Gemini 3.1 Flash Image Preview, a.k.a. "Nano Banana 2," ist Googles neuestes hochmodernes Bildgenerierungs- und Bearbeitungsmodell, das visuelle Qualität auf Pro-Niveau mit Flash-Geschwindigkeit liefert. Es kombiniert...
Google: Nano Banana 2 ist ein multimodales Modell, das sowohl Bilder als auch Texteingaben verarbeitet. Es basiert auf der Gemini 3.1 Flash-Architektur, die auf schnelle Inferenz ausgelegt ist. Das…
Das Gemini 3.1 Flash Image Preview Modell ist in der Lage, eine Reihe multimodaler Aufgaben auszuführen, darunter Bildunterschriften, visuelle Fragebeantwortung, Dokumentenverständnis (z. B. Extrahieren von Informationen aus Rechnungen oder Formularen) sowie Inhaltsmoderation, die Bild- und Textanalyse kombiniert. Es kann auch Schlussfolgerungen aus Diagrammen und Schaubildern ziehen, etwa Diagramme oder Flussdiagramme interpretieren. Da es sich um ein Flash-Modell handelt, ist es auf Geschwindigkeit optimiert, was es für Anwendungen geeignet macht, die eine schnelle Bearbeitung erfordern. Allerdings kann es bei komplexen Denkaufgaben möglicherweise nicht die Tiefe größerer, langsamerer Modelle erreichen. Benutzer sollten das Modell an ihren spezifischen Anwendungsfällen evaluieren, um seine Leistung zu bestätigen.
Das Kontextfenster umfasst 65.536 Token. Das bedeutet, dass das Modell in einer einzelnen Eingabeaufforderung bis zu dieser Anzahl an Token verarbeiten kann, einschließlich sowohl des Textes als auch der codierten Bilddaten. Bei reinen Textaufforderungen ermöglicht dies die Verarbeitung von Dokumenten mit rund 50.000 Wörtern. Bei multimodalen Eingaben verbrauchen die Bild-Token einen Teil des Fensters, sodass die nutzbare Textkapazität reduziert wird. Die genauen Token-Kosten pro Bild sind nicht angegeben, aber Benutzer sollten berücksichtigen, dass Bilder eine erhebliche Anzahl von Token beanspruchen. Diese Kontextgröße ermöglicht die Verarbeitung von mäßig langen Dokumenten mit Bildern, aber extrem große Dokumente oder viele Bilder können die Grenze überschreiten. In solchen Fällen kann eine Aufteilung oder Zusammenfassung erforderlich sein.
Wenn Ihre Aufgabe kein Bildverständnis erfordert, kann ein reines Textmodell (z. B. Gemini 1.5 Flash oder ähnlich) günstiger und schneller sein. Falls Ihre Anwendung extrem latenzempfindlich ist und der Overhead der Bildverarbeitung unnötig ist, könnte außerdem ein leichtgewichtiges Textmodell vorzuziehen sein. Bei Aufgaben, die komplexes, mehrere Bilder umfassendes Denken oder sehr hohe Detailgenauigkeit erfordern, bietet ein größeres, nicht-Flash-Vision-Modell möglicherweise bessere Genauigkeit, jedoch auf Kosten der Geschwindigkeit. Die Flash-Variante ist als Mittelweg konzipiert. Benutzer sollten ihre eigenen Arbeitslasten benchmarken, um zu ermitteln, ob der Kompromiss zwischen Geschwindigkeit und Qualität die Kosten rechtfertigt. OrcaRouter bietet eine Auswahl an Modellen; ein Blick in den Katalog kann helfen, Alternativen zu finden.
Die Gemini 3.1 Flash-Architektur ist für latenzarme Inferenz optimiert. Dies macht das Modell gut geeignet für Echtzeitanwendungen wie Live-Chat-Assistenten, interaktive Frage-Antwort-Systeme oder automatisierte Moderationstools, die innerhalb von Sekunden antworten müssen. Der Geschwindigkeitsvorteil ergibt sich aus Architekturentscheidungen, die den Rechenaufwand reduzieren, wie z. B. weniger Parameter oder optimierte Aufmerksamkeitsmechanismen. Obwohl keine spezifischen Latenzzahlen angegeben werden, geben Flash-Modelle im Allgemeinen Tokens schneller aus als ihre Standard-Gegenstücke. Dies kann die gefühlte Wartezeit für Endbenutzer reduzieren. Die genaue Geschwindigkeit hängt jedoch von Faktoren wie Eingabegröße, Bildkomplexität und Serverlast auf OrcaRouter ab. Entwickler sollten mit repräsentativen Eingaben testen.
Derzeit werden für dieses spezifische Modell keine offiziellen Benchmark-Ergebnisse öffentlich bereitgestellt. Da es sich um eine Vorschauversion handelt (erkennbar an „Image Preview“ im Namen), hat Google möglicherweise keine standardisierten Evaluierungsergebnisse veröffentlicht. Nutzer sollten keine Leistungsniveaus von anderen Gemini Flash-Modellen ableiten, da die Bildvorschau-Variante möglicherweise abweichende Fähigkeiten aufweist. Um die Qualität des Modells zu bewerten, empfiehlt OrcaRouter die Durchführung eigener Auswertungen mit Ihrem eigenen Datensatz. Häufige Metriken für multimodale Aufgaben umfassen Genauigkeit bei VQA-Benchmarks, BLEU für Bildunterschriften oder F1 für Dokumentenverständnis. Ohne Benchmarks ist die Abhängigkeit von empirischen Tests notwendig.
Da das Modell auf Gemini 3.1 Flash basiert, sollte es die für diese Architektur typischen starken Textgenerierungsfähigkeiten aufweisen, wie kohärente Sprache, Zusammenfassung und logisches Denken. Da es sich jedoch um eine multimodale Variante handelt, könnte die reine Textleistung aufgrund des Overheads der Bildverarbeitungszweige vom dedizierten textbasierten Flash-Modell abweichen. Es liegen keine vergleichenden Benchmarks vor. Für reine Textaufgaben stellen Nutzer möglicherweise fest, dass ein einfacheres, textbasiertes Flash-Modell eine gleichwertige oder bessere Qualität bei geringeren Kosten und niedrigerer Latenz bietet. Wenn Sie hauptsächlich mit Text arbeiten, sollten Sie stattdessen die Verwendung von gemini-3.1-flash oder ähnlichen Modellen auf OrcaRouter in Betracht ziehen.
Als Vorschaumodell kann es Einschränkungen oder Grenzen geben, die nicht vollständig dokumentiert sind. Bekannte potenzielle Einschränkungen sind: Das Modell verarbeitet möglicherweise sehr hochauflösende Bilder nicht so gut wie spezielle Vision-Modelle; es könnte weniger zuverlässig bei der Verarbeitung mehrerer Bilder in einer einzigen Eingabeaufforderung sein, aufgrund der gemeinsamen Kontextnutzung; und es könnte empfindlicher auf die Formulierung der Eingabeaufforderung reagieren als spezialisierte Modelle. Darüber hinaus kann es, da es sich um ein Flash-Modell handelt, einen Kompromiss zwischen Reasoning-Tiefe und Geschwindigkeit eingehen, sodass komplexe mehrstufige visuelle Reasoning-Aufgaben fehleranfällig sein können. Benutzer sollten Randfälle gründlich testen. OrcaRouter empfiehlt, die Google-Dokumentation für Gemini auf Sicherheitsfilter oder Inhaltsrichtlinien zu überprüfen, die möglicherweise gelten.
Die Gemini 3.1 Flash Image Preview ist für niedrige Latenz ausgelegt, genaue Geschwindigkeitskennzahlen werden jedoch nicht veröffentlicht. Im Vergleich zu anderen Flash-Modellen auf OrcaRouter (z. B. Gemini 1.5 Flash oder anderen Flash-Varianten) kann die Hinzunahme der Bildverarbeitung die Latenz pro Anfrage erhöhen, da Bilder codiert und beachtet werden müssen. Innerhalb der Flash-Klasse sollte es jedoch schneller sein als größere, nicht-Flash-Modelle, die Bilder verarbeiten. Für Benutzer, die sowohl Geschwindigkeit als auch Bildverarbeitung benötigen, ist dieses Modell eine vernünftige Wahl. Wenn die Latenz kritisch ist und keine Bilder benötigt werden, ist ein reines Text-Flash-Modell schneller. Die API von OrcaRouter gibt Antwortzeiten an; Kunden können ihre eigene Nutzung überwachen.
Die Preise für dieses Modell auf OrcaRouter werden von der Plattform festgelegt und können sich ändern. Normalerweise berechnet OrcaRouter pro verarbeitetem Token (Eingabe + Ausgabe), mit zusätzlichen Aufschlägen für Bild-Tokens. Bei multimodalen Modellen sind die Kosten pro Anfrage höher als bei reinen Textmodellen, da Bilder viele Tokens verbrauchen. Nutzer sollten die offizielle Preisübersicht von OrcaRouter für die aktuellen Tarife für google/gemini-3.1-flash-image-preview konsultieren. Hier werden keine spezifischen Kosten pro Token angegeben. Es wird empfohlen, die Kosten durch Testen von Beispielanfragen und Überprüfung der Token-Nutzung in den API-Antwort-Headern abzuschätzen.
Ja, Bildeingaben erhöhen die Token-Anzahl pro Anfrage erheblich, da jedes Bild in viele Tokens tokenisiert wird (typischerweise hunderte bis tausende, je nach Auflösung). Dies treibt die Kosten im Vergleich zu rein textbasierten Prompts ähnlicher Länge direkt in die Höhe. Wenn Ihre Anwendung mit rein textbasierten Bildbeschreibungen auskommen kann, ist ein textbasiertes Modell möglicherweise günstiger. Ist das Bildverständnis hingegen unerlässlich, bietet dieses Modell eine Ein-Modell-Lösung anstatt zwei separate Dienste zu kombinieren. Nutzer sollten die Qualität der Bildinterpretation des Modells gegen die zusätzlichen Kosten abwägen. OrcaRouter bietet möglicherweise Nutzungsrabatte für Kunden mit hohem Volumen an; kontaktieren Sie sie für Details.
OrcaRouter bietet möglicherweise Funktionen wie Prompt-Caching oder Sitzungswiederverwendung, um die wiederholte Verarbeitung von Bild-Token zu reduzieren. Spezifische Implementierungsdetails sind für dieses Modell jedoch nicht öffentlich dokumentiert. Caching kann die Kosten erheblich senken in Anwendungen, bei denen dasselbe Bild wiederholt gesendet wird (z. B. in einem Q&A-Bot mit einem festen Dokument). Benutzer sollten sich beim Support-Team von OrcaRouter nach den Caching-Funktionen erkundigen. Darüber hinaus bietet OrcaRouter möglicherweise gestaffelte Preise oder monatliche Pläne an, die die Kosten pro Token für eine vereinbarte Nutzung senken. Es wird empfohlen, die Allgemeinen Geschäftsbedingungen zu prüfen oder den Vertrieb zu kontaktieren, um präzise Kostenoptimierungsstrategien zu erhalten.
Um das Modell zu verwenden, senden Sie HTTP-POST-Anfragen an den OpenAI-kompatiblen API-Endpunkt von OrcaRouter: https://api.orcarouter.ai/v1/chat/completions. Setzen Sie den Parameter model auf "google/gemini-3.1-flash-image-preview". Fügen Sie Ihren API-Schlüssel im Authorization-Header (Bearer-Token) hinzu. Der Anforderungstext sollte ein messages-Array enthalten, wobei jede Nachricht eine Rolle (system, user, assistant) und einen Inhalt haben kann. Fügen Sie für Bilder ein Objekt mit type "image_url" und der Bild-URL oder Base64-Daten ein. Beispiel: "content": [{"type": "text", "text": "Describe this photo"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]. Die API gibt eine Standard-Chat-Completion-Antwort zurück.
Die API unterstützt die standardmäßigen OpenAI-Chat-Completion-Parameter: model, messages, max_tokens, temperature, top_p, stop, stream usw. Für Bildeingaben muss das content-Array Objekte mit dem Typ "image_url" enthalten. Das image_url-Objekt kann entweder eine öffentliche URL oder einen base64-kodierten Daten-URI enthalten. OrcaRouter unterstützt möglicherweise auch optionale Parameter wie max_image_tokens oder Detail-Einstellungen (wie OpenAIs low/high), aber diese sind nicht bestätigt. Lesen Sie die API-Dokumentation von OrcaRouter für etwaige zusätzliche Parameter, die für multimodale Modelle spezifisch sind. Die Antwort enthält Nutzungsinformationen wie prompt_tokens (einschließlich Bild-Tokens), completion_tokens und total_tokens, die für die Kostenüberwachung hilfreich sind.
Migration von Googles nativer Vertex AI oder AI Studio API zu OrcaRouter erfordert das Ändern der Basis-URL und der Modellkennung. Ersetzen Sie Ihren Google-Endpunkt durch https://api.orcarouter.ai/v1/chat/completions. Ändern Sie den Modellnamen auf "google/gemini-3.1-flash-image-preview". Authentifizierung: Verwenden Sie anstelle von Google-Dienstkontoberechtigungen OrcaRouter-API-Schlüssel. Das Anfrageformat wird OpenAI-kompatibel: Nachrichten-Array mit Rollen und Inhalt. Wenn Sie Googles multimodales Eingabeformat verwendet haben, müssen Sie Bilder in das oben beschriebene image_url-Format konvertieren. Die meisten SDKs (z. B. OpenAI Python) funktionieren mit einer einfachen Konfigurationsaktualisierung. Testen Sie mit einer kleinen Nutzlast, um das Verhalten vor der Produktionsmigration zu überprüfen.
OrcaRouter verwendet die API-Schlüssel-Authentifizierung. Sie müssen einen API-Schlüssel aus dem OrcaRouter-Dashboard abrufen. Fügen Sie ihn im Request-Header als: Authorization: Bearer YOUR_API_KEY hinzu. API-Schlüssel sollten geheim gehalten und nicht im clientseitigen Code offengelegt werden. Für die Server-zu-Server-Kommunikation verwenden Sie Umgebungsvariablen. OrcaRouter bietet möglicherweise Ratenbegrenzung und Nutzungskontingente an; überprüfen Sie Ihre Kontoeinstellungen. Es ist kein zusätzlicher OAuth-Ablauf oder eine Google-spezifische Authentifizierung erforderlich. Der API-Schlüssel ist an Ihr OrcaRouter-Konto und Ihren Abrechnungsplan gebunden. Wenn Sie die Ratenlimits überschreiten, erhalten Sie möglicherweise den HTTP-429-Status; implementieren Sie entsprechend eine Wiederholungslogik.
Das standardmäßige Gemini 3.1 Flash ist ein reines Textmodell (oder möglicherweise Text mit eingeschränkter Bildverarbeitung in neueren Versionen). Die Variante Image Preview fügt explizit Sehfähigkeiten hinzu und eignet sich daher für multimodale Aufgaben. Im Gegenzug kann das Bildvorschaumodell eine leicht andere interne Architektur sowie potenziell höhere Latenz oder Kosten aufgrund der Bildverarbeitung aufweisen. Für reine Textaufgaben wird das standardmäßige Flash wahrscheinlich schneller und günstiger sein und möglicherweise identische oder bessere Qualität bieten. Benutzer sollten die Variante Image Preview nur dann wählen, wenn Bildeingabe erforderlich ist. OrcaRouter bietet beide Modelle an; vergleichen Sie deren Modell-IDs.
Auf OrcaRouter umfassen weitere multimodale Modelle GPT-4V, Claude 3 Vision und Gemini Pro Vision sowie Open-Source-Varianten. Die Gemini 3.1 Flash Image Preview ist als schnelle und kostengünstigere Alternative zu größeren Vision-Modellen wie GPT-4V positioniert. Dabei wird vermutlich ein gewisses Maß an Reasoning-Tiefe zugunsten von Geschwindigkeit und Preis geopfert. Im Vergleich zu dedizierten Bildbeschreibungsmodellen bietet dieses Modell ein allgemeineres multimodales Chat-Erlebnis. Für spezifische Aufgaben wie OCR oder feinkörnige visuelle Erkennung können spezialisierte Modelle (z. B. Googles eigene Document AI) bessere Ergebnisse liefern. Nutzer sollten je nach Anwendungsfall bewerten: Dieses Flash-Modell eignet sich am besten für geschwindigkeitskritische Anwendungen, bei denen eine moderate Bildverarbeitungsfähigkeit ausreicht.
OrcaRouter bietet eine einheitliche, mit OpenAI kompatible API für dieses Google-Modell und vereinfacht die Integration, falls Sie diese Schnittstelle bereits nutzen. Sie vermeiden die direkte Verwaltung von Google Cloud-Ressourcen, IAM-Berechtigungen oder separaten SDKs. OrcaRouter bietet möglicherweise zusätzliche Funktionen wie Lastverteilung, Caching, Fallback-Modelle und konsolidierte Abrechnung. Es aggregiert außerdem mehrere Anbieter und ermöglicht einen einfachen Modellwechsel ohne Codeänderungen. Für dieses spezifische Modell übernimmt OrcaRouter die Backend-Konnektivität zur Google-Infrastruktur und optimiert möglicherweise das Routing. Die Nutzung eines Drittanbieter-Gateways führt jedoch zu einer Abhängigkeit und kann zu einem geringen Latenz-Overhead führen. Bewerten Sie, ob der Komfort den direkten Zugriff überwiegt.
Wählen Sie dieses Modell, wenn Ihre Anwendung ein Verständnis von visuellen Inhalten in Kombination mit Text erfordert, z. B. zum Analysieren von Fotos, Diagrammen oder gescannten Dokumenten. Wenn Ihre Aufgabe die Interpretation von Bildern als Teil des Denkprozesses beinhaltet – etwa in einem Kundensupport-Bot, der Screenshots liest – macht dieses Modell die Verwendung einer separaten Vision-API überflüssig. Sind Ihre Bilder jedoch nur dekorativ oder lassen sich textuell beschreiben, ist ein reines Textmodell wirtschaftlicher und schneller. Falls Sie außerdem extrem hohe Genauigkeit bei spezialisierten visuellen Aufgaben benötigen (wie feinkörnige Objekterkennung), wäre ein dediziertes Computervision-Modell überlegen. Dieses Modell bietet einen praktischen Mittelweg.
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| Pro Anfrage | $0.1510 |
| Währung | USD |
| Pauschalgebühr pro API-Aufruf (Bildgenerierungsmodelle) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewÖffnen @misc{orcarouter_gemini_3_1_flash_image_preview,
title = {Nano Banana 2 (Gemini 3.1 Flash Image Preview) API},
author = {Google},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-3.1-flash-image-preview}
}Google. (2026). Nano Banana 2 (Gemini 3.1 Flash Image Preview) API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-3.1-flash-image-preview