Gemini Nano Banana 2.1 es el modelo de Google para la generación de imágenes y la edición conversacional. Es una actualización de Nano Banana 2, con mejoras en el realismo visual, el cumplimiento de las instrucciones, la representación del texto y la coherencia de los personajes a lo largo de ediciones sucesivas. Su tabla de entradas incluye texto, imágenes, vídeo y PDF, mientras que la salida es imagen y texto. Esto lo hace útil para una escena de producto, una infografía o una serie visual que evoluciona mediante varias revisiones concretas.
El modelo ofrece salidas de 1K, 2K y 4K, con 1K como opción predeterminada. No hereda la opción de 0,5K de Nano Banana 2. Las relaciones de aspecto documentadas incluyen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 y 21:9, además de los formatos verticales o panorámicos 1:4, 4:1, 1:8 y 8:1. Google señala correcciones de los artefactos de mosaico en estos últimos formatos anchos y altos a 2K y 4K. Las etiquetas de resolución son categorías de tamaño, no un único rectángulo fijo: una imagen cuadrada de 4K mide 4096 × 4096, mientras que la salida documentada de 4K en 16:9 mide 5504 × 3072.
El texto es una parte sustancial del flujo de trabajo visual. El modelo está diseñado para representar textos legibles con estilo y organizar los elementos de las infografías con mayor precisión. Prepara el titular, las etiquetas y el orden de lectura exactos y, después, solicita la imagen con ese texto aprobado. Para un menú, un diagrama o un gráfico de instrucciones, especifica la relación entre cada leyenda y su elemento visual. Google recomienda crear primero el texto y pedir después la imagen, para que la composición visual parta de un encargo textual ya definido.
La fusión de imágenes de referencia admite hasta 14 imágenes. El perfil documentado contempla coherencia para hasta cuatro personajes y fidelidad para hasta diez objetos. Asigna una función a cada referencia: el producto que debe seguir siendo reconocible, la apariencia del personaje, el fondo deseado o el estilo visual. Un ejemplo de encargo de producto sería: «Usa la imagen A para la forma de la botella y la etiqueta. Usa la imagen B para la superficie y la iluminación. Mantén el producto sin cambios, colócalo junto a una toalla doblada y deja un espacio despejado encima para el titular proporcionado».
La fundamentación con Google Web Search e Image Search puede aportar información actualizada y contexto visual para la generación. Image Search proporciona imágenes recuperadas de la web como referencias; la fundamentación web estándar aporta información sobre el tema. Esto resulta útil para un gráfico factual o una escena cuyo aspecto dependa de un objeto real. El flujo de trabajo de búsqueda de imágenes no permite recuperar imágenes de personas reales para este fin. Las respuestas fundamentadas incluyen metadatos de fuentes y atribución en el flujo de trabajo documentado de Google, por lo que la aplicación debe conservarlos junto con el resultado generado.
El razonamiento se puede configurar en los niveles mínimo, medio y alto, con medio como opción predeterminada para este modelo concreto. Ayuda al modelo a resolver la composición y las instrucciones más complejas antes de producir la salida final. La guía de imágenes describe imágenes intermedias de composición dentro de ese proceso; son distintas del entregable final previsto. Elige explícitamente la composición final, la relación de aspecto y la resolución requeridas, en lugar de esperar que la descripción del prompt determine por sí sola todos los ajustes de salida.
La edición conversacional permite modificar una parte de un resultado existente en un turno posterior: ajustar la luz, mover un objeto o traducir las etiquetas conservando el resto de la composición. Incluye la imagen o la interacción anterior en el siguiente turno e indica tanto el cambio solicitado como los rasgos que deben conservarse. Para una serie de personajes, mantén coherentes las referencias de apariencia y utiliza una referencia de pose cuando sea importante un ángulo nuevo o una postura compleja. Un encargo práctico de revisión puede decir: «Conserva el producto, las etiquetas y la composición; cambia únicamente el fondo a un gris más cálido».
La tabla del modelo indica un límite de entrada de 131 072 tokens y un límite de salida de 32 768 tokens. Se admiten la generación de imágenes y la fundamentación mediante búsquedas, mientras que la generación de audio, la ejecución de código, las llamadas a funciones, las salidas estructuradas, el almacenamiento en caché, la búsqueda de archivos, el contexto de URL y Live API no figuran como compatibles con esta edición. Un vídeo puede servir de información para generar una imagen fija; eso no convierte al modelo en un generador de vídeo. Google también señala que solicitar un número exacto de imágenes puede no producir esa cantidad. Todas las imágenes generadas incluyen una marca de agua SynthID.
Para un primer encargo útil, indica la finalidad de la imagen, el sujeto, la composición, la iluminación, la vista de cámara, el texto obligatorio y el formato de salida. Por ejemplo, solicita una infografía vertical con tres pasos etiquetados, un encabezado legible y una jerarquía de colores especificada; después, revisa el texto y la posición relativa de los elementos antes de la siguiente edición. El resultado puede convertirse en una ilustración de producto, un gráfico editorial o una referencia de diseño, conservando juntos la imagen elegida y su texto explicativo.
", "aboutText": "Gemini Nano Banana 2.1 es el modelo de Google para la generación de imágenes y la edición conversacional. Es una actualización de Nano Banana 2, con mejoras en el realismo visual, el cumplimiento de las instrucciones, la representación del texto y la coherencia de los personajes a lo largo de ediciones sucesivas. Su tabla de entradas incluye texto, imágenes, vídeo y PDF, mientras que la salida es imagen y texto. Esto lo hace útil para una escena de producto, una infografía o una serie visual que evoluciona mediante varias revisiones concretas.\n\nEl modelo ofrece salidas de 1K, 2K y 4K, con 1K como opción predeterminada. No hereda la opción de 0,5K de Nano Banana 2. Las relaciones de aspecto documentadas incluyen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 y 21:9, además de los formatos verticales o panorámicos 1:4, 4:1, 1:8 y 8:1. Google señala correcciones de los artefactos de mosaico en estos últimos formatos anchos y altos a 2K y 4K. Las etiquetas de resolución son categorías de tamaño, no un único rectángulo fijo: una imagen cuadrada de 4K mide 4096 × 4096, mientras que la salida documentada de 4K en 16:9 mide 5504 × 3072.\n\nEl texto es una parte sustancial del flujo de trabajo visual. El modelo está diseñado para representar textos legibles con estilo y organizar los elementos de las infografías con mayor precisión. Prepara el titular, las etiquetas y el orden de lectura exactos y, después, solicita la imagen con ese texto aprobado. Para un menú, un diagrama o un gráfico de instrucciones, especifica la relación entre cada leyenda y su elemento visual. Google recomienda crear primero el texto y pedir después la imagen, para que la composición visual parta de un encargo textual ya definido.\n\nLa fusión de imágenes de referencia admite hasta 14 imágenes. El perfil documentado contempla coherencia para hasta cuatro personajes y fidelidad para hasta diez objetos. Asigna una función a cada referencia: el producto que debe seguir siendo reconocible, la apariencia del personaje, el fondo deseado o el estilo visual. Un ejemplo de encargo de producto sería: «Usa la imagen A para la forma de la botella y la etiqueta. Usa la imagen B para la superficie y la iluminación. Mantén el producto sin cambios, colócalo junto a una toalla doblada y deja un espacio despejado encima para el titular proporcionado».\n\nLa fundamentación con Google Web Search e Image Search puede aportar información actualizada y contexto visual para la generación. Image Search proporciona imágenes recuperadas de la web como referencias; la fundamentación web estándar aporta información sobre el tema. Esto resulta útil para un gráfico factual o una escena cuyo aspecto dependa de un objeto real. El flujo de trabajo de búsqueda de imágenes no permite recuperar imágenes de personas reales para este fin. Las respuestas fundamentadas incluyen metadatos de fuentes y atribución en el flujo de trabajo documentado de Google, por lo que la aplicación debe conservarlos junto con el resultado generado.\n\nEl razonamiento se puede configurar en los niveles mínimo, medio y alto, con medio como opción predeterminada para este modelo concreto. Ayuda al modelo a resolver la composición y las instrucciones más complejas antes de producir la salida final. La guía de imágenes describe imágenes intermedias de composición dentro de ese proceso; son distintas del entregable final previsto. Elige explícitamente la composición final, la relación de aspecto y la resolución requeridas, en lugar de esperar que la descripción del prompt determine por sí sola todos los ajustes de salida.\n\nLa edición conversacional permite modificar una parte de un resultado existente en un turno posterior: ajustar la luz, mover un objeto o traducir las etiquetas conservando el resto de la composición. Incluye la imagen o la interacción anterior en el siguiente turno e indica tanto el cambio solicitado como los rasgos que deben conservarse. Para una serie de personajes, mantén coherentes las referencias de apariencia y utiliza una referencia de pose cuando sea importante un ángulo nuevo o una postura compleja. Un encargo práctico de revisión puede decir: «Conserva el producto, las etiquetas y la composición; cambia únicamente el fondo a un gris más cálido».\n\nLa tabla del modelo indica un límite de entrada de 131 072 tokens y un límite de salida de 32 768 tokens. Se admiten la generación de imágenes y la fundamentación mediante búsquedas, mientras que la generación de audio, la ejecución de código, las llamadas a funciones, las salidas estructuradas, el almacenamiento en caché, la búsqueda de archivos, el contexto de URL y Live API no figuran como compatibles con esta edición. Un vídeo puede servir de información para generar una imagen fija; eso no convierte al modelo en un generador de vídeo. Google también señala que solicitar un número exacto de imágenes puede no producir esa cantidad. Todas las imágenes generadas incluyen una marca de agua SynthID.\n\nPara un primer encargo útil, indica la finalidad de la imagen, el sujeto, la composición, la iluminación, la vista de cámara, el texto obligatorio y el formato de salida. Por ejemplo, solicita una infografía vertical con tres pasos etiquetados, un encabezado legible y una jerarquía de colores especificada; después, revisa el texto y la posición relativa de los elementos antes de la siguiente edición. El resultado puede convertirse en una ilustración de producto, un gráfico editorial o una referencia de diseño, conservando juntos la imagen elegida y su texto explicativo.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
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 genera y edita imágenes de forma conversacional a partir de texto y material visual. Mejora la representación del texto, la composición de infografías y la coherencia entre turnos, con salidas de 1K–4K y hasta 14 imágenes de referencia para un encargo visual definido.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini Nano Banana 2.1 es el modelo de Google para la generación de imágenes y la edición conversacional. Es una actualización de Nano Banana 2, con mejoras en el realismo visual, el cumplimiento de las instrucciones, la representación del texto y la coherencia de los personajes a lo largo de ediciones sucesivas. Su tabla de entradas incluye texto, imágenes, vídeo y PDF, mientras que la salida es imagen y texto. Esto lo hace útil para una escena de producto, una infografía o una serie visual que evoluciona mediante varias revisiones concretas.
El modelo ofrece salidas de 1K, 2K y 4K, con 1K como opción predeterminada. No hereda la opción de 0,5K de Nano Banana 2. Las relaciones de aspecto documentadas incluyen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 y 21:9, además de los formatos verticales o panorámicos 1:4, 4:1, 1:8 y 8:1. Google señala correcciones de los artefactos de mosaico en estos últimos formatos anchos y altos a 2K y 4K. Las etiquetas de resolución son categorías de tamaño, no un único rectángulo fijo: una imagen cuadrada de 4K mide 4096 × 4096, mientras que la salida documentada de 4K en 16:9 mide 5504 × 3072.
El texto es una parte sustancial del flujo de trabajo visual. El modelo está diseñado para representar textos legibles con estilo y organizar los elementos de las infografías con mayor precisión. Prepara el titular, las etiquetas y el orden de lectura exactos y, después, solicita la imagen con ese texto aprobado. Para un menú, un diagrama o un gráfico de instrucciones, especifica la relación entre cada leyenda y su elemento visual. Google recomienda crear primero el texto y pedir después la imagen, para que la composición visual parta de un encargo textual ya definido.
La fusión de imágenes de referencia admite hasta 14 imágenes. El perfil documentado contempla coherencia para hasta cuatro personajes y fidelidad para hasta diez objetos. Asigna una función a cada referencia: el producto que debe seguir siendo reconocible, la apariencia del personaje, el fondo deseado o el estilo visual. Un ejemplo de encargo de producto sería: «Usa la imagen A para la forma de la botella y la etiqueta. Usa la imagen B para la superficie y la iluminación. Mantén el producto sin cambios, colócalo junto a una toalla doblada y deja un espacio despejado encima para el titular proporcionado».
La fundamentación con Google Web Search e Image Search puede aportar información actualizada y contexto visual para la generación. Image Search proporciona imágenes recuperadas de la web como referencias; la fundamentación web estándar aporta información sobre el tema. Esto resulta útil para un gráfico factual o una escena cuyo aspecto dependa de un objeto real. El flujo de trabajo de búsqueda de imágenes no permite recuperar imágenes de personas reales para este fin. Las respuestas fundamentadas incluyen metadatos de fuentes y atribución en el flujo de trabajo documentado de Google, por lo que la aplicación debe conservarlos junto con el resultado generado.
El razonamiento se puede configurar en los niveles mínimo, medio y alto, con medio como opción predeterminada para este modelo concreto. Ayuda al modelo a resolver la composición y las instrucciones más complejas antes de producir la salida final. La guía de imágenes describe imágenes intermedias de composición dentro de ese proceso; son distintas del entregable final previsto. Elige explícitamente la composición final, la relación de aspecto y la resolución requeridas, en lugar de esperar que la descripción del prompt determine por sí sola todos los ajustes de salida.
La edición conversacional permite modificar una parte de un resultado existente en un turno posterior: ajustar la luz, mover un objeto o traducir las etiquetas conservando el resto de la composición. Incluye la imagen o la interacción anterior en el siguiente turno e indica tanto el cambio solicitado como los rasgos que deben conservarse. Para una serie de personajes, mantén coherentes las referencias de apariencia y utiliza una referencia de pose cuando sea importante un ángulo nuevo o una postura compleja. Un encargo práctico de revisión puede decir: «Conserva el producto, las etiquetas y la composición; cambia únicamente el fondo a un gris más cálido».
La tabla del modelo indica un límite de entrada de 131 072 tokens y un límite de salida de 32 768 tokens. Se admiten la generación de imágenes y la fundamentación mediante búsquedas, mientras que la generación de audio, la ejecución de código, las llamadas a funciones, las salidas estructuradas, el almacenamiento en caché, la búsqueda de archivos, el contexto de URL y Live API no figuran como compatibles con esta edición. Un vídeo puede servir de información para generar una imagen fija; eso no convierte al modelo en un generador de vídeo. Google también señala que solicitar un número exacto de imágenes puede no producir esa cantidad. Todas las imágenes generadas incluyen una marca de agua SynthID.
Para un primer encargo útil, indica la finalidad de la imagen, el sujeto, la composición, la iluminación, la vista de cámara, el texto obligatorio y el formato de salida. Por ejemplo, solicita una infografía vertical con tres pasos etiquetados, un encabezado legible y una jerarquía de colores especificada; después, revisa el texto y la posición relativa de los elementos antes de la siguiente edición. El resultado puede convertirse en una ilustración de producto, un gráfico editorial o una referencia de diseño, conservando juntos la imagen elegida y su texto explicativo.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-nano-banana-2.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de imagen $0.06 / 1K tokens de imagen |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
| Configuración | Condiciones de facturación | Cargo |
|---|---|---|
| ConfiguraciónGoogle: Nano Banana 2.1 · Configuración predeterminada | Condiciones de facturaciónConfiguración predeterminada | Cargo Entrada · Tokens de entrada 0,003 US$ / 1K tokens Salida · Tokens de salida 0,015 US$ / 1K tokens Salida · Imagen de salida 0,06 US$ / 1K tokens Salida · Búsqueda web 0,028 US$ por búsqueda |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 genera y edita imágenes de forma conversacional a partir de texto y material visual. Mejora la representación del texto, la composición de infografías y la coherencia entre turnos, con salidas de 1K–4K y hasta 14 imágenes de referencia para un encargo visual definido.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini Nano Banana 2.1 es el modelo de Google para la generación de imágenes y la edición conversacional. Es una actualización de Nano Banana 2, con mejoras en el realismo visual, el cumplimiento de las instrucciones, la representación del texto y la coherencia de los personajes a lo largo de ediciones sucesivas. Su tabla de entradas incluye texto, imágenes, vídeo y PDF, mientras que la salida es imagen y texto. Esto lo hace útil para una escena de producto, una infografía o una serie visual que evoluciona mediante varias revisiones concretas.
El modelo ofrece salidas de 1K, 2K y 4K, con 1K como opción predeterminada. No hereda la opción de 0,5K de Nano Banana 2. Las relaciones de aspecto documentadas incluyen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 y 21:9, además de los formatos verticales o panorámicos 1:4, 4:1, 1:8 y 8:1. Google señala correcciones de los artefactos de mosaico en estos últimos formatos anchos y altos a 2K y 4K. Las etiquetas de resolución son categorías de tamaño, no un único rectángulo fijo: una imagen cuadrada de 4K mide 4096 × 4096, mientras que la salida documentada de 4K en 16:9 mide 5504 × 3072.
El texto es una parte sustancial del flujo de trabajo visual. El modelo está diseñado para representar textos legibles con estilo y organizar los elementos de las infografías con mayor precisión. Prepara el titular, las etiquetas y el orden de lectura exactos y, después, solicita la imagen con ese texto aprobado. Para un menú, un diagrama o un gráfico de instrucciones, especifica la relación entre cada leyenda y su elemento visual. Google recomienda crear primero el texto y pedir después la imagen, para que la composición visual parta de un encargo textual ya definido.
La fusión de imágenes de referencia admite hasta 14 imágenes. El perfil documentado contempla coherencia para hasta cuatro personajes y fidelidad para hasta diez objetos. Asigna una función a cada referencia: el producto que debe seguir siendo reconocible, la apariencia del personaje, el fondo deseado o el estilo visual. Un ejemplo de encargo de producto sería: «Usa la imagen A para la forma de la botella y la etiqueta. Usa la imagen B para la superficie y la iluminación. Mantén el producto sin cambios, colócalo junto a una toalla doblada y deja un espacio despejado encima para el titular proporcionado».
La fundamentación con Google Web Search e Image Search puede aportar información actualizada y contexto visual para la generación. Image Search proporciona imágenes recuperadas de la web como referencias; la fundamentación web estándar aporta información sobre el tema. Esto resulta útil para un gráfico factual o una escena cuyo aspecto dependa de un objeto real. El flujo de trabajo de búsqueda de imágenes no permite recuperar imágenes de personas reales para este fin. Las respuestas fundamentadas incluyen metadatos de fuentes y atribución en el flujo de trabajo documentado de Google, por lo que la aplicación debe conservarlos junto con el resultado generado.
El razonamiento se puede configurar en los niveles mínimo, medio y alto, con medio como opción predeterminada para este modelo concreto. Ayuda al modelo a resolver la composición y las instrucciones más complejas antes de producir la salida final. La guía de imágenes describe imágenes intermedias de composición dentro de ese proceso; son distintas del entregable final previsto. Elige explícitamente la composición final, la relación de aspecto y la resolución requeridas, en lugar de esperar que la descripción del prompt determine por sí sola todos los ajustes de salida.
La edición conversacional permite modificar una parte de un resultado existente en un turno posterior: ajustar la luz, mover un objeto o traducir las etiquetas conservando el resto de la composición. Incluye la imagen o la interacción anterior en el siguiente turno e indica tanto el cambio solicitado como los rasgos que deben conservarse. Para una serie de personajes, mantén coherentes las referencias de apariencia y utiliza una referencia de pose cuando sea importante un ángulo nuevo o una postura compleja. Un encargo práctico de revisión puede decir: «Conserva el producto, las etiquetas y la composición; cambia únicamente el fondo a un gris más cálido».
La tabla del modelo indica un límite de entrada de 131 072 tokens y un límite de salida de 32 768 tokens. Se admiten la generación de imágenes y la fundamentación mediante búsquedas, mientras que la generación de audio, la ejecución de código, las llamadas a funciones, las salidas estructuradas, el almacenamiento en caché, la búsqueda de archivos, el contexto de URL y Live API no figuran como compatibles con esta edición. Un vídeo puede servir de información para generar una imagen fija; eso no convierte al modelo en un generador de vídeo. Google también señala que solicitar un número exacto de imágenes puede no producir esa cantidad. Todas las imágenes generadas incluyen una marca de agua SynthID.
Para un primer encargo útil, indica la finalidad de la imagen, el sujeto, la composición, la iluminación, la vista de cámara, el texto obligatorio y el formato de salida. Por ejemplo, solicita una infografía vertical con tres pasos etiquetados, un encabezado legible y una jerarquía de colores especificada; después, revisa el texto y la posición relativa de los elementos antes de la siguiente edición. El resultado puede convertirse en una ilustración de producto, un gráfico editorial o una referencia de diseño, conservando juntos la imagen elegida y su texto explicativo.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-nano-banana-2.1 | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— |
Camporesolution | Tipostring | RequisitoOpcional | Valores y límites 1K, 2K, 4K | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 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 | Predeterminado— |
Campon | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 1 | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 0 Número máximo de elementos: 14 | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt |
Parámetromaterial_types | Contratotext, image |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id real devuelto o registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.24576 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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\nDescarga cada imagen recibida o guarda su contenido Base64
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.\nGuarda todas las imágenes completadas; descarga cada URL recibida o decodifica su contenido Base64.
Conserva la respuesta completa y las cabeceras, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores task_id/asset_id realmente devueltos o la biblioteca multimedia propia; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 genera y edita imágenes de forma conversacional a partir de texto y material visual. Mejora la representación del texto, la composición de infografías y la coherencia entre turnos, con salidas de 1K–4K y hasta 14 imágenes de referencia para un encargo visual definido.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini Nano Banana 2.1 es el modelo de Google para la generación de imágenes y la edición conversacional. Es una actualización de Nano Banana 2, con mejoras en el realismo visual, el cumplimiento de las instrucciones, la representación del texto y la coherencia de los personajes a lo largo de ediciones sucesivas. Su tabla de entradas incluye texto, imágenes, vídeo y PDF, mientras que la salida es imagen y texto. Esto lo hace útil para una escena de producto, una infografía o una serie visual que evoluciona mediante varias revisiones concretas.
El modelo ofrece salidas de 1K, 2K y 4K, con 1K como opción predeterminada. No hereda la opción de 0,5K de Nano Banana 2. Las relaciones de aspecto documentadas incluyen 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 y 21:9, además de los formatos verticales o panorámicos 1:4, 4:1, 1:8 y 8:1. Google señala correcciones de los artefactos de mosaico en estos últimos formatos anchos y altos a 2K y 4K. Las etiquetas de resolución son categorías de tamaño, no un único rectángulo fijo: una imagen cuadrada de 4K mide 4096 × 4096, mientras que la salida documentada de 4K en 16:9 mide 5504 × 3072.
El texto es una parte sustancial del flujo de trabajo visual. El modelo está diseñado para representar textos legibles con estilo y organizar los elementos de las infografías con mayor precisión. Prepara el titular, las etiquetas y el orden de lectura exactos y, después, solicita la imagen con ese texto aprobado. Para un menú, un diagrama o un gráfico de instrucciones, especifica la relación entre cada leyenda y su elemento visual. Google recomienda crear primero el texto y pedir después la imagen, para que la composición visual parta de un encargo textual ya definido.
La fusión de imágenes de referencia admite hasta 14 imágenes. El perfil documentado contempla coherencia para hasta cuatro personajes y fidelidad para hasta diez objetos. Asigna una función a cada referencia: el producto que debe seguir siendo reconocible, la apariencia del personaje, el fondo deseado o el estilo visual. Un ejemplo de encargo de producto sería: «Usa la imagen A para la forma de la botella y la etiqueta. Usa la imagen B para la superficie y la iluminación. Mantén el producto sin cambios, colócalo junto a una toalla doblada y deja un espacio despejado encima para el titular proporcionado».
La fundamentación con Google Web Search e Image Search puede aportar información actualizada y contexto visual para la generación. Image Search proporciona imágenes recuperadas de la web como referencias; la fundamentación web estándar aporta información sobre el tema. Esto resulta útil para un gráfico factual o una escena cuyo aspecto dependa de un objeto real. El flujo de trabajo de búsqueda de imágenes no permite recuperar imágenes de personas reales para este fin. Las respuestas fundamentadas incluyen metadatos de fuentes y atribución en el flujo de trabajo documentado de Google, por lo que la aplicación debe conservarlos junto con el resultado generado.
El razonamiento se puede configurar en los niveles mínimo, medio y alto, con medio como opción predeterminada para este modelo concreto. Ayuda al modelo a resolver la composición y las instrucciones más complejas antes de producir la salida final. La guía de imágenes describe imágenes intermedias de composición dentro de ese proceso; son distintas del entregable final previsto. Elige explícitamente la composición final, la relación de aspecto y la resolución requeridas, en lugar de esperar que la descripción del prompt determine por sí sola todos los ajustes de salida.
La edición conversacional permite modificar una parte de un resultado existente en un turno posterior: ajustar la luz, mover un objeto o traducir las etiquetas conservando el resto de la composición. Incluye la imagen o la interacción anterior en el siguiente turno e indica tanto el cambio solicitado como los rasgos que deben conservarse. Para una serie de personajes, mantén coherentes las referencias de apariencia y utiliza una referencia de pose cuando sea importante un ángulo nuevo o una postura compleja. Un encargo práctico de revisión puede decir: «Conserva el producto, las etiquetas y la composición; cambia únicamente el fondo a un gris más cálido».
La tabla del modelo indica un límite de entrada de 131 072 tokens y un límite de salida de 32 768 tokens. Se admiten la generación de imágenes y la fundamentación mediante búsquedas, mientras que la generación de audio, la ejecución de código, las llamadas a funciones, las salidas estructuradas, el almacenamiento en caché, la búsqueda de archivos, el contexto de URL y Live API no figuran como compatibles con esta edición. Un vídeo puede servir de información para generar una imagen fija; eso no convierte al modelo en un generador de vídeo. Google también señala que solicitar un número exacto de imágenes puede no producir esa cantidad. Todas las imágenes generadas incluyen una marca de agua SynthID.
Para un primer encargo útil, indica la finalidad de la imagen, el sujeto, la composición, la iluminación, la vista de cámara, el texto obligatorio y el formato de salida. Por ejemplo, solicita una infografía vertical con tres pasos etiquetados, un encabezado legible y una jerarquía de colores especificada; después, revisa el texto y la posición relativa de los elementos antes de la siguiente edición. El resultado puede convertirse en una ilustración de producto, un gráfico editorial o una referencia de diseño, conservando juntos la imagen elegida y su texto explicativo.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-nano-banana-2.1 | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de imagen $0.06 / 1K tokens de imagen |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-nano-banana-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
Ejemplo técnico en inglés
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.