Nano Banana 2 Lite API 最適合用於什麼？

Nano Banana 2 Lite 針對快速、具成本效率的圖像生成與圖像編輯進行了最佳化。Google 建議將其用於互動式應用、大量生產管線，以及快速創意迭代。

如何透過 CometAPI 存取 Nano Banana 2 Lite？

建立 CometAPI API 金鑰，呼叫與 OpenAI 相容的端點，並在請求中指定模型 ID 'gemini-3.1-flash-lite-image'。

Nano Banana 2 Lite 是否支援多種長寬比？

是的。該 API 支援 14 種預先定義的長寬比，並針對 1024×1024 (1K) 圖像生成進行最佳化。

Nano Banana 2 Lite 與 Nano Banana 2 相比如何？

Nano Banana 2 Lite 著重於較低延遲與較高吞吐量，而 Nano Banana 2 則側重於更高的圖像品質與更豐富的渲染。對於即時或大規模的應用，通常 Lite 是更好的選擇。

Nano Banana 2 Lite API 的 token 限制是多少？

根據 Google 的官方文件，該模型支援最多 65,536 個輸入 token 與 4,096 個輸出 token。

Nano Banana 2 Lite 是否同時支援圖像編輯與圖像生成？

是的。該模型原生支援文字轉圖像、以圖生圖，以及文字引導的圖像編輯，可實現物件替換、背景編輯、色彩變更與迭代式修改等工作流程。

Nano Banana 2 Lite 是否可透過 CometAPI 上與 OpenAI 相容的 API 使用？

是的。CometAPI 透過與 OpenAI 相容的介面提供此模型，使從現有 OpenAI SDK 遷移變得十分直接。

Google

可使用熱門

gemini-3.1-flash-lite-image

Nano Banana 2 lite API

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。

起始價格

$0.2 / 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

Jun 30, 2026

Google

互動測試

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

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

$0.0014

預估 CometAPI 使用成本

十次請求

$0.0140

預估 CometAPI 使用成本

十五次請求

$0.0210

預估 CometAPI 使用成本

⇌

積分換算

1,000 積分 = $1

積分使代幣、請求和執行時間計費的預算具有可比性。結算時以美元金額為準。

✓當前模型的積分

輸入

200

積分 / 100 萬代幣

輸出

1,200

積分 / 100 萬代幣

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

模型	Comet 價格 (美元 / 百萬代幣)	官方價格 (美元 / 百萬代幣)	折扣
gemini-3.1-flash-lite-image	輸入: $0.2000/百萬輸出: $1.20/百萬	輸入: $0.2500/百萬輸出: $1.50/百萬	-20%

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

Nano Banana 2 lite 是什麼？

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。

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.2 / 100 萬輸入 tokens

上下文

查看功能

目錄日期

Jun 30, 2026

概覽

Nano Banana 2 lite 的實用總覽,涵蓋重要行為與整合注意事項。

Nano Banana 2 Lite API 概覽

Nano Banana 2 Lite API，官方為 gemini-3.1-flash-lite-image，是 Google 以效率為導向的 Gemini 3.1 圖像模型，面向高頻的圖像生成與編輯。Google 亦稱其為 Gemini 3.1 Flash Lite Image。透過 CometAPI，開發者可經由 Gemini 原生的 generateContent 路由存取此模型，適用於快速 1K 圖像草稿、簡易圖像編輯、互動式創意工具、縮圖、社群素材，以及在速度與成本控制比最高解析度更重要的生產流程。

技術規格

項目	規格
模型名稱	Nano Banana 2 Lite / Gemini 3.1 Flash Lite Image
API 模型 ID	gemini-3.1-flash-lite-image
CometAPI 模型代碼	gemini-3-1-flash-lite-image
提供方	Google
模型類型	圖像生成與編輯
CometAPI 目錄功能	文本轉圖像
輸入模態	文本與圖像
輸出模態	圖像與文本
CometAPI 端點	POST /v1beta/models/{model}:generateContent
穩定模型 ID	gemini-3.1-flash-lite-image
輸入令牌上限	65,536 tokens
輸出令牌上限	4,096 tokens
輸出解析度	僅 1K / 1024px
支援的長寬比	14 種長寬比，包括 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9、21:9
思考	支援；最小與高

什麼是 Nano Banana 2 Lite？

Nano Banana 2 Lite 是 Google Gemini 圖像模型家族中以速度與效率為核心的成員。Google 的模型頁面將其定位為圖像生成的效率專家，旨在實現超低延遲且具成本效益的圖像生成與修改。

這種取捨是刻意設計的：Nano Banana 2 Lite 以 1K 輸出與高頻互動使用為目標，而非追求最高保真度。Google 表示，2K 與 4K 輸出在此 Lite 模型上不受支援，且圖像生成指南指出它未針對多參考輸入或多輪序列編輯進行最佳化。因此，它非常適合作為快速草稿與輕量編輯的預設選擇；若需要高解析度或重參考的生產工作，則 Gemini 3.1 Flash Image 與 Nano Banana Pro 更為適合。

Nano Banana 2 Lite API 的主要特性

1. 超低延遲，適用互動式圖像工作流程

Google 將 Nano Banana 2 Lite 定位為 Gemini 圖像家族中的效率專家。官方模型卡指出其目標為「端到端延遲低於 2 秒」，而 Google 的發佈文章則強調文本轉圖像約 4 秒的輸出，便於實用的快速草稿。在生產環境中，實際延遲取決於提示複雜度、輸入圖像大小、網路路徑、響應模態，以及 CometAPI 的路由條件，但此模型顯然是為快速反饋循環而設計，而非最大解析度的離線算圖。

這使 Nano Banana 2 Lite 對互動式建置者特別有用：隨使用者輸入即生成視覺的應用介面、高量縮圖系統、遊戲或頭像預覽、廣告版本探索、電商占位圖生成，以及使用者可能在確認最終方向前提出數十次小幅迭代的創意工具。

2. 原生文本轉圖像與圖像轉圖像生成

Nano Banana 2 Lite 支援文本與圖像輸入，並可返回圖像與文本輸出。透過 CometAPI 的 Gemini 路由，開發者可僅傳送文本提示以進行原生文本轉圖像生成，或結合輸入圖像與文本指令以完成圖像轉圖像編輯。

由於它採用 Gemini 的原生圖像工作流程，Nano Banana 2 Lite 不受限於「輸入提示，輸出圖片」的簡單模式。它能讀取使用者的視覺脈絡、套用局部編輯、生成新圖像，並可選擇在響應中包含文本。這非常契合產品效果圖工具、背景替換、快速風格轉換、本地化行銷版本，以及消費者應用中的預覽圖像。

3. 快速多輪局部圖像編輯

Google 的模型卡將快速多輪局部編輯列為關鍵能力，範例包含更換顏色、貼圖製作與背景調整。實務上，這代表使用者可先生成首張圖像，再以後續指令延續，例如「把外套改成紅色」、「把它變成貼圖」或「把背景換成乾淨的攝影棚牆面」。

限制同樣重要：Google 的圖像生成指南指出 Nano Banana 2 Lite 並未針對多參考輸入或多輪序列編輯進行最佳化。輕量本地編輯與對話式探索使用 Lite；若需要更重的參考處理、更長的編輯鏈或專業版面與構圖控制，請改用 Nano Banana 2 或 Nano Banana Pro。

4. 強提示遵循與角色一致性

Google 表示 Nano Banana 2 Lite 在加速體驗的同時維持 Nano Banana 系列應有的控制力與準確性。官方資料特別提到可靠的提示遵循性、強角色一致性與角色對齊，符合原始 Nano Banana 標準。

這使它比一般的快速圖像生成器更有用。對重複的創意探索而言，模型必須在變化中保留預期主體、色彩方向、姿態、場景、品牌線索與角色身份。Nano Banana 2 Lite 就是為「快速迭代且不丟失核心概念」的使用情境而設計。

5. 圖像內文字渲染能力提升

Google 的發佈文章指出，即便優先速度，Nano Banana 2 Lite 仍保留可辨識的圖像內文字渲染。這對縮圖、簡單海報、UI 概念、標籤、貼圖與輕量行銷圖形很重要，因為生成圖像中可能需要顯示短字詞。

若是文字密集的資訊圖、跨語言版面、雜誌風格頁面、產品包裝或精緻排版，Nano Banana 2 與 Nano Banana Pro 更合適。Google 的圖像生成指南將 Nano Banana 2 定位為具可靠文字渲染的通用模型，而 Nano Banana Pro 則是用於精準文字與複雜版面的專業選擇。

6. 1K 輸出並支援廣泛長寬比

Nano Banana 2 Lite 針對 1K 輸出進行最佳化；Google 的模型卡列出 1024px / 1K 為支援的圖像大小，並註明不支援 2K 與 4K。它支援常見長寬比，包括正方形、縱向、橫向、直式社群格式與超寬版面。

在生產環境中，請明確設定 imageConfig.aspectRatio 與 imageConfig.imageSize，並使用大寫的 1K 或支援的 1024px 值。若工作流程需要 2K、4K、0.5K 的工具級預覽，或更高保真的印刷與設計輸出，請改用 Nano Banana 2 或 Nano Banana Pro。

Nano Banana 2 Lite 的基準表現

截至 2026 年 6 月 29 日 Arena.ai 公開排行榜，gemini-3.1-flash-lite-image 是高排名的效率模型，而非僅僅「廉價草稿」模型：它在生成方面的分數接近較重的 Gemini 圖像模型，並在單張圖像編輯上維持競爭力，同時優先更低延遲。

基準測試	Nano Banana 2 Lite 分數	Arena.ai 排名訊號	票數	意涵
Text-to-Image Arena, Overall	1251 +/- 8	70 款模型中的第 5 名	5,462	作為 Lite 模型，具備強勁的公開圖像生成品質，略低於 mai-image-2.5 與 Nano Banana 2，且高於此快照中的 2K Nano Banana Pro 預覽
Image Edit Arena, Single-Image Edit	1308 +/- 7	49 款模型中的第 15 名	9,320	具競爭力的編輯品質，落後於更重的旗艦圖像模型，但領先許多通用圖像編輯器

如何選擇：Nano Banana 2 Lite vs Nano Banana 2 vs Nano Banana Pro

Google 的 Nano Banana 圖像家族依速度、品質與控制力分層。Nano Banana 2 Lite 是面向高量 1K 生成的快速高效模型。Nano Banana 2 是高品質圖像生成與編輯的通用主力，具更強的參考處理與最高 4K 輸出。Nano Banana Pro 是面向複雜設計、品牌準確性、高階本地化與精準創意控制的高端模型。

文本轉圖像排行榜顯示，gemini-3.1-flash-lite-image (nano-banana-2-lite) 接近多個高階競品：gemini-3.1-flash-image-preview (nano-banana-2) 得分 1270 +/- 4，mai-image-2.5 得分 1257 +/- 5，gemini-3-pro-image-preview-2k (nano-banana-pro) 得分 1245 +/- 4，gpt-image-1.5-high-fidelity 得分 1241 +/- 3。圖像編輯排行榜對 Lite 要求更嚴苛：gpt-image-2 (medium) 以 1464 +/- 4 領先，而 Nano Banana 2 Lite 的 1308 +/- 7 將其置於旗艦梯隊之下，但仍屬競爭力的上層群組。

模型	提供方	最佳適用工作負載	公開基準訊號
Nano Banana 2 Lite (gemini-3.1-flash-lite-image)	Google	快速 1K 圖像生成、輕量編輯、高量草稿、互動式產品體驗	Arena.ai 文本轉圖像 Overall 1251 +/- 8；Arena.ai 單圖編輯 1308 +/- 7
Nano Banana 2 / Gemini 3.1 Flash Image	Google	更高品質的 Gemini 3.1 圖像生成、更強的多參考工作、2K/4K 工作流程	Arena.ai 文本轉圖像 Overall 1270 +/- 4；Arena.ai 單圖編輯 1387 +/- 4
Nano Banana Pro / Gemini 3 Pro Image	Google	更高難度的構圖、更豐富脈絡與更高解析度的生產工作	2K 預覽在 Arena.ai 文本轉圖像 Overall 為 1245 +/- 4；Arena.ai 單圖編輯 2K 預覽為 1388 +/- 3
GPT Image 2	OpenAI	當最大基準品質比 Lite 級延遲更重要的高端生成與編輯	引用的 Arena.ai 快照中，文本轉圖像 1387 +/- 5，單圖編輯 1464 +/- 4

選擇 Nano Banana 2 Lite，當產品體驗仰賴速度、成本控制與高頻迭代。它最適合近即時的使用者體驗、草稿生成與 1K 的輕量編輯。

選擇 Nano Banana 2，當你需要更安全的圖像品質預設、4K 輸出、多參考、較強的文字渲染，以及品質與延遲的更佳平衡。它是大多數生產圖像工作流程的通用首選。

選擇 Nano Banana Pro，當任務更接近設計生產而非快速生成：品牌廣告、產品模型、多元素構圖、本地化、精細排版、複雜圖示或需要最高世界知識與創意控制的素材。

如何在 CometAPI 使用 Nano Banana 2 Lite API

步驟 1：註冊並取得 API 金鑰

登入 cometapi.com。若你尚未成為 CometAPI 使用者，請先註冊，然後打開 CometAPI 控制台 Token 頁面。在個人中心的 API token 管理下，點擊 Add Token，生成存取憑證，並複製 sk-xxxxx 格式的金鑰。

請妥善保管此 API 金鑰，並從後端服務或本機環境變數使用。在以下範例中，將 <YOUR_API_KEY> 或 $COMETAPI_KEY 替換為你帳戶中的 CometAPI 金鑰。

步驟 2：向 Nano Banana 2 Lite API 發送請求

選擇 Nano Banana 2 Lite 的 gemini-3.1-flash-lite-image 模型端點。請求經由 CometAPI 的 Gemini 圖像路由發送：

POST https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent

請使用 CometAPI Gemini 圖像文件中的請求方法與請求體。調用位置： Gemini 生成圖像。同一路由支援文本轉圖像、圖像編輯與多圖像工作流程，但 Nano Banana 2 Lite 本身以快速 1K 輸出為優化重點，而非 2K/4K 或複雜的長鏈編輯。

對於文本轉圖像，將文本提示放入 contents.parts.text，並將 generationConfig.responseModalities 設定包含 IMAGE。對於圖像編輯，依照 CometAPI 指南提供輸入圖像，例如透過 Google Gen AI SDK 傳遞本地圖像或依文檔規範的 Gemini 格式提供原始圖像數據，然後加入編輯指令的文本。對於多圖像工作流程，請先上傳或準備源圖像，並依現行文件遵循支援的圖像輸入方式與模型特定限制。

步驟 3：擷取並驗證結果

處理 API 響應以取得生成的圖像。Gemini 的圖像響應可能包含文本部分、最終圖像部分，以及有時帶有 thought: true 標記的中間圖像部分。請勿盲目儲存第一張圖像；略過 thought: true 的部分，並保存最後剩下、具 inlineData 且 thought 不為 true 的圖像部分。

在 CometAPI 的 playground 中，你可直接下載生成的圖像，通常為 PNG 格式。在 API 工作流程中，請解碼並儲存返回的 inlineData 圖像，或在你的選定 CometAPI 工作流程返回結果 URL 時下載之。請即時下載或持久化生成資產，然後檢查最終圖像的解析度、提示遵循性、可見瑕疵、安全要求，以及是否為最終輸出而非中間的思考圖像。

為何在 Nano Banana 2 Lite 上使用 CometAPI？

當團隊需要以一個帳戶與一個路由層整合多款圖像模型時，CometAPI 特別有用。透過 CometAPI 的 Nano Banana 2 Lite，團隊可以運行快速 1K 的 Gemini 圖像生成，比較 Gemini 3.1 Flash Image、Nano Banana Pro、Imagen、Flux、Midjourney 風格路由與其他圖像模型的輸出，並依品質、延遲與成本側寫進行作業路由。

CometAPI 的模型目錄同時提供當前模型 ID、提供方、功能標記、可用性與端點路徑。這可降低需要模型切換、回退、使用追蹤與一致憑證管理的生產應用整合不確定性。

常見問題

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 lite 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 lite 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 lite 的潛力。

POST

/v1beta/models/{model}:generateContent

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {
        "aspectRatio": "1:1",
        "imageSize": "1K"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('$OUTPUT_DIR/gemini-3.1-flash-lite-image.png', 'wb') as f:
            f.write(img)
        print('Image saved to: $OUTPUT_DIR/gemini-3.1-flash-lite-image.png')
"

cURL Code Example

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {
        "aspectRatio": "1:1",
        "imageSize": "1K"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('$OUTPUT_DIR/gemini-3.1-flash-lite-image.png', 'wb') as f:
            f.write(img)
        print('Image saved to: $OUTPUT_DIR/gemini-3.1-flash-lite-image.png')
"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://www.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, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = (
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. "
    "Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
)
aspect_ratio = "1:1"  # "1:1","3:2","2:3","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

response = client.models.generate_content(
    model="gemini-3.1-flash-lite-image",
    contents=[prompt],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio=aspect_ratio, image_size="1K"),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "gemini-3.1-flash-lite-image.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL, apiVersion: "v1beta", timeout: 600000 },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. " +
    "Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","3:2","2:3","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

  const response = await ai.models.generateContent({
    model: "gemini-3.1-flash-lite-image",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: "1K",
      },
    },
  });

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

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "gemini-3.1-flash-lite-image.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();

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 lite 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 →

xAI

Grok-Imagine-Image-2.0

Grok Imagine Image 2.0，其升級版的 AI 圖像生成與編輯模型

查看模型

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。

探索 Gen4-image API。

探索 Gen4-image-turbo API。

查看模型

OpenAI

GPT Image 2.5(sunburst)

探索 GPT Image 2.5(sunburst) API。

查看模型

OpenAI

GPT 4o Image

gpt-4o-image 可生成圖像作為輸出，並可選擇使用圖像作為輸入。

查看模型

服務可用性

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。

gemini-3.1-flash-lite-image

更新

持續追蹤 Nano Banana 2 lite 重要的可用性、價格與功能變動，同時保留穩定的模型頁面。

模型變更記錄

一個隨時間日益完善的頁面。

發布說明、價格變動、基準測試更新與遷移指南都會在此累積，而標準 URL 維持不變。

Jun 30, 2026

API 可用性已確認

Nano Banana 2 lite 可透過 CometAPI 模型目錄和 API 文件使用。

目前

即時資料

價格與限制已從目錄同步

價格、上下文、可用性和限制會被視為動態屬性，而不是嵌入頁面標題或模型識別中。

Jul 1, 2026

已建立永久模型實體

供應商與模型 slug 構成持久的規範 URL；未來的內容和資料更新將保留在此頁面。

持續探索

比較模型,繼續你的研究

Google

可使用熱門

gemini-3.1-flash-lite-image

Nano Banana 2 lite API

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。

起始價格

$0.2 / 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

Jun 30, 2026

Google

互動測試

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

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

$0.0014

預估 CometAPI 使用成本

十次請求

$0.0140

預估 CometAPI 使用成本

十五次請求

$0.0210

預估 CometAPI 使用成本

⇌

積分換算

1,000 積分 = $1

積分使代幣、請求和執行時間計費的預算具有可比性。結算時以美元金額為準。

✓當前模型的積分

輸入

200

積分 / 100 萬代幣

輸出

1,200

積分 / 100 萬代幣

最低收費透明度此原型不假設隱藏的每次請求最低費用。如果適用生產計費下限或最低充值，則必須在購買前顯示並包含在每個預算估算中。

模型	Comet 價格 (美元 / 百萬代幣)	官方價格 (美元 / 百萬代幣)	折扣
gemini-3.1-flash-lite-image	輸入: $0.2000/百萬輸出: $1.20/百萬	輸入: $0.2500/百萬輸出: $1.50/百萬	-20%

模型簡介

穩定的模型身分可供搜尋與評估使用，搭配可能變動的即時目錄資料，無需重寫頁面的核心 SEO 結構。

穩定識別

Nano Banana 2 lite 是什麼？

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。

即使價格與限制有所變動，標準模型身分仍保持穩定。

即時模型資料

目前目錄快照

可用性

可用

起始價格

$0.2 / 100 萬輸入 tokens

上下文

查看功能

目錄日期

Jun 30, 2026

概覽

Nano Banana 2 lite 的實用總覽,涵蓋重要行為與整合注意事項。

Nano Banana 2 Lite API 概覽

技術規格

項目	規格
模型名稱	Nano Banana 2 Lite / Gemini 3.1 Flash Lite Image
API 模型 ID	gemini-3.1-flash-lite-image
CometAPI 模型代碼	gemini-3-1-flash-lite-image
提供方	Google
模型類型	圖像生成與編輯
CometAPI 目錄功能	文本轉圖像
輸入模態	文本與圖像
輸出模態	圖像與文本
CometAPI 端點	POST /v1beta/models/{model}:generateContent
穩定模型 ID	gemini-3.1-flash-lite-image
輸入令牌上限	65,536 tokens
輸出令牌上限	4,096 tokens
輸出解析度	僅 1K / 1024px
支援的長寬比	14 種長寬比，包括 1:1、3:2、2:3、3:4、4:3、4:5、5:4、9:16、16:9、21:9
思考	支援；最小與高

什麼是 Nano Banana 2 Lite？

Nano Banana 2 Lite API 的主要特性

1. 超低延遲，適用互動式圖像工作流程

2. 原生文本轉圖像與圖像轉圖像生成

3. 快速多輪局部圖像編輯

4. 強提示遵循與角色一致性

5. 圖像內文字渲染能力提升

6. 1K 輸出並支援廣泛長寬比

Nano Banana 2 Lite 的基準表現

基準測試	Nano Banana 2 Lite 分數	Arena.ai 排名訊號	票數	意涵
Text-to-Image Arena, Overall	1251 +/- 8	70 款模型中的第 5 名	5,462	作為 Lite 模型，具備強勁的公開圖像生成品質，略低於 mai-image-2.5 與 Nano Banana 2，且高於此快照中的 2K Nano Banana Pro 預覽
Image Edit Arena, Single-Image Edit	1308 +/- 7	49 款模型中的第 15 名	9,320	具競爭力的編輯品質，落後於更重的旗艦圖像模型，但領先許多通用圖像編輯器

如何選擇：Nano Banana 2 Lite vs Nano Banana 2 vs Nano Banana Pro

模型	提供方	最佳適用工作負載	公開基準訊號
Nano Banana 2 Lite (gemini-3.1-flash-lite-image)	Google	快速 1K 圖像生成、輕量編輯、高量草稿、互動式產品體驗	Arena.ai 文本轉圖像 Overall 1251 +/- 8；Arena.ai 單圖編輯 1308 +/- 7
Nano Banana 2 / Gemini 3.1 Flash Image	Google	更高品質的 Gemini 3.1 圖像生成、更強的多參考工作、2K/4K 工作流程	Arena.ai 文本轉圖像 Overall 1270 +/- 4；Arena.ai 單圖編輯 1387 +/- 4
Nano Banana Pro / Gemini 3 Pro Image	Google	更高難度的構圖、更豐富脈絡與更高解析度的生產工作	2K 預覽在 Arena.ai 文本轉圖像 Overall 為 1245 +/- 4；Arena.ai 單圖編輯 2K 預覽為 1388 +/- 3
GPT Image 2	OpenAI	當最大基準品質比 Lite 級延遲更重要的高端生成與編輯	引用的 Arena.ai 快照中，文本轉圖像 1387 +/- 5，單圖編輯 1464 +/- 4

選擇 Nano Banana 2 Lite，當產品體驗仰賴速度、成本控制與高頻迭代。它最適合近即時的使用者體驗、草稿生成與 1K 的輕量編輯。

如何在 CometAPI 使用 Nano Banana 2 Lite API

步驟 1：註冊並取得 API 金鑰

請妥善保管此 API 金鑰，並從後端服務或本機環境變數使用。在以下範例中，將 <YOUR_API_KEY> 或 $COMETAPI_KEY 替換為你帳戶中的 CometAPI 金鑰。

步驟 2：向 Nano Banana 2 Lite API 發送請求

選擇 Nano Banana 2 Lite 的 gemini-3.1-flash-lite-image 模型端點。請求經由 CometAPI 的 Gemini 圖像路由發送：

POST https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent

步驟 3：擷取並驗證結果

為何在 Nano Banana 2 Lite 上使用 CometAPI？

常見問題

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 lite 的範例程式碼和 API

POST

/v1beta/models/{model}:generateContent

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {
        "aspectRatio": "1:1",
        "imageSize": "1K"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('$OUTPUT_DIR/gemini-3.1-flash-lite-image.png', 'wb') as f:
            f.write(img)
        print('Image saved to: $OUTPUT_DIR/gemini-3.1-flash-lite-image.png')
"

cURL Code Example

# Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here

# Output directory
SCRIPT_DIR="$(cd "$(dirname "$0")" && pwd)"
OUTPUT_DIR="$SCRIPT_DIR/../output"
mkdir -p "$OUTPUT_DIR"

curl -s -X POST \
  "https://api.cometapi.com/v1beta/models/gemini-3.1-flash-lite-image:generateContent" \
  -H "Authorization: $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "Da Vinci style anatomical sketch of a dissected Monarch butterfly. Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["TEXT", "IMAGE"],
      "imageConfig": {
        "aspectRatio": "1:1",
        "imageSize": "1K"
      }
    }
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
parts = data['candidates'][0]['content']['parts']
for part in parts:
    if 'text' in part:
        print(part['text'])
    elif 'inlineData' in part:
        img = base64.b64decode(part['inlineData']['data'])
        with open('$OUTPUT_DIR/gemini-3.1-flash-lite-image.png', 'wb') as f:
            f.write(img)
        print('Image saved to: $OUTPUT_DIR/gemini-3.1-flash-lite-image.png')
"

Python Code Example

from google import genai
from google.genai import types
import os

# Get your CometAPI key from https://www.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, "timeout": 600000},
    api_key=COMETAPI_KEY,
)

prompt = (
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. "
    "Detailed drawings of the head, wings, and legs on textured parchment with notes in English."
)
aspect_ratio = "1:1"  # "1:1","3:2","2:3","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

response = client.models.generate_content(
    model="gemini-3.1-flash-lite-image",
    contents=[prompt],
    config=types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],
        image_config=types.ImageConfig(aspect_ratio=aspect_ratio, image_size="1K"),
    ),
)

# Output directory
OUTPUT_DIR = os.path.join(os.path.dirname(__file__), "..", "output")
os.makedirs(OUTPUT_DIR, exist_ok=True)

for part in response.parts:
    if part.text is not None:
        print(part.text)
    elif image := part.as_image():
        output_path = os.path.join(OUTPUT_DIR, "gemini-3.1-flash-lite-image.png")
        image.save(output_path)
        print(f"Image saved to: {output_path}")

JavaScript Code Example

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";
import * as path from "node:path";
import { fileURLToPath } from "node:url";

// Get your CometAPI key from https://www.cometapi.com/console/token, and paste it here
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com";

const __filename = fileURLToPath(import.meta.url);
const __dirname = path.dirname(__filename);

async function main() {
  const ai = new GoogleGenAI({
    apiKey: COMETAPI_KEY,
    httpOptions: { baseUrl: BASE_URL, apiVersion: "v1beta", timeout: 600000 },
  });

  const prompt =
    "Da Vinci style anatomical sketch of a dissected Monarch butterfly. " +
    "Detailed drawings of the head, wings, and legs on textured parchment with notes in English.";
  const aspectRatio = "1:1"; // "1:1","3:2","2:3","3:4","4:3","4:5","5:4","9:16","16:9","21:9"

  const response = await ai.models.generateContent({
    model: "gemini-3.1-flash-lite-image",
    contents: prompt,
    config: {
      responseModalities: ["TEXT", "IMAGE"],
      imageConfig: {
        aspectRatio: aspectRatio,
        imageSize: "1K",
      },
    },
  });

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

  for (const part of response.candidates[0].content.parts) {
    if (part.text) {
      console.log(part.text);
    } else if (part.inlineData) {
      const imageData = part.inlineData.data;
      const outputPath = path.join(outputDir, "gemini-3.1-flash-lite-image.png");
      const buffer = Buffer.from(imageData, "base64");
      fs.writeFileSync(outputPath, buffer);
      console.log(`Image saved to: ${outputPath}`);
    }
  }
}

main();