如何使用 Nano Banana 2.1 API？生成與編輯

重點摘要 Nano Banana 2.1（gemini-nano-banana-2.1）是 Gemini 家族中更新的高效能影像生成與對話式編輯模型。基於 Gemini 3.6 Flash，帶來更好的視覺品質與寫實度（1K/2K/4K）、在極端長寬比下修正平鋪瑕疵、更強的文字渲染與資訊圖版面、多影像融合（最多 14 張參考圖，最多可維持 4 位角色與 10 個物件的一致性）、Google 搜尋/圖片搜尋的對齊能力，以及可配置的思考等級（minimal/medium/high）。

其定位為 Nano Banana Pro 的高效對應款，同時在多數解析度下，相較前代 Nano Banana 2 提供約半價的單張影像成本。官方定價自 Standard 方案約 $0.0336/每 1K 影像起。可透過 Gemini API（建議使用 Interactions API）、Google AI Studio，或 CometAPI 等統一聚合端以單一 OpenAI 相容金鑰存取，簡化整合並取得具競爭力的價格。本文涵蓋設定、程式範例、高階功能、價格比較、最佳實務與上線建議。

關鍵重點

• Nano Banana 2.1 是 Google 最新的高效能影像生成與對話式編輯模型，定位為 Nano Banana Pro 的高效對應款。
• Google 自家測試顯示其整體文生圖偏好 Elo 達 1050（對比 Nano Banana 2 的 990 與 Pro 的 935），並在一致性與編輯方面有顯著提升。
• 透過 Gemini API，Standard 方案的 1K 影像起價約 $0.0336——約為 Nano Banana 2 的一半。
• 支援最多 14 張參考圖、4 位角色 + 10 個物件的一致性、全景長寬比且無平鋪瑕疵、即時網頁/圖片搜尋對齊。
• Nano Banana 2 預計於 2026 年 10 月 29 日退役；請儘早遷移。
• 對開發者而言，CometAPI 等平台提供單一 OpenAI 相容端點與金鑰即可同時存取 Nano Banana 2.1 與 500+ 款模型，整合簡單、價格具競爭力。

什麼是 Nano Banana 2.1？

Nano Banana 2.1 是 Google DeepMind 的 Gemini 3 系列中最新的原生多模態推理模型。官方基於 Gemini 3.6 Flash，專長為從文字生成高品質影像與對話式影像編輯。

它可接受文字、影像、影片與 PDF 輸入（部分文件標示情境視窗可達約 100 萬 tokens，API 規格為 131,072），並輸出影像（最高 4K）與文字。所有生成影像皆帶有 Google 的 SynthID 浮水印。

Google 將其描述為 Nano Banana 2（Gemini 3.1 Flash Image）的更新版，維持 Flash 等級的速度與成本，同時在視覺品質、提示遵循度、多輪角色一致性與文字渲染方面帶來大幅改善。官方明確定位其為高階 Nano Banana Pro（Gemini 3 Pro Image）的「更高效對應款」。

Nano Banana 2.1 基準表現

截至 2026 年 10 月，Google 公布了內部並列的人類偏好（Elo）與事實性結果。注意：發佈時第三方獨立測試仍有限。

文生圖能力

編輯能力

來源： Google DeepMind Nano Banana 2.1 模型卡。

較高的 Elo 代表更強的人類偏好。事實性分數（越高越好）在資訊圖的精確度上尤為大幅提升。這些結果使 Nano Banana 2.1 成為迄今 Google 最強的 Flash 等級影像模型，並在許多實用面向上以更低成本與延遲與 Pro 分庭抗禮，甚至更勝。

Nano Banana 2.1 官方定價與成本考量（截至 2026 年 10 月上旬）

Google Standard 付費層的參考定價（每張影像輸出，未含額外的輸入/思考/文字 tokens）約為：

輸入 tokens 約 $1.50/每百萬；文字 + 思考輸出約 $7.50/每百萬（部分拆分說明）。此模型無免費 API 方案。最終計費取決於提示長度、參考圖數量、思考等級、解析度與任何額外文字輸出。

相較 Nano Banana 2，同等解析度下的影像單價約為其一半，更適合大量生成。若追求極致保真度，Nano Banana Pro 的費用仍顯著更高。請隨時查閱最新 Gemini API 價格頁面，費率與 token 計價可能調整。

例如，CometAPI 已快速支援 gemini-nano-banana-2.1，並提供統一存取、具競爭力的費率與單一金鑰覆蓋數百款模型。

如何存取並設定 Nano Banana 2.1 API

模型 ID：gemini-nano-banana-2.1

使用現代的 Interactions API 或 generateContent 端點，搭配 google-genai SDK。

帶參考圖與更高解析度/思考等級：在輸入列表中提供 base64 編碼影像，並設定輸出格式選項（長寬比與影像大小：1K/2K/4K）。在需要事實準確時啟用 Google Search 對齊工具。

1. 官方 Google Gemini API（建議以獲得完整功能對齊）

• 在 Google AI Studio / Google Cloud 建立或使用已啟用計費的專案。
• 從 Google AI Studio 取得 API 金鑰。
• 安裝官方 SDK：pip install -U google-genai（Python）或 JavaScript/Node 對應套件（@google/genai）。
• 建議使用的現代介面：Interactions API（client.interactions.create）。舊版 GenerateContent 在部分情境仍可用。
• 基本端點樣式：https://generativelanguage.googleapis.com/v1beta/interactions（或模型專用的 generateContent 路徑）。透過 x-goog-api-key 標頭或 SDK 環境變數 GEMINI_API_KEY 驗證。

2. Google AI Studio

適合快速原型、提示測試與上線前的視覺檢視。選擇模型並嘗試參考圖、解析度與思考等級。

3. 統一聚合商（推薦 CometAPI）

CometAPI 提供單一 OpenAI 相容端點（https://api.cometapi.com/v1）與一支 API 金鑰即可使用 500+ 模型，包含 Gemini Nano Banana 系列。它支援隨用隨付（通常較直接供應商價格更有優勢）、用量儀表板與可直接替換的 SDK 相容性。若你同時使用多家供應商，或希望對影像模型進行 A/B 測試且不想管理多組憑證與帳單，特別有價值。在 CometAPI.com 註冊即可獲得免費測試額度，建立金鑰後將你的 OpenAI 相容客戶端指向 CometAPI 的基底 URL。模型 ID 維持 gemini-nano-banana-2.1。

在 CometAPI，僅需更換基底 URL 與金鑰，同時保留 OpenAI 相容或 Gemini 相容的客戶端結構。CometAPI 使用 GenerateContent 端點樣式存取 nano Banana 2.1。

Nano Banana 2.1 API 存取路徑比較

請先選定供應商再複製程式碼。Google 提供下方 Python 範例所採用的 Interactions 工作流。Nano Banana 2.1 在 CometAPI 的 API提供 cURL 範例使用的閘道路由。請完整比較驗證方式、輸入欄位、輸出處理與對話狀態整合；兩者金鑰分屬不同帳戶與計費系統。

以下 Google 範例使用 Interactions API。它們並非 CometAPI 的 generateContent 請求。請依照 Google 的 Interactions 概覽 處理互動狀態與回應。範例已對照公開的請求結構檢查；本文未進行任何已驗證或計費的 API 呼叫。

使用 Nano Banana 2.1 API 生成並儲存影像

Google：以 Python 生成

在將執行 generate_image.py 的專案環境中安裝 Google Gen AI Python SDK。以下首個請求要求以 16:9 構圖輸出 2K PNG，並帶有特定標題。儲存結果並檢視，之後再加入編輯或參考圖輸入。

python -m pip install -U google-genai

將以下腳本儲存為 generate_image.py。它依循 Google 的影像生成指南 來建立互動、檢查回傳影像、解碼並儲存 PNG。產品廣告提示指定主體、光線與精確標題，便於檢視輸出是否符合要求。

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("未返回影像；在重試前請檢查回應")
    Path(filename).write_bytes(base64.b64decode(image.data))

interaction = client.interactions.create(
    model=MODEL,
    input=("為一只白色陶瓷咖啡杯製作產品廣告。"
           "使用溫暖的棚拍背景與柔和的側向打光。"
           "僅包含精確標題 MORNING COFFEE。"),
    response_format=image_format,
)
save_image(interaction, "mug-ad.png")
print("已儲存 mug-ad.png；interaction ID:", interaction.id)

python generate_image.py

此腳本會儲存 mug-ad.png 並輸出一個 interaction ID。在進行編輯前，請先依第 3 步的檢查確認影像無誤。

CometAPI：以 cURL 生成

在第 1 步設定好 COMETAPI_KEY 後，執行以下 Bash 請求（使用 CometAPI 文件化路由）。它會將 JSON 回應儲存為 comet-response.json；第 3 步會擷取並儲存回傳影像。

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": "建立一張白色陶瓷馬克杯的棚拍產品影像。"}]}],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }' \
  --output comet-response.json

處理回應

Google：檢查已儲存影像與 Interaction ID

Generatation 中的 save_image 協助函式會檢查 output_image、解碼影像資料並儲存 mug-ad.png。打開該檔案並確認馬克杯、構圖與精確標題。保留本次的 interaction ID 供下一步編輯使用。僅有 HTTP 成功回應並不保證已回傳所要求的影像。

output_image 的便利屬性會回傳最後一張生成影像。若需要多張影像或文字與視覺交錯輸出，請處理 interaction 的 steps。在重試前，請先檢視是否有遺失影像或安全性資訊。

CometAPI：擷取並儲存影像

這會寫出 JSON 回應，而非 PNG。請先確認實際回應結構，再撰寫影像擷取器。不要在此路由傳入 previous_interaction_id 或 response_format；閘道的編輯與輸出尺寸選項須遵循其文件化結構。同樣地，Google 的 interaction ID 並非閘道的會話狀態。

若閘道回傳如 Google generateContent 參考 所描述的 candidates → content → parts 原生結構，可使用以下獨立腳本儲存內嵌影像部分。它同時接受 camelCase 與 snake_case 欄位名稱並保留回傳的影像格式：

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("未找到內嵌影像；請檢查回應結構與錯誤細節")
print(f"已儲存 {saved} 張影像")

將上述擷取器儲存為 save_comet_image.py，與 comet-response.json 放在同一資料夾，然後以 Python 執行。開啟每個儲存的 comet-image 檔並檢查其內容。若未找到任何內嵌影像，請先檢視實際回應與錯誤細節，再修改解析器或重試。

不論使用哪個供應商，請核對影像格式、尺寸、請求文字與視覺細節。分別處理各供應商的回應結構，且在進行編輯前保留原始影像。

如何使用 Nano Banana 2.1 API 進行影像編輯？

編輯以 Nano Banana 2.1 生成的影像

將以下區塊附加到同一支腳本。它重複使用前述的 client、輸出格式與互動。依據 Google 的多輪編輯範例，previous_interaction_id 提供對話脈絡。再次明確指定輸出格式以維持檔案型態、長寬比與尺寸。

edited = client.interactions.create(
    model=MODEL,
    previous_interaction_id=interaction.id,
    input=("僅將杯身顏色改為霧面黑。"
           "保留標題、背景、取景與打光不變。"),
    response_format=image_format,
)
save_image(edited, "mug-ad-edited.png")
print("已儲存 mug-ad-edited.png；interaction ID:", edited.id)

第三輪請使用 edited.id 作為上一個互動 ID。將最新 ID 與你的應用編輯工作階段綁定，而不是共用一個全域變數給所有使用者。並保留原始影像：即使要求背景不變，也不保證像素級完全一致。

傳送本地參考圖給 Nano Banana 2.1

若你已有產品影像，可在編輯指令中直接附上，而非先生成新素材。以下區塊同樣使用先前的 client 與 save_image 協助函式。宣告的 MIME 類型須與實際檔案相符。

reference = base64.b64encode(Path("product.png").read_bytes()).decode("ascii")
from_reference = client.interactions.create(
    model=MODEL,
    input=[
        {"type": "text", "text": "將此產品置於乾淨的棚拍背景上。保留其外形與標籤。"},
        {"type": "image", "mime_type": "image/png", "data": reference},
    ],
    response_format=image_format,
)
save_image(from_reference, "product-studio.png")

控制 Nano Banana 2.1 的影像輸出與參考

請以上方規格表中的參考圖容量與一致性目標作為基準。這些上限不保證完美的識別一致性。從最少必要參考開始，逐步評估完整結果。對於示意圖與行銷素材，請提供精確文案與經過核實的數字，而非要求模型自行編造。

進階功能

• 思考等級：設為「minimal」可獲較快速度；「medium」（預設）在速度與品質間取平衡；「high」適用於複雜構圖、文字密集版面或精準多物件遵循。更高思考等級會增加延遲與 token 成本，但在困難提示上可提升效果。
• 搜尋對齊：啟用 Google Search / Image Search 工具，讓生成可參考真實世界或最新的視覺資訊（天氣、產品、事件、物種等）。
• 影片輸入：支援作為脈絡來源（例如從短片萃取風格或主體）。
• 批次 API：可用於大量離線任務，費率更優惠。
• 解析度與格式：預設 1K；可明確要求 2K 或 4K。輸出通常為 PNG/JPEG，視設定而定。

務必遵循 Google 的生成式 AI 禁止使用政策，並確保你擁有任何參考影像的授權。

Nano Banana 家族（約略，2026 年 10 月上旬資料）

結論與建議

Nano Banana 2.1 是迄今 Google 最強的高效影像生成與編輯模型——在視覺品質、文字忠實度、一致性與長寬比魯棒性方面帶來實質提升，同時維持 Flash 等級的經濟性。對多數需要可靠高品質影像、良好提示遵循與編輯能力的生產工作負載而言，它是在 2026 年 10 月的 Gemini 家族中明確的預設選擇。

開始上手的建議：

1. 先在 Google AI Studio 打樣。
2. 透過官方 Gemini API 整合以取得最大操控性。
3. 或使用 CometAPI 的統一、OpenAI 相容平台，加速開發與簡化多模型運維——單一金鑰、具競爭力的價格、快速接入包含 gemini-nano-banana-2.1 在內的最新模型，以及可上線的分析工具。

立即透過 API 開始實驗，並在 10 月 29 日截止前完成現有 Nano Banana 2 工作負載的遷移。高品質、一致且具成本效益的 AI 影像工具從未如此觸手可及。