Nano Banana Pro adalah model pembuatan dan pengeditan gambar paling canggih milik Google, yang dibangun di atas Gemini 3 Pro. Model ini memperluas Nano Banana asli dengan penalaran multimodal yang jauh lebih baik, landasan dunia nyata, dan...
Model ini adalah rilis pratinjau dari Google untuk varian Gemini 3 Pro yang akan datang yang berfokus pada pemahaman gambar. Model ini menerima masukan gambar dan teks serta menghasilkan keluaran…
Model dapat mendeskripsikan konten gambar secara terperinci, menjawab pertanyaan tentang objek, pemandangan, warna, dan teks yang terlihat dalam gambar (misalnya, membaca tanda atau label). Model ini mendukung tugas penalaran visual seperti membandingkan dua gambar, mengidentifikasi perbedaan, atau mengekstrapolasi dari petunjuk visual. Model juga dapat menganalisis diagram dan grafik, meskipun akurasinya pada gambar ilmiah yang kompleks dapat bervariasi.
Kasus penggunaan yang kuat meliputi: 1) Pemberian keterangan gambar secara real‑time untuk alat aksesibilitas; 2) Pencarian visual dan klasifikasi produk di e‑commerce; 3) Pemrosesan dokumen (formulir, kuitansi, faktur) dengan teks tulisan tangan atau ketikan; 4) Alat pendidikan yang menjelaskan diagram atau foto. Model ini bekerja paling baik dengan gambar yang jelas dan terang serta petunjuk yang spesifik dan terperinci.
Jika tugas Anda tidak melibatkan gambar (misalnya, pembuatan teks murni, peringkasan, penerjemahan), model teks‑saja (seperti varian Gemini atau Llama standar) akan lebih hemat biaya. Untuk klasifikasi gambar sederhana yang tidak memerlukan penalaran bahasa alami, model visi khusus dengan latensi lebih rendah mungkin lebih baik. Selain itu, jika Anda memerlukan latensi lebih rendah untuk permintaan volume tinggi, model multimodal yang lebih kecil mungkin lebih disukai.
Sebagai pratinjau, dukungan pemanggilan fungsi belum dikonfirmasi untuk model ini. API OrcaRouter mendukung definisi alat yang sama seperti OpenAI, tetapi model yang mendasarinya mungkin tidak menjalankan pemanggilan fungsi dengan andal. Uji secara menyeluruh sebelum mengandalkan penggunaan alat. Output terstruktur (mode JSON) didukung melalui format yang kompatibel dengan OpenAI, tetapi kualitas output bervariasi.
Skor benchmark untuk Nano Banana Pro (Gemini 3 Pro Image Preview) belum dirilis secara publik. Sebagai model pratinjau, mungkin tidak dievaluasi pada benchmark standar seperti MMLU, VQAv2, atau COCO Captions. Pengembang harus menjalankan evaluasi sendiri pada data yang representatif untuk menilai kinerja. Harapkan perbaikan pada rilis final Gemini 3 Pro.
Latensi tergantung pada ukuran gambar, panjang input, dan beban OrcaRouter saat ini. Pemrosesan gambar menambah overhead dibandingkan dengan model teks‑saja. Rata‑rata, permintaan dengan satu gambar resolusi sedang dan 100 token teks mungkin memerlukan beberapa detik untuk token pertama dan kemudian mengalirkan sisanya. Tidak ada angka token per detik yang dipublikasikan untuk pratinjau ini. Gunakan gambar yang lebih kecil dan permintaan batch untuk meminimalkan latensi.
Model ini unggul dalam mengidentifikasi objek, orang, dan teks dalam gambar. Ia dapat menalar hubungan spasial dan menjawab pertanyaan yang memerlukan penggabungan informasi visual dan tekstual. Umpan balik awal menunjukkan kinerja yang baik pada pertanyaan berbasis foto dan pemahaman dokumen. Jendela konteksnya yang besar memungkinkan percakapan multi-gambar.
Sebagai pratinjau, model dapat menghasilkan keluaran yang tidak terduga atau menghalusinasi detail tentang gambar (misalnya, mengklaim objek yang tidak ada). Model mungkin kesulitan dengan gambar beresolusi rendah, buram, atau sangat abstrak. Penalaran visual multi‑langkah yang kompleks (misalnya, persamaan matematika dari tulisan tangan) dapat menjadi tidak dapat diandalkan. Model tidak mendukung input audio atau video. Tidak ada opsi fine‑tuning untuk pratinjau ini.
Harga ditetapkan oleh OrcaRouter berdasarkan biaya per token untuk penyedia google. Token input biasanya lebih murah daripada token output. Token gambar mengonsumsi token input yang jauh lebih banyak daripada teks—setiap gambar di-tile dan diproses. Kunjungi halaman harga resmi OrcaRouter untuk tarif terkini. Tidak ada tingkat gratis untuk model ini; Anda membayar per permintaan.
Karena pemrosesan gambar membutuhkan banyak token, biaya dapat bertambah dengan cepat jika Anda mengirim banyak gambar beresolusi tinggi. Untuk mengelola biaya: kurangi resolusi gambar, batasi jumlah gambar per permintaan, dan gunakan teks prompt yang pendek. Untuk tugas di mana gambar tidak penting, pertimbangkan model teks saja. OrcaRouter mungkin menawarkan caching untuk penyematan gambar berulang (periksa dokumentasi untuk detailnya).
OrcaRouter dapat menerapkan caching untuk embedding gambar yang sering digunakan, tetapi perilaku caching model pratinjau ini tidak didokumentasikan. Biasanya, input gambar identik pada URL yang sama dapat di-cache di sisi penyedia, mengurangi biaya token pada permintaan berulang. Hubungi dukungan OrcaRouter untuk detail spesifik. Caching bergantung pada model dan tidak dijamin untuk model pratinjau.
Konsumsi token untuk gambar sebanding dengan jumlah tile 256×256 yang diperlukan untuk menutupi gambar (setelah diubah ukurannya). Gambar 512×512 menggunakan 4 tile (4 token masukan per tile? Tidak disediakan—rumus pastinya tergantung pada model). OrcaRouter mungkin menyediakan jumlah token di bidang penggunaan respons API. Cobalah dengan gambar Anda sendiri untuk memperkirakan biaya per permintaan.
Gunakan endpoint yang kompatibel dengan OpenAI di https://api.orcarouter.ai/v1 dengan kunci API Anda. Atur model ke "google/gemini-3-pro-image-preview". Format permintaan dengan array messages yang berisi baik teks maupun bagian gambar. Gambar dilewatkan sebagai data URL base64 atau URL dengan objek image_url. Contoh: {"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 didukung.
Parameter standar OpenAI: temperature (0–2), top_p, max_tokens (hingga ukuran jendela konteks dikurangi token prompt), urutan berhenti, frequency_penalty, presence_penalty. Model juga menerima parameter "seed" untuk hasil yang deterministik (tidak dijamin). Dukungan parameter tergantung pada model; beberapa parameter mungkin diabaikan atau memiliki nilai bawaan yang berbeda. Uji coba dengan konfigurasi yang Anda inginkan.
Ubah base URL Anda dari https://api.openai.com/v1 menjadi https://api.orcarouter.ai/v1, perbarui kunci API Anda dengan kunci OrcaRouter, dan ubah nama model menjadi "google/gemini-3-pro-image-preview". Struktur pesan (array konten dengan teks dan image_url) identik. Jika Anda menggunakan pustaka seperti openai Python, cukup modifikasi base_url dan api_key. Catatan: batas rate berbeda.
Autentikasi dilakukan melalui kunci API di header Authorization (Bearer your_key). Batas kecepatan berlaku per kunci dan tergantung pada paket Anda. API mengembalikan 429 ketika terlampaui. Tidak ada autentikasi terpisah untuk penyedia model—OrcaRouter mengelola perutean. Untuk produksi, gunakan kunci khusus dan pantau penggunaan di dasbor OrcaRouter.
Keduanya multimodal (masukan gambar+teks, keluaran teks). GPT‑4V adalah model produksi matang dengan data tolok ukur yang lebih luas. Nano Banana Pro masih dalam pratinjau; kemampuan sebenarnya kurang diketahui. Jendela konteks: GPT‑4V hingga 128k vs 65k untuk model ini. GPT‑4V mendukung resolusi gambar yang lebih tinggi. Namun, model ini mungkin menawarkan biaya lebih rendah dan kekuatan penalaran yang berbeda. Perbandingan langsung memerlukan evaluasi spesifik tugas.
OrcaRouter menawarkan beberapa model multimodal (misalnya, Claude 3 Vision, Llama 3.2 Vision). Pratinjau Google ini menyediakan arsitektur unik berbasis Gemini yang mungkin unggul dalam tugas-tugas yang berpusat pada Google (misalnya, memahami tangkapan layar Google Docs). Memiliki setengah jendela konteks dari beberapa pesaing. Harga dan latensi bervariasi; periksa tabel perbandingan OrcaRouter untuk tarif per model.
Keunggulan utamanya adalah input gambar asli tanpa memerlukan encoder visi terpisah. Anda dapat menggabungkan konteks visual dengan teks dalam satu prompt. Ini mengurangi kompleksitas sistem dibandingkan dengan merantai dua model yang berbeda. Namun, model hanya teks lebih murah dan lebih cepat untuk tugas yang tidak memerlukan gambar. Pilih berdasarkan apakah tugas tersebut memerlukan pemahaman visual.
Gemini 2 Pro adalah model produksi dengan rekam jejak yang panjang. Pratinjau ini memberikan gambaran sekilas tentang arsitektur Gemini 3 Pro dan mungkin memiliki keunggulan yang berbeda (misalnya, penanganan yang lebih baik untuk jenis gambar tertentu). Namun, ini adalah pratinjau—stabilitas dan dukungan terbatas. Untuk penerapan produksi, Gemini 2 Pro (melalui OrcaRouter) lebih aman. Gunakan pratinjau ini untuk pengujian awal dan umpan balik.
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| Per permintaan | $0.2400 |
| Mata uang | USD |
| Biaya tetap per panggilan API (model pembuatan gambar) | |
GET /api/public/models/google/gemini-3-pro-image-previewBuka @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