Gemini Nano Banana 2.1 是 Google 的圖像生成與對話式編輯模型。它是 Nano Banana 2 的更新版本，改善了視覺真實感、指令遵循、文字呈現，以及連續編輯時的角色一致性。其輸入表列出文字、圖像、影片與 PDF，輸出則為圖像及文字。適合製作產品場景、資訊圖表，或透過數次具體修改逐步發展的視覺系列。
模型提供 1K、2K 及 4K 輸出，預設為 1K。它未沿用 Nano Banana 2 的 0.5K 選項。文件列出的長寬比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及直長或全景格式 1:4、4:1、1:8、8:1。Google 表示，後述寬幅與直長格式在 2K、4K 下的拼接瑕疵已獲修正。解析度標籤代表尺寸級距，而非固定矩形：正方形 4K 圖像為 4096 × 4096，文件中的 16:9 4K 輸出則為 5504 × 3072。
文字是此視覺工作流程的重要部分。模型旨在呈現清晰可讀的風格化文字，並更準確地組織資訊圖表元素。請先準備確切的標題、標籤及閱讀順序，再要求圖像使用這些定稿文字。製作菜單、圖解或教學圖時，應說明文字說明與視覺元素的關係。Google 建議先建立文字，再要求圖像，讓視覺構圖從已確定的文字需求出發。
參考圖像融合支援最多 14 張圖像。文件所述能力包括最多四個角色的一致性，以及最多十個物件的忠實呈現。請為每張參考圖指定角色：必須保持可辨識的產品、角色外觀、預期背景或視覺風格。例如產品需求可寫成：「使用圖像 A 的瓶身形狀與標籤。使用圖像 B 的表面與光線。產品維持不變，將它放在摺好的毛巾旁，上方留出清楚空間放置提供的標題。」
Google Web Search 與 Image Search grounding 可為生成提供最新資訊及視覺脈絡。Image Search 以檢索到的網路圖像作為參考；標準網頁 grounding 則提供主題相關資訊。這適合需要事實依據的圖像，或外觀取決於真實物件的場景。圖像搜尋流程不支援為此目的檢索真實人物圖像。在 Google 記載的流程中，grounding 回應附有來源及署名中繼資料，因此應用程式應隨生成結果一併保留。
Thinking 可設定為 minimal、medium、high，此確切模型預設為 medium。它協助模型在最終輸出前處理構圖及較複雜的指令。圖像指南描述此過程中的中間構圖圖像；這些與預期交付的最終成果不同。請明確選擇最終版面、長寬比及解析度，不要期待單憑提示敘述就能決定所有輸出設定。
對話式編輯讓後續回合可修改既有結果的一部分：調整光線、移動物件，或在保留其他構圖的同時翻譯標籤。將先前圖像或互動帶入下一回合，並同時說明要修改與保留的特徵。角色系列應使用一致的外觀參考；若新角度或複雜姿勢很重要，則提供姿勢參考。實用的修改需求可以是：「保留產品、標籤與版面；只將背景改為較暖的灰色。」
模型表列出的輸入上限為 131,072 token，輸出上限為 32,768 token。此版本支援圖像生成與搜尋 grounding；音訊生成、程式碼執行、函式呼叫、結構化輸出、快取、檔案搜尋、URL context 及 Live API 則未列為支援項目。影片可以為生成的靜態圖像提供資訊，但不代表此模型能生成影片。Google 也指出，要求確切的圖像數量不一定會得到該數量。所有生成圖像均包含 SynthID 浮水印。
第一份實用需求應說明圖像用途、主體、構圖、光線、鏡頭視角、必要文字及輸出形狀。例如要求直式資訊圖表，包含三個有標籤的步驟、可讀標題及指定的色彩層級，再於下一次編輯前檢查文字及相對位置。結果可作為產品插圖、編輯圖像或設計參考，並將選定圖像與解說文字一併保留。
", "aboutText": "Gemini Nano Banana 2.1 是 Google 的圖像生成與對話式編輯模型。它是 Nano Banana 2 的更新版本，改善了視覺真實感、指令遵循、文字呈現，以及連續編輯時的角色一致性。其輸入表列出文字、圖像、影片與 PDF，輸出則為圖像及文字。適合製作產品場景、資訊圖表，或透過數次具體修改逐步發展的視覺系列。\n\n模型提供 1K、2K 及 4K 輸出，預設為 1K。它未沿用 Nano Banana 2 的 0.5K 選項。文件列出的長寬比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及直長或全景格式 1:4、4:1、1:8、8:1。Google 表示，後述寬幅與直長格式在 2K、4K 下的拼接瑕疵已獲修正。解析度標籤代表尺寸級距，而非固定矩形：正方形 4K 圖像為 4096 × 4096，文件中的 16:9 4K 輸出則為 5504 × 3072。\n\n文字是此視覺工作流程的重要部分。模型旨在呈現清晰可讀的風格化文字，並更準確地組織資訊圖表元素。請先準備確切的標題、標籤及閱讀順序，再要求圖像使用這些定稿文字。製作菜單、圖解或教學圖時，應說明文字說明與視覺元素的關係。Google 建議先建立文字，再要求圖像，讓視覺構圖從已確定的文字需求出發。\n\n參考圖像融合支援最多 14 張圖像。文件所述能力包括最多四個角色的一致性，以及最多十個物件的忠實呈現。請為每張參考圖指定角色：必須保持可辨識的產品、角色外觀、預期背景或視覺風格。例如產品需求可寫成：「使用圖像 A 的瓶身形狀與標籤。使用圖像 B 的表面與光線。產品維持不變，將它放在摺好的毛巾旁，上方留出清楚空間放置提供的標題。」\n\nGoogle Web Search 與 Image Search grounding 可為生成提供最新資訊及視覺脈絡。Image Search 以檢索到的網路圖像作為參考；標準網頁 grounding 則提供主題相關資訊。這適合需要事實依據的圖像，或外觀取決於真實物件的場景。圖像搜尋流程不支援為此目的檢索真實人物圖像。在 Google 記載的流程中，grounding 回應附有來源及署名中繼資料，因此應用程式應隨生成結果一併保留。\n\nThinking 可設定為 minimal、medium、high，此確切模型預設為 medium。它協助模型在最終輸出前處理構圖及較複雜的指令。圖像指南描述此過程中的中間構圖圖像；這些與預期交付的最終成果不同。請明確選擇最終版面、長寬比及解析度，不要期待單憑提示敘述就能決定所有輸出設定。\n\n對話式編輯讓後續回合可修改既有結果的一部分：調整光線、移動物件，或在保留其他構圖的同時翻譯標籤。將先前圖像或互動帶入下一回合，並同時說明要修改與保留的特徵。角色系列應使用一致的外觀參考；若新角度或複雜姿勢很重要，則提供姿勢參考。實用的修改需求可以是：「保留產品、標籤與版面；只將背景改為較暖的灰色。」\n\n模型表列出的輸入上限為 131,072 token，輸出上限為 32,768 token。此版本支援圖像生成與搜尋 grounding；音訊生成、程式碼執行、函式呼叫、結構化輸出、快取、檔案搜尋、URL context 及 Live API 則未列為支援項目。影片可以為生成的靜態圖像提供資訊，但不代表此模型能生成影片。Google 也指出，要求確切的圖像數量不一定會得到該數量。所有生成圖像均包含 SynthID 浮水印。\n\n第一份實用需求應說明圖像用途、主體、構圖、光線、鏡頭視角、必要文字及輸出形狀。例如要求直式資訊圖表，包含三個有標籤的步驟、可讀標題及指定的色彩層級，再於下一次編輯前檢查文字及相對位置。結果可作為產品插圖、編輯圖像或設計參考，並將選定圖像與解說文字一併保留。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 可透過對話，依文字與視覺素材生成及編輯圖像。它改善了文字呈現、資訊圖表版面及多回合一致性，為明確的視覺需求提供 1K–4K 輸出，並支援最多 14 張參考圖像。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini Nano Banana 2.1 是 Google 的圖像生成與對話式編輯模型。它是 Nano Banana 2 的更新版本，改善了視覺真實感、指令遵循、文字呈現，以及連續編輯時的角色一致性。其輸入表列出文字、圖像、影片與 PDF，輸出則為圖像及文字。適合製作產品場景、資訊圖表，或透過數次具體修改逐步發展的視覺系列。
模型提供 1K、2K 及 4K 輸出，預設為 1K。它未沿用 Nano Banana 2 的 0.5K 選項。文件列出的長寬比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及直長或全景格式 1:4、4:1、1:8、8:1。Google 表示，後述寬幅與直長格式在 2K、4K 下的拼接瑕疵已獲修正。解析度標籤代表尺寸級距，而非固定矩形：正方形 4K 圖像為 4096 × 4096，文件中的 16:9 4K 輸出則為 5504 × 3072。
文字是此視覺工作流程的重要部分。模型旨在呈現清晰可讀的風格化文字，並更準確地組織資訊圖表元素。請先準備確切的標題、標籤及閱讀順序，再要求圖像使用這些定稿文字。製作菜單、圖解或教學圖時，應說明文字說明與視覺元素的關係。Google 建議先建立文字，再要求圖像，讓視覺構圖從已確定的文字需求出發。
參考圖像融合支援最多 14 張圖像。文件所述能力包括最多四個角色的一致性，以及最多十個物件的忠實呈現。請為每張參考圖指定角色：必須保持可辨識的產品、角色外觀、預期背景或視覺風格。例如產品需求可寫成：「使用圖像 A 的瓶身形狀與標籤。使用圖像 B 的表面與光線。產品維持不變，將它放在摺好的毛巾旁，上方留出清楚空間放置提供的標題。」
Google Web Search 與 Image Search grounding 可為生成提供最新資訊及視覺脈絡。Image Search 以檢索到的網路圖像作為參考；標準網頁 grounding 則提供主題相關資訊。這適合需要事實依據的圖像，或外觀取決於真實物件的場景。圖像搜尋流程不支援為此目的檢索真實人物圖像。在 Google 記載的流程中，grounding 回應附有來源及署名中繼資料，因此應用程式應隨生成結果一併保留。
Thinking 可設定為 minimal、medium、high，此確切模型預設為 medium。它協助模型在最終輸出前處理構圖及較複雜的指令。圖像指南描述此過程中的中間構圖圖像；這些與預期交付的最終成果不同。請明確選擇最終版面、長寬比及解析度，不要期待單憑提示敘述就能決定所有輸出設定。
對話式編輯讓後續回合可修改既有結果的一部分：調整光線、移動物件，或在保留其他構圖的同時翻譯標籤。將先前圖像或互動帶入下一回合，並同時說明要修改與保留的特徵。角色系列應使用一致的外觀參考；若新角度或複雜姿勢很重要，則提供姿勢參考。實用的修改需求可以是：「保留產品、標籤與版面；只將背景改為較暖的灰色。」
模型表列出的輸入上限為 131,072 token，輸出上限為 32,768 token。此版本支援圖像生成與搜尋 grounding；音訊生成、程式碼執行、函式呼叫、結構化輸出、快取、檔案搜尋、URL context 及 Live API 則未列為支援項目。影片可以為生成的靜態圖像提供資訊，但不代表此模型能生成影片。Google 也指出，要求確切的圖像數量不一定會得到該數量。所有生成圖像均包含 SynthID 浮水印。
第一份實用需求應說明圖像用途、主體、構圖、光線、鏡頭視角、必要文字及輸出形狀。例如要求直式資訊圖表，包含三個有標籤的步驟、可讀標題及指定的色彩層級，再於下一次編輯前檢查文字及相對位置。結果可作為產品插圖、編輯圖像或設計參考，並將選定圖像與解說文字一併保留。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 google/gemini-nano-banana-2.1 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.003 / 1K Token 輸出 · 輸出 Token $0.015 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token 輸出 · 圖片輸出詞元 $0.06 / 1K 圖片 Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.003 / 1K Token 輸出 · 輸出 Token $0.015 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
| 設定 | 計費條件 | 費用 |
|---|---|---|
| 設定Google: Nano Banana 2.1 · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入 Token US$0.003 / 1K Token 輸出 · 輸出 Token US$0.015 / 1K Token 輸出 · 輸出圖片 US$0.06 / 1K Token 輸出 · 網頁搜尋 US$0.028 每次搜尋 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-nano-banana-2.1", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-nano-banana-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-nano-banana-2.1',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 可透過對話，依文字與視覺素材生成及編輯圖像。它改善了文字呈現、資訊圖表版面及多回合一致性，為明確的視覺需求提供 1K–4K 輸出，並支援最多 14 張參考圖像。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini Nano Banana 2.1 是 Google 的圖像生成與對話式編輯模型。它是 Nano Banana 2 的更新版本，改善了視覺真實感、指令遵循、文字呈現，以及連續編輯時的角色一致性。其輸入表列出文字、圖像、影片與 PDF，輸出則為圖像及文字。適合製作產品場景、資訊圖表，或透過數次具體修改逐步發展的視覺系列。
模型提供 1K、2K 及 4K 輸出，預設為 1K。它未沿用 Nano Banana 2 的 0.5K 選項。文件列出的長寬比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及直長或全景格式 1:4、4:1、1:8、8:1。Google 表示，後述寬幅與直長格式在 2K、4K 下的拼接瑕疵已獲修正。解析度標籤代表尺寸級距，而非固定矩形：正方形 4K 圖像為 4096 × 4096，文件中的 16:9 4K 輸出則為 5504 × 3072。
文字是此視覺工作流程的重要部分。模型旨在呈現清晰可讀的風格化文字，並更準確地組織資訊圖表元素。請先準備確切的標題、標籤及閱讀順序，再要求圖像使用這些定稿文字。製作菜單、圖解或教學圖時，應說明文字說明與視覺元素的關係。Google 建議先建立文字，再要求圖像，讓視覺構圖從已確定的文字需求出發。
參考圖像融合支援最多 14 張圖像。文件所述能力包括最多四個角色的一致性，以及最多十個物件的忠實呈現。請為每張參考圖指定角色：必須保持可辨識的產品、角色外觀、預期背景或視覺風格。例如產品需求可寫成：「使用圖像 A 的瓶身形狀與標籤。使用圖像 B 的表面與光線。產品維持不變，將它放在摺好的毛巾旁，上方留出清楚空間放置提供的標題。」
Google Web Search 與 Image Search grounding 可為生成提供最新資訊及視覺脈絡。Image Search 以檢索到的網路圖像作為參考；標準網頁 grounding 則提供主題相關資訊。這適合需要事實依據的圖像，或外觀取決於真實物件的場景。圖像搜尋流程不支援為此目的檢索真實人物圖像。在 Google 記載的流程中，grounding 回應附有來源及署名中繼資料，因此應用程式應隨生成結果一併保留。
Thinking 可設定為 minimal、medium、high，此確切模型預設為 medium。它協助模型在最終輸出前處理構圖及較複雜的指令。圖像指南描述此過程中的中間構圖圖像；這些與預期交付的最終成果不同。請明確選擇最終版面、長寬比及解析度，不要期待單憑提示敘述就能決定所有輸出設定。
對話式編輯讓後續回合可修改既有結果的一部分：調整光線、移動物件，或在保留其他構圖的同時翻譯標籤。將先前圖像或互動帶入下一回合，並同時說明要修改與保留的特徵。角色系列應使用一致的外觀參考；若新角度或複雜姿勢很重要，則提供姿勢參考。實用的修改需求可以是：「保留產品、標籤與版面；只將背景改為較暖的灰色。」
模型表列出的輸入上限為 131,072 token，輸出上限為 32,768 token。此版本支援圖像生成與搜尋 grounding；音訊生成、程式碼執行、函式呼叫、結構化輸出、快取、檔案搜尋、URL context 及 Live API 則未列為支援項目。影片可以為生成的靜態圖像提供資訊，但不代表此模型能生成影片。Google 也指出，要求確切的圖像數量不一定會得到該數量。所有生成圖像均包含 SynthID 浮水印。
第一份實用需求應說明圖像用途、主體、構圖、光線、鏡頭視角、必要文字及輸出形狀。例如要求直式資訊圖表，包含三個有標籤的步驟、可讀標題及指定的色彩層級，再於下一次編輯前檢查文字及相對位置。結果可作為產品插圖、編輯圖像或設計參考，並將選定圖像與解說文字一併保留。
POST /v1/images/generationstext, imageimage| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 google/gemini-nano-banana-2.1 | 預設值— |
欄位prompt | 類型string | 要求必填 | 值與限制 長度下限: 1 | 預設值— |
欄位resolution | 類型string | 要求選填 | 值與限制 1K, 2K, 4K | 預設值— |
欄位aspect_ratio | 類型string | 要求選填 | 值與限制 1:1, 1:4, 1:8, 2:3, 3:2, 3:4, 4:1, 4:3, 4:5, 5:4, 8:1, 9:16, 16:9, 21:9 | 預設值— |
欄位n | 類型integer | 要求選填 | 值與限制 最小值: 1 最大值: 1 | 預設值— |
欄位input_references | 類型array | 要求選填 | 值與限制 項目數下限: 0 項目數上限: 14 | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 | 預設值— |
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, prompt |
參數material_types | 規格text, image |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
顯示的費率用於在生成前估算費用。最終費用依原始生成作業記錄的成本計算。實測的輸出時間長度與預估數量並非最終計費數量。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 預估數量 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 預估數量— | 費用 輸入 · 輸入 Token · 僅供比較的估算 — / 1K Token 輸出 · 輸出 Token · 僅供比較的估算 — / 1K Token 輸入 · 讀取快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取，1 小時 · 僅供比較的估算 — / 1K Token |
| 設定預估生成費用 | 費率表— | 預估數量單次生成估算值 | 費用 輸出 · 預估生成費用 · 僅供比較的估算 $0.24576 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'google/gemini-nano-banana-2.1', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\n下載每張傳回的圖片，或儲存其 Base64 內容
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.\n請儲存每張已完成的圖片；從每個傳回的 URL 取得圖片，或解碼其 Base64 內容。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task_id/asset_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。
| 欄位 | 類型 |
|---|---|
欄位created | 類型 |
欄位data[].url | 類型 |
欄位data[].b64_json | 類型 |
欄位usage | 類型 |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
google/gemini-nano-banana-2.1Gemini Nano Banana 2.1 可透過對話，依文字與視覺素材生成及編輯圖像。它改善了文字呈現、資訊圖表版面及多回合一致性，為明確的視覺需求提供 1K–4K 輸出，並支援最多 14 張參考圖像。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini Nano Banana 2.1 是 Google 的圖像生成與對話式編輯模型。它是 Nano Banana 2 的更新版本，改善了視覺真實感、指令遵循、文字呈現，以及連續編輯時的角色一致性。其輸入表列出文字、圖像、影片與 PDF，輸出則為圖像及文字。適合製作產品場景、資訊圖表，或透過數次具體修改逐步發展的視覺系列。
模型提供 1K、2K 及 4K 輸出，預設為 1K。它未沿用 Nano Banana 2 的 0.5K 選項。文件列出的長寬比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及直長或全景格式 1:4、4:1、1:8、8:1。Google 表示，後述寬幅與直長格式在 2K、4K 下的拼接瑕疵已獲修正。解析度標籤代表尺寸級距，而非固定矩形：正方形 4K 圖像為 4096 × 4096，文件中的 16:9 4K 輸出則為 5504 × 3072。
文字是此視覺工作流程的重要部分。模型旨在呈現清晰可讀的風格化文字，並更準確地組織資訊圖表元素。請先準備確切的標題、標籤及閱讀順序，再要求圖像使用這些定稿文字。製作菜單、圖解或教學圖時，應說明文字說明與視覺元素的關係。Google 建議先建立文字，再要求圖像，讓視覺構圖從已確定的文字需求出發。
參考圖像融合支援最多 14 張圖像。文件所述能力包括最多四個角色的一致性，以及最多十個物件的忠實呈現。請為每張參考圖指定角色：必須保持可辨識的產品、角色外觀、預期背景或視覺風格。例如產品需求可寫成：「使用圖像 A 的瓶身形狀與標籤。使用圖像 B 的表面與光線。產品維持不變，將它放在摺好的毛巾旁，上方留出清楚空間放置提供的標題。」
Google Web Search 與 Image Search grounding 可為生成提供最新資訊及視覺脈絡。Image Search 以檢索到的網路圖像作為參考；標準網頁 grounding 則提供主題相關資訊。這適合需要事實依據的圖像，或外觀取決於真實物件的場景。圖像搜尋流程不支援為此目的檢索真實人物圖像。在 Google 記載的流程中，grounding 回應附有來源及署名中繼資料，因此應用程式應隨生成結果一併保留。
Thinking 可設定為 minimal、medium、high，此確切模型預設為 medium。它協助模型在最終輸出前處理構圖及較複雜的指令。圖像指南描述此過程中的中間構圖圖像；這些與預期交付的最終成果不同。請明確選擇最終版面、長寬比及解析度，不要期待單憑提示敘述就能決定所有輸出設定。
對話式編輯讓後續回合可修改既有結果的一部分：調整光線、移動物件，或在保留其他構圖的同時翻譯標籤。將先前圖像或互動帶入下一回合，並同時說明要修改與保留的特徵。角色系列應使用一致的外觀參考；若新角度或複雜姿勢很重要，則提供姿勢參考。實用的修改需求可以是：「保留產品、標籤與版面；只將背景改為較暖的灰色。」
模型表列出的輸入上限為 131,072 token，輸出上限為 32,768 token。此版本支援圖像生成與搜尋 grounding；音訊生成、程式碼執行、函式呼叫、結構化輸出、快取、檔案搜尋、URL context 及 Live API 則未列為支援項目。影片可以為生成的靜態圖像提供資訊，但不代表此模型能生成影片。Google 也指出，要求確切的圖像數量不一定會得到該數量。所有生成圖像均包含 SynthID 浮水印。
第一份實用需求應說明圖像用途、主體、構圖、光線、鏡頭視角、必要文字及輸出形狀。例如要求直式資訊圖表，包含三個有標籤的步驟、可讀標題及指定的色彩層級，再於下一次編輯前檢查文字及相對位置。結果可作為產品插圖、編輯圖像或設計參考，並將選定圖像與解說文字一併保留。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 google/gemini-nano-banana-2.1 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.003 / 1K Token 輸出 · 輸出 Token $0.015 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token 輸出 · 圖片輸出詞元 $0.06 / 1K 圖片 Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token $0.003 / 1K Token 輸出 · 輸出 Token $0.015 / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "google/gemini-nano-banana-2.1",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-nano-banana-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-nano-banana-2.1', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra google/gemini-nano-banana-2.1
/v1/images
英文技術範例
Refine an approved poster background\n\nEdit the supplied event poster. Preserve every word, the headline hierarchy, illustration placement and portrait composition. Change only the background from cool white to warm ivory, keeping dark text readable and retaining the original accent color. Do not add shapes, badges, textures or extra captions. Return the revised poster image.One edited poster with the original wording and layout preserved over a warm ivory background.Compare every word and element position against the supplied poster, then inspect text contrast.