Gemini 3.1 Flash Image Preview, alias "Nano Banana 2," adalah model generasi dan pengeditan gambar terkini dari Google yang menghadirkan kualitas visual setingkat Pro dengan kecepatan Flash. Model ini menggabungkan...
Google: Nano Banana 2 adalah model multimodal yang memproses input gambar dan teks. Model ini didasarkan pada arsitektur Gemini 3.1 Flash, yang menekankan inferensi cepat. Model ini menerima unggahan…
Model Gemini 3.1 Flash Image Preview mampu melakukan berbagai tugas multimodal termasuk pembuatan keterangan gambar, menjawab pertanyaan visual, pemahaman dokumen (misalnya, mengekstrak informasi dari faktur atau formulir), dan moderasi konten yang menggabungkan analisis gambar dan teks. Model ini juga dapat melakukan penalaran atas diagram dan bagan, seperti menginterpretasikan grafik atau diagram alir. Karena merupakan model flash, model ini dioptimalkan untuk kecepatan, sehingga cocok untuk aplikasi yang memerlukan respons cepat. Namun, model ini mungkin tidak menyamai kedalaman model yang lebih besar dan lebih lambat pada tugas penalaran yang kompleks. Pengguna harus mengevaluasi model pada kasus penggunaan spesifik mereka untuk memastikan kinerjanya.
Jendela konteks adalah 65.536 token. Ini berarti model dapat memproses hingga sebanyak itu token dalam satu prompt, termasuk teks dan data gambar yang dienkode. Untuk prompt hanya teks, ini memungkinkan penanganan dokumen sekitar 50.000 kata. Untuk input multimodal, token gambar menggunakan sebagian dari jendela, sehingga kapasitas teks yang dapat digunakan berkurang. Biaya token tepat per gambar tidak ditentukan, tetapi pengguna harus memperhitungkan bahwa gambar memakan sejumlah token yang signifikan. Ukuran konteks ini memungkinkan pemrosesan dokumen yang cukup panjang dengan gambar, tetapi dokumen yang sangat besar atau banyak gambar mungkin melebihi batas. Dalam kasus tersebut, pemotongan atau peringkasan mungkin diperlukan.
Jika tugas Anda tidak memerlukan pemahaman gambar, model teks-saja (misalnya, Gemini 1.5 Flash atau serupa) mungkin lebih murah dan lebih cepat. Selain itu, jika aplikasi Anda sangat sensitif terhadap latensi dan overhead pemrosesan gambar tidak diperlukan, model teks yang ringan mungkin lebih disukai. Untuk tugas yang melibatkan penalaran multi-gambar yang kompleks atau detail yang sangat tinggi, model visi non-flash yang lebih besar mungkin menawarkan akurasi yang lebih baik dengan mengorbankan kecepatan. Varian flash dirancang sebagai titik tengah. Pengguna harus melakukan benchmarking pada beban kerja mereka sendiri untuk menentukan apakah pertukaran antara kecepatan dan kualitas sepadan dengan biaya. OrcaRouter menawarkan berbagai model; berkonsultasi dengan katalog dapat membantu mengidentifikasi alternatif.
Arsitektur Gemini 3.1 Flash dioptimalkan untuk inferensi latensi rendah. Hal ini membuat model sangat cocok untuk aplikasi real-time seperti asisten obrolan langsung, sistem tanya jawab interaktif, atau alat moderasi otomatis yang perlu merespons dalam hitungan detik. Keuntungan kecepatan berasal dari pilihan arsitektur yang mengurangi overhead komputasi, seperti parameter yang lebih sedikit atau mekanisme perhatian yang dioptimalkan. Meskipun tidak ada angka latensi spesifik yang diberikan, model flash umumnya menghasilkan token lebih cepat daripada rekan standarnya. Ini dapat mengurangi waktu tunggu yang dirasakan oleh pengguna akhir. Namun, kecepatan yang tepat tergantung pada faktor-faktor seperti ukuran input, kompleksitas gambar, dan beban server pada OrcaRouter. Pengembang harus menguji dengan input yang representatif.
Tidak ada skor tolok ukur resmi yang disediakan secara publik untuk model spesifik ini saat ini. Karena ini adalah versi pratinjau (ditunjukkan oleh "Image Preview" dalam namanya), Google mungkin belum merilis hasil evaluasi standar. Pengguna tidak boleh mengasumsikan tingkat kinerja dari model Gemini Flash lainnya, karena varian pratinjau gambar mungkin memiliki kemampuan yang berbeda. Untuk menilai kualitas model, OrcaRouter merekomendasikan menjalankan evaluasi kustom pada dataset Anda sendiri. Metrik umum untuk tugas multimodal mencakup akurasi pada tolok ukur VQA, BLEU untuk pembuatan teks (captioning), atau F1 untuk pemahaman dokumen. Tanpa tolok ukur, ketergantungan pada pengujian empiris diperlukan.
Karena model ini dibangun di atas Gemini 3.1 Flash, model ini seharusnya menunjukkan kemampuan pembuatan teks yang kuat yang khas dari arsitektur tersebut, seperti bahasa yang koheren, peringkasan, dan penalaran. Namun, karena ini adalah varian multimodal, kinerja teks-saja-nya mungkin berbeda dari model Flash teks-saja khusus karena overhead dari cabang pemrosesan gambar. Tidak ada tolok ukur perbandingan yang tersedia. Untuk tugas teks murni, pengguna mungkin menemukan bahwa model flash teks-saja yang lebih sederhana memberikan kualitas setara atau lebih baik dengan biaya dan latensi yang lebih rendah. Jika Anda terutama bekerja dengan teks, pertimbangkan untuk menggunakan model gemini-3.1-flash atau model serupa di OrcaRouter sebagai gantinya.
Sebagai model pratinjau, mungkin memiliki batasan atau keterbatasan yang belum sepenuhnya terdokumentasi. Potensi keterbatasan yang diketahui meliputi: model mungkin tidak menangani gambar resolusi sangat tinggi sebaik model visi khusus; mungkin kurang andal dalam menangani beberapa gambar dalam satu prompt karena pembagian konteks; dan mungkin lebih sensitif terhadap susunan prompt dibandingkan model khusus. Selain itu, karena merupakan model flash, model ini mungkin mengorbankan kedalaman penalaran untuk kecepatan, sehingga tugas penalaran visual multi-langkah yang kompleks bisa rentan terhadap kesalahan. Pengguna harus menguji kasus-kasus ujung secara menyeluruh. OrcaRouter merekomendasikan untuk meninjau dokumentasi Google untuk Gemini untuk setiap filter keamanan atau kebijakan konten yang mungkin berlaku.
Pratinjau Gambar Gemini 3.1 Flash dirancang untuk latensi rendah, tetapi metrik kecepatan pasti tidak dipublikasikan. Dibandingkan dengan model flash lain di OrcaRouter (misalnya, Gemini 1.5 Flash atau varian flash lainnya), penambahan pemrosesan gambar dapat meningkatkan latensi per permintaan karena gambar perlu dienkode dan diperhatikan. Namun, dalam kelas flash, seharusnya lebih cepat daripada model non-flash yang lebih besar yang menangani gambar. Bagi pengguna yang membutuhkan kecepatan dan visi, model ini adalah pilihan yang wajar. Jika latensi sangat penting dan gambar tidak diperlukan, model flash teks-saja akan lebih cepat. API OrcaRouter menyediakan waktu respons; pelanggan dapat memantau penggunaan mereka sendiri.
Harga untuk model ini di OrcaRouter ditentukan oleh platform dan dapat berubah sewaktu-waktu. Biasanya, OrcaRouter mengenakan biaya per token yang diproses (input + output), dengan biaya tambahan untuk token gambar. Untuk model multimodal, biaya per permintaan lebih tinggi daripada model teks saja karena gambar menggunakan banyak token. Pengguna disarankan untuk melihat halaman harga resmi OrcaRouter untuk tarif terkini dari google/gemini-3.1-flash-image-preview. Tidak ada biaya per token spesifik yang diberikan di sini. Disarankan untuk memperkirakan biaya dengan menguji sampel permintaan dan meninjau penggunaan token yang dilaporkan di header respons API.
Ya, input gambar secara signifikan meningkatkan jumlah token per permintaan, karena setiap gambar di-tokenisasi menjadi banyak token (biasanya ratusan hingga ribuan tergantung resolusi). Ini secara langsung meningkatkan biaya dibandingkan dengan prompt teks saja dengan panjang serupa. Jika aplikasi Anda dapat dilayani dengan deskripsi gambar berbasis teks saja, model teks saja mungkin lebih murah. Sebaliknya, jika pemahaman gambar sangat penting, model ini menawarkan solusi model tunggal daripada menggabungkan dua layanan terpisah. Pengguna harus menimbang kualitas interpretasi gambar model terhadap biaya tambahan. OrcaRouter mungkin menawarkan diskon penggunaan untuk pelanggan volume tinggi; hubungi mereka untuk detailnya.
OrcaRouter mungkin menyediakan fitur seperti prompt caching atau session reuse untuk mengurangi pemrosesan berulang token gambar. Namun, detail implementasi spesifik tidak didokumentasikan secara publik untuk model ini. Caching dapat secara signifikan menurunkan biaya dalam aplikasi di mana gambar yang sama dikirim berulang kali (misalnya, dalam bot Tanya Jawab dengan dokumen tetap). Pengguna harus menanyakan kepada tim dukungan OrcaRouter tentang kemampuan caching. Selain itu, OrcaRouter mungkin menawarkan harga berjenjang atau paket bulanan yang menurunkan biaya per token untuk penggunaan berkomitmen. Disarankan untuk meninjau ketentuan layanan atau menghubungi bagian penjualan untuk strategi optimalisasi biaya yang tepat.
Untuk menggunakan model, kirim permintaan HTTP POST ke titik akhir API yang kompatibel dengan OpenAI milik OrcaRouter: https://api.orcarouter.ai/v1/chat/completions. Atur parameter model menjadi "google/gemini-3.1-flash-image-preview". Sertakan kunci API Anda di header Authorization (token Bearer). Badan permintaan harus berisi array messages, di mana setiap pesan dapat memiliki role (system, user, assistant) dan content. Untuk gambar, sertakan objek dengan type "image_url" dan URL gambar atau data base64. Contoh: "content": [{"type": "text", "text": "Describe this photo"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]. API mengembalikan respons chat completion standar.
API ini mendukung parameter penyelesaian obrolan OpenAI standar: model, messages, max_tokens, temperature, top_p, stop, stream, dll. Untuk input gambar, array konten harus menyertakan objek dengan tipe "image_url". Objek image_url dapat memiliki URL publik atau URI data yang dienkode base64. OrcaRouter juga dapat mendukung parameter opsional seperti max_image_tokens atau pengaturan detail (seperti low/high OpenAI), tetapi ini belum dikonfirmasi. Lihat dokumentasi API OrcaRouter untuk parameter tambahan apa pun yang spesifik untuk model multimodal. Responsnya mencakup informasi penggunaan seperti prompt_tokens (termasuk token gambar), completion_tokens, dan total_tokens, yang berguna untuk pemantauan biaya.
Migrasi dari API Vertex AI atau AI Studio asli Google ke OrcaRouter memerlukan perubahan URL dasar dan pengidentifikasi model. Ganti endpoint Google Anda dengan https://api.orcarouter.ai/v1/chat/completions. Ubah nama model menjadi "google/gemini-3.1-flash-image-preview". Otentikasi: alih-alih kredensial akun layanan Google, gunakan kunci API OrcaRouter. Format permintaan menjadi kompatibel dengan OpenAI: array messages dengan peran dan konten. Jika Anda menggunakan format input multimodal Google, Anda perlu mengonversi gambar ke format image_url yang dijelaskan di atas. Sebagian besar SDK (misalnya, OpenAI Python) berfungsi dengan pembaruan konfigurasi sederhana. Uji dengan payload kecil untuk memverifikasi perilaku sebelum migrasi produksi.
OrcaRouter menggunakan autentikasi kunci API. Anda harus mendapatkan kunci API dari dashboard OrcaRouter. Sertakan dalam header permintaan sebagai: Authorization: Bearer YOUR_API_KEY. Kunci API harus dijaga kerahasiaannya dan tidak boleh diekspos di kode sisi klien. Untuk komunikasi server-ke-server, gunakan variabel lingkungan. OrcaRouter mungkin menawarkan pembatasan laju dan kuota penggunaan; periksa pengaturan akun Anda. Tidak ada alur OAuth tambahan atau autentikasi spesifik Google yang diperlukan. Kunci API terikat dengan akun OrcaRouter dan paket penagihan Anda. Jika Anda melampaui batas laju, Anda mungkin menerima status HTTP 429; terapkan logika percobaan ulang yang sesuai.
Gemini 3.1 Flash standar adalah model teks-saja (atau mungkin teks dengan visi terbatas di versi yang lebih baru). Varian Image Preview secara eksplisit menambahkan kemampuan visi, membuatnya cocok untuk tugas multimodal. Sebagai kompensasi, model image preview mungkin memiliki arsitektur internal yang sedikit berbeda dan berpotensi latensi atau biaya yang lebih tinggi karena pemrosesan gambar. Untuk tugas teks-saja, Flash standar kemungkinan akan lebih cepat dan lebih murah, dan mungkin menawarkan kualitas yang identik atau lebih baik. Pengguna sebaiknya memilih varian image preview hanya ketika input gambar diperlukan. OrcaRouter menawarkan kedua model; bandingkan ID model mereka.
Pada OrcaRouter, model multimodal lainnya termasuk GPT-4V, Claude 3 Vision, dan Gemini Pro Vision, serta varian sumber terbuka. Gemini 3.1 Flash Image Preview diposisikan sebagai alternatif yang cepat dan lebih murah dibandingkan model visi besar seperti GPT-4V. Kemungkinan model ini mengorbankan kedalaman penalaran demi kecepatan dan harga. Dibandingkan dengan model deskripsi gambar khusus, model ini menawarkan pengalaman obrolan multimodal yang lebih umum. Untuk tugas spesifik seperti OCR atau pengenalan visual yang sangat detail, model khusus (misalnya, Document AI milik Google sendiri) mungkin bekerja lebih baik. Pengguna harus mengevaluasi berdasarkan kasus penggunaan mereka: model flash ini paling baik untuk aplikasi yang mengutamakan kecepatan di mana kemampuan visi yang moderat sudah mencukupi.
OrcaRouter menyediakan API yang kompatibel dengan OpenAI yang terpadu untuk model Google ini, menyederhanakan integrasi jika Anda sudah menggunakan antarmuka tersebut. Anda tidak perlu mengelola langsung sumber daya Google Cloud, izin IAM, atau SDK terpisah. OrcaRouter mungkin menawarkan fitur tambahan seperti load balancing, caching, model cadangan, dan penagihan terkonsolidasi. Ini juga mengagregasi beberapa penyedia, memungkinkan peralihan model dengan mudah tanpa perubahan kode. Untuk model khusus ini, OrcaRouter menangani konektivitas backend ke infrastruktur Google, berpotensi mengoptimalkan routing. Namun, menggunakan gateway pihak ketiga memperkenalkan ketergantungan dan mungkin menambah sedikit overhead latensi. Evaluasi apakah kenyamanan lebih besar daripada akses langsung.
Pilih model ini ketika aplikasi Anda memerlukan pemahaman konten visual yang dikombinasikan dengan teks, seperti menganalisis foto, diagram, atau dokumen yang dipindai. Jika tugas Anda melibatkan interpretasi gambar sebagai bagian dari proses penalaran — misalnya, dalam bot dukungan pelanggan yang membaca tangkapan layar — model ini menghilangkan kebutuhan untuk menggunakan API visi terpisah. Namun, jika gambar Anda hanya bersifat dekoratif atau dapat dijelaskan secara tekstual, model teks saja akan lebih ekonomis dan lebih cepat. Juga, jika Anda memerlukan akurasi yang sangat tinggi pada tugas visual khusus (seperti pengenalan objek yang mendetail), model visi komputer khusus akan lebih unggul. Model ini menawarkan jalan tengah yang nyaman.
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| Per permintaan | $0.1510 |
| Mata uang | USD |
| Biaya tetap per panggilan API (model pembuatan gambar) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewBuka @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