Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
", "aboutText": "Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.\n\nModellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.\n\nTekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.\n\nInndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.\n\nForankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.\n\nResonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.\n\nModellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.\n\nDen gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.\n\nEn praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Visualize a supplied packaging cycle\n\nCreate one landscape explanatory graphic showing this packaging return cycle: customer returns an empty jar, store inspects it, accepted jars are washed, clean jars are refilled. Use four large illustrated stages connected clockwise. Add only these exact labels: 'RETURN', 'INSPECT', 'WASH', 'REFILL'. Make the arrow direction and stage order unmistakable.One landscape image with four labeled stages and arrows matching the supplied cycle.Inspect that arrows connect RETURN to INSPECT to WASH to REFILL in that order, with exact labels.gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/images/generationstextimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gemini-3-pro-image | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard1 |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser url, b64_json | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltquality | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmoderation | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinput_fidelity | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstyle | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltpartial_images | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Tekst til bilde · Påkrevd: prompt
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, prompt |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
POST /v1/images/generationsAiloot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonUltra | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.004000 / 1K tokener Utdata · Utgående tokener $0.024000 / 1K tokener Inndata · bilde $0.004000 / 1K tokener Utdata · bildeutdata $0.24000 / 1K tokener Inndata · lyd $0.004000 / 1K tokener Inndata · lydhurtigbuffer for inndata $0.0004000 / 1K tokener Utdata · nettsøk $0.028 per nettsøk Utdata · intern resonnering $0.024000 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004000 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000750000 / 1K tokener |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3-pro-image", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'gemini-3-pro-image', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "gemini-3-pro-image", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Lagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Lagre hvert dataelement. Dekod hver b64_json, eller hent hver returnerte signerte URL. Velg filendelse ut fra faktisk MIME-type/byteinnhold.
Hvis et resultat fra bildegenerering eller bilderedigering må kontrolleres, bevar opprinnelig operation_id/X-Client-Request-ID og den returnerte resultatinformasjonen. Hent eksisterende resultater du eier via mediebiblioteket, ved hjelp av faktiske task_id- eller asset_id-verdier. Ikke send genererings-/redigeringsforespørselen på nytt, og ikke konstruer en URL for statusavlesning fra operation_id.
| Felt | Type |
|---|---|
Feltcreated | Typeinteger |
Feltdata[].url | Typestring |
Feltdata[].b64_json | Typebase64 string |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
gemini-3-pro-image-previewNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/images/generationstextimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser gemini-3-pro-image-preview | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard1 |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser url, b64_json | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltquality | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmoderation | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinput_fidelity | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstyle | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltpartial_images | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Tekst til bilde · Påkrevd: prompt
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, prompt |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
POST /v1/images/generationsAiloot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonUltra | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.004000 / 1K tokener Utdata · Utgående tokener $0.024000 / 1K tokener Inndata · bilde $0.004000 / 1K tokener Utdata · bildeutdata $0.24000 / 1K tokener Inndata · lyd $0.004000 / 1K tokener Inndata · lydhurtigbuffer for inndata $0.0004000 / 1K tokener Utdata · nettsøk $0.028 per nettsøk Utdata · intern resonnering $0.024000 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004000 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000750000 / 1K tokener |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3-pro-image-preview", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'gemini-3-pro-image-preview', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "gemini-3-pro-image-preview", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Lagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Lagre hvert dataelement. Dekod hver b64_json, eller hent hver returnerte signerte URL. Velg filendelse ut fra faktisk MIME-type/byteinnhold.
Hvis et resultat fra bildegenerering eller bilderedigering må kontrolleres, bevar opprinnelig operation_id/X-Client-Request-ID og den returnerte resultatinformasjonen. Hent eksisterende resultater du eier via mediebiblioteket, ved hjelp av faktiske task_id- eller asset_id-verdier. Ikke send genererings-/redigeringsforespørselen på nytt, og ikke konstruer en URL for statusavlesning fra operation_id.
| Felt | Type |
|---|---|
Feltcreated | Typeinteger |
Feltdata[].url | Typestring |
Feltdata[].b64_json | Typebase64 string |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
nano-banana-proNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/images/generationstextimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser nano-banana-pro | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 | Standard1 |
Feltresponse_format | Typestring | KravValgfritt | Verdier & grenser url, b64_json | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltsize | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltquality | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltbackground | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_format | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltoutput_compression | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmoderation | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinput_fidelity | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstyle | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltpartial_images | Typeinteger | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Tekst til bilde · Påkrevd: prompt
| Parameter | Avtale |
|---|---|
Parametermaterial_types | Avtaletext |
Parameterrequired | Avtalemodel, prompt |
Parameteroptional_controls | Avtalenull |
Parametercontent_type | Avtaleapplication/json |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.
POST /v1/images/generationsAiloot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.
| Konfigurasjon | Prisplan | Kostnad |
|---|---|---|
| KonfigurasjonUltra | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener $0.004000 / 1K tokener Utdata · Utgående tokener $0.024000 / 1K tokener Inndata · bilde $0.004000 / 1K tokener Utdata · bildeutdata $0.24000 / 1K tokener Inndata · lyd $0.004000 / 1K tokener Inndata · lydhurtigbuffer for inndata $0.0004000 / 1K tokener Utdata · nettsøk $0.028 per nettsøk Utdata · intern resonnering $0.024000 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004000 / 1K tokener Inndata · Skriving til hurtigbuffer $0.000750000 / 1K tokener |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\nexport AILOOT_API_KEY\n: "${AILOOT_PROMPT_FILE:?Set your actual UTF-8 image brief}"\nexport AILOOT_PROMPT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "nano-banana-pro", "prompt": ""}')\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 brief")\np['prompt']=f.read_text(encoding="utf-8")\nif not p['prompt'].strip():raise SystemExit("Brief must contain text")\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nfrom openai import OpenAI\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\n\nf=Path(os.environ["AILOOT_PROMPT_FILE"])\nif not f.is_file():raise SystemExit("Set your actual UTF-8 image brief file")\nrequest={'model': 'nano-banana-pro', 'prompt': ''}\nrequest["prompt"]=f.read_text(encoding="utf-8")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.images.generate(**request)\nPath("sdk-result.txt").write_text(str(result),encoding="utf-8")\nsave_images([{"b64_json":getattr(item,"b64_json",None),"url":getattr(item,"url",None)} for item in result.data])\nimport OpenAI from "openai";\nimport { readFileSync, writeFileSync } from "node:fs";\nconst key=process.env.AILOOT_API_KEY;\nif(!key) throw new Error("Set your actual Ailoot API key");\nconst client=new OpenAI({baseURL:"https://api.ailoot.ai/v1",apiKey:key,maxRetries:0});\nconst request={"model": "nano-banana-pro", "prompt": ""};\nif(!process.env.AILOOT_PROMPT_FILE)throw new Error("Set your actual UTF-8 image brief file");\nrequest.prompt=readFileSync(process.env.AILOOT_PROMPT_FILE,"utf8");\nconst result=await client.images.generate(request);\nwriteFileSync("sdk-result.json",JSON.stringify(result,null,2));\nif(!result.data?.length) throw new Error("No completed images");\nfor(let index=0;index<result.data.length;index++) {\n const item=result.data[index];let encoded=item.b64_json,uri=item.url||"",raw;\n if(!encoded && uri.startsWith("data:image/")) {\n const comma=uri.indexOf(",");if(comma<0 || !uri.slice(0,comma).includes(";base64")) throw new Error("Unsupported image data URI");\n encoded=uri.slice(comma+1);\n }\n if(encoded) {\n if(encoded.length%4!==0 || !/^[A-Za-z0-9+/]*={0,2}$/.test(encoded)) throw new Error("Invalid Base64");\n raw=Buffer.from(encoded,"base64");\n } else if(uri) {\n const u=new URL(uri,"https://api.ailoot.ai");\n if(u.protocol!=="https:" || u.username || u.password) throw new Error("Invalid returned URL");\n const owned=u.origin==="https://api.ailoot.ai" && u.pathname.startsWith("/v1/media/assets/") && u.pathname.endsWith("/content");\n const response=await fetch(u,{headers:owned?{Authorization:"Bearer "+key}:{},redirect:"manual"});\n if(!response.ok) throw new Error("Image content download failed: "+response.status);\n raw=Buffer.from(await response.arrayBuffer());\n } else throw new Error("Image has neither bytes nor URL");\n if(!raw.length) throw new Error("Empty image result");\n const ext=raw.subarray(0,4).equals(Buffer.from([137,80,78,71]))?"png":raw[0]===255&&raw[1]===216?"jpg":raw.toString("ascii",0,4)==="RIFF"&&raw.toString("ascii",8,12)==="WEBP"?"webp":raw.toString("utf8").trimStart().startsWith("<svg")||raw.toString("utf8").trimStart().startsWith("<?xml")?"svg":"bin";\n writeFileSync(`image-${index}.${ext}`,raw);\n}\nconsole.log("Every returned image saved; sdk-result.json retains complete metadata");\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Lagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Lagre hvert dataelement. Dekod hver b64_json, eller hent hver returnerte signerte URL. Velg filendelse ut fra faktisk MIME-type/byteinnhold.
Hvis et resultat fra bildegenerering eller bilderedigering må kontrolleres, bevar opprinnelig operation_id/X-Client-Request-ID og den returnerte resultatinformasjonen. Hent eksisterende resultater du eier via mediebiblioteket, ved hjelp av faktiske task_id- eller asset_id-verdier. Ikke send genererings-/redigeringsforespørselen på nytt, og ikke konstruer en URL for statusavlesning fra operation_id.
| Felt | Type |
|---|---|
Feltcreated | Typeinteger |
Feltdata[].url | Typestring |
Feltdata[].b64_json | Typebase64 string |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Svarserver_error | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
google/gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3-pro-image | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— |
Feltmessages[].name | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttemperature | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttop_p | Typenumber | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Felttools[].type | Typestring | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— |
Felttools[].function.description | Typestring | KravValgfritt | Verdier & grenser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfritt | Verdier & grenser | Standard— |
Felttool_choice | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltreasoning | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltservice_tier | Typestring | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltinstructions | Typestring | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfritt | Verdier & grenser text | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— |
Feltcache_control.ttl | Typestring | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages |
Parametermaterial_types | Avtaletext |
Parametermessages | Avtalemeldingstabell med role/content-struktur |
Parameterfile_material | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes |
Parameteroptional_controls | Avtalestream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy |
Parameteroutput_modalities | Avtaletext |
Parameterhosted_operations | Avtalefalse |
Parametermultimodal_input_binding | Avtalenull |
Livssyklus: synchronous_or_streamed
Send eksakt modell-ID sammen med messages.
Kontekstlengde er ikke en outputgrense.
En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener Utdata · Utdatatokener for bilder $0.24 / 1K bildetokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden.
| Konfigurasjon | Faktureringsvilkår | Kostnad |
|---|---|---|
| KonfigurasjonGoogle: Nano Banana Pro (Gemini 3 Pro Image) · Standardkonfigurasjon | FaktureringsvilkårStandardkonfigurasjon | Kostnad Inndata · Inngående tokener 0,004 USD / 1K tokener Utdata · Utgående tokener 0,024 USD / 1K tokener Inndata · Inndatabilde 0,004 USD / 1K tokener Utdata · Utdatabilde 0,24 USD / 1K tokener Inndata · Lydinndata 0,004 USD / 1K tokener Inndata · Lesing fra lydhurtigbuffer 0,0004 USD / 1K tokener Utdata · Nettsøk 0,028 USD per søk Utdata · Resonneringstokener 0,024 USD / 1K tokener Inndata · Lesing fra hurtigbuffer 0,0004 USD / 1K tokener Inndata · Skriving til hurtigbuffer · 5 minutter 0,00075 USD / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3-pro-image", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3-pro-image',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3-pro-image',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
google/gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/images/generationstext, imageimage| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3-pro-image | Standard— |
Feltprompt | Typestring | KravPåkrevd | Verdier & grenser Minste lengde: 1 | Standard— |
Feltresolution | Typestring | KravValgfritt | Verdier & grenser 1K, 2K, 4K | Standard— |
Feltaspect_ratio | Typestring | KravValgfritt | Verdier & grenser 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9 | Standard— |
Feltn | Typeinteger | KravValgfritt | Verdier & grenser Minimum: 1 Maksimum: 1 | Standard— |
Feltinput_references | Typearray | KravValgfritt | Verdier & grenser Minste antall elementer: 0 Maksimalt antall elementer: 14 | Standard— |
Feltprovider | Typeobject | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, prompt |
Parametermaterial_types | Avtaletext, image |
Livssyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
De viste satsene anslår kostnaden før generering. Det endelige beløpet beregnes ut fra kostnaden som er registrert for den opprinnelige genereringen. Målt varighet på utdataene og anslåtte mengder er ikke den endelige fakturerbare mengden.
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Forventet mengde | Kostnad |
|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Forventet mengde— | Kostnad Inndata · Inngående tokener · Estimat kun for sammenligning — / 1K tokener Utdata · Utgående tokener · Estimat kun for sammenligning — / 1K tokener Inndata · Lesing fra hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer · Estimat kun for sammenligning — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time · Estimat kun for sammenligning — / 1K tokener |
| KonfigurasjonAnslått genereringskostnad | Prisplan— | Forventet mengdeestimat for én generering | Kostnad Utdata · Anslått genereringskostnad · Estimat kun for sammenligning $0.98304 estimat før generering Dette anslaget er verken en tilleggsavgift eller en fast sats for den fullførte genereringen. |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'google/gemini-3-pro-image', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nLast ned hvert returnerte bilde eller lagre Base64-innholdet
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.\nLagre hvert ferdige bilde; hent hver returnerte URL eller dekod Base64-innholdet.
Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.
Bevar returnert X-Client-Request-ID for avstemming. Les bare faktisk returnerte task_id/asset_id-verdier eller egne oppføringer i mediebiblioteket; bygg aldri en oppgave-URL fra operasjons-ID-en, og send aldri opprettelsesforespørselen på nytt.
| Felt | Type |
|---|---|
Feltcreated | Type |
Feltdata[].url | Type |
Feltdata[].b64_json | Type |
Feltusage | Type |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
google/gemini-3-pro-imageNano Banana Pro (Gemini 3 Pro Image) er Googles resonneringsdrevne bildemodell for komplekst design, produktvisualiseringer og faktabaserte visualiseringer. Den tar imot tekst og bildereferanser og genererer bilder med tekst, med utdata på 1K–4K og detaljert kreativ styring.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Nano Banana Pro er Googles Gemini 3 Pro Image-modell for bildegenerering og redigering drevet av resonnering. Produsenten setter kompleks grafisk design, produktvisualiseringer med høy detaljtrohet og visualisering av faktiske data i sentrum for den tiltenkte bruken. Den tar imot tekst og bilder og produserer bilde og tekst. Denne navngitte Pro-bildeutgaven bygger på Gemini 3 Pro, samtidig som den beholder sin egen profil for bildeoppgavenes inndata og egenskaper.
Modellen støtter bilder på 1K, 2K og 4K. Dokumenterte former omfatter 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 og 21:9. Et kvadratisk 4K-bilde er 4096 × 4096; et 4K-bilde i 16:9 er 5504 × 3072. Velg oppløsning og sideforhold for leveransen du trenger, enten det er en stående plakat, en produktscene eller en bred forklarende grafikk. Alternativet 0,5K og de ekstra ekstreme sideforholdene i Gemini 3.1 Flash Image inngår ikke i denne Pro-tabellen.
Tekstgjengivelse støtter tydelige bokstaver i plakater, diagrammer og andre utformede ressurser. For en kompleks infografikk oppgir du de underliggende faktaene, nøyaktig ordlyd, en leserekkefølge og forholdet mellom etiketter og visuelle elementer. Skill informasjonen som skal formidles, fra ønsket kunstnerisk stil. Google anbefaler å forberede teksten først og deretter generere bildet som inneholder den. Dette er særlig nyttig når en komposisjon kombinerer en overskrift, et diagram og flere korte bildetekster.
Inndata med flere bilder støtter opptil 14 referanser. Googles funksjonstabell beskriver opptil seks objektreferanser for trofast gjengivelse, opptil fem figurreferanser for konsekvent utseende og opptil tre stilreferanser. Disse rollene hjelper ved forberedelse av en sammensatt visualisering: et produktfoto definerer utseende, et separat bilde etablerer omgivelsene, og et stilbilde gir føringer for den visuelle behandlingen. Fortell modellen hvilke detaljer som er autoritative, og hvilke referanser som gir inspirasjon, fremfor å be den kombinere alle synlige trekk ukritisk.
Forankring med Google Search kan gi informasjon fra den virkelige verden for en faktabasert visualisering eller en scene basert på aktuelle forhold. Pro-bildearbeidsflyten dokumenterer nettforankring; Image Search-utvidelsen er dokumentert spesifikt for Nano Banana 2.1 og Gemini 3.1 Flash Image. Ved en datagrafikk oppgir du verdiene som skal vises, eller ber om kildeforankret informasjon i produsentens arbeidsflyt, og gjør deretter forholdet, etikettene og oppsettet eksplisitte. Søkestøttet generering produserer fortsatt et bilde som må vurderes, ikke en erstatning for å kontrollere de fremstilte faktaene.
Resonnering støtter utformingen av en kompleks instruks før endelig gjengivelse. Bildeveiledningen beskriver mellomliggende bilder som brukes til å prøve ut komposisjon og logikk, adskilt fra den endelige leveransen. Ikke overfør kontrolltabellen minimal/high fra Nano Banana 2 eller tabellen med medium som standard fra Nano Banana 2.1 til denne Pro-utgaven. Ved krevende design gir du en fullstendig instruks med visuelt hierarki, nødvendige forhold mellom objekter og elementene som må overleve senere endringer.
Modellkortet beskriver vesentlige gjenværende begrensninger: svært liten tekst og lange passasjer kan gjengis dårlig, figurens utseende kan endres mellom en referanse og et resultat, og maskerte eller skissebaserte endringer kan bare delvis følge instruksen eller etterlate merker. Den kan også forveksle venstre og høyre eller kopiere et kildeelement inn i den nye komposisjonen. Ved en produktendring angir du eksplisitt geometrien og etikettene som skal bevares, og undersøker det redigerte området; ved et diagram sammenligner du pilretninger og relative objektposisjoner.
Den gjeldende API-tabellen oppgir en inndatagrense på 65536 tokener og en utdatagrense på 32768 tokener. Bildegenerering, resonnering, forankring i søk og batchbehandling støttes; lydgenerering, funksjonskall, kodekjøring, hurtigbufring, strukturerte utdata, filsøk, URL-kontekst og Live API støttes ikke. Bildeoppgaven godtar verken lyd- eller videoinndata i denne profilen. Genererte bilder inkluderer SynthID, og et forespurt antall utdatabilder følges ikke alltid nøyaktig.
En praktisk produktinstruks kan kombinere et bilde av produktet, en lysreferanse og den nøyaktige overskriften: «Behold produktets proporsjoner og tekst, vis det på en lys steinoverflate i mykt sidelys, og la den øvre tredelen stå ledig til den oppgitte overskriften.» For et faktabasert diagram identifiserer du hver enhet og forbindelse og oppgir godkjente etiketter. Videreutvikle resultatet i en samtale ved å navngi én endring og trekkene som skal bevares, og hold det valgte bildet og den forklarende teksten sammen som designleveransen.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-3-pro-image | Standard— |
Feltmessages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltmessages[].role | Typestring | KravPåkrevd | Verdier & grenser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrevd | Verdier & grenser | Standard— |
Feltstream | Typeboolean | KravValgfritt | Verdier & grenser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content-streng
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtalemodel, messages, max_tokens |
Parameteroptional_controls | Avtalestream |
Parametermaterial_types | Avtaletext |
Parametertext_file_material | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |
Livssyklus: synchronous_or_streamed
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener Utdata · Utdatatokener for bilder $0.24 / 1K bildetokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.004 / 1K tokener Utdata · Utgående tokener $0.024 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.0004 / 1K tokener Inndata · Skriving til hurtigbuffer $0.00075 / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
{\n "model": "google/gemini-3-pro-image",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3-pro-image', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3-pro-image', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet.
Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Vilkår | Neste trinn |
|---|---|---|
Svar400 · invalid_request_error | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |
Ailoot gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro
Ailoot Ultra google/gemini-3-pro-image
/v1/images
google/gemini-3-pro-image, gemini-3-pro-image-preview, nano-banana-pro, gemini-3-pro-image
Teknisk eksempel på engelsk
Visualize a supplied packaging cycle\n\nCreate one landscape explanatory graphic showing this packaging return cycle: customer returns an empty jar, store inspects it, accepted jars are washed, clean jars are refilled. Use four large illustrated stages connected clockwise. Add only these exact labels: 'RETURN', 'INSPECT', 'WASH', 'REFILL'. Make the arrow direction and stage order unmistakable.One landscape image with four labeled stages and arrows matching the supplied cycle.Inspect that arrows connect RETURN to INSPECT to WASH to REFILL in that order, with exact labels.