Gemini Nano Banana 2.1 ist Googles Modell für Bilderzeugung und Bearbeitung im Gespräch. Es ist ein Update von Nano Banana 2 mit Verbesserungen bei visuellem Realismus, Anweisungsbefolgung, Textdarstellung und Figurenkonsistenz über aufeinanderfolgende Bearbeitungen. Seine Eingabetabelle nennt Text, Bilder, Video und PDF; die Ausgabe ist Bild und Text. Damit eignet es sich für eine Produktszene, eine Infografik oder eine visuelle Serie, die sich durch mehrere konkrete Überarbeitungen entwickelt.
Das Modell bietet Ausgaben in 1K, 2K und 4K mit 1K als Standard. Es übernimmt nicht die Option 0.5K von Nano Banana 2. Zu den dokumentierten Seitenverhältnissen gehören 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die hohen oder panoramischen Formate 1:4, 4:1, 1:8 und 8:1. Google nennt Korrekturen an Kachelartefakten in diesen breiten und hohen Formaten bei 2K und 4K. Auflösungsbezeichnungen sind Größenstufen und kein einzelnes festes Rechteck: Ein quadratisches Bild in 4K ist 4.096 × 4.096 groß, während die dokumentierte Ausgabe in 16:9 bei 4K 5.504 × 3.072 umfasst.
Text ist ein wesentlicher Teil des Bildablaufs. Das Modell soll lesbare gestaltete Wörter darstellen und Infografikelemente genauer anordnen. Bereiten Sie den genauen Titel, die Beschriftungen und die Lesereihenfolge vor und verlangen Sie dann das Bild mit diesem freigegebenen Text. Benennen Sie bei einem Menü, Diagramm oder einer Anweisungsgrafik die Beziehung zwischen einer Beschriftung und ihrem Bildelement. Google empfiehlt, zuerst den Wortlaut zu erstellen und anschließend das Bild anzufordern, damit die Komposition mit einem festgelegten Textauftrag beginnt.
Die Zusammenführung von Referenzbildern unterstützt bis zu 14 Bilder. Das dokumentierte Profil umfasst Konsistenz für bis zu vier Figuren und Wiedergabetreue für bis zu zehn Objekte. Weisen Sie jeder Referenz eine Rolle zu: das erkennbar zu erhaltende Produkt, das Aussehen einer Figur, den gewünschten Hintergrund oder den Bildstil. Ein beispielhafter Produktauftrag lautet: „Verwenden Sie Bild A für Flaschenform und Etikett. Verwenden Sie Bild B für Oberfläche und Beleuchtung. Erhalten Sie das Produkt unverändert, platzieren Sie es neben einem gefalteten Handtuch und lassen Sie darüber freien Platz für den bereitgestellten Titel.“
Grounding mit Google Web Search und Image Search kann aktuelle Informationen und visuellen Kontext für die Erzeugung liefern. Image Search liefert abgerufene Webbilder als Referenzen; gewöhnliches Web-Grounding liefert Informationen zum Motiv. Dies ist für eine sachbezogene Grafik oder eine Szene hilfreich, deren Aussehen von einem realen Objekt abhängt. Der Bildsuchablauf unterstützt zu diesem Zweck keinen Abruf realer Bilder von Personen. Antworten mit Grounding enthalten im dokumentierten Ablauf von Google Quellen- und Zuordnungsmetadaten. Eine Anwendung sollte diese zusammen mit dem erzeugten Ergebnis aufbewahren.
Der Denkaufwand ist auf minimal, medium und high einstellbar, mit medium als Standard für genau dieses Modell. Dies hilft dem Modell, vor der endgültigen Ausgabe Komposition und komplexere Anweisungen durchzuarbeiten. Der Bildleitfaden beschreibt vorläufige Kompositionsbilder innerhalb dieses Prozesses; sie sind vom beabsichtigten fertigen Ergebnis getrennt. Wählen Sie finales Layout, Seitenverhältnis und Auflösung ausdrücklich, statt von der Promptbeschreibung allein die Festlegung jeder Ausgabeeinstellung zu erwarten.
Bearbeitung im Gespräch lässt eine Folgeanfrage einen Teil des bestehenden Ergebnisses ändern: das Licht anpassen, ein Objekt verschieben oder Beschriftungen übersetzen und dabei die übrige Komposition erhalten. Übernehmen Sie das frühere Bild oder die Interaktion in den nächsten Schritt und benennen Sie die verlangte Änderung sowie zu erhaltende Merkmale. Halten Sie bei einer Figurenserie Aussehensreferenzen einheitlich und nutzen Sie eine Posenreferenz, wenn ein neuer Blickwinkel oder eine komplexe Pose wichtig ist. Ein praktischer Überarbeitungsauftrag kann lauten: „Erhalten Sie Produkt, Beschriftungen und Layout; machen Sie nur den Hintergrund zu einem wärmeren Grau.“
Die Modelltabelle nennt eine Eingabegrenze von 131.072 Token und eine Ausgabegrenze von 32.768 Token. Bilderzeugung und Such-Grounding werden unterstützt. Audiogenerierung, Codeausführung, Funktionsaufrufe, strukturierte Ausgaben, Caching, Dateisuche, URL-Kontext und Live API sind für diese Edition nicht als unterstützt aufgeführt. Video kann in ein erzeugtes Standbild einfließen; dadurch wird dieses Modell nicht zu einem Videogenerator. Google weist außerdem darauf hin, dass eine Anfrage nach einer genauen Bildanzahl diese Anzahl möglicherweise nicht erzeugt. Alle erzeugten Bilder enthalten ein SynthID-Wasserzeichen.
Nennen Sie für einen hilfreichen ersten Auftrag Zweck, Motiv, Komposition, Beleuchtung, Kamerablick, erforderlichen Text und Ausgabeform des Bilds. Verlangen Sie beispielsweise eine hochformatige Infografik mit drei beschrifteten Schritten, einem lesbaren Titel und einer festgelegten Farbhierarchie. Prüfen Sie dann Wortlaut und relative Anordnung vor der nächsten Bearbeitung. Das Ergebnis kann eine Produktillustration, redaktionelle Grafik oder Designreferenz werden, wobei das gewählte Bild und sein erläuternder Text gemeinsam aufbewahrt werden.
", "aboutText": "Gemini Nano Banana 2.1 ist Googles Modell für Bilderzeugung und Bearbeitung im Gespräch. Es ist ein Update von Nano Banana 2 mit Verbesserungen bei visuellem Realismus, Anweisungsbefolgung, Textdarstellung und Figurenkonsistenz über aufeinanderfolgende Bearbeitungen. Seine Eingabetabelle nennt Text, Bilder, Video und PDF; die Ausgabe ist Bild und Text. Damit eignet es sich für eine Produktszene, eine Infografik oder eine visuelle Serie, die sich durch mehrere konkrete Überarbeitungen entwickelt.\n\nDas Modell bietet Ausgaben in 1K, 2K und 4K mit 1K als Standard. Es übernimmt nicht die Option 0.5K von Nano Banana 2. Zu den dokumentierten Seitenverhältnissen gehören 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die hohen oder panoramischen Formate 1:4, 4:1, 1:8 und 8:1. Google nennt Korrekturen an Kachelartefakten in diesen breiten und hohen Formaten bei 2K und 4K. Auflösungsbezeichnungen sind Größenstufen und kein einzelnes festes Rechteck: Ein quadratisches Bild in 4K ist 4.096 × 4.096 groß, während die dokumentierte Ausgabe in 16:9 bei 4K 5.504 × 3.072 umfasst.\n\nText ist ein wesentlicher Teil des Bildablaufs. Das Modell soll lesbare gestaltete Wörter darstellen und Infografikelemente genauer anordnen. Bereiten Sie den genauen Titel, die Beschriftungen und die Lesereihenfolge vor und verlangen Sie dann das Bild mit diesem freigegebenen Text. Benennen Sie bei einem Menü, Diagramm oder einer Anweisungsgrafik die Beziehung zwischen einer Beschriftung und ihrem Bildelement. Google empfiehlt, zuerst den Wortlaut zu erstellen und anschließend das Bild anzufordern, damit die Komposition mit einem festgelegten Textauftrag beginnt.\n\nDie Zusammenführung von Referenzbildern unterstützt bis zu 14 Bilder. Das dokumentierte Profil umfasst Konsistenz für bis zu vier Figuren und Wiedergabetreue für bis zu zehn Objekte. Weisen Sie jeder Referenz eine Rolle zu: das erkennbar zu erhaltende Produkt, das Aussehen einer Figur, den gewünschten Hintergrund oder den Bildstil. Ein beispielhafter Produktauftrag lautet: „Verwenden Sie Bild A für Flaschenform und Etikett. Verwenden Sie Bild B für Oberfläche und Beleuchtung. Erhalten Sie das Produkt unverändert, platzieren Sie es neben einem gefalteten Handtuch und lassen Sie darüber freien Platz für den bereitgestellten Titel.“\n\nGrounding mit Google Web Search und Image Search kann aktuelle Informationen und visuellen Kontext für die Erzeugung liefern. Image Search liefert abgerufene Webbilder als Referenzen; gewöhnliches Web-Grounding liefert Informationen zum Motiv. Dies ist für eine sachbezogene Grafik oder eine Szene hilfreich, deren Aussehen von einem realen Objekt abhängt. Der Bildsuchablauf unterstützt zu diesem Zweck keinen Abruf realer Bilder von Personen. Antworten mit Grounding enthalten im dokumentierten Ablauf von Google Quellen- und Zuordnungsmetadaten. Eine Anwendung sollte diese zusammen mit dem erzeugten Ergebnis aufbewahren.\n\nDer Denkaufwand ist auf minimal, medium und high einstellbar, mit medium als Standard für genau dieses Modell. Dies hilft dem Modell, vor der endgültigen Ausgabe Komposition und komplexere Anweisungen durchzuarbeiten. Der Bildleitfaden beschreibt vorläufige Kompositionsbilder innerhalb dieses Prozesses; sie sind vom beabsichtigten fertigen Ergebnis getrennt. Wählen Sie finales Layout, Seitenverhältnis und Auflösung ausdrücklich, statt von der Promptbeschreibung allein die Festlegung jeder Ausgabeeinstellung zu erwarten.\n\nBearbeitung im Gespräch lässt eine Folgeanfrage einen Teil des bestehenden Ergebnisses ändern: das Licht anpassen, ein Objekt verschieben oder Beschriftungen übersetzen und dabei die übrige Komposition erhalten. Übernehmen Sie das frühere Bild oder die Interaktion in den nächsten Schritt und benennen Sie die verlangte Änderung sowie zu erhaltende Merkmale. Halten Sie bei einer Figurenserie Aussehensreferenzen einheitlich und nutzen Sie eine Posenreferenz, wenn ein neuer Blickwinkel oder eine komplexe Pose wichtig ist. Ein praktischer Überarbeitungsauftrag kann lauten: „Erhalten Sie Produkt, Beschriftungen und Layout; machen Sie nur den Hintergrund zu einem wärmeren Grau.“\n\nDie Modelltabelle nennt eine Eingabegrenze von 131.072 Token und eine Ausgabegrenze von 32.768 Token. Bilderzeugung und Such-Grounding werden unterstützt. Audiogenerierung, Codeausführung, Funktionsaufrufe, strukturierte Ausgaben, Caching, Dateisuche, URL-Kontext und Live API sind für diese Edition nicht als unterstützt aufgeführt. Video kann in ein erzeugtes Standbild einfließen; dadurch wird dieses Modell nicht zu einem Videogenerator. Google weist außerdem darauf hin, dass eine Anfrage nach einer genauen Bildanzahl diese Anzahl möglicherweise nicht erzeugt. Alle erzeugten Bilder enthalten ein SynthID-Wasserzeichen.\n\nNennen Sie für einen hilfreichen ersten Auftrag Zweck, Motiv, Komposition, Beleuchtung, Kamerablick, erforderlichen Text und Ausgabeform des Bilds. Verlangen Sie beispielsweise eine hochformatige Infografik mit drei beschrifteten Schritten, einem lesbaren Titel und einer festgelegten Farbhierarchie. Prüfen Sie dann Wortlaut und relative Anordnung vor der nächsten Bearbeitung. Das Ergebnis kann eine Produktillustration, redaktionelle Grafik oder Designreferenz werden, wobei das gewählte Bild und sein erläuternder Text gemeinsam aufbewahrt werden.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 erzeugt und bearbeitet Bilder im Gespräch anhand von Text und visuellem Material. Es verbessert Textdarstellung, Infografiklayouts und Konsistenz über mehrere Schritte, mit Ausgaben von 1K–4K und bis zu 14 Referenzbildern für einen definierten Bildauftrag.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini Nano Banana 2.1 ist Googles Modell für Bilderzeugung und Bearbeitung im Gespräch. Es ist ein Update von Nano Banana 2 mit Verbesserungen bei visuellem Realismus, Anweisungsbefolgung, Textdarstellung und Figurenkonsistenz über aufeinanderfolgende Bearbeitungen. Seine Eingabetabelle nennt Text, Bilder, Video und PDF; die Ausgabe ist Bild und Text. Damit eignet es sich für eine Produktszene, eine Infografik oder eine visuelle Serie, die sich durch mehrere konkrete Überarbeitungen entwickelt.
Das Modell bietet Ausgaben in 1K, 2K und 4K mit 1K als Standard. Es übernimmt nicht die Option 0.5K von Nano Banana 2. Zu den dokumentierten Seitenverhältnissen gehören 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die hohen oder panoramischen Formate 1:4, 4:1, 1:8 und 8:1. Google nennt Korrekturen an Kachelartefakten in diesen breiten und hohen Formaten bei 2K und 4K. Auflösungsbezeichnungen sind Größenstufen und kein einzelnes festes Rechteck: Ein quadratisches Bild in 4K ist 4.096 × 4.096 groß, während die dokumentierte Ausgabe in 16:9 bei 4K 5.504 × 3.072 umfasst.
Text ist ein wesentlicher Teil des Bildablaufs. Das Modell soll lesbare gestaltete Wörter darstellen und Infografikelemente genauer anordnen. Bereiten Sie den genauen Titel, die Beschriftungen und die Lesereihenfolge vor und verlangen Sie dann das Bild mit diesem freigegebenen Text. Benennen Sie bei einem Menü, Diagramm oder einer Anweisungsgrafik die Beziehung zwischen einer Beschriftung und ihrem Bildelement. Google empfiehlt, zuerst den Wortlaut zu erstellen und anschließend das Bild anzufordern, damit die Komposition mit einem festgelegten Textauftrag beginnt.
Die Zusammenführung von Referenzbildern unterstützt bis zu 14 Bilder. Das dokumentierte Profil umfasst Konsistenz für bis zu vier Figuren und Wiedergabetreue für bis zu zehn Objekte. Weisen Sie jeder Referenz eine Rolle zu: das erkennbar zu erhaltende Produkt, das Aussehen einer Figur, den gewünschten Hintergrund oder den Bildstil. Ein beispielhafter Produktauftrag lautet: „Verwenden Sie Bild A für Flaschenform und Etikett. Verwenden Sie Bild B für Oberfläche und Beleuchtung. Erhalten Sie das Produkt unverändert, platzieren Sie es neben einem gefalteten Handtuch und lassen Sie darüber freien Platz für den bereitgestellten Titel.“
Grounding mit Google Web Search und Image Search kann aktuelle Informationen und visuellen Kontext für die Erzeugung liefern. Image Search liefert abgerufene Webbilder als Referenzen; gewöhnliches Web-Grounding liefert Informationen zum Motiv. Dies ist für eine sachbezogene Grafik oder eine Szene hilfreich, deren Aussehen von einem realen Objekt abhängt. Der Bildsuchablauf unterstützt zu diesem Zweck keinen Abruf realer Bilder von Personen. Antworten mit Grounding enthalten im dokumentierten Ablauf von Google Quellen- und Zuordnungsmetadaten. Eine Anwendung sollte diese zusammen mit dem erzeugten Ergebnis aufbewahren.
Der Denkaufwand ist auf minimal, medium und high einstellbar, mit medium als Standard für genau dieses Modell. Dies hilft dem Modell, vor der endgültigen Ausgabe Komposition und komplexere Anweisungen durchzuarbeiten. Der Bildleitfaden beschreibt vorläufige Kompositionsbilder innerhalb dieses Prozesses; sie sind vom beabsichtigten fertigen Ergebnis getrennt. Wählen Sie finales Layout, Seitenverhältnis und Auflösung ausdrücklich, statt von der Promptbeschreibung allein die Festlegung jeder Ausgabeeinstellung zu erwarten.
Bearbeitung im Gespräch lässt eine Folgeanfrage einen Teil des bestehenden Ergebnisses ändern: das Licht anpassen, ein Objekt verschieben oder Beschriftungen übersetzen und dabei die übrige Komposition erhalten. Übernehmen Sie das frühere Bild oder die Interaktion in den nächsten Schritt und benennen Sie die verlangte Änderung sowie zu erhaltende Merkmale. Halten Sie bei einer Figurenserie Aussehensreferenzen einheitlich und nutzen Sie eine Posenreferenz, wenn ein neuer Blickwinkel oder eine komplexe Pose wichtig ist. Ein praktischer Überarbeitungsauftrag kann lauten: „Erhalten Sie Produkt, Beschriftungen und Layout; machen Sie nur den Hintergrund zu einem wärmeren Grau.“
Die Modelltabelle nennt eine Eingabegrenze von 131.072 Token und eine Ausgabegrenze von 32.768 Token. Bilderzeugung und Such-Grounding werden unterstützt. Audiogenerierung, Codeausführung, Funktionsaufrufe, strukturierte Ausgaben, Caching, Dateisuche, URL-Kontext und Live API sind für diese Edition nicht als unterstützt aufgeführt. Video kann in ein erzeugtes Standbild einfließen; dadurch wird dieses Modell nicht zu einem Videogenerator. Google weist außerdem darauf hin, dass eine Anfrage nach einer genauen Bildanzahl diese Anzahl möglicherweise nicht erzeugt. Alle erzeugten Bilder enthalten ein SynthID-Wasserzeichen.
Nennen Sie für einen hilfreichen ersten Auftrag Zweck, Motiv, Komposition, Beleuchtung, Kamerablick, erforderlichen Text und Ausgabeform des Bilds. Verlangen Sie beispielsweise eine hochformatige Infografik mit drei beschrifteten Schritten, einem lesbaren Titel und einer festgelegten Farbhierarchie. Prüfen Sie dann Wortlaut und relative Anordnung vor der nächsten Bearbeitung. Das Ergebnis kann eine Produktillustration, redaktionelle Grafik oder Designreferenz werden, wobei das gewählte Bild und sein erläuternder Text gemeinsam aufbewahrt werden.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-nano-banana-2.1 | 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 $0.003 / 1K Token Ausgabe · Ausgabetoken $0.015 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token Ausgabe · Bildausgabetoken $0.06 / 1K Bild-Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.003 / 1K Token Ausgabe · Ausgabetoken $0.015 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
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 2.1 · Standardkonfiguration | AbrechnungsbedingungenStandardkonfiguration | Gebühr Eingabe · Eingabetoken 0,003 $ / 1K Token Ausgabe · Ausgabetoken 0,015 $ / 1K Token Ausgabe · Ausgabebild 0,06 $ / 1K Token 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-nano-banana-2.1", "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-nano-banana-2.1',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-nano-banana-2.1',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 Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 erzeugt und bearbeitet Bilder im Gespräch anhand von Text und visuellem Material. Es verbessert Textdarstellung, Infografiklayouts und Konsistenz über mehrere Schritte, mit Ausgaben von 1K–4K und bis zu 14 Referenzbildern für einen definierten Bildauftrag.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini Nano Banana 2.1 ist Googles Modell für Bilderzeugung und Bearbeitung im Gespräch. Es ist ein Update von Nano Banana 2 mit Verbesserungen bei visuellem Realismus, Anweisungsbefolgung, Textdarstellung und Figurenkonsistenz über aufeinanderfolgende Bearbeitungen. Seine Eingabetabelle nennt Text, Bilder, Video und PDF; die Ausgabe ist Bild und Text. Damit eignet es sich für eine Produktszene, eine Infografik oder eine visuelle Serie, die sich durch mehrere konkrete Überarbeitungen entwickelt.
Das Modell bietet Ausgaben in 1K, 2K und 4K mit 1K als Standard. Es übernimmt nicht die Option 0.5K von Nano Banana 2. Zu den dokumentierten Seitenverhältnissen gehören 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die hohen oder panoramischen Formate 1:4, 4:1, 1:8 und 8:1. Google nennt Korrekturen an Kachelartefakten in diesen breiten und hohen Formaten bei 2K und 4K. Auflösungsbezeichnungen sind Größenstufen und kein einzelnes festes Rechteck: Ein quadratisches Bild in 4K ist 4.096 × 4.096 groß, während die dokumentierte Ausgabe in 16:9 bei 4K 5.504 × 3.072 umfasst.
Text ist ein wesentlicher Teil des Bildablaufs. Das Modell soll lesbare gestaltete Wörter darstellen und Infografikelemente genauer anordnen. Bereiten Sie den genauen Titel, die Beschriftungen und die Lesereihenfolge vor und verlangen Sie dann das Bild mit diesem freigegebenen Text. Benennen Sie bei einem Menü, Diagramm oder einer Anweisungsgrafik die Beziehung zwischen einer Beschriftung und ihrem Bildelement. Google empfiehlt, zuerst den Wortlaut zu erstellen und anschließend das Bild anzufordern, damit die Komposition mit einem festgelegten Textauftrag beginnt.
Die Zusammenführung von Referenzbildern unterstützt bis zu 14 Bilder. Das dokumentierte Profil umfasst Konsistenz für bis zu vier Figuren und Wiedergabetreue für bis zu zehn Objekte. Weisen Sie jeder Referenz eine Rolle zu: das erkennbar zu erhaltende Produkt, das Aussehen einer Figur, den gewünschten Hintergrund oder den Bildstil. Ein beispielhafter Produktauftrag lautet: „Verwenden Sie Bild A für Flaschenform und Etikett. Verwenden Sie Bild B für Oberfläche und Beleuchtung. Erhalten Sie das Produkt unverändert, platzieren Sie es neben einem gefalteten Handtuch und lassen Sie darüber freien Platz für den bereitgestellten Titel.“
Grounding mit Google Web Search und Image Search kann aktuelle Informationen und visuellen Kontext für die Erzeugung liefern. Image Search liefert abgerufene Webbilder als Referenzen; gewöhnliches Web-Grounding liefert Informationen zum Motiv. Dies ist für eine sachbezogene Grafik oder eine Szene hilfreich, deren Aussehen von einem realen Objekt abhängt. Der Bildsuchablauf unterstützt zu diesem Zweck keinen Abruf realer Bilder von Personen. Antworten mit Grounding enthalten im dokumentierten Ablauf von Google Quellen- und Zuordnungsmetadaten. Eine Anwendung sollte diese zusammen mit dem erzeugten Ergebnis aufbewahren.
Der Denkaufwand ist auf minimal, medium und high einstellbar, mit medium als Standard für genau dieses Modell. Dies hilft dem Modell, vor der endgültigen Ausgabe Komposition und komplexere Anweisungen durchzuarbeiten. Der Bildleitfaden beschreibt vorläufige Kompositionsbilder innerhalb dieses Prozesses; sie sind vom beabsichtigten fertigen Ergebnis getrennt. Wählen Sie finales Layout, Seitenverhältnis und Auflösung ausdrücklich, statt von der Promptbeschreibung allein die Festlegung jeder Ausgabeeinstellung zu erwarten.
Bearbeitung im Gespräch lässt eine Folgeanfrage einen Teil des bestehenden Ergebnisses ändern: das Licht anpassen, ein Objekt verschieben oder Beschriftungen übersetzen und dabei die übrige Komposition erhalten. Übernehmen Sie das frühere Bild oder die Interaktion in den nächsten Schritt und benennen Sie die verlangte Änderung sowie zu erhaltende Merkmale. Halten Sie bei einer Figurenserie Aussehensreferenzen einheitlich und nutzen Sie eine Posenreferenz, wenn ein neuer Blickwinkel oder eine komplexe Pose wichtig ist. Ein praktischer Überarbeitungsauftrag kann lauten: „Erhalten Sie Produkt, Beschriftungen und Layout; machen Sie nur den Hintergrund zu einem wärmeren Grau.“
Die Modelltabelle nennt eine Eingabegrenze von 131.072 Token und eine Ausgabegrenze von 32.768 Token. Bilderzeugung und Such-Grounding werden unterstützt. Audiogenerierung, Codeausführung, Funktionsaufrufe, strukturierte Ausgaben, Caching, Dateisuche, URL-Kontext und Live API sind für diese Edition nicht als unterstützt aufgeführt. Video kann in ein erzeugtes Standbild einfließen; dadurch wird dieses Modell nicht zu einem Videogenerator. Google weist außerdem darauf hin, dass eine Anfrage nach einer genauen Bildanzahl diese Anzahl möglicherweise nicht erzeugt. Alle erzeugten Bilder enthalten ein SynthID-Wasserzeichen.
Nennen Sie für einen hilfreichen ersten Auftrag Zweck, Motiv, Komposition, Beleuchtung, Kamerablick, erforderlichen Text und Ausgabeform des Bilds. Verlangen Sie beispielsweise eine hochformatige Infografik mit drei beschrifteten Schritten, einem lesbaren Titel und einer festgelegten Farbhierarchie. Prüfen Sie dann Wortlaut und relative Anordnung vor der nächsten Bearbeitung. Das Ergebnis kann eine Produktillustration, redaktionelle Grafik oder Designreferenz werden, wobei das gewählte Bild und sein erläuternder Text gemeinsam aufbewahrt werden.
POST /v1/images/generationstext, imageimage| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-nano-banana-2.1 | Standard— |
Feldprompt | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldresolution | Typstring | AnforderungOptional | Werte und Limits 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 Token | TarifstaffelGrundtarif | Prognostizierte Menge— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich — / 1K Token Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Lesen · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben · Schätzung nur zum Vergleich — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde · Schätzung nur zum Vergleich — / 1K Token |
| KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich $0.24576 Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${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-nano-banana-2.1', '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 Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 erzeugt und bearbeitet Bilder im Gespräch anhand von Text und visuellem Material. Es verbessert Textdarstellung, Infografiklayouts und Konsistenz über mehrere Schritte, mit Ausgaben von 1K–4K und bis zu 14 Referenzbildern für einen definierten Bildauftrag.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini Nano Banana 2.1 ist Googles Modell für Bilderzeugung und Bearbeitung im Gespräch. Es ist ein Update von Nano Banana 2 mit Verbesserungen bei visuellem Realismus, Anweisungsbefolgung, Textdarstellung und Figurenkonsistenz über aufeinanderfolgende Bearbeitungen. Seine Eingabetabelle nennt Text, Bilder, Video und PDF; die Ausgabe ist Bild und Text. Damit eignet es sich für eine Produktszene, eine Infografik oder eine visuelle Serie, die sich durch mehrere konkrete Überarbeitungen entwickelt.
Das Modell bietet Ausgaben in 1K, 2K und 4K mit 1K als Standard. Es übernimmt nicht die Option 0.5K von Nano Banana 2. Zu den dokumentierten Seitenverhältnissen gehören 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 und 21:9 sowie die hohen oder panoramischen Formate 1:4, 4:1, 1:8 und 8:1. Google nennt Korrekturen an Kachelartefakten in diesen breiten und hohen Formaten bei 2K und 4K. Auflösungsbezeichnungen sind Größenstufen und kein einzelnes festes Rechteck: Ein quadratisches Bild in 4K ist 4.096 × 4.096 groß, während die dokumentierte Ausgabe in 16:9 bei 4K 5.504 × 3.072 umfasst.
Text ist ein wesentlicher Teil des Bildablaufs. Das Modell soll lesbare gestaltete Wörter darstellen und Infografikelemente genauer anordnen. Bereiten Sie den genauen Titel, die Beschriftungen und die Lesereihenfolge vor und verlangen Sie dann das Bild mit diesem freigegebenen Text. Benennen Sie bei einem Menü, Diagramm oder einer Anweisungsgrafik die Beziehung zwischen einer Beschriftung und ihrem Bildelement. Google empfiehlt, zuerst den Wortlaut zu erstellen und anschließend das Bild anzufordern, damit die Komposition mit einem festgelegten Textauftrag beginnt.
Die Zusammenführung von Referenzbildern unterstützt bis zu 14 Bilder. Das dokumentierte Profil umfasst Konsistenz für bis zu vier Figuren und Wiedergabetreue für bis zu zehn Objekte. Weisen Sie jeder Referenz eine Rolle zu: das erkennbar zu erhaltende Produkt, das Aussehen einer Figur, den gewünschten Hintergrund oder den Bildstil. Ein beispielhafter Produktauftrag lautet: „Verwenden Sie Bild A für Flaschenform und Etikett. Verwenden Sie Bild B für Oberfläche und Beleuchtung. Erhalten Sie das Produkt unverändert, platzieren Sie es neben einem gefalteten Handtuch und lassen Sie darüber freien Platz für den bereitgestellten Titel.“
Grounding mit Google Web Search und Image Search kann aktuelle Informationen und visuellen Kontext für die Erzeugung liefern. Image Search liefert abgerufene Webbilder als Referenzen; gewöhnliches Web-Grounding liefert Informationen zum Motiv. Dies ist für eine sachbezogene Grafik oder eine Szene hilfreich, deren Aussehen von einem realen Objekt abhängt. Der Bildsuchablauf unterstützt zu diesem Zweck keinen Abruf realer Bilder von Personen. Antworten mit Grounding enthalten im dokumentierten Ablauf von Google Quellen- und Zuordnungsmetadaten. Eine Anwendung sollte diese zusammen mit dem erzeugten Ergebnis aufbewahren.
Der Denkaufwand ist auf minimal, medium und high einstellbar, mit medium als Standard für genau dieses Modell. Dies hilft dem Modell, vor der endgültigen Ausgabe Komposition und komplexere Anweisungen durchzuarbeiten. Der Bildleitfaden beschreibt vorläufige Kompositionsbilder innerhalb dieses Prozesses; sie sind vom beabsichtigten fertigen Ergebnis getrennt. Wählen Sie finales Layout, Seitenverhältnis und Auflösung ausdrücklich, statt von der Promptbeschreibung allein die Festlegung jeder Ausgabeeinstellung zu erwarten.
Bearbeitung im Gespräch lässt eine Folgeanfrage einen Teil des bestehenden Ergebnisses ändern: das Licht anpassen, ein Objekt verschieben oder Beschriftungen übersetzen und dabei die übrige Komposition erhalten. Übernehmen Sie das frühere Bild oder die Interaktion in den nächsten Schritt und benennen Sie die verlangte Änderung sowie zu erhaltende Merkmale. Halten Sie bei einer Figurenserie Aussehensreferenzen einheitlich und nutzen Sie eine Posenreferenz, wenn ein neuer Blickwinkel oder eine komplexe Pose wichtig ist. Ein praktischer Überarbeitungsauftrag kann lauten: „Erhalten Sie Produkt, Beschriftungen und Layout; machen Sie nur den Hintergrund zu einem wärmeren Grau.“
Die Modelltabelle nennt eine Eingabegrenze von 131.072 Token und eine Ausgabegrenze von 32.768 Token. Bilderzeugung und Such-Grounding werden unterstützt. Audiogenerierung, Codeausführung, Funktionsaufrufe, strukturierte Ausgaben, Caching, Dateisuche, URL-Kontext und Live API sind für diese Edition nicht als unterstützt aufgeführt. Video kann in ein erzeugtes Standbild einfließen; dadurch wird dieses Modell nicht zu einem Videogenerator. Google weist außerdem darauf hin, dass eine Anfrage nach einer genauen Bildanzahl diese Anzahl möglicherweise nicht erzeugt. Alle erzeugten Bilder enthalten ein SynthID-Wasserzeichen.
Nennen Sie für einen hilfreichen ersten Auftrag Zweck, Motiv, Komposition, Beleuchtung, Kamerablick, erforderlichen Text und Ausgabeform des Bilds. Verlangen Sie beispielsweise eine hochformatige Infografik mit drei beschrifteten Schritten, einem lesbaren Titel und einer festgelegten Farbhierarchie. Prüfen Sie dann Wortlaut und relative Anordnung vor der nächsten Bearbeitung. Das Ergebnis kann eine Produktillustration, redaktionelle Grafik oder Designreferenz werden, wobei das gewählte Bild und sein erläuternder Text gemeinsam aufbewahrt werden.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-nano-banana-2.1 | 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 $0.003 / 1K Token Ausgabe · Ausgabetoken $0.015 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token Ausgabe · Bildausgabetoken $0.06 / 1K Bild-Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.003 / 1K Token Ausgabe · Ausgabetoken $0.015 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-nano-banana-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-nano-banana-2.1', '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-nano-banana-2.1', '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 Ultra google/gemini-nano-banana-2.1
/v1/images
Technisches Beispiel auf Englisch
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.