Gemini 3.1 Flash Image Preview, también conocido como "Nano Banana 2", es el último modelo de generación y edición de imágenes de última generación de Google, que ofrece calidad visual de nivel Pro a la velocidad de Flash. Combina...
Google: Nano Banana 2 es un modelo multimodal que procesa tanto imágenes como texto de entrada. Está basado en la arquitectura Gemini 3.1 Flash, que prioriza la inferencia rápida. El modelo acepta…
El modelo Gemini 3.1 Flash Image Preview es capaz de realizar una variedad de tareas multimodales, que incluyen subtitulado de imágenes, respuesta visual a preguntas, comprensión de documentos (por ejemplo, extraer información de facturas o formularios) y moderación de contenido que combina análisis de imágenes y texto. También puede realizar razonamiento sobre diagramas y gráficos, como interpretar gráficos o diagramas de flujo. Dado que es un modelo flash, está optimizado para la velocidad, lo que lo hace adecuado para aplicaciones que requieren una respuesta rápida. Sin embargo, es posible que no alcance la profundidad de modelos más grandes y lentos en tareas de razonamiento complejas. Los usuarios deben evaluar el modelo en sus casos de uso específicos para confirmar su rendimiento.
La ventana de contexto es de 65,536 tokens. Esto significa que el modelo puede procesar hasta esa cantidad de tokens en una sola instrucción, incluyendo tanto el texto como los datos de imagen codificados. Para instrucciones solo de texto, esto permite manejar documentos de alrededor de 50,000 palabras. Para entradas multimodales, los tokens de imagen consumen parte de la ventana, por lo que la capacidad útil de texto se reduce. El costo exacto de tokens por imagen no está especificado, pero los usuarios deben considerar que las imágenes ocupan una cantidad significativa de tokens. Este tamaño de contexto permite procesar documentos moderadamente largos con imágenes, pero documentos extremadamente grandes o muchas imágenes pueden superar el límite. En tales casos, puede ser necesario dividir en fragmentos o resumir.
Si tu tarea no requiere comprensión de imágenes, un modelo solo de texto (por ejemplo, Gemini 1.5 Flash o similar) puede ser más barato y rápido. Además, si tu aplicación es extremadamente sensible a la latencia y la sobrecarga de procesamiento de imágenes es innecesaria, un modelo de texto ligero podría ser preferible. Para tareas que implican razonamiento complejo con múltiples imágenes o detalles muy altos, un modelo de visión más grande y no flash puede ofrecer mayor precisión a costa de velocidad. La variante flash está diseñada como un punto intermedio. Los usuarios deben evaluar sus propias cargas de trabajo para determinar si el equilibrio entre velocidad y calidad justifica el costo. OrcaRouter ofrece una gama de modelos; consultar el catálogo puede ayudar a identificar alternativas.
La arquitectura Gemini 3.1 Flash está optimizada para inferencia de baja latencia. Esto hace que el modelo sea adecuado para aplicaciones en tiempo real como asistentes de chat en vivo, sistemas interactivos de preguntas y respuestas, o herramientas de moderación automatizadas que necesitan responder en segundos. La ventaja de velocidad proviene de elecciones arquitectónicas que reducen la sobrecarga computacional, como menos parámetros o mecanismos de atención optimizados. Aunque no se proporcionan números específicos de latencia, los modelos flash generalmente generan tokens más rápido que sus contrapartes estándar. Esto puede reducir el tiempo de espera percibido para los usuarios finales. Sin embargo, la velocidad exacta depende de factores como el tamaño de entrada, la complejidad de la imagen y la carga del servidor en OrcaRouter. Los desarrolladores deberían probar con entradas representativas.
Actualmente, no se proporcionan puntuaciones oficiales de referencia para este modelo específico. Debido a que es una versión preliminar (indicada por "Image Preview" en su nombre), es posible que Google no haya publicado resultados de evaluación estandarizados. Los usuarios no deben asumir niveles de rendimiento basados en otros modelos Gemini Flash, ya que la variante de vista previa de imagen puede diferir en capacidades. Para evaluar la calidad del modelo, OrcaRouter recomienda realizar evaluaciones personalizadas con su propio conjunto de datos. Las métricas comunes para tareas multimodales incluyen precisión en puntos de referencia VQA, BLEU para descripción de imágenes o F1 para comprensión de documentos. Sin puntos de referencia, es necesario recurrir a pruebas empíricas.
Dado que el modelo está construido sobre Gemini 3.1 Flash, debería demostrar capacidades sólidas de generación de texto típicas de esa arquitectura, como lenguaje coherente, resumen y razonamiento. Sin embargo, debido a que es una variante multimodal, su rendimiento solo de texto podría diferir del modelo Flash dedicado solo a texto debido a la sobrecarga de las ramas de procesamiento de imágenes. No hay evaluaciones comparativas disponibles. Para tareas de texto puro, los usuarios pueden encontrar que un modelo Flash solo de texto más simple proporciona una calidad equivalente o mejor con menor costo y latencia. Si trabajas principalmente con texto, considera usar gemini-3.1-flash o modelos similares en OrcaRouter en su lugar.
Como modelo de vista previa, puede tener restricciones o limitaciones que no están completamente documentadas. Las limitaciones potenciales conocidas incluyen: el modelo puede no manejar imágenes de muy alta resolución tan bien como los modelos de visión dedicados; podría ser menos fiable al manejar múltiples imágenes en un solo prompt debido al uso compartido de contexto; y puede ser más sensible a la redacción del prompt que los modelos especializados. Además, por ser un modelo flash, puede intercambiar algo de profundidad de razonamiento por velocidad, por lo que las tareas complejas de razonamiento visual de múltiples pasos podrían ser propensas a errores. Los usuarios deben probar a fondo los casos límite. OrcaRouter recomienda revisar la documentación de Google para Gemini en busca de filtros de seguridad o políticas de contenido que puedan aplicar.
La vista previa de imagen Gemini 3.1 Flash está diseñada para baja latencia, pero las métricas exactas de velocidad no están publicadas. En comparación con otros modelos flash en OrcaRouter (por ejemplo, Gemini 1.5 Flash u otras variantes flash), la adición de procesamiento de imágenes puede aumentar la latencia por solicitud porque las imágenes deben codificarse y procesarse. Sin embargo, dentro de la clase flash, debería ser más rápido que los modelos más grandes, no flash, que manejan imágenes. Para los usuarios que necesitan tanto velocidad como visión, este modelo es una opción razonable. Si la latencia es crítica y no se requieren imágenes, un modelo flash solo de texto será más rápido. La API de OrcaRouter proporciona tiempos de respuesta; los clientes pueden monitorear su propio uso.
El precio de este modelo en OrcaRouter lo determina la plataforma y está sujeto a cambios. Por lo general, OrcaRouter cobra por token procesado (entrada + salida), con recargos adicionales por tokens de imágenes. En el caso de los modelos multimodales, el costo por solicitud es más alto que en los modelos solo de texto porque las imágenes consumen muchos tokens. Los usuarios deben consultar la página de precios oficial de OrcaRouter para conocer las tarifas actuales de google/gemini-3.1-flash-image-preview. No se proporcionan aquí costos específicos por token. Se recomienda estimar los costos probando solicitudes de muestra y revisando el uso de tokens que se informa en los encabezados de respuesta de la API.
Sí, las entradas de imágenes aumentan significativamente el recuento de tokens por solicitud, porque cada imagen se tokeniza en muchos tokens (normalmente cientos o miles según la resolución). Esto incrementa directamente el costo en comparación con las indicaciones solo de texto de longitud similar. Si su aplicación puede funcionar con descripciones de imágenes solo de texto, un modelo solo de texto puede ser más barato. Por el contrario, si la comprensión de imágenes es esencial, este modelo ofrece una solución de un solo modelo en lugar de combinar dos servicios separados. Los usuarios deben sopesar la calidad de la interpretación de imágenes del modelo frente al costo adicional. OrcaRouter puede ofrecer descuentos de uso para clientes de alto volumen; contáctelos para obtener más detalles.
OrcaRouter puede ofrecer funciones como almacenamiento en caché de indicaciones o reutilización de sesiones para reducir el procesamiento redundante de tokens de imagen. Sin embargo, los detalles específicos de implementación no están documentados públicamente para este modelo. El almacenamiento en caché puede reducir significativamente los costos en aplicaciones donde se envía la misma imagen repetidamente (por ejemplo, en un bot de preguntas y respuestas con un documento fijo). Los usuarios deben consultar con el equipo de soporte de OrcaRouter sobre las capacidades de almacenamiento en caché. Además, OrcaRouter podría ofrecer precios escalonados o planes mensuales que reduzcan los costos por token para un uso comprometido. Se recomienda revisar los términos del servicio o contactar con ventas para obtener estrategias precisas de optimización de costos.
Para usar el modelo, envíe solicitudes HTTP POST al endpoint de API compatible con OpenAI de OrcaRouter: https://api.orcarouter.ai/v1/chat/completions. Establezca el parámetro model en "google/gemini-3.1-flash-image-preview". Incluya su clave de API en el encabezado Authorization (token Bearer). El cuerpo de la solicitud debe contener un array messages, donde cada mensaje puede tener role (system, user, assistant) y content. Para imágenes, incluya un objeto con type "image_url" y la URL de la imagen o datos en base64. Ejemplo: "content": [{"type": "text", "text": "Describe esta foto"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]. La API devuelve una respuesta estándar de chat completion.
La API admite los parámetros estándar de finalización de chat de OpenAI: model, messages, max_tokens, temperature, top_p, stop, stream, etc. Para la entrada de imágenes, el arreglo content debe incluir objetos con type "image_url". El objeto image_url puede tener una URL pública o un URI de datos codificado en base64. OrcaRouter también puede admitir parámetros opcionales como max_image_tokens o configuraciones de detail (como low/high de OpenAI), pero esto no está confirmado. Consulte la documentación de la API de OrcaRouter para conocer cualquier parámetro adicional específico de los modelos multimodales. La respuesta incluye información de uso como prompt_tokens (incluyendo tokens de imágenes), completion_tokens y total_tokens, que son útiles para el monitoreo de costos.
Migrar desde la API nativa de Vertex AI o AI Studio de Google a OrcaRouter requiere cambiar la URL base y el identificador del modelo. Reemplace su endpoint de Google con https://api.orcarouter.ai/v1/chat/completions. Cambie el nombre del modelo a "google/gemini-3.1-flash-image-preview". Autenticación: en lugar de las credenciales de la cuenta de servicio de Google, use las claves de API de OrcaRouter. El formato de la solicitud se vuelve compatible con OpenAI: un arreglo de mensajes con roles y contenido. Si estaba utilizando el formato de entrada multimodal de Google, deberá convertir las imágenes al formato image_url descrito anteriormente. La mayoría de los SDK (por ejemplo, OpenAI Python) funcionan con una simple actualización de configuración. Pruebe con una carga pequeña para verificar el comportamiento antes de la migración a producción.
OrcaRouter utiliza autenticación mediante clave API. Debe obtener una clave API desde el panel de control de OrcaRouter. Inclúyala en el encabezado de la solicitud como: Authorization: Bearer YOUR_API_KEY. Las claves API deben mantenerse en secreto y no exponerse en código del lado del cliente. Para la comunicación de servidor a servidor, utilice variables de entorno. OrcaRouter puede ofrecer límites de tasa y cuotas de uso; revise la configuración de su cuenta. No se requiere ningún flujo OAuth adicional ni autenticación específica de Google. La clave API está vinculada a su cuenta de OrcaRouter y su plan de facturación. Si excede los límites de tasa, puede recibir el estado HTTP 429; implemente la lógica de reintento en consecuencia.
El modelo estándar Gemini 3.1 Flash es un modelo solo de texto (o posiblemente texto con capacidad visual limitada en versiones más recientes). La variante Image Preview añade explícitamente capacidades de visión, haciéndola adecuada para tareas multimodales. A cambio, el modelo de vista previa de imágenes puede tener una arquitectura interna ligeramente diferente y potencialmente mayor latencia o coste debido al procesamiento de imágenes. Para tareas solo de texto, el Flash estándar probablemente será más rápido y barato, y posiblemente ofrezca una calidad idéntica o mejor. Los usuarios deberían elegir la variante Image Preview solo cuando sea necesaria la entrada de imágenes. OrcaRouter ofrece ambos modelos; compare sus ID de modelo.
En OrcaRouter, otros modelos multimodales incluyen GPT-4V, Claude 3 Vision y Gemini Pro Vision, así como variantes de código abierto. Gemini 3.1 Flash Image Preview se posiciona como una alternativa rápida y de menor costo a modelos de visión más grandes como GPT-4V. Probablemente intercambia algo de profundidad de razonamiento por velocidad y precio. En comparación con modelos dedicados de subtitulado de imágenes, este modelo ofrece una experiencia de chat multimodal más general. Para tareas específicas como OCR o reconocimiento visual detallado, los modelos especializados (por ejemplo, el propio Document AI de Google) pueden funcionar mejor. Los usuarios deben evaluar según su caso de uso: este modelo flash es mejor para aplicaciones donde la velocidad es crítica y una capacidad de visión moderada es suficiente.
OrcaRouter proporciona una API unificada compatible con OpenAI para este modelo de Google, simplificando la integración si ya usas esa interfaz. Evitas gestionar directamente los recursos de Google Cloud, permisos de IAM o SDKs separados. OrcaRouter puede ofrecer funciones adicionales como balanceo de carga, almacenamiento en caché, modelos de respaldo y facturación consolidada. También agrega múltiples proveedores, lo que permite cambiar fácilmente de modelo sin modificar el código. Para este modelo específico, OrcaRouter maneja la conectividad backend con la infraestructura de Google, optimizando potencialmente el enrutamiento. Sin embargo, usar un gateway de terceros introduce una dependencia y puede agregar una ligera sobrecarga de latencia. Evalúa si la conveniencia supera al acceso directo.
Seleccione este modelo cuando su aplicación requiera la comprensión de contenido visual combinado con texto, como analizar fotos, diagramas o documentos escaneados. Si su tarea implica interpretar imágenes como parte del proceso de razonamiento —por ejemplo, en un bot de atención al cliente que lee capturas de pantalla— este modelo elimina la necesidad de usar una API de visión separada. Sin embargo, si sus imágenes son solo decorativas o pueden describirse textualmente, un modelo solo de texto será más económico y rápido. Además, si necesita una precisión extremadamente alta en tareas visuales especializadas (como reconocimiento detallado de objetos), un modelo de visión artificial dedicado sería superior. Este modelo ofrece un punto medio conveniente.
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| Por solicitud | $0.1510 |
| Moneda | USD |
| Tarifa plana por llamada a la API (modelos de generación de imágenes) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewAbrir @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