Nano Banana Pro

Funciones básicas

• Texto → Imagen: generación completamente guiada por el prompt con fuerte adherencia al prompt.
• Imagen → Imagen (ediciones): ediciones finas y específicas manteniendo la consistencia del sujeto/personaje a lo largo de múltiples ediciones.
• Resolución máxima de salida: hasta 4K (los ejemplos y los tamaños exactos de píxeles admitidos dependen de la relación de aspecto; la API ofrece presets 1K/2K/4K).
• Planificación iterativa y autocorrección: un pipeline interno “multietapa” que detecta y corrige errores visuales comunes (perspectiva, texto, geometría fina).
• Renderizado avanzado de texto en imagen: texto multilingüe claro y legible (de subtítulos cortos a párrafos largos) adecuado para carteles, maquetas e infografías.
• 5 personajes y fidelidad para hasta 14 objetos/imágenes de referencia en un único flujo de trabajo.
• Marca de agua / procedencia: todas las imágenes generadas incluyen una marca de agua SynthID; el modelo incrusta metadatos C2PA para procedencia en algunas integraciones de producto.

Versiones y nomenclatura de Gemini 3 Pro Image

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

Detalles técnicos

Arquitectura

• Linaje / backbone: Nano Banana Pro está construido sobre el stack de imagen Gemini en evolución de Google — específicamente la nueva arquitectura Gemini 3 Pro Image / GEMPIX 2 (un marco multimodal imagen+texto de mayor capacidad). Es una evolución desde Gemini 2.5 Flash Image (el “nano-banana” original) hacia un modelo de imagen nativamente multimodal con capacidades ampliadas de razonamiento visión-lenguaje.
• Comportamiento del modelo: multimodalidad nativa (imagen + texto + conocimiento del mundo), pipelines explícitos para fusión multiimagen y un planificador por etapas interno que refina salidas en múltiples pasadas en lugar de producir una única muestra estática. Informes tempranos señalan un razonamiento geométrico/óptico más fuerte (vidrio, refracción) frente a versiones anteriores.
• Pensamiento / refinamiento interno: el modelo utiliza un proceso visible de “pensamiento” internamente para refinar la composición (la API documenta este comportamiento y señala que esos pasos internos no se cobran como tokens de imagen finales).
• Grounding y herramientas: admite Search grounding (puede incorporar hechos de la web en la generación de diagramas/infografías). También admite instrucciones de sistema para un control más determinista.

Parámetros clave de la API:

• thinking_level (low / high) para equilibrar latencia frente a profundidad de razonamiento;
• media_resolution (low/medium/high) para controlar los tokens de lectura de OCR/detalle de la imagen;
• generationConfig.imageConfig para controlar la relación de aspecto/resolución en las salidas de imagen.

Límites de imagen:

• Modalidades de entrada admitidas: texto e imágenes (el modelo no acepta audio ni video como entradas para generación de imágenes).
• Máximo de imágenes por prompt: 14 (para la vista previa de Gemini 3 Pro Image).
• Tamaño máximo de imagen (carga): 7 MB por imagen de entrada.
• Relaciones de aspecto admitidas: 1:1, 3:2, 16:9, 9:16, 21:9, etc.

Imágenes de salida / tokens: límites altos, con 4K/4096px admitidos.

Rendimiento en benchmarks

Resumen breve: los benchmarks públicos/tempranos hasta ahora son mayormente cualitativos / impulsados por la comunidad, pero reportan de forma consistente mejoras sustanciales en resolución, reducción de artefactos y fidelidad física frente al nano-banana original (Gemini 2.5 Flash Image). “Retos” específicos nombrados han mostrado claros avances visuales, pero aún no hay tablas numéricas estandarizadas (públicas) de Google comparando v1 → v2 en métricas estándar de generación de imágenes.

• Pruebas cualitativas de la comunidad: bordes más limpios, microdetalles más nítidos, colores más fieles y mayor adherencia al prompt (menos accesorios alucinados, personajes más consistentes). Pruebas informales populares incluyen la llamada “Wine Glass Test” y “Glass Burger Challenge”, donde GEMPIX2 (Nano Banana Pro) maneja transparencia y refracción marcadamente mejor que compilaciones anteriores.
• Manejo de texto: Nano Banana Pro muestra mejoras visibles en tipografía y colocación de texto dentro de las imágenes (una debilidad persistente para muchos modelos de imagen). Comparativas comunitarias indican menos glifos renderizados de forma ilegible.
• Rendimiento / UX: mayor velocidad de iteración y una UX que realiza refinamiento multietapa en el back end para que los usuarios vean resultados de primera pasada más confiables (reduciendo reintentos manuales).

Limitaciones y riesgos

• Filtros y detección de contenido: las plataformas que integran el modelo (p. ej., Whisk/aplicaciones de terceros) pueden habilitar detección estricta de celebridades o parecidos y bloquear ciertos resultados, lo que afecta a flujos creativos que dependen de parecidos realistas de celebridades.
• Alucinaciones / casos límite de razonamiento: aunque mejorado, el modelo aún puede producir artefactos físicamente poco realistas, especialmente con texto simbólico denso dentro de imágenes o diagramas altamente técnicos — si bien NB2 parece reducir estos errores respecto a versiones anteriores.
• Seguridad y uso indebido: los modelos generativos de imagen pueden usarse para crear contenido problemático o dañino. Google aplica restricciones, filtros de contenido y la marca de agua SynthID para ayudar con la procedencia; no obstante, se han producido usos indebidos (controversia de alto perfil vinculada a una imagen generada por Nano Banana en un contexto políticamente sensible).

Cómo se compara Nano Banana Pro con otros modelos

• Nano Banana Pro (GEMPIX 2 / Gemini 3 Pro Image) — fuerte integración móvil, fusión multiimagen, autocorrección iterativa, 2K nativo/escalado a 4K, estrechamente integrado en las apps de Google (Search, Photos, Workspace/Gemini). Ideal para flujos que requieren ediciones confiables, continuidad e integración con servicios de Google.
• Midjourney — destaca en salidas artísticas estilizadas y en ingeniería de prompts impulsada por la comunidad; normalmente no se orienta a fusión multiimagen foto-precisa ni a pipelines de edición multimodal profundos.
• Stable Diffusion / pesos abiertos — totalmente abierto, altamente personalizable y hospedable localmente; el ecosistema de checkpoints y fine-tuning es una ventaja decisiva para investigación y uso sin conexión. Menos integración móvil “one‑click” y menos coherencia de edición multiimagen out‑of‑the‑box que Nano Banana Pro.
• Seedream 4.0 (ByteDance) — recientemente posicionado explícitamente como competidor de Nano Banana, enfatizando renderizado ultrarrápido, salida 2K y soporte para muchas imágenes de referencia (hasta seis). Posicionado como alternativa para profesionales/creadores.

(Estas comparativas son de alto nivel; elige la herramienta que se ajuste a tu flujo de trabajo: apertura/personalización → Stable Diffusion; arte estilizado → Midjourney; edición móvil integrada y consistente con iteración agresiva → familia Nano Banana Pro/Gemini 3 Pro Image).

Casos de uso reales

• Edición de fotos móviles y filtros creativos (integraciones con Google Photos — restyling, fusión de fondo, recomposición de retratos).
• Marketing y recursos publicitarios — generación rápida de conceptos, personajes de marca consistentes en múltiples fotogramas/ángulos.
• Arte conceptual y storyboard — la fusión multiimagen ayuda a mantener la continuidad de personajes entre paneles.
• Comercio electrónico / maquetas de producto — genera tomas de producto consistentes en distintos contextos/condiciones de iluminación.
• Prototipado rápido para recursos de AR/VR — salidas 2K/4K de alta calidad que pueden escalarse para usos inmersivos.
• Cómo acceder a la API de gemini-3-pro-image (Nano Banana Pro)

Pasos necesarios

• Inicia sesión en cometapi.com. Si aún no eres usuario, regístrate primero
• Obtén la clave API de credenciales de acceso de la interfaz. Haz clic en “Add Token” en el token de API en el centro personal, obtén la clave del token: sk-xxxxx y envíala.
• Obtén la URL de este sitio: https://api.cometapi.com/

Método de uso

1. Selecciona el endpoint “gemini-3-pro-image” para enviar la solicitud a la API y configura el cuerpo de la solicitud. El método y el cuerpo de la solicitud se obtienen de la documentación de la API en nuestro sitio web. Nuestro sitio también proporciona pruebas en Apifox para tu comodidad.
2. Sustituye <YOUR_API_KEY> por tu clave real de CometAPI de tu cuenta.
3. Inserta tu pregunta o solicitud en el campo de contenido — esto es a lo que responderá el modelo.
4. Procesa la respuesta de la API para obtener la respuesta generada.

CometAPI proporciona una API REST totalmente compatible — para una migración sin fricciones. Detalles clave:

• Base URL: https://api.cometapi.com/v1beta/models/gemini-3-pro-image-preview:generateContent
• Nombres de modelo: gemini-3-pro-image
• Autenticación: encabezado Bearer YOUR_CometAPI_API_KEY
• Content-Type: application/json .