Nano Banana Pro ist Googles fortschrittlichstes Modell für Bilderzeugung und -bearbeitung, das auf Gemini 3 Pro basiert. Es erweitert das ursprüngliche Nano Banana durch deutlich verbessertes multimodales Schlussfolgern, Realitätsbezug und ...
Dieses Modell ist eine Vorabveröffentlichung von Google einer bevorstehenden Gemini 3 Pro Variante, die auf Bildverständnis spezialisiert ist. Es akzeptiert Bild- und Texteingaben und generiert…
Das Modell kann Bildinhalte detailliert beschreiben, Fragen zu Objekten, Szenen, Farben und im Bild sichtbarem Text beantworten (z. B. Lesen von Schildern oder Etiketten). Es unterstützt visuelle Denkaufgaben wie das Vergleichen zweier Bilder, das Identifizieren von Unterschieden oder das Extrapolieren aus visuellen Hinweisen. Es kann auch Diagramme und Schaubilder analysieren, wobei die Genauigkeit bei komplexen wissenschaftlichen Abbildungen variieren kann.
Starke Anwendungsfälle sind: 1) Echtzeit-Bildunterschriften für Barrierefreiheitstools; 2) Visuelle Suche und Produktklassifizierung im E-Commerce; 3) Dokumentenverarbeitung (Formulare, Belege, Rechnungen) mit handschriftlichem oder getipptem Text; 4) Bildungswerkzeuge, die Diagramme oder Fotos erklären. Das Modell funktioniert am besten mit klaren, gut beleuchteten Bildern und spezifischen, detaillierten Aufforderungen.
Wenn Ihre Aufgabe keine Bilder umfasst (z. B. reine Textgenerierung, Zusammenfassung, Übersetzung), ist ein reines Textmodell (wie Standard-Gemini- oder Llama-Varianten) kosteneffizienter. Für einfache Bildklassifikation, die kein sprachliches Reasoning erfordert, kann ein spezielles Vision-Modell mit niedrigerer Latenz besser geeignet sein. Falls Sie zudem eine niedrigere Latenz für hohe Anfragevolumen benötigen, ist ein kleineres multimodales Modell möglicherweise vorzuziehen.
Als Vorschau ist die Unterstützung für Funktionsaufrufe für dieses Modell nicht bestätigt. OrcaRouters API unterstützt dieselben Tooldefinitionen wie OpenAI, aber das zugrunde liegende Modell führt Funktionsaufrufe möglicherweise nicht zuverlässig aus. Testen Sie gründlich, bevor Sie sich auf die Verwendung von Tools verlassen. Strukturierte Ausgabe (JSON-Modus) wird über das OpenAI-kompatible Format unterstützt, aber die Ausgabequalität variiert.
Benchmark-Ergebnisse für das Nano Banana Pro (Gemini 3 Pro Image Preview) wurden nicht öffentlich veröffentlicht. Als Vorschaumodell wird es möglicherweise nicht anhand standardmäßiger Benchmarks wie MMLU, VQAv2 oder COCO Captions bewertet. Entwickler sollten eigene Bewertungen anhand repräsentativer Daten durchführen, um die Leistung zu beurteilen. Erwarten Sie Verbesserungen in der finalen Gemini 3 Pro-Version.
Die Latenz hängt von der Bildgröße, der Eingabelänge und der aktuellen Auslastung des OrcaRouter ab. Die Bildverarbeitung verursacht im Vergleich zu rein textbasierten Modellen einen zusätzlichen Overhead. Im Durchschnitt kann eine Anfrage mit einem mittelauflösenden Bild und 100 Text-Tokens mehrere Sekunden für das erste Token benötigen und dann den Rest streamen. Für diese Vorschau gibt es keine veröffentlichte Tokens‑pro‑Sekunde‑Angabe. Verwenden Sie kleinere Bilder und bündeln Sie Anfragen, um die Latenz zu minimieren.
Das Modell ist hervorragend darin, Objekte, Personen und Text in Bildern zu identifizieren. Es kann räumliche Beziehungen verstehen und Fragen beantworten, die die Kombination visueller und textueller Informationen erfordern. Erstes Feedback deutet auf eine gute Leistung bei fotobasierten Abfragen und Dokumentenverständnis hin. Sein großes Kontextfenster ermöglicht Konversationen mit mehreren Bildern.
Als Vorschau kann das Modell unerwartete Ausgaben erzeugen oder Details über Bilder halluzinieren (z. B. behaupten, dass Objekte vorhanden sind, die nicht vorhanden sind). Es kann mit Bildern mit niedriger Auflösung, verschwommenen oder stark abstrakten Bildern Schwierigkeiten haben. Komplexes mehrstufiges visuelles Denken (z. B. mathematische Gleichungen aus Handschrift) kann unzuverlässig sein. Das Modell unterstützt keine Audio- oder Videoeingabe. Für diese Vorschau gibt es keine Option zur Feinabstimmung.
Die Preisgestaltung wird von OrcaRouter basierend auf den Kosten pro Token für den google-Anbieter festgelegt. Input-Tokens sind in der Regel günstiger als Output-Tokens. Bild-Tokens verbrauchen deutlich mehr Input-Tokens als Text—jedes Bild wird in Kacheln unterteilt und verarbeitet. Konsultieren Sie die offizielle Preisseite von OrcaRouter für aktuelle Tarife. Für dieses Modell gibt es keinen kostenlosen Tarif; Sie bezahlen pro Anfrage.
Da Bildverarbeitung token‑intensiv ist, können die Kosten schnell ansteigen, wenn Sie viele hochauflösende Bilder senden. Zur Kostenkontrolle: Reduzieren Sie die Bildauflösung, begrenzen Sie die Anzahl der Bilder pro Anfrage und verwenden Sie kurze Prompt‑Texte. Falls Bilder nicht essenziell sind, ziehen Sie ein reines Textmodell in Betracht. OrcaRouter bietet möglicherweise Caching für wiederholte Bild‑Embeddings (Details in der Dokumentation).
OrcaRouter kann Caching für häufig verwendete Bildembeddings implementieren, aber das Caching-Verhalten dieses Vorschau-Modells ist nicht dokumentiert. Typischerweise können identische Bildeingaben von derselben URL auf der Anbieterseite gecacht werden, was die Token-Kosten bei wiederholten Anfragen senkt. Wenden Sie sich an den OrcaRouter-Support für spezifische Details. Caching ist modellabhängig und bei Vorschau-Modellen nicht garantiert.
Token-Verbrauch für Bilder ist proportional zur Anzahl der 256×256 Kacheln, die benötigt werden, um das Bild abzudecken (nach der Größenänderung). Ein 512×512-Bild verwendet 4 Kacheln (4 Eingabe-Token pro Kachel? Nicht angegeben – die genaue Formel hängt vom Modell ab). OrcaRouter kann eine Token-Anzahl im usage-Feld der API-Antwort bereitstellen. Experimentieren Sie mit Ihren eigenen Bildern, um die Kosten pro Anfrage abzuschätzen.
Verwenden Sie den OpenAI-kompatiblen Endpunkt unter https://api.orcarouter.ai/v1 mit Ihrem API-Schlüssel. Setzen Sie das Modell auf "google/gemini-3-pro-image-preview". Formatieren Sie die Anfrage mit einem messages-Array, das sowohl Text- als auch Bildteile enthält. Bilder werden als base64-Daten-URLs oder URLs mit image_url-Objekten übergeben. Beispiel: {"model":"google/gemini-3-pro-image-preview","messages":[{"role":"user","content":[{"type":"text","text":"Describe this image"},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}]}]}. Streaming wird unterstützt.
Standard OpenAI-Parameter: Temperatur (0–2), top_p, max_tokens (bis zum Kontextfenster minus Prompt-Tokens), Stopp-Sequenzen, frequency_penalty, presence_penalty. Das Modell akzeptiert auch den Parameter 'seed' für deterministische Ausgaben (nicht garantiert). Die Parameterunterstützung ist modellabhängig; einige Parameter können ignoriert werden oder andere Standardwerte haben. Testen Sie mit Ihrer gewünschten Konfiguration.
Ändern Sie Ihre Basis-URL von https://api.openai.com/v1 auf https://api.orcarouter.ai/v1, aktualisieren Sie Ihren API-Schlüssel auf einen OrcaRouter-Schlüssel und ändern Sie den Modellnamen zu "google/gemini-3-pro-image-preview". Die Nachrichtenstruktur (Inhaltsarray mit text und image_url) ist identisch. Wenn Sie Bibliotheken wie openai Python verwenden, ändern Sie einfach die base_url und den api_key. Hinweis: Die Ratenbegrenzungen unterscheiden sich.
Die Authentifizierung erfolgt über einen API-Schlüssel im Authorization-Header (Bearer your_key). Die Ratenbegrenzungen gelten pro Schlüssel und hängen von Ihrem Plan ab. Die API gibt 429 zurück, wenn die Grenze überschritten wird. Es gibt keine separate Authentifizierung für den Modellanbieter – OrcaRouter verwaltet das Routing. Verwenden Sie für die Produktion einen dedizierten Schlüssel und überwachen Sie die Nutzung im OrcaRouter-Dashboard.
Beide sind multimodal (Bild+Text-Eingabe, Text-Ausgabe). GPT‑4V ist ein ausgereiftes Produktionsmodell mit breiteren Benchmark-Daten. Nano Banana Pro ist eine Vorschau; seine tatsächlichen Fähigkeiten sind weniger bekannt. Kontextfenster: GPT‑4V bis zu 128k gegenüber 65k für dieses Modell. GPT‑4V unterstützt höher aufgelöste Bilder. Allerdings könnte dieses Modell niedrigere Kosten und andere Stärken im logischen Denken bieten. Direkte Vergleiche erfordern aufgabenspezifische Bewertungen.
OrcaRouter bietet mehrere multimodale Modelle (z. B. Claude 3 Vision, Llama 3.2 Vision). Diese Google-Vorschau bietet eine einzigartige Gemini-basierte Architektur, die bei bestimmten Google-zentrierten Aufgaben (z. B. beim Verstehen von Google Docs-Screenshots) hervorragend sein kann. Es hat die Hälfte des Kontextfensters einiger Mitbewerber. Preise und Latenz variieren; siehe OrcaRouters Vergleichstabellen für die Preise pro Modell.
Der Hauptvorteil ist die native Bildeingabe ohne einen separaten Vision-Encoder. Sie können visuellen Kontext mit Text in einem einzigen Prompt kombinieren. Dies reduziert die Systemkomplexität im Vergleich zur Verkettung zweier verschiedener Modelle. Allerdings sind reine Textmodelle günstiger und schneller für Aufgaben, die keine Bilder benötigen. Wählen Sie basierend darauf, ob die Aufgabe visuelles Verständnis erfordert.
Gemini 2 Pro ist ein Produktionsmodell mit langer Tradition. Diese Vorschau gewährt einen Einblick in die Architektur von Gemini 3 Pro und kann andere Stärken aufweisen (z. B. bessere Verarbeitung bestimmter Bildtypen). Es handelt sich jedoch um eine Vorschau – Stabilität und Support sind eingeschränkt. Für Produktionseinsätze ist Gemini 2 Pro (via OrcaRouter) sicherer. Nutzen Sie diese Vorschau für frühe Tests und Feedback.
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| Pro Anfrage | $0.2400 |
| Währung | USD |
| Pauschalgebühr pro API-Aufruf (Bildgenerierungsmodelle) | |
GET /api/public/models/google/gemini-3-pro-image-previewÖffnen @misc{orcarouter_gemini_3_pro_image_preview,
title = {Nano Banana Pro (Gemini 3 Pro Image Preview) API},
author = {Google},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3-pro-image-preview}
}Google. (2025). Nano Banana Pro (Gemini 3 Pro Image Preview) API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3-pro-image-preview