Nano Banana Pro est le modèle de génération et d'édition d'images le plus avancé de Google, construit sur Gemini 3 Pro. Il étend l'original Nano Banana avec des capacités de raisonnement multimodal grandement améliorées, un ancrage dans le monde réel, et...
Ce modèle est une version d'aperçu de Google d'une variante à venir de Gemini 3 Pro axée sur la compréhension d'images. Il accepte des entrées d'images et de texte et génère des sorties textuelles.…
Le modèle peut décrire en détail le contenu d'une image, répondre à des questions sur les objets, les scènes, les couleurs et le texte visible dans l'image (par exemple, lire des panneaux ou des étiquettes). Il prend en charge des tâches de raisonnement visuel telles que comparer deux images, identifier les différences ou extrapoler à partir d'indices visuels. Il peut également analyser des diagrammes et des graphiques, bien que sa précision sur des figures scientifiques complexes puisse varier.
Les cas d'utilisation forts incluent : 1) Le sous-titrage d'images en temps réel pour les outils d'accessibilité ; 2) La recherche visuelle et la classification de produits dans le e-commerce ; 3) Le traitement de documents (formulaires, reçus, factures) avec du texte manuscrit ou tapé ; 4) Les outils éducatifs qui expliquent des diagrammes ou des photographies. Le modèle fonctionne mieux avec des images claires et bien éclairées et des invites spécifiques et granulaires.
Si votre tâche n'implique pas d'images (par ex., génération de texte pur, résumé, traduction), un modèle textuel uniquement (comme les variantes standard de Gemini ou Llama) sera plus rentable. Pour une classification d'images simple qui ne nécessite pas de raisonnement en langage naturel, un modèle de vision dédié avec une latence plus faible peut être préférable. De plus, si vous avez besoin d'une latence plus faible pour des requêtes à volume élevé, un modèle multimodal plus petit pourrait être mieux adapté.
À titre d'aperçu, la prise en charge de l'appel de fonctions n'est pas confirmée pour ce modèle. L'API d'OrcaRouter prend en charge les mêmes définitions d'outils qu'OpenAI, mais le modèle sous-jacent peut ne pas exécuter de manière fiable les appels de fonctions. Testez minutieusement avant de vous fier à l'utilisation d'outils. La sortie structurée (mode JSON) est prise en charge via le format compatible OpenAI, mais la qualité de la sortie varie.
Les scores de référence pour Nano Banana Pro (Gemini 3 Pro Image Preview) n'ont pas été publiés publiquement. En tant que modèle d'aperçu, il peut ne pas être évalué sur des benchmarks standards tels que MMLU, VQAv2 ou COCO Captions. Les développeurs doivent effectuer leur propre évaluation sur des données représentatives pour mesurer les performances. Attendez-vous à des améliorations dans la version finale de Gemini 3 Pro.
La latence dépend de la taille de l'image, de la longueur de l'entrée et de la charge actuelle d'OrcaRouter. Le traitement d'image ajoute une surcharge par rapport aux modèles purement textuels. En moyenne, une requête avec une image de résolution moyenne et 100 jetons de texte peut prendre plusieurs secondes pour le premier jeton, puis diffuser le reste. Il n'existe pas de chiffre publié de jetons par seconde pour cet aperçu. Utilisez des images plus petites et regroupez les requêtes pour minimiser la latence.
Le modèle excelle dans l'identification d'objets, de personnes et de texte dans les images. Il peut raisonner sur les relations spatiales et répondre à des questions qui nécessitent de combiner des informations visuelles et textuelles. Les premiers retours indiquent de bonnes performances sur les requêtes basées sur des photos et la compréhension de documents. Sa grande fenêtre de contexte permet des conversations multi‑images.
En tant qu’aperçu, le modèle peut produire des résultats inattendus ou halluciner des détails sur les images (par exemple, en affirmant la présence d’objets qui ne sont pas présents). Il peut avoir des difficultés avec les images de faible résolution, floues ou très abstraites. Le raisonnement visuel complexe en plusieurs étapes (par exemple, les équations mathématiques issues d’écriture manuscrite) peut être peu fiable. Le modèle ne prend pas en charge les entrées audio ou vidéo. Il n’existe pas d’option de réglage fin pour cet aperçu.
Les tarifs sont fixés par OrcaRouter en fonction des coûts par token pour le fournisseur Google. Les tokens d'entrée sont généralement moins chers que les tokens de sortie. Les tokens d'image consomment nettement plus de tokens d'entrée que le texte – chaque image est découpée en tuiles et traitée. Consultez la page officielle des tarifs d'OrcaRouter pour connaître les prix actuels. Il n'y a pas de niveau gratuit pour ce modèle ; vous payez par requête.
Comme le traitement d'image consomme beaucoup de jetons, les coûts peuvent s'accumuler rapidement si vous envoyez de nombreuses images haute résolution. Pour gérer les coûts : réduisez la résolution des images, limitez le nombre d'images par requête et utilisez un texte d'invite court. Pour les tâches où les images ne sont pas essentielles, envisagez un modèle textuel uniquement. OrcaRouter peut offrir une mise en cache pour les plongements d'images répétés (consultez la documentation pour plus de détails).
OrcaRouter peut implémenter la mise en cache pour les embeddings d'images fréquemment utilisés, mais le comportement de mise en cache de ce modèle d'aperçu n'est pas documenté. En règle générale, les entrées d'image identiques à la même URL peuvent être mises en cache côté fournisseur, réduisant ainsi les coûts de tokens sur les requêtes répétées. Contactez le support OrcaRouter pour obtenir des détails spécifiques. La mise en cache dépend du modèle et n'est pas garantie pour les modèles d'aperçu.
La consommation de tokens pour les images est proportionnelle au nombre de tuiles 256×256 nécessaires pour couvrir l'image (après redimensionnement). Une image 512×512 utilise 4 tuiles (4 tokens d'entrée par tuile ? Non fourni — la formule exacte dépend du modèle). OrcaRouter peut fournir un nombre de tokens dans le champ usage de la réponse API. Expérimentez avec vos propres images pour estimer le coût par requête.
Utilisez le point de terminaison compatible OpenAI à l'adresse https://api.orcarouter.ai/v1 avec votre clé API. Définissez le modèle sur "google/gemini-3-pro-image-preview". Formatez la requête avec un tableau messages contenant à la fois du texte et des parties d'image. Les images sont transmises sous forme d'URL de données base64 ou d'URL avec des objets image_url. Exemple : {"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,..."}}]}]}. Le streaming est pris en charge.
Paramètres OpenAI standard : temperature (0–2), top_p, max_tokens (jusqu’à la fenêtre de contexte moins les jetons d’invite), séquences d’arrêt, frequency_penalty, presence_penalty. Le modèle accepte également le paramètre « seed » pour des sorties déterministes (non garanties). La prise en charge des paramètres dépend du modèle ; certains paramètres peuvent être ignorés ou avoir des valeurs par défaut différentes. Testez avec la configuration souhaitée.
Changez votre URL de base de https://api.openai.com/v1 à https://api.orcarouter.ai/v1, mettez à jour votre clé API avec une clé OrcaRouter, et modifiez le nom du modèle en « google/gemini-3-pro-image-preview ». La structure des messages (tableau content avec text et image_url) est identique. Si vous utilisez des bibliothèques comme openai Python, modifiez simplement le base_url et l’api_key. Note : les limites de débit diffèrent.
L'authentification se fait via une clé API dans l'en-tête Authorization (Bearer your_key). Les limites de débit sont par clé et dépendent de votre plan. L'API renvoie 429 lorsqu'elle est dépassée. Il n'y a pas d'authentification séparée pour le fournisseur de modèle—OrcaRouter gère le routage. Pour la production, utilisez une clé dédiée et surveillez l'utilisation dans le tableau de bord OrcaRouter.
Les deux sont multimodaux (image+texte en entrée, texte en sortie). GPT‑4V est un modèle de production mature avec des données de référence plus étendues. Nano Banana Pro est une version préliminaire ; ses véritables capacités sont moins connues. Fenêtres de contexte : jusqu’à 128k pour GPT‑4V contre 65k pour ce modèle. GPT‑4V prend en charge des images de résolution plus élevée. Cependant, ce modèle peut offrir des coûts réduits et des atouts de raisonnement différents. Les comparaisons directes nécessitent une évaluation spécifique à la tâche.
OrcaRouter propose plusieurs modèles multimodaux (par exemple, Claude 3 Vision, Llama 3.2 Vision). Cette préversion Google offre une architecture unique basée sur Gemini qui peut exceller dans certaines tâches centrées sur Google (par exemple, comprendre les captures d’écran de Google Docs). Sa fenêtre de contexte est deux fois plus petite que celle de certains concurrents. Les prix et la latence varient ; consultez les tableaux comparatifs d’OrcaRouter pour les tarifs par modèle.
L'avantage clé est l'entrée d'image native sans besoin d'un encodeur visuel séparé. Vous pouvez combiner le contexte visuel avec du texte dans une seule invite. Cela réduit la complexité du système par rapport à l'enchaînement de deux modèles différents. Cependant, les modèles texte uniquement sont moins chers et plus rapides pour les tâches qui ne nécessitent pas d'images. Choisissez en fonction de si la tâche nécessite une compréhension visuelle.
Gemini 2 Pro est un modèle de production avec un long historique. Cet aperçu offre un aperçu de l'architecture de Gemini 3 Pro et peut avoir des atouts différents (par ex., une meilleure gestion de certains types d'images). Cependant, il s'agit d'un aperçu—la stabilité et le support sont limités. Pour les déploiements en production, Gemini 2 Pro (via OrcaRouter) est plus sûr. Utilisez cet aperçu pour les tests précoces et les retours.
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| Par requête | $0.2400 |
| Devise | USD |
| Frais fixes par appel API (modèles de génération d'images) | |
GET /api/public/models/google/gemini-3-pro-image-previewOuvrir @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