Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.
Ausgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.
Google nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.
Bis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.
Grounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.
Die dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.
Bearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.
Die API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.
Stellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.
", "aboutText": "Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.\n\nAusgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.\n\nGoogle nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.\n\nBis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.\n\nGrounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.\n\nDie dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.\n\nBearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.\n\nDie API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.\n\nStellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Create a simple bicycle-care infographic\n\nCreate one portrait infographic teaching three bicycle checks before a short ride: tires, brakes and chain. Use three large illustrated steps in that order, a warm ivory background and dark green accents. Include only these headings: 'TIRES', 'BRAKES', 'CHAIN'. Leave generous space around each heading and keep the illustrations clearly separated.One portrait image with three ordered illustrated steps and the three exact, readable headings.Inspect the rendered image for heading spelling, order and clear separation of the three checks.gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image) erzeugt und bearbeitet Bilder im Gespräch. Es unterstützt Text und visuelle Quellen, Ausgaben in 0.5K–4K, die Komposition aus Referenzbildern und Such-Grounding für Produktszenen, Infografiken und iterative visuelle Arbeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.
Ausgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.
Google nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.
Bis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.
Grounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.
Die dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.
Bearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.
Die API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.
Stellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.
POST /v1/images/generationstextimage, text| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.1-flash-image | Standard— |
Feldprompt | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldn | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 | Standard1 |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits url, b64_json | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldsize | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldquality | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldbackground | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_format | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_compression | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmoderation | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinput_fidelity | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstyle | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldpartial_images | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text zu Bild · Erforderlich: prompt
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragmodel, prompt |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/images/generationsAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationUltra | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.0010000 / 1K Tokens Ausgabe · Ausgabetoken $0.006000 / 1K Tokens Ausgabe · Bildausgabe $0.12000 / 1K Tokens Ausgabe · Websuche $0.028 pro Websuche |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-flash-image", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'gemini-3.1-flash-image', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "gemini-3.1-flash-image", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nLaden Sie jedes zurückgegebene Bild herunter oder speichern Sie seinen Base64-Inhalt
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Speichern Sie jedes fertiggestellte Bild; rufen Sie jede zurückgegebene URL ab oder dekodieren Sie seinen Base64-Inhalt.
Jedes Datenelement speichern. Jedes b64_json dekodieren oder jede zurückgegebene signierte URL abrufen. Die Dateiendung anhand des tatsächlichen MIME-Typs bzw. der Bytes wählen.
Wenn das Ergebnis einer Bildgenerierung oder -bearbeitung geprüft werden muss, die ursprüngliche operation_id/X-Client-Request-ID und die zurückgegebenen Ergebnisinformationen aufbewahren. Bereits vorhandene eigene Ergebnisse über die Medienbibliothek anhand tatsächlicher task_id- oder asset_id-Werte wiederherstellen. Die Generierungs-/Bearbeitungsanfrage nicht erneut senden und keine Abfrage-URL aus operation_id bilden.
| Feld | Typ |
|---|---|
Feldcreated | Typinteger |
Felddata[].url | Typstring |
Felddata[].b64_json | Typbase64 string |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Ailoot gemini-3.1-flash-image
Ailoot Ultra google/gemini-3.1-flash-image
/v1/images
google/gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image) erzeugt und bearbeitet Bilder im Gespräch. Es unterstützt Text und visuelle Quellen, Ausgaben in 0.5K–4K, die Komposition aus Referenzbildern und Such-Grounding für Produktszenen, Infografiken und iterative visuelle Arbeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.
Ausgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.
Google nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.
Bis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.
Grounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.
Die dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.
Bearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.
Die API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.
Stellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.1-flash-image | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.006 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens Ausgabe · Bildausgabetoken $0.12 / 1K Bild-Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.006 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
| Konfiguration | Abrechnungsbedingungen | Gebühr |
|---|---|---|
| KonfigurationGoogle: Nano Banana 2 (Gemini 3.1 Flash Image) · Standardkonfiguration | AbrechnungsbedingungenStandardkonfiguration | Gebühr Eingabe · Eingabetoken $ 0,001 / 1K Tokens Ausgabe · Ausgabetoken $ 0,006 / 1K Tokens Ausgabe · Ausgabebild $ 0,12 / 1K Tokens Ausgabe · Websuche $ 0,028 pro Suche |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-flash-image", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-flash-image',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-flash-image',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.1-flash-image
Ailoot Ultra google/gemini-3.1-flash-image
/v1/images
google/gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image) erzeugt und bearbeitet Bilder im Gespräch. Es unterstützt Text und visuelle Quellen, Ausgaben in 0.5K–4K, die Komposition aus Referenzbildern und Such-Grounding für Produktszenen, Infografiken und iterative visuelle Arbeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.
Ausgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.
Google nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.
Bis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.
Grounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.
Die dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.
Bearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.
Die API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.
Stellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.
POST /v1/images/generationstext, imageimage| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.1-flash-image | Standard— |
Feldprompt | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldresolution | Typstring | AnforderungOptional | Werte und Limits 512, 1K, 2K, 4K | Standard— |
Feldaspect_ratio | Typstring | AnforderungOptional | Werte und Limits 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9, 21:9 | Standard— |
Feldn | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Maximum: 1 | Standard— |
Feldinput_references | Typarray | AnforderungOptional | Werte und Limits Mindestanzahl Elemente: 0 Maximale Anzahl Elemente: 14 | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, prompt |
Parametermaterial_types | Vertragtext, image |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Prognostizierte Menge | Gebühr |
|---|---|---|---|
| KonfigurationBasistarife für Tokens | TarifstaffelGrundtarif | Prognostizierte Menge— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben · Schätzung nur zum Vergleich — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Tokens |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.49152 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'google/gemini-3.1-flash-image', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nLaden Sie jedes zurückgegebene Bild herunter oder speichern Sie seinen Base64-Inhalt
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nSpeichern Sie jedes fertiggestellte Bild; rufen Sie jede zurückgegebene URL ab oder dekodieren Sie seinen Base64-Inhalt.
Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern.
Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task_id-/asset_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern.
| Feld | Typ |
|---|---|
Feldcreated | Typ |
Felddata[].url | Typ |
Felddata[].b64_json | Typ |
Feldusage | Typ |
Ailoot gemini-3.1-flash-image
Ailoot Ultra google/gemini-3.1-flash-image
/v1/images
google/gemini-3.1-flash-imageNano Banana 2 (Gemini 3.1 Flash Image) erzeugt und bearbeitet Bilder im Gespräch. Es unterstützt Text und visuelle Quellen, Ausgaben in 0.5K–4K, die Komposition aus Referenzbildern und Such-Grounding für Produktszenen, Infografiken und iterative visuelle Arbeit.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Nano Banana 2 ist Googles Modell Gemini 3.1 Flash Image für native Bilderzeugung und Bearbeitung im Gespräch. Sein Entwurf betont effiziente visuelle Erzeugung und wiederholte Überarbeitungen. Das dokumentierte API-Profil verarbeitet Text, Bilder, Video und PDF und gibt Bild und Text aus. Es ist eine eigenständig benannte Edition gegenüber Gemini Nano Banana 2.1 und keine Bezeichnung für jedes spätere Nano Banana-Update.
Ausgabegrößen umfassen 0.5K, 1K, 2K und 4K, mit 1K als Standard. Die kleinere Option 0.5K gehört speziell zu diesem Profil und kann sich für eine erste Komposition eignen; die größeren Stufen liefern mehr Pixel für die gewählte Ausgabeform. Die dokumentierten Seitenverhältnisse umfassen quadratische, hochformatige und querformatige Formen, einschließlich 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die zusätzlichen Formate 1:4, 4:1, 1:8 und 8:1. Quadratische Ausgaben reichen beispielsweise von 512 × 512 bei 0.5K bis 4.096 × 4.096 bei 4K. Wählen Sie die Form für die gewünschte Platzierung, bevor Sie kleine Details verfeinern.
Google nennt unter den Aktualisierungen dieser Edition eine genauere Einhaltung von Seitenverhältnissen, visuelle Konsistenz und mehrsprachige Textdarstellung. Verwenden Sie für ein Plakat, Menü oder eine Infografik den genauen Wortlaut und definieren Sie, welche Beschriftung zu welchem Objekt gehört. Bei kleinem Text oder einer langen Passage nennt die Modellkarte verbleibende Lesbarkeitsgrenzen, besonders bei 1K. Halten Sie Bildunterschriften knapp und bestimmen Sie ihre relative Größe ausdrücklich; behandeln Sie das Bild bei dichtem Fließtext als visuelle Layoutreferenz und prüfen Sie die tatsächliche Beschriftung sorgfältig.
Bis zu 14 Referenzbilder lassen sich in einem Ablauf kombinieren. Der Bildleitfaden beschreibt Wiedergabetreue für bis zu zehn Objekte und Ähnlichkeit für bis zu vier Figuren. Kennzeichnen Sie die Referenzen und bestimmen Sie, was jede liefert. Für eine Produktszene kann ein Bild das Objekt, ein anderes die Umgebung und ein weiteres die Beleuchtung festlegen. Übernehmen Sie bei einer Figurenfolge frühere Ausgaben in den nächsten Prompt und nennen Sie die Merkmale, die bei einem Wechsel von Blickwinkel oder Pose erhalten bleiben müssen.
Grounding mit Web Search und Image Search kann aktuelle Informationen und abgerufene visuelle Referenzen in die Generierung einfließen lassen. Image Search ergänzt visuellen Kontext statt lediglich einer schriftlichen Beschreibung des Suchergebnisses. Der Hersteller unterstützt die Suchfunktion über die dokumentierten Denkeinstellungen hinweg. Sein Bildsuchablauf schließt reale Bilder von Personen als aus der Suche gewonnene Referenzen aus und gibt Zuordnungsmetadaten mit quellenbasierten Ergebnissen zurück; erhalten Sie diese Metadaten bei der Verwendung des Ergebnisses in einer Anwendung.
Die dokumentierten Denksteuerungen für Gemini 3.1 Flash Image sind minimal und high, mit minimal als Standard. Dies unterscheidet sich vom dreistufigen Profil von Nano Banana 2.1 mit medium als Standard. Denken unterstützt komplexere Komposition und Anweisungsverarbeitung. Das Modell basiert auf Gemini 3 Flash, doch diese Beziehung macht es nicht zu einem allgemeinen Modell für Codeausführung oder Funktionsaufrufe: Diese Fähigkeiten sind in der Tabelle dieser Bildedition als nicht unterstützt gekennzeichnet.
Bearbeitung im Gespräch unterstützt die Änderung eines bereitgestellten Bilds oder die Verfeinerung einer früheren Generierung. Ein konkreter Auftrag kann lauten: „Erhalten Sie Flaschenform, Etikettentext und Kamerawinkel. Ersetzen Sie den Hintergrund durch eine helle Steinoberfläche und fügen Sie weichere Schatten hinzu.“ Beschreiben Sie zu erhaltende Elemente ebenso sorgfältig wie geänderte. Die Modellkarte weist darauf hin, dass Figurenkonsistenz, Links-rechts-Lokalisierung und Bearbeitungen anhand von Skizzen weiterhin unvollkommen sein können; vergleichen Sie deshalb gerade diese Details, bevor Sie eine visuelle Folge fortsetzen.
Die API-Modelltabelle nennt 131.072 Eingabetoken und 32.768 Ausgabetoken. Sie unterstützt Bilderzeugung, Such-Grounding, Denken und Stapelverarbeitung, während Audioerzeugung, Caching, strukturierte Ausgaben, Dateisuche, Live API und URL-Kontext nicht unterstützt werden. Der Bildablauf akzeptiert keine Audioeingabe. Video oder PDF können in diesem API-Profil in eine Standbildaufgabe einfließen; die Ausgabe bleibt Bild und Text. Erzeugte Bilder enthalten SynthID, und die gewünschte Bildanzahl wird nicht immer genau eingehalten.
Stellen Sie für eine praktische Infografik freigegebene Beschriftungen, die gewünschte Leserschaft, Lesereihenfolge, Referenzmaterial und ein Zielseitenverhältnis bereit. Verlangen Sie eine klare visuelle Erklärung und verwenden Sie dann den nächsten Gesprächsschritt, um Wortlaut oder Abstände bei Erhalt der festgelegten Komposition zu korrigieren. Bestimmen Sie für einen Produktentwurf Geometrie, Oberfläche, Licht und die visuellen Details, die das Produkt prägen. Das hilfreiche Ergebnis ist ein Bild mit zugehörigem Text, das sich in einer kontrollierten Folge prüfen, auswählen und verfeinern lässt.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.1-flash-image | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.006 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens Ausgabe · Bildausgabetoken $0.12 / 1K Bild-Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.001 / 1K Tokens Ausgabe · Ausgabetoken $0.006 / 1K Tokens Eingabe · Cache lesen — / 1K Tokens Eingabe · In Cache schreiben — / 1K Tokens Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-3.1-flash-image",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-image', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-image', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.1-flash-image
Ailoot Ultra google/gemini-3.1-flash-image
/v1/images
Technisches Beispiel auf Englisch
Create a simple bicycle-care infographic\n\nCreate one portrait infographic teaching three bicycle checks before a short ride: tires, brakes and chain. Use three large illustrated steps in that order, a warm ivory background and dark green accents. Include only these headings: 'TIRES', 'BRAKES', 'CHAIN'. Leave generous space around each heading and keep the illustrations clearly separated.One portrait image with three ordered illustrated steps and the three exact, readable headings.Inspect the rendered image for heading spelling, order and clear separation of the three checks.