Nano Banana Pro

基本功能

• 文字 → 圖像：完全由提示驅動的生成，對提示高度遵從。
• 圖像 → 圖像（編輯）：精細、精準的修改，在多次編輯中維持主體/角色的一致性。
• **最大輸出解析度：**最高可達 4K（示例與支援的精確像素尺寸依寬高比而定；API 提供 1K/2K/4K 預設）
• 迭代規劃與自我修正：內部「多階段」流程，可檢測並修正常見的視覺錯誤（透視、文字、精細幾何）。
• 進階的圖中文字渲染：清晰可讀的多語言文字（從短標題到長段落），適用於海報、模型稿與資訊圖表。
• 5 個角色，並可在單一流程中對最多 14 個物件/參考圖像保持高保真度。
• **浮水印 / 溯源：**所有生成圖像均包含 SynthID 浮水印；模型在部分產品整合中嵌入 C2PA 中繼資料以提供溯源。

Gemini 3 Pro Image 版本與命名

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

技術細節

架構

• 系譜 / 主幹：Nano Banana Pro 建構於 Google 不斷演進的 Gemini 影像技術堆疊之上——具體而言是新的 Gemini 3 Pro Image / GEMPIX 2 架構（更高容量的多模態影像＋文字框架）。它是從 Gemini 2.5 Flash Image（原始「nano-banana」）演進而來，成為原生多模態的影像模型，並擴展視覺—語言推理能力。
• 模型行為：原生多模態（影像＋文字＋世界知識），針對多影像融合的明確管線，以及內部分階段規劃器，透過多次修正來完善輸出，而非僅生成單一靜態樣本。早期報告顯示，相較先前版本，在幾何/光學推理（玻璃、折射）方面更強。
• 思考 / 內部精修：模型使用可見的「思考」過程在內部優化構圖（API 文件記載此行為，並指出這些內部步驟不計入最終影像代幣）。
• 對齊與工具：支援 Search grounding（可在圖表/資訊圖生成中納入網路事實）。同時支援系統指令以提供更確定性的控制。

關鍵 API 參數：

• thinking_level（low / high）：在延遲與推理深度之間取捨；
• media_resolution（low/medium/high）：控制影像 OCR/細節閱讀代幣；
• generationConfig.imageConfig：控制輸出影像的寬高比/解析度。

影像限制：

• **支援的輸入模態：**文字與圖像（模型不接受音訊或影片作為影像生成輸入）。
• **每次提示的最大圖像數：**14（適用於 Gemini 3 Pro Image 預覽版）。
• **最大圖像大小（上傳）：**每張輸入圖像 7 MB。
• **支援的寬高比：**1:1、3:2、16:9、9:16、21:9 等。

**輸出影像 / 代幣：**上限較高，支援 4K/4096px。

基準表現

**簡短摘要：**目前公開/早期基準大多為定性/社群驅動，但一致報告與原始 nano-banana（Gemini 2.5 Flash Image）相比，在解析度、偽影減少與物理保真度方面有顯著提升。特定命名的「挑戰」已顯示明確的視覺增益，但目前尚無（公開的）由 Google 提供、涵蓋標準影像生成指標的 v1 → v2 數值化基準表。

• 定性社群測試：邊緣更乾淨、微細細節更銳利、色彩更準確，且對提示的遵從度更高（較少臆造道具、角色更一致）。常見的非正式測試包括「紅酒杯測試」與「玻璃漢堡挑戰」，其中 GEMPIX2（Nano Banana Pro）對透明度與折射的處理明顯優於早期版本。
• 文字處理：Nano Banana Pro 在影像中的字體與文字排布有明顯改善（這一直是多數影像模型的弱項）。社群比較顯示，渲染字形更少錯亂。
• 吞吐量 / 使用體驗：更快的迭代速度與後端的多階段精修，使使用者在第一版結果上更可靠（減少手動重試）。

限制與風險

• 內容過濾與偵測：整合該模型的平台（如 Whisk/第三方應用）可能啟用嚴格的名人或相似度偵測並封鎖特定輸出，這會影響依賴逼真名人相似度的創作流程。
• 幻覺 / 推理邊界情境：雖然有所改善，模型仍可能產生物理上不合理的偽影，尤其在圖中密集的符號文字或高度技術性的圖表中——不過與早期版本相比，NB2 似乎降低了這些錯誤。
• **安全與濫用：**生成式影像模型可能被用於創造有問題或有害內容。Google 施加限制、內容過濾與 SynthID 浮水印以協助溯源；然而，濫用仍曾發生（與 Nano Banana 生成影像在政治敏感情境中引發的高聲量爭議相關）。

Nano Banana Pro 與其他模型的比較

• Nano Banana Pro（GEMPIX 2 / Gemini 3 Pro Image） — 強大的行動端整合、多影像融合、迭代自我修正、原生 2K 與 4K 超採樣，與 Google 應用（Search、Photos、Workspace/Gemini）緊密整合。最適合需要可靠編輯、連貫性與與 Google 服務整合的工作流程。
• Midjourney — 擅長風格化藝術輸出與社群驅動的提示工程；不以照片準確的多影像融合或深度多模態編輯管線為主要目標。
• Stable Diffusion / 開源權重 — 完全開放、高度可自訂，並可在本地部署；檢查點與微調的生態系是研究與離線使用的決定性優勢。相較 Nano Banana Pro，行動端的一鍵整合較弱，且開箱即用的多影像編輯一致性較不穩定。
• Seedream 4.0（ByteDance） — 近來明確定位為 Nano Banana 競品，強調超快速渲染、2K 輸出，並支援多參考圖（最多六張）。定位為專業/創作者的替代方案。

（這些比較屬於高階概覽；請依工作流程選擇適合的工具：開放性/自訂性 → Stable Diffusion；風格化藝術 → Midjourney；整合完善、行動端一致的編輯並具強力迭代 → Nano Banana Pro / Gemini 3 Pro Image 系列。）

真實世界用例

• 行動照片編輯與創意濾鏡（Google Photos 整合——風格變換、背景融合、人像重構）。
• 行銷與廣告素材——快速概念生成，在多個畫面/角度維持一致的品牌角色。
• 概念美術與分鏡——多影像融合有助於在多個分格中保持角色連貫性。
• 電商 / 產品模型——在不同情境/光線條件下生成一致的產品照片。
• AR/VR 素材的快速原型——高品質的 2K/4K 輸出，可進一步超採樣用於沉浸式用途。
• 如何存取 gemini-3-pro-image（Nano Banana Pro） API

必要步驟

• 登入 cometapi.com。如果您尚未成為我們的使用者，請先註冊。
• 取得介面存取憑證 API key。在個人中心的 API token 處點選「Add Token」，取得 token 金鑰：sk-xxxxx，並提交。
• 取得本站的 URL：https://api.cometapi.com/

使用方法

1. 選擇「gemini-3-pro-image」端點以傳送 API 請求並設定請求本文。請求方法與請求本文可於我們網站的 API 文件取得。我們的網站也提供 Apifox 測試，方便您使用。
2. 將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。
3. 將您的問題或請求填入 content 欄位——模型會根據該內容回應。
4. 處理 API 回應以取得生成的答案。

CometAPI 提供完全相容的 REST API——以達到無縫遷移。關鍵細節：

• Base URL：https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
• Model Names：gemini-3-pro-image
• Authentication： Bearer YOUR_CometAPI_API_KEY header
• Content-Type：application/json 。