Nano Banana Pro

基本功能

• 文字 → 影像：完全由提示詞驅動的生成，對提示詞高度遵循。
• 影像 → 影像（編輯）：精細、針對性的編輯，且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 4K（示例與支援的精確像素尺寸取決於長寬比；API 提供 1K/2K/4K 預設）
• 迭代規劃與自我校正：內部「多階段」流程，可偵測並修正常見視覺錯誤（透視、文字、精細幾何）。
• 進階影像內文字渲染：清晰易讀的多語文字（從短標語到長段落），適用於海報、模型稿與資訊圖。
• 在單一流程中支援 5 位角色，並可對多達 14 個物件/參考圖片 保持忠實度。
• **浮水印 / 來源資訊：**所有生成影像皆包含 SynthID 浮水印；模型在部分產品整合中嵌入 C2PA 後設資料以提供來源證明。

Gemini 3 Pro Image 版本與命名

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

技術詳情

架構

• 傳承 / 主幹：Nano Banana Pro 建立於 Google 不斷演進的 Gemini 影像技術棧之上——具體為全新 Gemini 3 Pro Image / GEMPIX 2 架構（更高容量的影像+文字多模態框架）。其自 Gemini 2.5 Flash Image（原始「nano-banana」）演進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），具備多影像融合的明確流程，並透過內部分階段規劃器多次細化輸出，而非一次生成單一靜態樣本。早期回報顯示相較先前版本在幾何/光學推理（玻璃、折射）上更強。
• 思考 / 內部細化：模型會在內部以可見的「thinking」過程細化構圖（API 有記載此行為，並指出這些內部步驟不計入最終影像 tokens）。
• Grounding 與工具：支援 Search grounding（可將網路事實納入圖表/資訊圖生成）。亦支援系統指令以獲得更確定性的控制。

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/細節讀取 tokens；
• generationConfig.imageConfig：用於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（模型不接受音訊或影片作為影像生成輸入）。
• **每次提示的最大影像數：**14（適用於 Gemini 3 Pro Image preview）。
• **最大影像大小（上傳）：**每張輸入影像 7 MB。
• **支援的長寬比：**1:1、3:2、16:9、9:16、21:9 等。

**輸出影像 / tokens：**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/社群驅動，但相較原始 nano-banana（Gemini 2.5 Flash Image）在解析度、偽影減少與物理真實度上持續被回報有顯著提升。若干具名「挑戰」測試顯示視覺表現明顯進步；但 Google 尚未公開提供針對標準影像生成指標、v1 → v2 的對照數值化基準表。

• **定性社群測試：**邊緣更乾淨、微細節更銳利、色彩更準確，且對提示詞更忠實（較少憑空產生的道具，更一致的角色）。熱門非正式測試包括所謂的「Wine Glass Test」與「Glass Burger Challenge」，在這些測試中 GEMPIX2（Nano Banana Pro）對透明與折射的處理明顯優於早期版本。
• **文字處理：**Nano Banana Pro 在影像內的字型呈現與文字排放明顯改善（這一直是多數影像模型的弱項）。社群對比顯示渲染錯字/亂字更少。
• **吞吐量 / 使用體驗：**更快的迭代速度，後端進行多階段細化，讓使用者在首輪就看到更可靠的結果（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肖像偵測並封鎖特定輸出，影響仰賴真實名人肖像的創作流程。
• **幻覺 / 推理邊緣情境：**雖然已有改進，模型仍可能產生物理不合理的偽影，尤其在影像內含密集符號文字或高度技術性的圖表時——然而 NB2 相較早期版本似乎降低了這類錯誤。
• **安全與濫用：**生成式影像模型可能被用於製作有問題或有害內容。Google 施加限制、內容過濾與 SynthID 浮水印以協助來源驗證；儘管如此，仍曾發生濫用事件（某起涉及 Nano Banana 生成影像的政治敏感爭議）。

Nano Banana Pro 與其他模型的比較

• Nano Banana Pro（GEMPIX 2 / Gemini 3 Pro Image）——強項為行動端整合、多影像融合、迭代自我校正、2K 原生/4K 放大，並與 Google 應用（Search、Photos、Workspace/Gemini）緊密整合。適合需要可靠編輯、連貫性與 Google 生態整合的流程。
• Midjourney——擅長風格化藝術輸出與社群驅動的提示工程；通常不以照片級多影像融合或深度多模態編輯為主。
• Stable Diffusion / 開源權重——完全開放、高度可自訂、可在本地部署；檢查點與微調生態對研究與離線使用具決定性優勢。相較 Nano Banana Pro，行動端「一鍵式」整合較少，開箱即用的多影像編輯一致性也較不穩。
• Seedream 4.0（ByteDance）——近期明確定位為 Nano Banana 競品，強調超快渲染、2K 輸出，並支援多張參考圖（最多六張）。面向專業/創作者的替代方案。

（以上比較為高層概述；請依工作流程選擇工具：開放性/可自訂性 → Stable Diffusion；風格化藝術 → Midjourney；整合度高、在行動端具一致編輯與積極迭代 → Nano Banana Pro / Gemini 3 Pro image 系列。）

實際應用場景

• 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/角度維持一致的品牌角色。
• 概念設計與分鏡——多影像融合有助於跨畫面保持角色連貫性。
• 電商/產品模型圖——在不同情境/光照下生成一致的產品照片。
• AR/VR 資產快速原型——高品質 2K/4K 輸出，可再放大用於沉浸式體驗。
• 如何使用 gemini-3-pro-image（Nano Banana Pro） API

必要步驟

• 登入 cometapi.com。若您尚未成為用戶，請先註冊。
• 取得介面的存取憑證 API 金鑰。在個人中心的 API token 處點選「Add Token」，取得金鑰：sk-xxxxx 並提交。
• 取得本站網址：https://api.cometapi.com/

使用方法

1. 選擇 “gemini-3-pro-image” endpoint 送出 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。我們也提供 Apifox 測試以利使用。
2. 將 <YOUR_API_KEY> 替換為您帳戶中的實際 CometAPI 金鑰。
3. 將您的問題或請求放入 content 欄位——模型會回應該內容。
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 標頭
• Content-Type：application/json .