Nano Banana Pro

基本功能

• 文字 → 影像：以完整提示詞驅動的生成，對提示詞高度遵循。
• 影像 → 影像（編輯）：細緻、精準的定向編輯，並在多次編輯中維持主體/角色一致性。
• **最大輸出解析度：**最高至 4K（實際支援的像素尺寸取決於長寬比；API 提供 1K/2K/4K 預設）
• 迭代規劃與自我修正：內部「多階段」流程，可偵測並修正常見的視覺錯誤（透視、文字、精細幾何）。
• 進階影像內文字渲染：清晰可讀的多語種文字（從短標語到長段落），適用於海報、模型稿與資訊圖表。
• 5 位角色，以及在單一工作流程中可處理最多 14 個物件/參考影像，並保持保真度。
• 浮水印/溯源：所有生成影像皆包含 SynthID 浮水印；在部分產品整合中，模型會嵌入 C2PA 中介資料以供溯源。

Gemini 3 Pro Image 版本與命名

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

技術細節

架構

• 譜系/骨幹：Nano Banana Pro 建立在 Google 不斷演進的 Gemini 影像技術堆疊之上——具體為全新的 Gemini 3 Pro Image / GEMPIX 2 架構（更高容量的影像+文字多模態框架）。這是從 Gemini 2.5 Flash Image（原始的「nano-banana」）演進而來，成為原生多模態影像模型，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）、明確的多影像融合流程，以及內部分階段規劃器，會在多次通過中反覆精修輸出，而非一次產生靜態樣本。早期報告指出，相較先前版本，幾何/光學推理（玻璃、折射）更強。
• 思考/內部精修：模型會在內部使用可見的「思考」流程來優化構圖（API 文件記載此行為，且這些內部步驟不會計入最終影像 Token）。
• 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）。亦支援系統指令以獲得更具決定性的控制。

關鍵 API 參數：

• thinking_level（low / high），在延遲與推理深度間取捨；
• media_resolution（low/medium/high），控制影像 OCR/細節閱讀 Token；
• generationConfig.imageConfig 控制輸出影像的長寬比/解析度。

影像限制：

• **支援的輸入模態：**文字與影像（模型不接受音訊或視訊作為影像生成的輸入）。
• **每個提示的最大圖片數：**14（適用於 Gemini 3 Pro Image preview）。
• **最大圖片大小（上傳）：**每張 7 MB。
• **支援的長寬比：**1:1、3:2、16:9、9:16、21:9 等。

**輸出影像/Token：**上限較高，支援 4K/4096px。

基準表現

**簡短摘要：**目前公開/早期基準多為定性與社群回饋，但一致指出相較原始 nano-banana（Gemini 2.5 Flash Image），在解析度、偽影減少與物理保真度上有顯著提升。特定命名的「挑戰」測試顯示明顯進步，不過 Google 尚未公開以標準影像生成指標比較 v1 → v2 的數值化表格。

• 社群定性測試：邊緣更乾淨、微小細節更銳利、色彩更準確，且對提示詞的忠實度更高（較少臆造道具，更一致的角色）。常見的非正式測試包括所謂的「Wine Glass Test」與「Glass Burger Challenge」，GEMPIX2（Nano Banana Pro）在透明與折射處理上明顯優於較早版本。
• 文字處理：Nano Banana Pro 在影像內的字體排印與文字定位顯著改善（這一直是許多影像模型的弱項）。社群對比顯示較少渲染錯亂的字形。
• 吞吐量/使用者體驗：迭代速度更快，且在後端執行多階段精修，讓使用者第一輪就能看到更可靠的結果（減少手動重試）。

限制與風險

• 內容篩選與偵測：整合該模型的平台（例如 Whisk/第三方應用）可能啟用嚴格的名人或肖像相似度偵測並封鎖特定輸出，影響依賴逼真名人相似度的創作流程。
• 幻覺/推理邊界情境：雖已改善，模型仍可能產生物理上不合理的偽影，特別是在影像內含密集符號文字或高度技術性的圖表時——然而相較早期版本，NB2 似乎降低了這些錯誤。
• **安全與誤用：**生成式影像模型可能被用於製造問題或有害內容。Google 施加限制、內容篩選，並以 SynthID 浮水印輔助溯源；儘管如此，仍曾發生誤用（曾有在政治敏感情境中，由 Nano Banana 生成影像引發的高關注爭議）。

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/支援 4K 放大，並與 Google 應用（Search、Photos、Workspace/Gemini）深度整合。最適合需要可靠編輯、連貫性與 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；通常不以照片級準確的多影像融合或深度多模態編輯流程為目標。
• Stable Diffusion / 開放權重——完全開放、高度可自訂，且可在本地部署；檢查點與微調的生態系在研究與離線使用上是決定性優勢。相較 Nano Banana Pro，行動端「一鍵」整合較少，且開箱即用的多影像編輯一致性較弱。
• Seedream 4.0 (ByteDance)——近期明確定位為 Nano Banana 的競品，強調極速渲染、2K 輸出，以及多參考影像（最多六張）。定位為專業/創作者的替代方案。

（以上比較屬高層級；請依你的工作流程選擇合適工具：重視開放性/可自訂性 → Stable Diffusion；風格化藝術 → Midjourney；整合度高、行動端一致編輯與積極迭代 → Nano Banana Pro / Gemini 3 Pro image 系列。）

實際使用情境

• 行動相片編輯與創意濾鏡（Google Photos 整合——風格重塑、背景融合、人像重構）。
• 行銷與廣告素材——快速概念生成，於多個畫面/角度保持一致的品牌角色。
• 概念藝術與分鏡——多影像融合有助於在多個分鏡中保持角色連貫性。
• 電商/產品模型稿——在不同情境/光照下生成一致的產品照。
• AR/VR 資產快速原型——高品質 2K/4K 輸出，可進一步放大以用於沉浸式體驗。
• 如何存取 gemini-3-pro-image(Nano Banana Pro) API

必要步驟

• 登入 cometapi.com。若你尚未成為我們的使用者，請先註冊。
• 取得該介面的存取憑證 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。
• 取得本站的網址：https://api.cometapi.com/

使用方法

1. 選擇 “gemini-3-pro-image” 端點送出 API 請求並設定請求內容。請求方法與 Body 可從我們網站的 API 文件取得；網站亦提供 Apifox 測試以利使用。
2. 將 <YOUR_API_KEY> 替換為你帳戶中的實際 CometAPI 金鑰。
3. 將你的問題或請求插入 content 欄位——模型會回應這段內容。
4. 處理 API 回應以取得生成的答案。

CometAPI 提供完全相容的 REST API——以便無縫遷移。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