsze informacje

• Nano Banana 2.1 to najnowszy, wysokoefektywny model Google do generowania obrazów i konwersacyjnej edycji, pozycjonowany jako efektywny odpowiednik Nano Banana Pro.
• Testy Google pokazują wynik 1050 Elo w preferencjach T2I ogółem (vs. 990 dla Nano Banana 2 i 935 dla Pro) oraz istotne wzrosty w spójności i edycji.
• Ceny zaczynają się od ~$0.0336 za standardowy obraz 1K przez Gemini API — około połowa kosztu Nano Banana 2.
• Obsługuje do 14 obrazów referencyjnych, spójność 4 postaci + 10 obiektów, panoramiczne proporcje bez artefaktów kafelkowania oraz ugruntowanie w czasie rzeczywistym w sieci/obrazach.
• Nano Banana 2 ma zostać wycofany 29 października 2026; rozpocznij migrację.
• Dla deweloperów platformy takie jak CometAPI oferują pojedynczy, zgodny z OpenAI endpoint do dostępu do Nano Banana 2.1 wraz z 500+ innymi modelami, z jednym kluczem i konkurencyjnymi stawkami.

Czym jest Nano Banana 2.1?

Nano Banana 2.1 to najnowszy członek serii Gemini 3 firm Google DeepMind, natywnie multimodalnych modeli rozumowania. Oficjalnie oparty na Gemini 3.6 Flash, specjalizuje się w wysokiej jakości generowaniu obrazów z tekstu oraz konwersacyjnej edycji obrazów.

Akceptuje wejścia tekstowe, obrazowe, wideo i PDF (okno kontekstu do ~1M tokenów w części dokumentacji lub 131 072 w specyfikacjach API) i generuje obrazy (do 4K) oraz tekst. Wszystkie generowane obrazy zawierają znak wodny Google SynthID.

Google opisuje go jako aktualizację Nano Banana 2 (Gemini 3.1 Flash Image), która zachowuje szybkość i koszty poziomu Flash przy znaczących ulepszeniach jakości wizualnej, zgodności z promptem, wieloturowej spójności postaci i renderowania tekstu. Wyraźnie pozycjonowany jako „bardziej efektywny odpowiednik” wyższego modelu Nano Banana Pro (Gemini 3 Pro Image).

Wydajność Nano Banana 2.1 w benchmarkach

Google opublikowało wewnętrzne wyniki porównawcze preferencji ludzkich (Elo) i faktograficzności na październik 2026. Należy zauważyć, że niezależne testy zewnętrzne były ograniczone na starcie.

Możliwości Text-to-Image

Możliwości edycyjne

Źródło: Google DeepMind Nano Banana 2.1 Model Card.

Wyższe Elo oznacza silniejszą preferencję użytkowników. Wynik faktograficzności (im wyższy, tym lepiej) pokazuje szczególnie duży skok dla dokładnych infografik. Wyniki te pozycjonują Nano Banana 2.1 jako najsilniejszy model obrazu w warstwie Flash w Google do tej pory oraz konkurencyjny (lub lepszy niż Pro) w wielu praktycznych aspektach przy niższych kosztach i opóźnieniach.

Oficjalne ceny Nano Banana 2.1 i kwestie kosztów (na początek października 2026)

Referencyjne ceny Google w warstwie Standard (za obraz wyjściowy, przed dodatkowymi tokenami wejścia/rozumowania/tekstu) to około:

Tokeny wejściowe wyceniane są około $1.50 za 1M; wyjście tekst + rozumowanie około $7.50 za 1M w niektórych podziałach. Dla tego modelu nie ma darmowej warstwy API. Ostateczny koszt zależy od długości promptu, liczby obrazów referencyjnych, poziomu rozumowania, rozdzielczości i dodatkowego wyjścia tekstowego.

W porównaniu z Nano Banana 2 koszt na obraz jest mniej więcej o połowę niższy przy równoważnych rozdzielczościach, co czyni generację seryjną bardziej ekonomiczną. Nano Banana Pro pozostaje wyraźnie droższy dla maksymalnej wierności. Zawsze weryfikuj bieżącą stronę cen Gemini API, ponieważ stawki i rozliczanie tokenów mogą się zmieniać.

CometAPI, na przykład, szybko dodał wsparcie dla gemini-nano-banana-2.1 i zapewnia ujednolicony dostęp z konkurencyjnymi stawkami i jednym kluczem dla setek modeli.

Jak uzyskać dostęp i skonfigurować API Nano Banana 2.1

ID modelu: gemini-nano-banana-2.1

Użyj nowoczesnego Interactions API lub generateContent z SDK google-genai.

Z referencją obrazu i wyższą rozdzielczością/rozumowaniem: dostarcz obrazy zakodowane w base64 na liście wejść i ustaw opcje formatu odpowiedzi dla proporcji i rozmiaru obrazu (1K/2K/4K). Włącz narzędzia ugruntowania Google Search, gdy ważna jest dokładność faktograficzna.

1. Oficjalne Google Gemini API (zalecane dla pełnej zgodności funkcji)

• Utwórz lub użyj projektu w Google AI Studio / Google Cloud z włączonym rozliczeniem.
• Uzyskaj klucz API z Google AI Studio.
• Zainstaluj oficjalne SDK: pip install -U google-genai (Python) lub odpowiednik dla JavaScript/Node (@google/genai).
• Preferowany nowoczesny interfejs: Interactions API (client.interactions.create). Starsze GenerateContent pozostaje dostępne w niektórych kontekstach.
• Wzorzec bazowego endpointu: https://generativelanguage.googleapis.com/v1beta/interactions (lub ścieżki generateContent specyficzne dla modelu). Autoryzacja przez nagłówek x-goog-api-key lub zmienną środowiskową SDK GEMINI_API_KEY.

2. Google AI Studio

Idealne do szybkich prototypów, testowania promptów i inspekcji wizualnej przed kodowaniem. Wybierz model i eksperymentuj z referencjami, rozdzielczościami oraz poziomami rozumowania.

3. Ujednolicone agregatory (rekomendacja CometAPI)

CometAPI oferuje pojedynczy, zgodny z OpenAI endpoint (https://api.cometapi.com/v1) i jeden klucz dla 500+ modeli, w tym serii Gemini Nano Banana. Obsługuje rozliczanie pay‑as‑you‑go (często z oszczędnościami względem stawek bezpośrednich dostawców), pulpity zużycia i zgodne wtyczki SDK. Jest to szczególnie wartościowe, jeśli już korzystasz z wielu dostawców lub chcesz A/B testować modele obrazowe bez zarządzania oddzielnymi poświadczeniami i rozliczeniami. Zarejestruj się na CometAPI.com po darmowe kredyty testowe, utwórz klucz i skieruj swojego klienta zgodnego z OpenAI na bazowy URL CometAPI. ID modelu pozostaje gemini-nano-banana-2.1.

W przypadku CometAPI podmień bazowy URL i klucz, utrzymując strukturę klienta zgodną z OpenAI lub Gemini. CometAPI używa wzorca endpointu GenerateContent do dostępu do nano Banana 2.1.

Porównanie dróg dostępu do API Nano Banana 2.1

Wybierz dostawcę przed kopiowaniem kodu. Google oferuje bezpośredni przepływ Interactions używany w poniższych przykładach w Pythonie. Nano Banana 2.1 API w CometAPI zapewnia trasę bramki używaną w przykładzie cURL. Porównaj uwierzytelnianie, pola wejściowe, obsługę wyjścia i stan rozmowy jako całość integracji; klucze należą do oddzielnych kont i systemów rozliczeń.

Przykłady Google poniżej używają Interactions API. Nie są to żądania dla endpointu CometAPI generateContent. Skorzystaj z omówienia Interactions Google w sprawie stanu interakcji i obsługi odpowiedzi. Przykłady sprawdzono względem opublikowanych schematów żądań; nie wykonano żadnych uwierzytelnionych ani płatnych wywołań API do tego przewodnika.

Generowanie i zapisywanie obrazu z Nano Banana 2.1 API

Google: Generowanie w Pythonie

Zainstaluj Google Gen AI Python SDK w środowisku projektu, w którym uruchomisz generate_image.py. Pierwsze żądanie poniżej prosi o PNG 2K z kompozycją 16:9 i określonym nagłówkiem. Zapisz wynik i sprawdź go przed dodaniem edycji lub obrazów referencyjnych.

python -m pip install -U google-genai

Zapisz poniższy skrypt jako generate_image.py. Podąża on za przewodnikiem Google dotyczącym generowania obrazów, tworząc interakcję, sprawdzając zwrócony obraz, dekodując jego dane i zapisując PNG. Prompt reklamowy określa temat, oświetlenie i dokładny nagłówek, abyś mógł sprawdzić, czy wynik spełnia żądanie.

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("Brak zwróconego obrazu; sprawdź odpowiedź przed ponowną próbą")
    Path(filename).write_bytes(base64.b64decode(image.data))

interaction = client.interactions.create(
    model=MODEL,
    input=("Utwórz reklamę produktu dla białego ceramicznego kubka do kawy. "
           "Użyj ciepłego, studyjnego tła i miękkiego oświetlenia bocznego. "
           "Uwzględnij wyłącznie dokładny nagłówek MORNING COFFEE."),
    response_format=image_format,
)
save_image(interaction, "mug-ad.png")
print("Zapisano mug-ad.png; ID interakcji:", interaction.id)

python generate_image.py

Skrypt zapisuje mug-ad.png i wypisuje ID interakcji. Użyj kontroli odpowiedzi w Kroku 3 przed zaakceptowaniem obrazu lub kontynuacją edycji.

CometAPI: Generowanie z cURL

Po skonfigurowaniu COMETAPI_KEY w Kroku 1 uruchom poniższe żądanie Bash, korzystając z opisu trasy CometAPI. Zapisuje ono odpowiedź JSON jako comet-response.json; Krok 3 wyodrębnia i zapisuje zwrócony obraz.

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": "Utwórz studyjny obraz produktu białego ceramicznego kubka."}]}],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }' \
  --output comet-response.json

Obsługa odpowiedzi

Google: Sprawdź zapisany obraz i ID interakcji

Pomocnicza funkcja save_image w Generatation sprawdza output_image, dekoduje dane obrazu i zapisuje mug-ad.png. Otwórz ten plik i zweryfikuj kubek, kompozycję i dokładny nagłówek. Zachowaj ID interakcji na potrzeby kolejnego kroku edycji. Sam pomyślny status HTTP nie gwarantuje, że zwrócono żądany obraz.

Właściwość wygody output_image zwraca ostatnio wygenerowany obraz. Jeśli potrzebujesz wielu obrazów lub przeplatania tekstu i wizualiów, przetwórz kroki interakcji. Sprawdź informacje o braku obrazu lub bezpieczeństwie przed ponowną próbą.

CometAPI: Wyodrębnij i zapisz obraz

To zapisuje odpowiedź JSON, a nie PNG. Potwierdź rzeczywistą strukturę odpowiedzi przed budowaniem ekstraktora obrazów. Nie przekazuj previous_interaction_id ani response_format do tej trasy; opcje edycji i rozmiaru wyjścia bramki muszą podążać za jej własnym opisanym schematem. Podobnie, ID interakcji Google nie jest stanem rozmowy bramki.

Jeśli bramka zwróci natywną strukturę candidates → content → parts opisaną w referencji generateContent Google, zapisz osadzone części obrazu tym samodzielnym skryptem. Akceptuje nazwy pól w camelCase i snake_case oraz zachowuje zwrócony format obrazu:

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("Nie znaleziono osadzonego obrazu; sprawdź schemat odpowiedzi i szczegóły błędu")
print(f"Zapisano {saved} obraz(y)")

Zapisz powyższy ekstraktor jako save_comet_image.py w tym samym katalogu co comet-response.json, a następnie uruchom go w Pythonie. Otwórz każdy zapisany plik comet-image i sprawdź jego zawartość. Jeśli nie znaleziono osadzonego obrazu, sprawdź rzeczywistą odpowiedź i szczegóły błędów przed zmianą parsera lub ponowną próbą.

Dla obu dostawców zweryfikuj format obrazu, wymiary, żądany tekst i szczegóły wizualne. Traktuj osobno przetwarzanie odpowiedzi specyficzne dla dostawcy i zachowaj oryginalny obraz przed wprowadzaniem edycji.

Jak edytować obraz w Nano Banana 2.1 API?

Edycja wygenerowanego obrazu w Nano Banana 2.1

Dodaj ten blok do tego samego skryptu. Ponownie wykorzystuje klienta, format wyjścia i interakcję z przykładu generowania. Jak pokazano w przykładzie wieloturowej edycji Google, previous_interaction_id dostarcza kontekst rozmowy. Określ format wyjścia ponownie, aby zachować jawny typ pliku, proporcje i rozmiar.

edited = client.interactions.create(
    model=MODEL,
    previous_interaction_id=interaction.id,
    input=("Zmień wyłącznie kolor kubka na matową czerń. "
           "Zachowaj bez zmian nagłówek, tło, kadr i oświetlenie."),
    response_format=image_format,
)
save_image(edited, "mug-ad-edited.png")
print("Zapisano mug-ad-edited.png; ID interakcji:", edited.id)

Dla trzeciej tury użyj edited.id jako poprzedniego ID interakcji. Przechowuj najnowsze ID w sesji edycji Twojej aplikacji zamiast jednej globalnej zmiennej współdzielonej przez wszystkich użytkowników. Zachowaj też oryginalny obraz: żądanie niezmienionego tła nie gwarantuje perfekcyjnej zgodności piksel w piksel.

Wysyłanie lokalnego obrazu referencyjnego do Nano Banana 2.1

Jeśli masz już obraz produktu, wyślij go z instrukcją edycji zamiast najpierw generować nowy zasób. Ten blok również używa klienta i pomocniczej funkcji save_image z przykładu generowania. Zadeklarowany MIME type musi odpowiadać rzeczywistemu plikowi.

reference = base64.b64encode(Path("product.png").read_bytes()).decode("ascii")
from_reference = client.interactions.create(
    model=MODEL,
    input=[
        {"type": "text", "text": "Umieść ten produkt na czystym, studyjnym tle. Zachowaj jego kształt i etykietę."},
        {"type": "image", "mime_type": "image/png", "data": reference},
    ],
    response_format=image_format,
)
save_image(from_reference, "product-studio.png")

Kontrola wyjścia obrazu i referencji w Nano Banana 2.1

Użyj pojemności obrazów referencyjnych i celów spójności z tabeli specyfikacji powyżej jako punktu wyjścia. Te pojemności nie gwarantują bezbłędnego zachowania tożsamości. Zacznij od minimalnej liczby niezbędnych referencji, a następnie oceń pełny rezultat. Dla diagramów i materiałów marketingowych podawaj dokładne treści i zweryfikowane liczby zamiast prosić model o ich wymyślanie.

Funkcje zaawansowane

• Poziomy rozumowania: ustaw „minimalny” dla szybkości, „średni” (domyślny) dla zrównoważenia lub „wysoki” dla złożonych kompozycji, układów bogatych w tekst lub precyzyjnej zgodności wielu obiektów. Wyższe rozumowanie zwiększa opóźnienie i koszt tokenów, ale poprawia wyniki dla trudnych promptów.
• Ugruntowanie w wyszukiwarce: włącz narzędzia Google Search / Image Search, aby generacje mogły uwzględniać realne lub aktualne odniesienia wizualne (pogoda, produkty, wydarzenia, dokładne gatunki itd.).
• Wejście wideo: obsługiwane dla generowania z uwzględnieniem kontekstu (np. ekstrakcja stylu lub tematów z krótkich klipów).
• Batch API: dostępne dla zadań masowych offline w obniżonych stawkach.
• Rozdzielczości i formaty: domyślnie 1K; jawnie żądaj 2K lub 4K. Wyjście zwykle PNG/JPEG w zależności od konfiguracji.

Zawsze przestrzegaj Polityki zabronionych zastosowań Generative AI Google i upewnij się, że masz prawa do wszelkich obrazów referencyjnych.

Rodzina Nano Banana (dane przybliżone, początek października 2026)

Wnioski i rekomendacja

Nano Banana 2.1 to najsilniejszy jak dotąd, wysokoefektywny model Google do generowania i edycji obrazów — praktyczny upgrade, który znacząco poprawia jakość wizualną, wierność tekstu, spójność oraz odporność na skrajne proporcje, zachowując ekonomię poziomu Flash. Dla większości produkcyjnych zastosowań wymagających niezawodnych, wysokiej jakości obrazów z dobrą zgodnością z promptem i możliwościami edycji, to oczywisty domyślny wybór w rodzinie Gemini w październiku 2026.

Aby zacząć już dziś:

1. Prototypuj w Google AI Studio.
2. Integruj przez oficjalne Gemini API dla maksymalnej kontroli.
3. Albo przyspiesz rozwój i uprość operacje wielomodelowe, korzystając z ujednoliconej platformy CometAPI zgodnej z OpenAI — jeden klucz, konkurencyjne ceny, szybki dostęp do najnowszych modeli, w tym gemini-nano-banana-2.1, oraz analityka gotowa do produkcji.

Zacznij eksperymenty dziś przez API i zmigruj pozostałe obciążenia Nano Banana 2 przed terminem 29 października. Narzędzia do wysokiej jakości, spójnych i opłacalnych obrazów AI nigdy nie były bardziej dostępne.