ข้อกำหนดทาง技术ของ Gemini Nano Banana 2.1
| รายการ | Gemini Nano Banana 2.1 |
|---|---|
| รหัสโมเดล | gemini-nano-banana-2.1 |
| ผู้ให้บริการ | |
| ตระกูลโมเดล | ซีรีส์ Gemini 3; พัฒนาบน Gemini 3.6 Flash |
| ประเภทโมเดล | การสร้างภาพประสิทธิภาพสูงและการแก้ไขเชิงสนทนา |
| ประเภทอินพุต | ข้อความ, ภาพ, วิดีโอ, PDF |
| ประเภทเอาต์พุต | ภาพและข้อความ |
| ขีดจำกัดโทเค็นอินพุตของ API | 131,072 tokens |
| ขีดจำกัดโทเค็นเอาต์พุตของ API | 32,768 tokens |
| ความละเอียดภาพเอาต์พุต | 1K, 2K, 4K; 1K เป็นค่าเริ่มต้น |
| การคิด | รองรับ; ขั้นต่ำ, ปานกลาง (ค่าเริ่มต้น), สูง |
| การยึดโยงด้วยการค้นหา | รองรับ รวมถึง Google Web และ Image Search |
| การสร้างภาพ | รองรับ |
| Batch API | รองรับ |
| รุ่นเสถียร | gemini-nano-banana-2.1 |
| อัปเดตล่าสุดที่มีเอกสารระบุ | October 2026 |
Gemini Nano Banana 2.1 คืออะไร?
Gemini Nano Banana 2.1 เป็นโมเดลการสร้างภาพและการแก้ไขเชิงสนทนาที่มีประสิทธิภาพสูงของ Google โดยอัปเดต Nano Banana 2 พร้อมคงไว้ซึ่งประสิทธิภาพระดับ Flash และเพิ่มคุณภาพภาพ การยึดตามพรอมต์ ความคงเส้นคงวาของตัวละครแบบหลายรอบ การเรนเดอร์ข้อความ และการจัดวางอินโฟกราฟิก
โมเดลนี้พัฒนาบน Gemini 3.6 Flash และผสมผสานความเข้าใจข้อความและภาพกับการสร้างภาพและข้อความ มุ่งเน้นการสร้างและแก้ไขภาพแบบรวดเร็วและเป็นขั้นเป็นตอน มากกว่างานเรียกใช้ฟังก์ชันหรือรันโค้ดแบบทั่วไป
คุณสมบัติหลักของ Gemini Nano Banana 2.1
- การสร้างภาพ 1K, 2K และ 4K: สร้างภาพได้ที่ 3 ความละเอียดที่มีเอกสารระบุ โดย 1K เป็นค่าเริ่มต้น
- การผสานอ้างอิงหลายภาพ: รองรับภาพอ้างอิงได้สูงสุด 14 ภาพ โดยมีเป้าหมายความสอดคล้องที่ระบุไว้ถึงตัวละคร 4 ตัว และความเที่ยงตรงของวัตถุได้ถึง 10 ชิ้น
- ปรับปรุงการเรนเดอร์ข้อความและอินโฟกราฟิก: Google รายงานว่าการเรนเดอร์ข้อความและความแม่นยำในการจัดวางอินโฟกราฟิกดีขึ้น เหมาะกับโปสเตอร์ แผนภาพ และภาพที่มีข้อมูลแน่น
- การแก้ไขเชิงสนทนาแบบหลายรอบ: ออกแบบมาเพื่อการสร้างและแก้ไขภาพแบบวนซ้ำ พร้อมปรับปรุงความคงเส้นคงวาของตัวละครข้ามรอบ
- การยึดโยงด้วย Google Search: สามารถใช้การยึดโยงจาก Google Web Search และ Image Search สำหรับเวิร์กโฟลว์ที่ได้ประโยชน์จากข้อมูลปัจจุบันหรือข้อมูลเชิงภาพ
- ปรับระดับการคิดได้: รองรับ
minimal,mediumและhighโดยมีmediumเป็นค่าเริ่มต้น
ประสิทธิภาพตาม Benchmark ของ Gemini Nano Banana 2.1
บัตรโมเดลของ Google เดือน October 2026 รายงานการประเมินการสร้างและแก้ไขภาพดังต่อไปนี้ ซึ่งเป็นคะแนนความชอบแบบ Elo และการวัดความถูกต้องเชิงข้อเท็จจริง ไม่ใช่คะแนน Benchmark แบบทั่วไปเดียว
| การประเมิน | Nano Banana 2.1 มีการคิด | Nano Banana 2.1 ไม่มีการคิด |
|---|---|---|
| ความชอบโดยรวมสำหรับข้อความสู่ภาพ | 1050 ± 14 | 1015 ± 13 |
| การออกแบบอินโฟกราฟิก (ข้อความสู่ภาพ) | 1048 ± 17 | 1001 ± 17 |
| ความถูกต้องของข้อมูลในอินโฟกราฟิก | 0.521 | 0.328 |
| การแก้ไขทั่วไป | 1026 ± 12 | 980 ± 15 |
| ความคงเส้นคงวาตัวละครเดี่ยว | 1028 ± 14 | 1021 ± 14 |
| ความคงเส้นคงวาหลายตัวละคร | 1106 ± 14 | 1068 ± 14 |
| การแก้ไขแบบ Mask/Ink | 1049 ± 15 | 1042 ± 16 |
| ความคงเส้นคงวาของผลิตภัณฑ์ | 1024 ± 18 | 981 ± 18 |
| การปรับสไตล์ | 1062 ± 20 | 1036 ± 17 |
| การแก้ไขแบบหลายอ้างอิง | 1066 ± 22 | 1041 ± 20 |
บัตรโมเดลของ Google เปรียบเทียบผลลัพธ์เหล่านี้กับ Gemini 3.1 Flash Image ("Nano Banana 2") และ Gemini 3 Pro Image ("Nano Banana Pro") โดยในการประเมินเดือน October 2026 ที่รายงานไว้ Nano Banana 2.1 ที่มีการคิด ได้คะแนนสูงกว่าทั้งสองโมเดลเปรียบเทียบในด้านความชอบโดยรวมของข้อความสู่ภาพ การออกแบบอินโฟกราฟิก การแก้ไขทั่วไป ความคงเส้นคงวาหลายตัวละคร การแก้ไขแบบหน้ากาก/หมึก การปรับสไตล์ และการแก้ไขแบบหลายอ้างอิง
เทียบ Gemini Nano Banana 2.1 กับโมเดลภาพที่เกี่ยวข้อง
| โมเดล | ตำแหน่ง/บทบาท | ความแตกต่างเด่น |
|---|---|---|
| Gemini Nano Banana 2.1 | การสร้าง/แก้ไขภาพประสิทธิภาพสูง | โมเดลใหม่ที่ตั้งค่าระดับการคิดได้ ผสานอ้างอิงได้ 14 ภาพ และปรับปรุงการเรนเดอร์ข้อความ/อินโฟกราฟิก |
| Gemini 3.1 Flash Image (Nano Banana 2) | โมเดลภาพ Flash รุ่นก่อน | รุ่นก่อนหน้า; Nano Banana 2.1 ถูกวางตำแหน่งเป็นการอัปเดตของมัน |
| Gemini 3 Pro Image (Nano Banana Pro) | โมเดลภาพระดับสูงกว่า | Nano Banana 2.1 ถูกวางตำแหน่งเป็นคู่ที่มีประสิทธิภาพมากกว่า |
สำหรับการสร้างซ้ำอย่างรวดเร็ว การแก้ไข การผสมหลายอ้างอิง และเนื้อหาภาพที่มีข้อความจำนวนมาก Nano Banana 2.1 เหมาะกว่าเมื่อให้ความสำคัญกับประสิทธิภาพ ในขณะที่ Nano Banana Pro ยังคงเป็นตัวเปรียบเทียบที่เกี่ยวข้องเมื่อเวิร์กโหลดต้องการโมเดลภาพระดับสูงของ Google โดยเฉพาะ
กรณีใช้งานตัวอย่าง
- กราฟิกการตลาดและโปสเตอร์ — สร้างและปรับแก้แคมเปญภาพ พร้อมเรนเดอร์หัวเรื่องและข้อความกราฟิกอื่น ๆ
- อินโฟกราฟิกและแผนภาพ — สร้างภาพที่มีข้อมูลหนาแน่นด้วยความแม่นยำในการจัดวางและความถูกต้องที่ดีขึ้น
- การจำลองภาพผลิตภัณฑ์ — ผสมภาพอ้างอิงหลายภาพพร้อมรักษาเอกลักษณ์ของผลิตภัณฑ์และความเที่ยงตรงของวัตถุ
- การแก้ไขตัวละครและฉาก — ทำซ้ำฉากพร้อมรักษาความคงเส้นคงวาข้ามหลายตัวละคร
- เนื้อหาภาพที่แปลเป็นภาษาท้องถิ่น — สร้างทรัพย์สินภาพที่มีข้อความได้หลายภาษา
- การระดมความคิดสร้างสรรค์แบบรวดเร็ว — ใช้การแก้ไขเชิงสนทนาและระดับการคิดที่ตั้งค่าได้ เพื่อแลกเปลี่ยนความลึกเชิงเหตุผลกับประสิทธิภาพ
ข้อจำกัด
Google ระบุข้อจำกัดที่ยังคงอยู่หลายประการ: ข้อความขนาดเล็กยังอาจเบลอได้; ย่อหน้าที่ยาวและข้อความเต็มหน้าเอกสารยังคงยาก; ความคงเส้นคงวาของตัวละครยังไม่สมบูรณ์; การแก้ไขด้วยหน้ากากหรือวาดเส้นอาจทำตามคำสั่งได้ไม่ครบถ้วนบางส่วน; และในการแก้ไขอาจเกิดการคงท่าทางที่พบได้น้อย นอกจากนี้ความสัมพันธ์เชิงตำแหน่ง เช่น ซ้าย/ขวา บางครั้งอาจสับสนได้ Google ยังระบุถึงความล่าช้าหรือการหมดเวลาบางครั้ง และข้อจำกัดในความรู้ขั้นสูงเกี่ยวกับโลก การให้เหตุผลเชิงสามมิติ และความถูกต้องของข้อเท็จจริง
เอกสาร Gemini API ยังระบุว่าโมเดลนี้ไม่รองรับความสามารถต่าง ๆ ได้แก่ การเรียกใช้ฟังก์ชัน การรันโค้ด การค้นหาไฟล์ เอาต์พุตแบบมีโครงสร้าง บริบท URL Live API การสร้างเสียง และการยึดโยง Google Maps
วิธีเข้าถึง Gemini Nano Banana 2.1 API ผ่าน CometAPI
ขั้นตอนที่ 1: ลงทะเบียนบัญชี CometAPI และรับ API Key
สร้างหรือเข้าสู่บัญชี CometAPI จากนั้นเปิดส่วน API key/token ในคอนโซล CometAPI และสร้าง API key
CometAPI มอบชั้นการเข้าถึง API แบบรวม ทำให้นักพัฒนาสามารถเข้าถึงโมเดล AI ผ่าน API key ของ CometAPI โดยไม่ต้องจัดการข้อมูลรับรองของผู้ให้บริการแต่ละรายแยกกัน
เก็บ API key ของคุณให้ปลอดภัยและจัดเก็บไว้ในตัวแปรสภาพแวดล้อม แทนการเปิดเผยในโค้ดฝั่งเบราว์เซอร์
export COMETAPI_API_KEY="YOUR_COMETAPI_API_KEY"
ขั้นตอนที่ 2: เลือกโมเดล Gemini Nano Banana 2.1
ใช้รหัสโมเดลต่อไปนี้:
gemini-nano-banana-2.1
Gemini Nano Banana 2.1 เป็นโมเดลการสร้างภาพและการแก้ไขเชิงสนทนาที่มีประสิทธิภาพสูงของ Google รองรับอินพุตแบบข้อความ ภาพ วิดีโอ และ PDF และสร้างเอาต์พุตเป็นภาพและข้อความ โมเดลรองรับการสร้างภาพ 1K, 2K และ 4K การตั้งค่าระดับการคิดได้ การผสานภาพหลายอ้างอิง และการยึดโยงด้วย Google Search
สำหรับเวิร์กโฟลว์การสร้างภาพ CometAPI ใช้แนวทางคำขอ/การตอบกลับเหมือนกับ API การสร้างภาพของ Google: ระบุโมเดล ให้ข้อความหรืออินพุตภาพ ตั้งค่าการตอบกลับภาพที่ต้องการ และประมวลผลข้อมูลภาพที่ได้รับ
ขั้นตอนที่ 3: ส่งคำขอสร้างภาพ
สร้างคำขอโดยใช้ gemini-nano-banana-2.1 พรอมต์ของคุณ และการตั้งค่าภาพที่ต้องการ
API เนทีฟของ Google ใช้คำขอสร้างภาพที่ระบุรหัสโมเดลและการตั้งค่าการตอบกลับภาพ ตัวอย่างเช่น API เนทีฟสามารถขอการตอบกลับแบบภาพเท่านั้น และกำหนดพารามิเตอร์อย่างอัตราส่วนภาพและขนาดภาพ
เวิร์กโฟลว์ CometAPI ทั่วไปสามารถมีโครงสร้างดังนี้:
หมายเหตุ: ปลายทางการสร้างภาพของ CometAPI และฟิลด์การตอบกลับเฉพาะภาพควรตรวจสอบกับเอกสาร CometAPI ปัจจุบันก่อนใช้งานจริง ขณะที่ API เนทีฟของ Google ขณะนี้มีรูปแบบคำขอสร้างภาพเฉพาะสำหรับ gemini-nano-banana-2.1
ขั้นตอนที่ 4: ประมวลผลภาพที่สร้างขึ้น
เมื่อคำขอเสร็จสิ้น ให้ประมวลผลภาพที่ API ส่งกลับตามรูปแบบการตอบกลับที่ CometAPI เปิดเผย
ตัวอย่างเช่น API การสร้างภาพของ Google สามารถส่งกลับข้อมูลภาพแบบ Base64 ฝังในบรรทัด ซึ่งสามารถถอดรหัสและบันทึกเป็นไฟล์ภาพได้
import base64
image_bytes = base64.b64decode(image_base64)
with open("nano-banana-2-1-output.png", "wb") as f:
f.write(image_bytes)
คุณยังสามารถใช้ Nano Banana 2.1 สำหรับเวิร์กโฟลว์ขั้นสูงมากขึ้น รวมถึงการแก้ไขภาพหลายภาพและการประกอบภาพอ้างอิง โมเดลรองรับภาพอ้างอิงได้สูงสุด 14 ภาพในเวิร์กโฟลว์ รวมถึงตัวละครได้สูงสุด 4 ตัวเพื่อความคงเส้นคงวา และวัตถุได้สูงสุด 10 ชิ้นด้วยความเที่ยงตรงสูง
ทำไมจึงเลือก Gemini Nano Banana 2.1 API บน CometAPI?
1. เข้าถึงโมเดลภาพประสิทธิภาพสูงล่าสุดของ Google
Gemini Nano Banana 2.1 เป็นโมเดลการสร้างภาพและการแก้ไขเชิงสนทนาที่มีประสิทธิภาพสูงล่าสุดของ Google ปรับปรุงคุณภาพภาพ การยึดตามพรอมต์ การเรนเดอร์ข้อความ และความคงเส้นคงวาแบบหลายรอบ ขณะคงไว้ซึ่งประสิทธิภาพของตระกูล Gemini Flash
2. API เดียวสำหรับเวิร์กโฟลว์ภาพพร้อมใช้งานจริง
การใช้ Nano Banana 2.1 ผ่าน CometAPI มอบชั้นการเข้าถึง API แบบรวม ทำให้นักพัฒนาบูรณาการความสามารถสร้างภาพของ Google เข้ากับแอปพลิเคชันที่มีอยู่ได้ง่าย โดยไม่ต้องสร้างการผสานผู้ให้บริการแยกใหม่ตั้งแต่ต้น
ยิ่งมีประโยชน์สำหรับแอปที่ใช้งานโมเดล AI หลายตัวผ่าน CometAPI อยู่แล้ว และต้องการเพิ่มความสามารถสร้างภาพของ Google บนโครงสร้างพื้นฐานเดียวกัน
3. การสร้างและแก้ไขภาพทรงพลัง
Nano Banana 2.1 รองรับทั้งการสร้างภาพและการแก้ไขเชิงสนทนา ทำงานกับอินพุตแบบข้อความ ภาพ วิดีโอ และ PDF พร้อมรองรับเอาต์พุตภาพ 1K, 2K และ 4K
โมเดลยังรองรับการผสานภาพหลายอ้างอิง เหมาะกับการจำลองผลิตภัณฑ์ ความคงเส้นคงวาของตัวละคร การประกอบภาพเชิงสร้างสรรค์ และการแก้ไขภาพแบบวนซ้ำ
4. ความสามารถเด่นในการสร้างข้อความและอินโฟกราฟิก
Nano Banana 2.1 ปรับปรุงการเรนเดอร์ข้อความและความแม่นยำในการจัดวางอินโฟกราฟิก จึงเป็นตัวเลือกที่แข็งแกร่งสำหรับการสร้างโปสเตอร์ กราฟิกการตลาด แผนภาพ แผนภูมิ และเนื้อหาภาพที่ต้องการข้อความอ่านง่ายและโครงแบบที่เป็นระบบ
5. ยืดหยุ่นสำหรับสถานการณ์การใช้งานต่าง ๆ
ด้วยการสร้างภาพ การแก้ไขเชิงสนทนา เวิร์กโฟลว์แบบหลายอ้างอิง ระดับการคิดที่ตั้งค่าได้ และการยึดโยงด้วยการค้นหา Gemini Nano Banana 2.1 เหมาะกับแอปพลิเคชัน เช่น:
- ครีเอทีฟด้านการตลาดและโฆษณา
- การถ่ายภาพผลิตภัณฑ์และภาพสำหรับอีคอมเมิร์ซ
- โปสเตอร์และกราฟิกโซเชียลมีเดีย
- อินโฟกราฟิกและแผนภาพ
- การแก้ไขตัวละครและฉาก
- การประกอบภาพแบบหลายอ้างอิง
- การสร้างต้นแบบงานสร้างสรรค์อย่างรวดเร็ว
สำหรับนักพัฒนาที่ต้องการความสามารถสร้างภาพประสิทธิภาพสูงล่าสุดของ Google พร้อมคงการเข้าถึงโมเดล AI ภายในเวิร์กโฟลว์แบบรวมของ CometAPI แล้ว Gemini Nano Banana 2.1 บน CometAPI เป็นตัวเลือกที่ใช้งานจริงสำหรับแอปพลิเคชันสร้างภาพระดับโปรดักชัน
Nano Banana 2.1 เทียบกับการใช้ API ของ Google โดยตรง
นี่อาจเป็นการตัดสินใจที่สำคัญกว่า
| Google Gemini API | CometAPI | |
|---|---|---|
| Nano Banana 2.1 | ✅ | ✅ |
| โมเดลของ Google แบบเนทีฟ | ✅ | ✅ |
| ความสัมพันธ์โดยตรงกับ Google | ✅ | ❌ |
| API เดียวสำหรับผู้ให้บริการหลายราย | ❌ | ✅ |
| การเรียกเก็บเงินแบบรวม | ❌ | ✅ |
| สลับโมเดลง่าย | จำกัด | ✅ |
| รูปแบบคำขอแบบเนทีฟของ Google | ✅ | CometAPI wrapper |
| เหมาะกับแอปที่ใช้หลายโมเดล | พอใช้ | ดีมาก |
| เหมาะกับแอปที่ใช้เฉพาะ Google | ดีเยี่ยม | พอใช้ |