Nano Banana 2 究竟是什麼？它的功能是什麼？

Nano Banana 2 是 Google 最新的 AI 影像生成與編輯模型，基於 Gemini Flash 影像技術打造，可跨文字與影像輸入提供高速、高品質的視覺生成與精準的指令遵循能力。

Nano Banana 2 與 Gemini 3.1 Flash Image 有何關係？

Nano Banana 2 本質上是 Google 的 Gemini 3.1 Flash Image 模型面向消費者的品牌名稱，結合先前 Nano Banana 版本的進階能力與 Flash 模型的速度。

Nano Banana 2 能在複雜構圖中維持一致性嗎？

可以 — 它可在多個主體與物件之間維持一致性（例如，在單一提示的工作流程中可處理多達 5 個角色與 14 個物件），有助於敘事場景與分鏡板式任務。

Nano Banana 2 是否使用即時資訊或世界知識？

Nano Banana 2 結合真實世界知識與圖片搜尋整合，協助生成更精準的主題、資訊圖表與具位置感知的視覺內容。

Nano Banana 2 可以生成哪些類型的影像與解析度？

該模型支援多種長寬比與最高可達 4K 的解析度，輸出彈性高，適用於社群媒體、廣告、展示與專業內容。

相較於先前的 Nano Banana 模型，Nano Banana 2 帶來了哪些改進？

Nano Banana 2 提供更快的生成速度、更銳利的細節、更高的指令忠實度、強化的文字渲染／在地化翻譯，以及更廣的創意控制，同時在基礎層級提供許多專業級功能。

Gemini 3.1 Flash Image 最適合哪些影像生成的使用情境？

它特別適合專業級的影像創作與編輯、資訊圖表、多張影像的一致性、文字渲染與在地化的多語輸出，尤其適用於需要精準控制與反覆迭代的工作流程。

Gemini 3.1 Flash Image 能在影像或示意圖中生成細緻文字嗎？

可以 — 它能在影像中生成並渲染清晰文字，但極小字級或高度密集的多段落文字有時仍具挑戰。

Google

可使用熱門

gemini-3.1-flash-image-preview

Nano Banana 2 API

核心能力概覽：解析度：最高可達 4K（4096×4096），與 Pro 相當。參考圖片一致性：最多支援 14 張參考圖片（10 個物件 + 4 個角色），維持風格與角色一致性。極端寬高比：新增 1:4、4:1、1:8、8:1 比例，適合長圖、海報與橫幅。文字渲染：進階文字生成，適用於資訊圖表與行銷海報版面。搜尋強化：整合 Google Search + Image Search。Grounding：內建思考過程；在生成前會先對複雜提示進行推理。

起始價格

$0.4 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Feb 26, 2026

Google

Playground

透過實際請求試用 Nano Banana 2,檢視參數並在整合 API 前驗證輸出結果。

概覽

Nano Banana 2 的實用總覽,涵蓋重要行為與整合注意事項。

Gemini 3.1 Flash Image Preview 的技術規格

項目	Gemini 3.1 Flash Image Preview
提供者	Google
模型家族	Gemini 3.1 (Flash tier)
主要重點	具影像預覽的快速多模態生成
輸入類型	文字、影像
輸出類型	文字、影像（預覽生成）
上下文視窗	最多 1M tokens（Gemini 3.x Flash 層級標準）
延遲等級	低延遲、高吞吐量
串流支援	是
工具呼叫	是（Gemini API 工具框架）
版本	3.1

什麼是 Nano Banana 2

Nano Banana 2 是媒體與開發者社群對新近發布的 Gemini-3.1-Flash-Image 模型的流行暱稱。Google 將其定位為「Flash」層級的影像引擎，以更低的延遲與成本帶來接近 Pro 級的視覺保真度——適用於大規模生成、快速迭代編輯，以及在 Google 服務間的整合式產品工作流程。它繼承了 Gemini 3.1 的多模態推理，並新增了以影像為中心的能力（影像中文字可讀、多影像合成、寬長寬比支援、原生 4K）。

主要功能

高速、多解析度生成：Flash 級速度，支援 0.5K / 1K / 2K / 4K 輸出與全新極端長寬比（1:4、4:1、1:8、8:1）。
即時網路對齊：當啟用「Thinking」或搜尋對齊時，同步整合文字與影像搜尋結果，將生成內容對齊當前網路資訊。適用於即時參考與事實性資訊圖表。
改良文字渲染：比早期 Flash 模型在短字串與圖形文字（字型、尺寸）表現更佳；對長段落/小字仍不完美。
多輸入編輯與多輪工作流程：對結合多張影像作為輸入，以及跨回合的迭代編輯提供強健支援。

📊 基準表現 — 影像生成與編輯（Elo 分數）

能力	Gemini 3.1 Flash Image (Nano Banana 2)	Gemini 2.5 Flash Image (Nano Banana)	Gemini 3 Pro Image (Nano Banana Pro)	GPT-Image 1.5	Seedream 5.0 Lite	Grok Imagine Image Pro
文字轉影像 — 整體偏好	1079.0 ± 7.0	1073.0 ± 5.0	942.0 ± 6.0	1021.0 ± 5.0	1047.0 ± 5.0	928.0 ± 8.0
文字轉影像 — 視覺品質	1140.0 ± 6.0	1129.0 ± 6.0	929.0 ± 6.0	1043.0 ± 5.0	975.0 ± 5.0	759.0 ± 10.0
文字轉影像 — 資訊圖表（事實性）	1114.0 ± 14.0	1074.0 ± 12.0	881.0 ± 13.0	1102.0 ± 13.0	985.0 ± 12.0	890.0 ± 22.0
編輯 — 一般	1065.0 ± 9.0	1047.0 ± 9.0	913.0 ± 9.0	1051.0 ± 10.0	995.0 ± 8.0	937.0 ± 9.0
編輯 — 角色	1056.0 ± 7.0	1049.0 ± 7.0	952.0 ± 7.0	1050.0 ± 8.0	1025.0 ± 7.0	894.0 ± 8.0
編輯 — 創意	1023.0 ± 7.0	1031.0 ± 7.0	976.0 ± 7.0	1004.0 ± 7.0	1017.0 ± 7.0	938.0 ± 7.0
編輯 — 物件/環境	1029.0 ± 8.0	1018.0 ± 8.0	945.0 ± 8.0	1042.0 ± 10.0	976.0 ± 8.0	946.0 ± 9.0
編輯 — 多輸入	1037.0 ± 8.0	1016.0 ± 8.0	919.0 ± 9.0	1056.0 ± 12.0	1014.0 ± 9.0	N/A
編輯 — 風格化	1045.0 ± 7.0	1031.0 ± 7.0	862.0 ± 8.0	1045.0 ± 9.0	996.0 ± 7.0	984.0 ± 7.0

關鍵結論：

在文字轉影像生成與影像編輯兩大類別中，Gemini 3.1 Flash Image 在 Flash 層級與多數競品影像模型中持續領先或並列最高分。
模型在視覺品質與資訊圖表（事實性）基準上表現特別強勁——不僅在美學品質上表現出色，亦能準確呈現結構化內容。
在多輸入編輯方面，Nano Banana 2 同樣展現穩健的泛化能力，分數高於上一代 Flash。

這些評估是透過多樣化基準套件進行的人類並排 Elo 比較，反映常見影像生成/編輯任務中的偏好與保真度。

Nano Banana 2 vs Nano Banana vs Nano Banana Pro

模型	定位	代表性基準/備註
Gemini 3.1 Flash Image (Nano Banana 2)	Flash 層：速度 + 高視覺品質（2K–4K）	整體偏好 1079.0 ± 7.0；視覺品質 1140 ± 6.0（內部 GenAI-Bench）。
Gemini 2.5 Flash Image (Nano Banana)	早期 Flash 版本（較低保真度）	相較 3.1，偏好/視覺分數略低。
Gemini 3 Pro Image (Nano Banana Pro)	Pro 層：在複雜任務上具較高感知保真度，但成本/延遲更高	不同取捨；在某些專門任務上的相對排名可能不同。
GPT-Image 1.5 / 其他商用模型	競品（開源/封閉）	在 Google 的內部基準測試中，GPT-Image 等分數低於 Gemini 3.1 的視覺品質與整體偏好；獨立第三方比較有所差異。

何時選擇 Flash Image Preview：

應用內即時影像預覽
對成本敏感的大規模影像生成
互動式設計助理

如何取得並整合 Nano Banana 2

步驟 1：註冊取得 API 金鑰

登入 cometapi.com。若您尚未成為我們的使用者，請先註冊。登入您的 CometAPI console。取得介面的存取憑證 API 金鑰。在個人中心的 API token 中點擊「Add Token」，取得 token 金鑰：sk-xxxxx 並提交。

步驟 2：向 Nano Banana 2 API 發送請求

選擇 “gemini-3.1-flash-image-preview8” 端點發送 API 請求並設定請求本文。請求方法與請求本文可從我們的網站 API 文件獲取。我們的網站也提供 Apifox 測試以便您使用。將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。呼叫位置：Gemini 生成影像

Nano Banana 2 支援影像編輯、影像生成與多影像工作流程。對於影像編輯，您需要上傳影像 URL。更多參數請參閱文件。

步驟 3：擷取並驗證結果

處理 API 回應以取得生成結果。處理完成後，API 會回傳任務狀態與輸出資料。您可在 playground 中直接下載影像（通常為 PNG 格式）。API 流程會生成一個影像 URL；請及時下載。

常見問題

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.0028

預估 CometAPI 使用費用

十次請求

$0.028

預估 CometAPI 使用費用

十五次請求

$0.042

預估 CometAPI 使用費用

Nano Banana 2 的定價

探索 Nano Banana 2 的競爭性定價，專為滿足各種預算和使用需求而設計。我們靈活的方案確保您只需為實際使用量付費，讓您能夠隨著需求增長輕鬆擴展。了解 Nano Banana 2 如何在保持成本可控的同時提升您的專案效果。

nano-banana-2（image）

variant / alias	Price
gemini-3.1-flash-image (0.5K)	≈ $0.03600
gemini-3.1-flash-image (1K)	≈ $0.05360
gemini-3.1-flash-image (2K)	≈ $0.08080
gemini-3.1-flash-image (4K)	≈ $0.12080
gemini-3.1-flash-image-preview (0.5K)	≈ $0.03600
gemini-3.1-flash-image-preview (1K)	≈ $0.05360
gemini-3.1-flash-image-preview (2K)	≈ $0.08080
gemini-3.1-flash-image-preview (4K)	≈ $0.12080

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1beta/models/{model}:generateContent

Nano Banana 2 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Nano Banana 2 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Nano Banana 2 的潛力。

POST

/v1beta/models/{model}:generateContent

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

mkdir -p ./output

curl -s "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "A woman leaning on a wooden railing of a traditional Chinese building. She is wearing a blue cheongsam with pink and red floral motifs and a headdress made of colorful flowers, including roses and lilacs. Realistic painting style, focusing on the textural details of the clothing patterns and wooden buildings."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "aspectRatio": "9:16"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('./output/gemini-3.1-flash-image-preview.png', 'wb') as f:
            f.write(img)
        print('Image saved to ./output/gemini-3.1-flash-image-preview.png')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

mkdir -p ./output

curl -s "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "A woman leaning on a wooden railing of a traditional Chinese building. She is wearing a blue cheongsam with pink and red floral motifs and a headdress made of colorful flowers, including roses and lilacs. Realistic painting style, focusing on the textural details of the clothing patterns and wooden buildings."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "aspectRatio": "9:16"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('./output/gemini-3.1-flash-image-preview.png', 'wb') as f:
            f.write(img)
        print('Image saved to ./output/gemini-3.1-flash-image-preview.png')
"

Python Code Example

from google import genai
from google.genai import types
from PIL import Image
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

prompt = (
    "A woman leaning on a wooden railing of a traditional Chinese building. "
    "She is wearing a blue cheongsam with pink and red floral motifs and a headdress "
    "made of colorful flowers, including roses and lilacs. Realistic painting style, "
    "focusing on the textural details of the clothing patterns and wooden buildings."
)
aspect_ratio = "9:16"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=[prompt],
    config=types.GenerateContentConfig(
        response_modalities=["IMAGE"],
        image_config=types.ImageConfig(aspect_ratio=aspect_ratio),
    ),
)

os.makedirs("./output", exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = part.as_image()
        output_path = "./output/gemini-3.1-flash-image-preview.png"
        image.save(output_path)
        print(f"Image saved to {output_path}")

JavaScript Code Example

import fs from "fs";
import path from "path";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1beta";
const model = "gemini-3.1-flash-image-preview";

const prompt =
  "A woman leaning on a wooden railing of a traditional Chinese building. " +
  "She is wearing a blue cheongsam with pink and red floral motifs and a headdress " +
  "made of colorful flowers, including roses and lilacs. Realistic painting style, " +
  "focusing on the textural details of the clothing patterns and wooden buildings.";

const response = await fetch(`${base_url}/models/${model}:generateContent`, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: api_key,
  },
  body: JSON.stringify({
    contents: [
      {
        role: "user",
        parts: [{ text: prompt }],
      },
    ],
    generationConfig: {
      responseModalities: ["IMAGE"],
      imageConfig: {
        aspectRatio: "9:16",
      },
    },
  }),
});

const data = await response.json();

const outputDir = "./output";
if (!fs.existsSync(outputDir)) {
  fs.mkdirSync(outputDir, { recursive: true });
}

for (const candidate of data.candidates) {
  for (const part of candidate.content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageBuffer = Buffer.from(part.inlineData.data, "base64");
      const outputPath = path.join(outputDir, "gemini-3.1-flash-image-preview.png");
      fs.writeFileSync(outputPath, imageBuffer);
      console.log(`Image saved to ${outputPath}`);
    }
  }
}

功能

在選擇架構或評估正式環境負載前,先掌握模型的關鍵資訊。

支援的功能

現有模型 API 回傳的功能。

text-to-image

image-editing

輸入與輸出

輸入

text

輸出

image

正式環境資訊

供應商: Google
上下文: 依模型而定
商業使用: 支援

應用場景

將 Nano Banana 2 用於符合其 image 能力的正式工作流程,並在長期整合前比較其他選項。

產品視覺與行銷素材創作

概念圖與快速視覺探索

圖像編輯、變化與素材產製

其他模型

比較 CometAPI 提供的其他模型,在品質、延遲、功能與價格間取得平衡。

開啟模型比較 →

OpenAI

GPT Image 2

GPT Image 2 是 OpenAI 最先進的圖像生成模型，用於快速、高品質的圖像生成與編輯。它支援彈性的圖像尺寸與高保真圖像輸入。

查看模型

Google

Nano Banana 2 lite

Gemini 3.1 Flash Lite Image model 是影像生成產品家族中的效率專家，專為超低延遲且具成本效益的影像生成與修改而設計。

查看模型

Flux

FLUX 2 MAX

FLUX.2 [max] 是來自 Black Forest Labs（BFL）的頂級視覺智能模型，專為生產級工作流程設計：行銷、產品攝影、電子商務、創意製作流程，以及任何需要一致的角色／產品形象、精準文字渲染，並在多百萬像素解析度下呈現照片級寫實細節的應用。其架構經過精心設計，具備強大的提示遵循能力、多參考融合（最多可輸入十張圖像），以及有根據的生成（在產生圖像時能夠納入最新的網路脈絡）。

查看模型

Replicate

Black Forest Labs/FLUX 2 MAX

FLUX.2 [max] 是 Black Forest Labs（BFL）推出的 FLUX.2 系列中旗艦級、最高品質的變體。其定位為專業級的文字→圖像生成與圖像編輯模型，重點在於極致保真度、對提示詞的遵從度，以及在角色、物件、光照與色彩上的編輯一致性。BFL 與合作夥伴的註冊目錄將 FLUX.2 [max] 描述為頂級的 FLUX.2 變體，具備多重參考編輯與有據生成等特性。

查看模型

Replicate

Black Forest Labs/FLUX 2 DEV

FLUX 2 DEV 是針對研究、實驗與非商業應用最佳化的開發者友善版本。它在兼顧品質與運算效率的同時，為開發者提供強大的影像生成能力。非常適合原型製作、學術研究及個人創意專案。

查看模型

Replicate

Black Forest Labs/FLUX 2 FLEX

FLUX 2 FLEX 是一款多功能、可適應的模型，旨在於各種使用案例與硬體配置中實現靈活部署。它透過可調整的品質設定提供可擴展的效能，因而特別適合需要動態資源配置的應用。此模型在品質、速度與資源效率之間達到最佳平衡。

查看模型

Uptime

在正式上線前,查看即時心跳資料、端點可用性與實測回應時間。

版本

在鎖定正式環境整合版本前,先查看可用的模型識別碼。

模型 ID	描述	可用性	請求
gemini-3.1-flash-image	推薦，指向最新模型	✅	Gemini 產生圖片
gemini-3.1-flash-image-preview	官方預覽	✅	Gemini 產生圖片

持續探索

比較模型,繼續你的研究

Google

可使用熱門

gemini-3.1-flash-image-preview

Nano Banana 2 API

起始價格

$0.4 / 100 萬輸入 tokens

按使用量計費

API 健康狀態

可使用

正式環境端點

回應時間

支援非同步

實測 API 回應時間

發布時間

Feb 26, 2026

Google

Playground

透過實際請求試用 Nano Banana 2,檢視參數並在整合 API 前驗證輸出結果。

概覽

Nano Banana 2 的實用總覽,涵蓋重要行為與整合注意事項。

Gemini 3.1 Flash Image Preview 的技術規格

項目	Gemini 3.1 Flash Image Preview
提供者	Google
模型家族	Gemini 3.1 (Flash tier)
主要重點	具影像預覽的快速多模態生成
輸入類型	文字、影像
輸出類型	文字、影像（預覽生成）
上下文視窗	最多 1M tokens（Gemini 3.x Flash 層級標準）
延遲等級	低延遲、高吞吐量
串流支援	是
工具呼叫	是（Gemini API 工具框架）
版本	3.1

什麼是 Nano Banana 2

主要功能

高速、多解析度生成：Flash 級速度，支援 0.5K / 1K / 2K / 4K 輸出與全新極端長寬比（1:4、4:1、1:8、8:1）。
即時網路對齊：當啟用「Thinking」或搜尋對齊時，同步整合文字與影像搜尋結果，將生成內容對齊當前網路資訊。適用於即時參考與事實性資訊圖表。
改良文字渲染：比早期 Flash 模型在短字串與圖形文字（字型、尺寸）表現更佳；對長段落/小字仍不完美。
多輸入編輯與多輪工作流程：對結合多張影像作為輸入，以及跨回合的迭代編輯提供強健支援。

📊 基準表現 — 影像生成與編輯（Elo 分數）

能力	Gemini 3.1 Flash Image (Nano Banana 2)	Gemini 2.5 Flash Image (Nano Banana)	Gemini 3 Pro Image (Nano Banana Pro)	GPT-Image 1.5	Seedream 5.0 Lite	Grok Imagine Image Pro
文字轉影像 — 整體偏好	1079.0 ± 7.0	1073.0 ± 5.0	942.0 ± 6.0	1021.0 ± 5.0	1047.0 ± 5.0	928.0 ± 8.0
文字轉影像 — 視覺品質	1140.0 ± 6.0	1129.0 ± 6.0	929.0 ± 6.0	1043.0 ± 5.0	975.0 ± 5.0	759.0 ± 10.0
文字轉影像 — 資訊圖表（事實性）	1114.0 ± 14.0	1074.0 ± 12.0	881.0 ± 13.0	1102.0 ± 13.0	985.0 ± 12.0	890.0 ± 22.0
編輯 — 一般	1065.0 ± 9.0	1047.0 ± 9.0	913.0 ± 9.0	1051.0 ± 10.0	995.0 ± 8.0	937.0 ± 9.0
編輯 — 角色	1056.0 ± 7.0	1049.0 ± 7.0	952.0 ± 7.0	1050.0 ± 8.0	1025.0 ± 7.0	894.0 ± 8.0
編輯 — 創意	1023.0 ± 7.0	1031.0 ± 7.0	976.0 ± 7.0	1004.0 ± 7.0	1017.0 ± 7.0	938.0 ± 7.0
編輯 — 物件/環境	1029.0 ± 8.0	1018.0 ± 8.0	945.0 ± 8.0	1042.0 ± 10.0	976.0 ± 8.0	946.0 ± 9.0
編輯 — 多輸入	1037.0 ± 8.0	1016.0 ± 8.0	919.0 ± 9.0	1056.0 ± 12.0	1014.0 ± 9.0	N/A
編輯 — 風格化	1045.0 ± 7.0	1031.0 ± 7.0	862.0 ± 8.0	1045.0 ± 9.0	996.0 ± 7.0	984.0 ± 7.0

關鍵結論：

在文字轉影像生成與影像編輯兩大類別中，Gemini 3.1 Flash Image 在 Flash 層級與多數競品影像模型中持續領先或並列最高分。
模型在視覺品質與資訊圖表（事實性）基準上表現特別強勁——不僅在美學品質上表現出色，亦能準確呈現結構化內容。
在多輸入編輯方面，Nano Banana 2 同樣展現穩健的泛化能力，分數高於上一代 Flash。

這些評估是透過多樣化基準套件進行的人類並排 Elo 比較，反映常見影像生成/編輯任務中的偏好與保真度。

Nano Banana 2 vs Nano Banana vs Nano Banana Pro

模型	定位	代表性基準/備註
Gemini 3.1 Flash Image (Nano Banana 2)	Flash 層：速度 + 高視覺品質（2K–4K）	整體偏好 1079.0 ± 7.0；視覺品質 1140 ± 6.0（內部 GenAI-Bench）。
Gemini 2.5 Flash Image (Nano Banana)	早期 Flash 版本（較低保真度）	相較 3.1，偏好/視覺分數略低。
Gemini 3 Pro Image (Nano Banana Pro)	Pro 層：在複雜任務上具較高感知保真度，但成本/延遲更高	不同取捨；在某些專門任務上的相對排名可能不同。
GPT-Image 1.5 / 其他商用模型	競品（開源/封閉）	在 Google 的內部基準測試中，GPT-Image 等分數低於 Gemini 3.1 的視覺品質與整體偏好；獨立第三方比較有所差異。

何時選擇 Flash Image Preview：

應用內即時影像預覽
對成本敏感的大規模影像生成
互動式設計助理

如何取得並整合 Nano Banana 2

步驟 1：註冊取得 API 金鑰

步驟 2：向 Nano Banana 2 API 發送請求

Nano Banana 2 支援影像編輯、影像生成與多影像工作流程。對於影像編輯，您需要上傳影像 URL。更多參數請參閱文件。

步驟 3：擷取並驗證結果

常見問題

定價

先參考上方的單次執行預估,再查看完整的 CometAPI 與官方價格比較。

第一次請求

$0.0028

預估 CometAPI 使用費用

十次請求

$0.028

預估 CometAPI 使用費用

十五次請求

$0.042

預估 CometAPI 使用費用

Nano Banana 2 的定價

nano-banana-2（image）

variant / alias	Price
gemini-3.1-flash-image (0.5K)	≈ $0.03600
gemini-3.1-flash-image (1K)	≈ $0.05360
gemini-3.1-flash-image (2K)	≈ $0.08080
gemini-3.1-flash-image (4K)	≈ $0.12080
gemini-3.1-flash-image-preview (0.5K)	≈ $0.03600
gemini-3.1-flash-image-preview (1K)	≈ $0.05360
gemini-3.1-flash-image-preview (2K)	≈ $0.08080
gemini-3.1-flash-image-preview (4K)	≈ $0.12080

API

複製可用的端點與程式碼範例,需要完整參數時再開啟完整 API 參考文件。

一個 API,直接對接正式環境模型

只需驗證一次,即可呼叫模型端點,並在各供應商間維持一致的計費與監控流程。

POST/v1beta/models/{model}:generateContent

Nano Banana 2 的範例程式碼和 API

存取完整的範例程式碼和 API 資源，以簡化您的 Nano Banana 2 整合流程。我們詳盡的文件提供逐步指引，協助您在專案中充分發揮 Nano Banana 2 的潛力。

POST

/v1beta/models/{model}:generateContent

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

mkdir -p ./output

curl -s "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "A woman leaning on a wooden railing of a traditional Chinese building. She is wearing a blue cheongsam with pink and red floral motifs and a headdress made of colorful flowers, including roses and lilacs. Realistic painting style, focusing on the textural details of the clothing patterns and wooden buildings."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "aspectRatio": "9:16"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('./output/gemini-3.1-flash-image-preview.png', 'wb') as f:
            f.write(img)
        print('Image saved to ./output/gemini-3.1-flash-image-preview.png')
"

cURL Code Example

# Get your CometAPI key from https://api.cometapi.com/console/token
# Export it as: export COMETAPI_KEY="your-key-here"

mkdir -p ./output

curl -s "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H 'Content-Type: application/json' \
  -X POST \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "A woman leaning on a wooden railing of a traditional Chinese building. She is wearing a blue cheongsam with pink and red floral motifs and a headdress made of colorful flowers, including roses and lilacs. Realistic painting style, focusing on the textural details of the clothing patterns and wooden buildings."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["IMAGE"],
      "imageConfig": {
        "aspectRatio": "9:16"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('./output/gemini-3.1-flash-image-preview.png', 'wb') as f:
            f.write(img)
        print('Image saved to ./output/gemini-3.1-flash-image-preview.png')
"

Python Code Example

from google import genai
from google.genai import types
from PIL import Image
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com"

client = genai.Client(
    http_options={"api_version": "v1beta", "base_url": BASE_URL},
    api_key=COMETAPI_KEY,
)

prompt = (
    "A woman leaning on a wooden railing of a traditional Chinese building. "
    "She is wearing a blue cheongsam with pink and red floral motifs and a headdress "
    "made of colorful flowers, including roses and lilacs. Realistic painting style, "
    "focusing on the textural details of the clothing patterns and wooden buildings."
)
aspect_ratio = "9:16"  # "1:1","2:3","3:2","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents=[prompt],
    config=types.GenerateContentConfig(
        response_modalities=["IMAGE"],
        image_config=types.ImageConfig(aspect_ratio=aspect_ratio),
    ),
)

os.makedirs("./output", exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif part.inline_data is not None:
        image = part.as_image()
        output_path = "./output/gemini-3.1-flash-image-preview.png"
        image.save(output_path)
        print(f"Image saved to {output_path}")

JavaScript Code Example

import fs from "fs";
import path from "path";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const base_url = "https://api.cometapi.com/v1beta";
const model = "gemini-3.1-flash-image-preview";

const prompt =
  "A woman leaning on a wooden railing of a traditional Chinese building. " +
  "She is wearing a blue cheongsam with pink and red floral motifs and a headdress " +
  "made of colorful flowers, including roses and lilacs. Realistic painting style, " +
  "focusing on the textural details of the clothing patterns and wooden buildings.";

const response = await fetch(`${base_url}/models/${model}:generateContent`, {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: api_key,
  },
  body: JSON.stringify({
    contents: [
      {
        role: "user",
        parts: [{ text: prompt }],
      },
    ],
    generationConfig: {
      responseModalities: ["IMAGE"],
      imageConfig: {
        aspectRatio: "9:16",
      },
    },
  }),
});

const data = await response.json();

const outputDir = "./output";
if (!fs.existsSync(outputDir)) {
  fs.mkdirSync(outputDir, { recursive: true });
}

for (const candidate of data.candidates) {
  for (const part of candidate.content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageBuffer = Buffer.from(part.inlineData.data, "base64");
      const outputPath = path.join(outputDir, "gemini-3.1-flash-image-preview.png");
      fs.writeFileSync(outputPath, imageBuffer);
      console.log(`Image saved to ${outputPath}`);
    }
  }
}