Gemini Nano Banana 2.1은 Google의 이미지 생성 및 대화형 편집 모델입니다. Nano Banana 2의 업데이트로, 시각적 사실성, 지시 준수, 텍스트 렌더링, 연속 편집 과정의 캐릭터 일관성이 개선되었습니다. 입력 표에는 텍스트, 이미지, 비디오, PDF가 포함되며 출력은 이미지와 텍스트입니다. 따라서 제품 장면, 인포그래픽, 여러 차례의 구체적인 수정을 통해 발전시키는 시각 시리즈에 유용합니다.
모델은 1K, 2K, 4K 출력을 제공하며 기본값은 1K입니다. Nano Banana 2의 0.5K 옵션을 계승하지는 않습니다. 문서화된 화면비에는 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9와 함께 세로로 길거나 파노라마 형태인 1:4, 4:1, 1:8, 8:1이 포함됩니다. Google은 이 중 가로 또는 세로로 긴 형식의 2K와 4K에서 타일링 아티팩트를 수정했다고 밝힙니다. 해상도 표기는 하나의 고정된 직사각형이 아니라 크기 등급입니다. 정사각형 4K 이미지는 4096 × 4096이고 문서에 제시된 16:9 4K 출력은 5504 × 3072입니다.
텍스트는 시각 작업의 중요한 부분입니다. 모델은 스타일을 적용한 문구를 읽기 쉽게 렌더링하고 인포그래픽 요소를 더 정확하게 구성하도록 설계되었습니다. 정확한 제목, 라벨, 읽기 순서를 준비한 다음 승인된 문구를 넣은 이미지를 요청하세요. 메뉴, 도표, 안내 그래픽에는 캡션과 시각 요소의 관계를 명시하세요. Google은 먼저 문구를 만든 후 이미지를 요청해 확정된 텍스트 기획에서 시각 구성을 시작할 것을 권장합니다.
참조 이미지 융합은 최대 14개의 이미지를 지원합니다. 문서화된 프로필은 최대 4명의 캐릭터에 대한 일관성과 최대 10개 사물에 대한 충실도를 다룹니다. 각 참조에 역할을 지정하세요. 식별 가능한 상태로 유지해야 할 제품, 캐릭터 외형, 원하는 배경, 시각 스타일 등이 그 예입니다. 제품 기획 예시는 다음과 같습니다. “이미지 A는 병 형태와 라벨의 참조로 사용하세요. 이미지 B는 표면과 조명의 참조로 사용하세요. 제품은 그대로 유지하고 접은 수건 옆에 놓으며, 제공한 제목을 넣을 수 있도록 위쪽에 빈 공간을 남기세요.”
Google Web Search와 Image Search 그라운딩은 생성에 필요한 최신 정보와 시각적 맥락을 제공할 수 있습니다. Image Search는 웹에서 검색한 이미지를 참조로 제공하며 일반 웹 그라운딩은 주제에 대한 정보를 제공합니다. 이는 사실을 다루는 그래픽이나 실제 사물의 외형이 중요한 장면에 유용합니다. 이미지 검색 워크플로는 이 용도로 실제 인물 사진을 검색하는 것을 지원하지 않습니다. Google의 문서화된 워크플로에서 그라운딩 응답은 출처 및 저작자 표시 메타데이터를 포함하므로 애플리케이션은 생성 결과와 함께 이를 보존해야 합니다.
Thinking은 minimal, medium, high 수준으로 설정할 수 있으며 이 정확한 모델의 기본값은 medium입니다. 이는 최종 출력 전에 구성과 복잡한 지시를 검토하는 데 도움이 됩니다. 이미지 가이드는 이 과정의 중간 구성 이미지를 설명하며, 이는 의도한 최종 결과물과 구별됩니다. 프롬프트 설명만으로 모든 출력 설정이 정해질 것이라 기대하지 말고 필요한 최종 레이아웃, 화면비, 해상도를 명시적으로 선택하세요.
대화형 편집은 구성의 나머지 부분을 유지하면서 기존 결과의 일부를 바꿀 수 있습니다. 조명을 조정하거나 사물을 옮기거나 라벨을 번역하는 것이 그 예입니다. 이전 이미지나 상호작용을 다음 턴에 전달하고 요청하는 변경과 유지할 특징을 모두 밝히세요. 캐릭터 시리즈에서는 외형 참조를 일관되게 유지하고, 새로운 각도나 복잡한 자세가 중요하면 포즈 참조를 사용하세요. 실무 수정 지시문은 다음과 같을 수 있습니다. “제품, 라벨, 배치는 보존하고 배경만 더 따뜻한 회색으로 바꾸세요.”
모델 표는 입력 한도를 131,072 토큰, 출력 한도를 32,768 토큰으로 명시합니다. 이미지 생성과 검색 그라운딩은 지원하지만 오디오 생성, 코드 실행, 함수 호출, 구조화된 출력, 캐싱, 파일 검색, URL 컨텍스트, Live API는 이 에디션의 지원 항목으로 기재되어 있지 않습니다. 비디오는 생성할 정지 이미지에 정보를 제공할 수 있지만 이 모델을 비디오 생성기로 만들지는 않습니다. Google은 정확한 이미지 수를 요청해도 그 수가 나오지 않을 수 있다고도 설명합니다. 생성되는 모든 이미지에는 SynthID 워터마크가 포함됩니다.
유용한 첫 기획을 위해 이미지의 목적, 주제, 구성, 조명, 카메라 시점, 필수 문구, 출력 형태를 알려 주세요. 예를 들어 라벨이 붙은 3단계, 읽기 쉬운 제목, 지정된 색상 위계를 갖춘 세로형 인포그래픽을 요청한 뒤 다음 편집 전에 문구와 상대적인 배치를 검토하세요. 결과는 제품 일러스트레이션, 편집 그래픽, 디자인 참조가 될 수 있으며 선택한 이미지와 설명 텍스트를 함께 보관합니다.
", "aboutText": "Gemini Nano Banana 2.1은 Google의 이미지 생성 및 대화형 편집 모델입니다. Nano Banana 2의 업데이트로, 시각적 사실성, 지시 준수, 텍스트 렌더링, 연속 편집 과정의 캐릭터 일관성이 개선되었습니다. 입력 표에는 텍스트, 이미지, 비디오, PDF가 포함되며 출력은 이미지와 텍스트입니다. 따라서 제품 장면, 인포그래픽, 여러 차례의 구체적인 수정을 통해 발전시키는 시각 시리즈에 유용합니다.\n\n모델은 1K, 2K, 4K 출력을 제공하며 기본값은 1K입니다. Nano Banana 2의 0.5K 옵션을 계승하지는 않습니다. 문서화된 화면비에는 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9와 함께 세로로 길거나 파노라마 형태인 1:4, 4:1, 1:8, 8:1이 포함됩니다. Google은 이 중 가로 또는 세로로 긴 형식의 2K와 4K에서 타일링 아티팩트를 수정했다고 밝힙니다. 해상도 표기는 하나의 고정된 직사각형이 아니라 크기 등급입니다. 정사각형 4K 이미지는 4096 × 4096이고 문서에 제시된 16:9 4K 출력은 5504 × 3072입니다.\n\n텍스트는 시각 작업의 중요한 부분입니다. 모델은 스타일을 적용한 문구를 읽기 쉽게 렌더링하고 인포그래픽 요소를 더 정확하게 구성하도록 설계되었습니다. 정확한 제목, 라벨, 읽기 순서를 준비한 다음 승인된 문구를 넣은 이미지를 요청하세요. 메뉴, 도표, 안내 그래픽에는 캡션과 시각 요소의 관계를 명시하세요. Google은 먼저 문구를 만든 후 이미지를 요청해 확정된 텍스트 기획에서 시각 구성을 시작할 것을 권장합니다.\n\n참조 이미지 융합은 최대 14개의 이미지를 지원합니다. 문서화된 프로필은 최대 4명의 캐릭터에 대한 일관성과 최대 10개 사물에 대한 충실도를 다룹니다. 각 참조에 역할을 지정하세요. 식별 가능한 상태로 유지해야 할 제품, 캐릭터 외형, 원하는 배경, 시각 스타일 등이 그 예입니다. 제품 기획 예시는 다음과 같습니다. “이미지 A는 병 형태와 라벨의 참조로 사용하세요. 이미지 B는 표면과 조명의 참조로 사용하세요. 제품은 그대로 유지하고 접은 수건 옆에 놓으며, 제공한 제목을 넣을 수 있도록 위쪽에 빈 공간을 남기세요.”\n\nGoogle Web Search와 Image Search 그라운딩은 생성에 필요한 최신 정보와 시각적 맥락을 제공할 수 있습니다. Image Search는 웹에서 검색한 이미지를 참조로 제공하며 일반 웹 그라운딩은 주제에 대한 정보를 제공합니다. 이는 사실을 다루는 그래픽이나 실제 사물의 외형이 중요한 장면에 유용합니다. 이미지 검색 워크플로는 이 용도로 실제 인물 사진을 검색하는 것을 지원하지 않습니다. Google의 문서화된 워크플로에서 그라운딩 응답은 출처 및 저작자 표시 메타데이터를 포함하므로 애플리케이션은 생성 결과와 함께 이를 보존해야 합니다.\n\nThinking은 minimal, medium, high 수준으로 설정할 수 있으며 이 정확한 모델의 기본값은 medium입니다. 이는 최종 출력 전에 구성과 복잡한 지시를 검토하는 데 도움이 됩니다. 이미지 가이드는 이 과정의 중간 구성 이미지를 설명하며, 이는 의도한 최종 결과물과 구별됩니다. 프롬프트 설명만으로 모든 출력 설정이 정해질 것이라 기대하지 말고 필요한 최종 레이아웃, 화면비, 해상도를 명시적으로 선택하세요.\n\n대화형 편집은 구성의 나머지 부분을 유지하면서 기존 결과의 일부를 바꿀 수 있습니다. 조명을 조정하거나 사물을 옮기거나 라벨을 번역하는 것이 그 예입니다. 이전 이미지나 상호작용을 다음 턴에 전달하고 요청하는 변경과 유지할 특징을 모두 밝히세요. 캐릭터 시리즈에서는 외형 참조를 일관되게 유지하고, 새로운 각도나 복잡한 자세가 중요하면 포즈 참조를 사용하세요. 실무 수정 지시문은 다음과 같을 수 있습니다. “제품, 라벨, 배치는 보존하고 배경만 더 따뜻한 회색으로 바꾸세요.”\n\n모델 표는 입력 한도를 131,072 토큰, 출력 한도를 32,768 토큰으로 명시합니다. 이미지 생성과 검색 그라운딩은 지원하지만 오디오 생성, 코드 실행, 함수 호출, 구조화된 출력, 캐싱, 파일 검색, URL 컨텍스트, Live API는 이 에디션의 지원 항목으로 기재되어 있지 않습니다. 비디오는 생성할 정지 이미지에 정보를 제공할 수 있지만 이 모델을 비디오 생성기로 만들지는 않습니다. Google은 정확한 이미지 수를 요청해도 그 수가 나오지 않을 수 있다고도 설명합니다. 생성되는 모든 이미지에는 SynthID 워터마크가 포함됩니다.\n\n유용한 첫 기획을 위해 이미지의 목적, 주제, 구성, 조명, 카메라 시점, 필수 문구, 출력 형태를 알려 주세요. 예를 들어 라벨이 붙은 3단계, 읽기 쉬운 제목, 지정된 색상 위계를 갖춘 세로형 인포그래픽을 요청한 뒤 다음 편집 전에 문구와 상대적인 배치를 검토하세요. 결과는 제품 일러스트레이션, 편집 그래픽, 디자인 참조가 될 수 있으며 선택한 이미지와 설명 텍스트를 함께 보관합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 2.1은 텍스트와 시각 자료를 바탕으로 대화하면서 이미지를 생성하고 편집합니다. 텍스트 렌더링, 인포그래픽 배치, 여러 턴에 걸친 일관성이 개선되었으며, 명확한 시각 기획에 1K–4K 출력과 최대 14개의 참조 이미지를 사용할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini Nano Banana 2.1은 Google의 이미지 생성 및 대화형 편집 모델입니다. Nano Banana 2의 업데이트로, 시각적 사실성, 지시 준수, 텍스트 렌더링, 연속 편집 과정의 캐릭터 일관성이 개선되었습니다. 입력 표에는 텍스트, 이미지, 비디오, PDF가 포함되며 출력은 이미지와 텍스트입니다. 따라서 제품 장면, 인포그래픽, 여러 차례의 구체적인 수정을 통해 발전시키는 시각 시리즈에 유용합니다.
모델은 1K, 2K, 4K 출력을 제공하며 기본값은 1K입니다. Nano Banana 2의 0.5K 옵션을 계승하지는 않습니다. 문서화된 화면비에는 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9와 함께 세로로 길거나 파노라마 형태인 1:4, 4:1, 1:8, 8:1이 포함됩니다. Google은 이 중 가로 또는 세로로 긴 형식의 2K와 4K에서 타일링 아티팩트를 수정했다고 밝힙니다. 해상도 표기는 하나의 고정된 직사각형이 아니라 크기 등급입니다. 정사각형 4K 이미지는 4096 × 4096이고 문서에 제시된 16:9 4K 출력은 5504 × 3072입니다.
텍스트는 시각 작업의 중요한 부분입니다. 모델은 스타일을 적용한 문구를 읽기 쉽게 렌더링하고 인포그래픽 요소를 더 정확하게 구성하도록 설계되었습니다. 정확한 제목, 라벨, 읽기 순서를 준비한 다음 승인된 문구를 넣은 이미지를 요청하세요. 메뉴, 도표, 안내 그래픽에는 캡션과 시각 요소의 관계를 명시하세요. Google은 먼저 문구를 만든 후 이미지를 요청해 확정된 텍스트 기획에서 시각 구성을 시작할 것을 권장합니다.
참조 이미지 융합은 최대 14개의 이미지를 지원합니다. 문서화된 프로필은 최대 4명의 캐릭터에 대한 일관성과 최대 10개 사물에 대한 충실도를 다룹니다. 각 참조에 역할을 지정하세요. 식별 가능한 상태로 유지해야 할 제품, 캐릭터 외형, 원하는 배경, 시각 스타일 등이 그 예입니다. 제품 기획 예시는 다음과 같습니다. “이미지 A는 병 형태와 라벨의 참조로 사용하세요. 이미지 B는 표면과 조명의 참조로 사용하세요. 제품은 그대로 유지하고 접은 수건 옆에 놓으며, 제공한 제목을 넣을 수 있도록 위쪽에 빈 공간을 남기세요.”
Google Web Search와 Image Search 그라운딩은 생성에 필요한 최신 정보와 시각적 맥락을 제공할 수 있습니다. Image Search는 웹에서 검색한 이미지를 참조로 제공하며 일반 웹 그라운딩은 주제에 대한 정보를 제공합니다. 이는 사실을 다루는 그래픽이나 실제 사물의 외형이 중요한 장면에 유용합니다. 이미지 검색 워크플로는 이 용도로 실제 인물 사진을 검색하는 것을 지원하지 않습니다. Google의 문서화된 워크플로에서 그라운딩 응답은 출처 및 저작자 표시 메타데이터를 포함하므로 애플리케이션은 생성 결과와 함께 이를 보존해야 합니다.
Thinking은 minimal, medium, high 수준으로 설정할 수 있으며 이 정확한 모델의 기본값은 medium입니다. 이는 최종 출력 전에 구성과 복잡한 지시를 검토하는 데 도움이 됩니다. 이미지 가이드는 이 과정의 중간 구성 이미지를 설명하며, 이는 의도한 최종 결과물과 구별됩니다. 프롬프트 설명만으로 모든 출력 설정이 정해질 것이라 기대하지 말고 필요한 최종 레이아웃, 화면비, 해상도를 명시적으로 선택하세요.
대화형 편집은 구성의 나머지 부분을 유지하면서 기존 결과의 일부를 바꿀 수 있습니다. 조명을 조정하거나 사물을 옮기거나 라벨을 번역하는 것이 그 예입니다. 이전 이미지나 상호작용을 다음 턴에 전달하고 요청하는 변경과 유지할 특징을 모두 밝히세요. 캐릭터 시리즈에서는 외형 참조를 일관되게 유지하고, 새로운 각도나 복잡한 자세가 중요하면 포즈 참조를 사용하세요. 실무 수정 지시문은 다음과 같을 수 있습니다. “제품, 라벨, 배치는 보존하고 배경만 더 따뜻한 회색으로 바꾸세요.”
모델 표는 입력 한도를 131,072 토큰, 출력 한도를 32,768 토큰으로 명시합니다. 이미지 생성과 검색 그라운딩은 지원하지만 오디오 생성, 코드 실행, 함수 호출, 구조화된 출력, 캐싱, 파일 검색, URL 컨텍스트, Live API는 이 에디션의 지원 항목으로 기재되어 있지 않습니다. 비디오는 생성할 정지 이미지에 정보를 제공할 수 있지만 이 모델을 비디오 생성기로 만들지는 않습니다. Google은 정확한 이미지 수를 요청해도 그 수가 나오지 않을 수 있다고도 설명합니다. 생성되는 모든 이미지에는 SynthID 워터마크가 포함됩니다.
유용한 첫 기획을 위해 이미지의 목적, 주제, 구성, 조명, 카메라 시점, 필수 문구, 출력 형태를 알려 주세요. 예를 들어 라벨이 붙은 3단계, 읽기 쉬운 제목, 지정된 색상 위계를 갖춘 세로형 인포그래픽을 요청한 뒤 다음 편집 전에 문구와 상대적인 배치를 검토하세요. 결과는 제품 일러스트레이션, 편집 그래픽, 디자인 참조가 될 수 있으며 선택한 이미지와 설명 텍스트를 함께 보관합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-nano-banana-2.1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 이미지 출력 토큰 $0.06 / 1K 이미지 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
| 설정 | 과금 조건 | 요금 |
|---|---|---|
| 설정Google: Nano Banana 2.1 · 기본 설정 | 과금 조건기본 설정 | 요금 입력 · 입력 토큰 US$0.003 / 1K 토큰 출력 · 출력 토큰 US$0.015 / 1K 토큰 출력 · 출력 이미지 US$0.06 / 1K 토큰 출력 · 웹 검색 US$0.028 검색당 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1은 텍스트와 시각 자료를 바탕으로 대화하면서 이미지를 생성하고 편집합니다. 텍스트 렌더링, 인포그래픽 배치, 여러 턴에 걸친 일관성이 개선되었으며, 명확한 시각 기획에 1K–4K 출력과 최대 14개의 참조 이미지를 사용할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini Nano Banana 2.1은 Google의 이미지 생성 및 대화형 편집 모델입니다. Nano Banana 2의 업데이트로, 시각적 사실성, 지시 준수, 텍스트 렌더링, 연속 편집 과정의 캐릭터 일관성이 개선되었습니다. 입력 표에는 텍스트, 이미지, 비디오, PDF가 포함되며 출력은 이미지와 텍스트입니다. 따라서 제품 장면, 인포그래픽, 여러 차례의 구체적인 수정을 통해 발전시키는 시각 시리즈에 유용합니다.
모델은 1K, 2K, 4K 출력을 제공하며 기본값은 1K입니다. Nano Banana 2의 0.5K 옵션을 계승하지는 않습니다. 문서화된 화면비에는 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9와 함께 세로로 길거나 파노라마 형태인 1:4, 4:1, 1:8, 8:1이 포함됩니다. Google은 이 중 가로 또는 세로로 긴 형식의 2K와 4K에서 타일링 아티팩트를 수정했다고 밝힙니다. 해상도 표기는 하나의 고정된 직사각형이 아니라 크기 등급입니다. 정사각형 4K 이미지는 4096 × 4096이고 문서에 제시된 16:9 4K 출력은 5504 × 3072입니다.
텍스트는 시각 작업의 중요한 부분입니다. 모델은 스타일을 적용한 문구를 읽기 쉽게 렌더링하고 인포그래픽 요소를 더 정확하게 구성하도록 설계되었습니다. 정확한 제목, 라벨, 읽기 순서를 준비한 다음 승인된 문구를 넣은 이미지를 요청하세요. 메뉴, 도표, 안내 그래픽에는 캡션과 시각 요소의 관계를 명시하세요. Google은 먼저 문구를 만든 후 이미지를 요청해 확정된 텍스트 기획에서 시각 구성을 시작할 것을 권장합니다.
참조 이미지 융합은 최대 14개의 이미지를 지원합니다. 문서화된 프로필은 최대 4명의 캐릭터에 대한 일관성과 최대 10개 사물에 대한 충실도를 다룹니다. 각 참조에 역할을 지정하세요. 식별 가능한 상태로 유지해야 할 제품, 캐릭터 외형, 원하는 배경, 시각 스타일 등이 그 예입니다. 제품 기획 예시는 다음과 같습니다. “이미지 A는 병 형태와 라벨의 참조로 사용하세요. 이미지 B는 표면과 조명의 참조로 사용하세요. 제품은 그대로 유지하고 접은 수건 옆에 놓으며, 제공한 제목을 넣을 수 있도록 위쪽에 빈 공간을 남기세요.”
Google Web Search와 Image Search 그라운딩은 생성에 필요한 최신 정보와 시각적 맥락을 제공할 수 있습니다. Image Search는 웹에서 검색한 이미지를 참조로 제공하며 일반 웹 그라운딩은 주제에 대한 정보를 제공합니다. 이는 사실을 다루는 그래픽이나 실제 사물의 외형이 중요한 장면에 유용합니다. 이미지 검색 워크플로는 이 용도로 실제 인물 사진을 검색하는 것을 지원하지 않습니다. Google의 문서화된 워크플로에서 그라운딩 응답은 출처 및 저작자 표시 메타데이터를 포함하므로 애플리케이션은 생성 결과와 함께 이를 보존해야 합니다.
Thinking은 minimal, medium, high 수준으로 설정할 수 있으며 이 정확한 모델의 기본값은 medium입니다. 이는 최종 출력 전에 구성과 복잡한 지시를 검토하는 데 도움이 됩니다. 이미지 가이드는 이 과정의 중간 구성 이미지를 설명하며, 이는 의도한 최종 결과물과 구별됩니다. 프롬프트 설명만으로 모든 출력 설정이 정해질 것이라 기대하지 말고 필요한 최종 레이아웃, 화면비, 해상도를 명시적으로 선택하세요.
대화형 편집은 구성의 나머지 부분을 유지하면서 기존 결과의 일부를 바꿀 수 있습니다. 조명을 조정하거나 사물을 옮기거나 라벨을 번역하는 것이 그 예입니다. 이전 이미지나 상호작용을 다음 턴에 전달하고 요청하는 변경과 유지할 특징을 모두 밝히세요. 캐릭터 시리즈에서는 외형 참조를 일관되게 유지하고, 새로운 각도나 복잡한 자세가 중요하면 포즈 참조를 사용하세요. 실무 수정 지시문은 다음과 같을 수 있습니다. “제품, 라벨, 배치는 보존하고 배경만 더 따뜻한 회색으로 바꾸세요.”
모델 표는 입력 한도를 131,072 토큰, 출력 한도를 32,768 토큰으로 명시합니다. 이미지 생성과 검색 그라운딩은 지원하지만 오디오 생성, 코드 실행, 함수 호출, 구조화된 출력, 캐싱, 파일 검색, URL 컨텍스트, Live API는 이 에디션의 지원 항목으로 기재되어 있지 않습니다. 비디오는 생성할 정지 이미지에 정보를 제공할 수 있지만 이 모델을 비디오 생성기로 만들지는 않습니다. Google은 정확한 이미지 수를 요청해도 그 수가 나오지 않을 수 있다고도 설명합니다. 생성되는 모든 이미지에는 SynthID 워터마크가 포함됩니다.
유용한 첫 기획을 위해 이미지의 목적, 주제, 구성, 조명, 카메라 시점, 필수 문구, 출력 형태를 알려 주세요. 예를 들어 라벨이 붙은 3단계, 읽기 쉬운 제목, 지정된 색상 위계를 갖춘 세로형 인포그래픽을 요청한 뒤 다음 편집 전에 문구와 상대적인 배치를 검토하세요. 결과는 제품 일러스트레이션, 편집 그래픽, 디자인 참조가 될 수 있으며 선택한 이미지와 설명 텍스트를 함께 보관합니다.
POST /v1/images/generationstext, imageimage| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-nano-banana-2.1 | 기본값— |
필드prompt | 유형string | 요건필수 | 값과 한도 최소 길이: 1 | 기본값— |
필드resolution | 유형string | 요건선택 사항 | 값과 한도 1K, 2K, 4K | 기본값— |
필드aspect_ratio | 유형string | 요건선택 사항 | 값과 한도 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 | 기본값— |
필드n | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 최댓값: 1 | 기본값— |
필드input_references | 유형array | 요건선택 사항 | 값과 한도 최소 항목 수: 0 최대 항목 수: 14 | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, prompt |
매개변수material_types | 명세text, image |
수명 주기: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
표시된 요율은 생성 전 비용을 예상하는 데 사용됩니다. 최종 청구액은 최초 생성에 기록된 비용으로 계산됩니다. 측정된 출력 길이와 예상 수량은 최종 청구 수량이 아닙니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 예측 수량 | 요금 |
|---|---|---|---|
| 설정기본 토큰 요금 | 요금표기본 요금 | 예측 수량— | 요금 입력 · 입력 토큰 · 비교 전용 추정치 — / 1K 토큰 출력 · 출력 토큰 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 읽기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 · 비교 전용 추정치 — / 1K 토큰 |
| 설정예상 생성 비용 | 요금표— | 예측 수량1회 생성 예상치 | 요금 출력 · 예상 생성 비용 · 비교 전용 추정치 $0.24576 생성 전 추정치 이 예상 금액은 추가 요금이나 생성 완료 시 적용되는 고정 요금이 아닙니다. |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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\n반환된 각 이미지를 다운로드하거나 Base64 내용을 저장하세요
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.\n완료된 이미지를 모두 저장하세요. 반환된 각 URL에서 가져오거나 Base64 내용을 디코딩하세요.
전체 응답과 헤더, 실제로 생성된 모든 출력, 최초로 반환된 식별자와 모든 사용량 필드를 보관하세요. 생성 요청을 다시 제출하지 말고 최초 작업을 복구하세요.
정산 대조를 위해 반환된 X-Client-Request-ID를 보관하세요. 실제로 반환된 task_id/asset_id 값이나 소유한 미디어 라이브러리만 조회하세요. 작업 ID로 태스크 URL을 만들거나 생성 요청을 다시 제출하지 마세요.
| 필드 | 유형 |
|---|---|
필드created | 유형 |
필드data[].url | 유형 |
필드data[].b64_json | 유형 |
필드usage | 유형 |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1은 텍스트와 시각 자료를 바탕으로 대화하면서 이미지를 생성하고 편집합니다. 텍스트 렌더링, 인포그래픽 배치, 여러 턴에 걸친 일관성이 개선되었으며, 명확한 시각 기획에 1K–4K 출력과 최대 14개의 참조 이미지를 사용할 수 있습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini Nano Banana 2.1은 Google의 이미지 생성 및 대화형 편집 모델입니다. Nano Banana 2의 업데이트로, 시각적 사실성, 지시 준수, 텍스트 렌더링, 연속 편집 과정의 캐릭터 일관성이 개선되었습니다. 입력 표에는 텍스트, 이미지, 비디오, PDF가 포함되며 출력은 이미지와 텍스트입니다. 따라서 제품 장면, 인포그래픽, 여러 차례의 구체적인 수정을 통해 발전시키는 시각 시리즈에 유용합니다.
모델은 1K, 2K, 4K 출력을 제공하며 기본값은 1K입니다. Nano Banana 2의 0.5K 옵션을 계승하지는 않습니다. 문서화된 화면비에는 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9와 함께 세로로 길거나 파노라마 형태인 1:4, 4:1, 1:8, 8:1이 포함됩니다. Google은 이 중 가로 또는 세로로 긴 형식의 2K와 4K에서 타일링 아티팩트를 수정했다고 밝힙니다. 해상도 표기는 하나의 고정된 직사각형이 아니라 크기 등급입니다. 정사각형 4K 이미지는 4096 × 4096이고 문서에 제시된 16:9 4K 출력은 5504 × 3072입니다.
텍스트는 시각 작업의 중요한 부분입니다. 모델은 스타일을 적용한 문구를 읽기 쉽게 렌더링하고 인포그래픽 요소를 더 정확하게 구성하도록 설계되었습니다. 정확한 제목, 라벨, 읽기 순서를 준비한 다음 승인된 문구를 넣은 이미지를 요청하세요. 메뉴, 도표, 안내 그래픽에는 캡션과 시각 요소의 관계를 명시하세요. Google은 먼저 문구를 만든 후 이미지를 요청해 확정된 텍스트 기획에서 시각 구성을 시작할 것을 권장합니다.
참조 이미지 융합은 최대 14개의 이미지를 지원합니다. 문서화된 프로필은 최대 4명의 캐릭터에 대한 일관성과 최대 10개 사물에 대한 충실도를 다룹니다. 각 참조에 역할을 지정하세요. 식별 가능한 상태로 유지해야 할 제품, 캐릭터 외형, 원하는 배경, 시각 스타일 등이 그 예입니다. 제품 기획 예시는 다음과 같습니다. “이미지 A는 병 형태와 라벨의 참조로 사용하세요. 이미지 B는 표면과 조명의 참조로 사용하세요. 제품은 그대로 유지하고 접은 수건 옆에 놓으며, 제공한 제목을 넣을 수 있도록 위쪽에 빈 공간을 남기세요.”
Google Web Search와 Image Search 그라운딩은 생성에 필요한 최신 정보와 시각적 맥락을 제공할 수 있습니다. Image Search는 웹에서 검색한 이미지를 참조로 제공하며 일반 웹 그라운딩은 주제에 대한 정보를 제공합니다. 이는 사실을 다루는 그래픽이나 실제 사물의 외형이 중요한 장면에 유용합니다. 이미지 검색 워크플로는 이 용도로 실제 인물 사진을 검색하는 것을 지원하지 않습니다. Google의 문서화된 워크플로에서 그라운딩 응답은 출처 및 저작자 표시 메타데이터를 포함하므로 애플리케이션은 생성 결과와 함께 이를 보존해야 합니다.
Thinking은 minimal, medium, high 수준으로 설정할 수 있으며 이 정확한 모델의 기본값은 medium입니다. 이는 최종 출력 전에 구성과 복잡한 지시를 검토하는 데 도움이 됩니다. 이미지 가이드는 이 과정의 중간 구성 이미지를 설명하며, 이는 의도한 최종 결과물과 구별됩니다. 프롬프트 설명만으로 모든 출력 설정이 정해질 것이라 기대하지 말고 필요한 최종 레이아웃, 화면비, 해상도를 명시적으로 선택하세요.
대화형 편집은 구성의 나머지 부분을 유지하면서 기존 결과의 일부를 바꿀 수 있습니다. 조명을 조정하거나 사물을 옮기거나 라벨을 번역하는 것이 그 예입니다. 이전 이미지나 상호작용을 다음 턴에 전달하고 요청하는 변경과 유지할 특징을 모두 밝히세요. 캐릭터 시리즈에서는 외형 참조를 일관되게 유지하고, 새로운 각도나 복잡한 자세가 중요하면 포즈 참조를 사용하세요. 실무 수정 지시문은 다음과 같을 수 있습니다. “제품, 라벨, 배치는 보존하고 배경만 더 따뜻한 회색으로 바꾸세요.”
모델 표는 입력 한도를 131,072 토큰, 출력 한도를 32,768 토큰으로 명시합니다. 이미지 생성과 검색 그라운딩은 지원하지만 오디오 생성, 코드 실행, 함수 호출, 구조화된 출력, 캐싱, 파일 검색, URL 컨텍스트, Live API는 이 에디션의 지원 항목으로 기재되어 있지 않습니다. 비디오는 생성할 정지 이미지에 정보를 제공할 수 있지만 이 모델을 비디오 생성기로 만들지는 않습니다. Google은 정확한 이미지 수를 요청해도 그 수가 나오지 않을 수 있다고도 설명합니다. 생성되는 모든 이미지에는 SynthID 워터마크가 포함됩니다.
유용한 첫 기획을 위해 이미지의 목적, 주제, 구성, 조명, 카메라 시점, 필수 문구, 출력 형태를 알려 주세요. 예를 들어 라벨이 붙은 3단계, 읽기 쉬운 제목, 지정된 색상 위계를 갖춘 세로형 인포그래픽을 요청한 뒤 다음 편집 전에 문구와 상대적인 배치를 검토하세요. 결과는 제품 일러스트레이션, 편집 그래픽, 디자인 참조가 될 수 있으며 선택한 이미지와 설명 텍스트를 함께 보관합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-nano-banana-2.1 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 이미지 출력 토큰 $0.06 / 1K 이미지 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.003 / 1K 토큰 출력 · 출력 토큰 $0.015 / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemini-nano-banana-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
영어 기술 예제
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.