Nano Banana Pro

Podstawowe funkcje

• Tekst → Obraz: pełne generowanie sterowane promptem z wysoką zgodnością z promptem.
• Obraz → Obraz (edycje): precyzyjne, ukierunkowane edycje z zachowaniem spójności obiektu/postaci w wielu kolejnych edycjach.
• Maksymalna rozdzielczość wyjściowa: do 4K (przykłady i obsługiwane dokładne rozmiary w pikselach zależą od proporcji obrazu; API udostępnia presety 1K/2K/4K)
• Iteracyjne planowanie i samokorekta: wewnętrzny, „wieloetapowy” pipeline, który wykrywa i koryguje typowe błędy wizualne (perspektywa, tekst, drobna geometria).
• Zaawansowane renderowanie tekstu wewnątrz obrazu: wyraźny, czytelny tekst wielojęzyczny (od krótkich podpisów po długie akapity), odpowiedni do plakatów, mockupów i infografik.
• 5 postaci oraz wysoka wierność dla maksymalnie 14 obiektów/obrazów referencyjnych w jednym workflow.
• Watermarking / pochodzenie: wszystkie wygenerowane obrazy zawierają znak wodny SynthID; model osadza metadane C2PA dotyczące pochodzenia w niektórych integracjach produktowych.

Wersje i nazewnictwo Gemini 3 Pro Image

• gemini-3-pro-image-preview
• gemini-3-pro-image

Szczegóły techniczne

Architektura

• Rodowód / backbone: Nano Banana Pro jest zbudowany na rozwijającym się stosie obrazowym Gemini od Google — konkretnie na nowej architekturze Gemini 3 Pro Image / GEMPIX 2 (wyższej pojemności multimodalny framework obraz+tekst). Jest to ewolucja od Gemini 2.5 Flash Image (oryginalnego „nano-banana”) do natywnie multimodalnego modelu obrazu z rozszerzonymi możliwościami rozumowania obrazowo-językowego.
• Zachowanie modelu: natywna multimodalność (obraz + tekst + wiedza o świecie), jawne pipeline’y do fuzji wielu obrazów oraz wewnętrzny etapowy planer, który udoskonala wyniki w wielu przebiegach zamiast generować pojedynczą statyczną próbkę. Wczesne raporty wskazują na silniejsze rozumowanie geometryczne/optyczne (szkło, refrakcja) względem wcześniejszych wersji.
• Thinking / wewnętrzne udoskonalanie: model wykorzystuje wewnętrzny widoczny proces „thinking” do dopracowywania kompozycji (dokumentacja API opisuje to zachowanie i zaznacza, że te wewnętrzne kroki nie są naliczane jako końcowe tokeny obrazu).
• Grounding i narzędzia: obsługuje Search grounding (może uwzględniać fakty z sieci przy generowaniu diagramów/infografik). Obsługuje także instrukcje systemowe dla bardziej deterministycznej kontroli.

Kluczowe parametry API:

• thinking_level (low / high) do wyboru między opóźnieniem a głębokością rozumowania;
• media_resolution (low/medium/high) do kontrolowania tokenów odczytu OCR/szczegółów obrazu;
• generationConfig.imageConfig do kontrolowania proporcji obrazu/rozdzielczości w wyjściach obrazów.

Limity obrazów:

• Obsługiwane modalności wejściowe: tekst i obrazy (model nie przyjmuje audio ani wideo jako danych wejściowych do generowania obrazów).
• Maks. liczba obrazów na prompt: 14 (dla podglądowej wersji Gemini 3 Pro Image).
• Maks. rozmiar obrazu (upload): 7 MB na jeden obraz wejściowy.
• Obsługiwane proporcje obrazu: 1:1, 3:2, 16:9, 9:16, 21:9 itd.

Obrazy wyjściowe / tokeny: wysokie limity, z obsługą 4K/4096 px.

Wydajność w benchmarkach

Krótkie podsumowanie: dotychczas publiczne/wczesne benchmarki są głównie jakościowe i oparte na testach społeczności, ale konsekwentnie wskazują na znaczące ulepszenia w zakresie rozdzielczości, redukcji artefaktów i wierności fizycznej względem oryginalnego nano-banana (Gemini 2.5 Flash Image). Konkretne nazwane „challenge’e” pokazały wyraźne zyski wizualne, ale nie ma jeszcze (publicznych) ustandaryzowanych tabel liczbowych od Google porównujących v1 → v2 według standardowych metryk generowania obrazów.

• Jakościowe testy społeczności: czystsze krawędzie, ostrzejsze mikroszczegóły, wierniejsze kolory i lepsza zgodność z promptem (mniej zhalucynowanych rekwizytów, bardziej spójne postacie). Popularne nieformalne testy obejmują tzw. „Wine Glass Test” i „Glass Burger Challenge”, w których GEMPIX2 (Nano Banana Pro) radzi sobie ze przezroczystością i refrakcją wyraźnie lepiej niż wcześniejsze wersje.
• Obsługa tekstu: Nano Banana Pro wykazuje zauważalnie lepszą typografię i rozmieszczenie tekstu wewnątrz obrazów (trwała słabość wielu modeli obrazowych). Porównania społeczności wskazują na mniejszą liczbę zniekształconych renderowanych glifów.
• Przepustowość / UX: szybsza iteracja i UX, który wykonuje wieloetapowe dopracowywanie po stronie backendu, dzięki czemu użytkownicy otrzymują bardziej niezawodne wyniki już w pierwszym podejściu (co ogranicza konieczność ręcznych ponowień).

Ograniczenia i ryzyka

• Filtry treści i wykrywanie: platformy integrujące model (np. Whisk/aplikacje firm trzecich) mogą włączać rygorystyczne wykrywanie celebrytów lub podobizn i blokować niektóre wyniki, co wpływa na workflow kreatywne opierające się na realistycznych podobiznach celebrytów.
• Halucynacje / graniczne przypadki rozumowania: mimo ulepszeń model nadal może generować fizycznie nierealistyczne artefakty, zwłaszcza przy gęstym symbolicznym tekście wewnątrz obrazów lub bardzo technicznych diagramach — choć NB2 wydaje się ograniczać te błędy względem wcześniejszych wersji.
• Bezpieczeństwo i nadużycia: modele generowania obrazów mogą być wykorzystywane do tworzenia problematycznych lub szkodliwych treści. Google stosuje ograniczenia, filtry treści i znak wodny SynthID, aby wspierać ustalanie pochodzenia; mimo to dochodziło do nadużyć (głośna kontrowersja związana z obrazem wygenerowanym przez Nano Banana w politycznie wrażliwym kontekście).

Jak Nano Banana Pro wypada na tle innych modeli

• Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — mocna integracja mobilna, fuzja wielu obrazów, iteracyjna samokorekta, natywne 2K / skalowanie do 4K, ścisła integracja z aplikacjami Google (Search, Photos, Workspace/Gemini). Najlepszy do workflow wymagających niezawodnych edycji, ciągłości i integracji z usługami Google.
• Midjourney — wyróżnia się stylizowanymi artystycznymi wynikami i społecznościowo rozwijanym prompt engineeringiem; zwykle nie jest ukierunkowany na fotorealistyczną fuzję wielu obrazów ani głębokie multimodalne pipeline’y edycji.
• Stable Diffusion / open weights — w pełni otwarty, wysoce konfigurowalny i możliwy do hostowania lokalnie; ekosystem checkpointów i fine-tuningu stanowi kluczową przewagę dla badań i zastosowań offline. Mniej „jednoklikowej” integracji mobilnej i mniej spójnej koherencji w edycji wielu obrazów od razu po uruchomieniu niż Nano Banana Pro.
• Seedream 4.0 (ByteDance) — niedawno pozycjonowany bezpośrednio jako konkurent Nano Banana, z naciskiem na ultraszybkie renderowanie, wyjście 2K i obsługę wielu obrazów referencyjnych (do sześciu). Pozycjonowany jako profesjonalna alternatywa dla twórców.

(Porównania te są ogólne; wybierz zwycięzcę, dopasowując narzędzie do swojego workflow: otwartość/konfigurowalność → Stable Diffusion; sztuka stylizowana → Midjourney; zintegrowana, spójna mobilna edycja z agresywną iteracją → Nano Banana Pro / rodzina Gemini 3 Pro Image.)

Przykłady zastosowań w praktyce

• Mobilna edycja zdjęć i filtry kreatywne (integracje z Google Photos — zmiana stylu, fuzja tła, rekompozycja portretu).
• Materiały marketingowe i reklamowe — szybkie generowanie koncepcji, spójne postacie marki w wielu kadrach/ujęciach.
• Concept art i storyboardy — fuzja wielu obrazów pomaga zachować ciągłość postaci między panelami.
• E-commerce / mockupy produktów — generowanie spójnych ujęć produktów w różnych kontekstach/warunkach oświetleniowych.
• Szybkie prototypowanie zasobów AR/VR — wysokiej jakości wyjścia 2K/4K, które można skalować do zastosowań immersyjnych.
• Jak uzyskać dostęp do API gemini-3-pro-image (Nano Banana Pro)

Wymagane kroki

• Zaloguj się na cometapi.com. Jeśli nie jesteś jeszcze naszym użytkownikiem, najpierw się zarejestruj
• Uzyskaj poświadczenie dostępu, czyli klucz API interfejsu. Kliknij „Add Token” w sekcji tokenów API w centrum osobistym, uzyskaj klucz tokenu: sk-xxxxx i prześlij go.
• Pobierz adres URL tej strony: https://api.cometapi.com/

Metoda użycia

1. Wybierz endpoint gemini-3-pro-image, aby wysłać żądanie API, i ustaw body żądania. Metoda żądania i body żądania są dostępne w dokumentacji API na naszej stronie. Nasza strona udostępnia również testy Apifox dla Twojej wygody.
2. Zamień <YOUR_API_KEY> na rzeczywisty klucz CometAPI ze swojego konta.
3. Wstaw swoje pytanie lub żądanie do pola content — to właśnie na nie model odpowie.
4. Przetwórz odpowiedź API, aby uzyskać wygenerowaną odpowiedź.

CometAPI zapewnia w pełni kompatybilne REST API — dla płynnej migracji. Kluczowe szczegóły:

• Base URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
• Nazwy modeli: gemini-3-pro-image
• Uwierzytelnianie: nagłówek Bearer YOUR_CometAPI_API_KEY
• Content-Type: application/json .