Gemini 3.1 Flash Image Preview, alias "Nano Banana 2," è l'ultimo modello all'avanguardia di Google per la generazione e modifica di immagini, che offre qualità visiva di livello Pro alla velocità di Flash. Combina...
Google: Nano Banana 2 è un modello multimodale che elabora sia immagini che input testuali. Si basa sull'architettura Gemini 3.1 Flash, che enfatizza l'inferenza rapida. Il modello accetta…
Il modello Gemini 3.1 Flash Image Preview è in grado di svolgere una serie di compiti multimodali, tra cui la didascalia delle immagini, il rispondere a domande visive, la comprensione dei documenti (ad esempio, estrarre informazioni da fatture o moduli) e la moderazione dei contenuti che combina l'analisi di immagini e testo. Può anche eseguire ragionamenti su diagrammi e grafici, come interpretare grafici o diagrammi di flusso. Poiché è un modello flash, è ottimizzato per la velocità, rendendolo adatto per applicazioni che richiedono tempi di risposta rapidi. Tuttavia, potrebbe non eguagliare la profondità di modelli più grandi e più lenti in compiti di ragionamento complessi. Gli utenti dovrebbero valutare il modello sui loro casi d'uso specifici per confermarne le prestazioni.
La finestra di contesto è di 65.536 token. Ciò significa che il modello può elaborare fino a quel numero di token in un singolo prompt, includendo sia il testo che i dati immagine codificati. Per i prompt solo testo, ciò consente di gestire documenti di circa 50.000 parole. Per input multimodali, i token delle immagini consumano parte della finestra, riducendo così la capacità di testo utilizzabile. Il costo esatto in token per ogni immagine non è specificato, ma gli utenti devono considerare che le immagini occupano un numero significativo di token. Questa dimensione del contesto permette di elaborare documenti moderatamente lunghi con immagini, ma documenti estremamente lunghi o molte immagini potrebbero superare il limite. In questi casi, può essere necessaria una suddivisione in blocchi o un riassunto.
Se il tuo compito non richiede la comprensione delle immagini, un modello solo testo (ad esempio, Gemini 1.5 Flash o simile) potrebbe essere più economico e veloce. Inoltre, se la tua applicazione è estremamente sensibile alla latenza e il sovraccarico dell'elaborazione delle immagini non è necessario, un modello di testo leggero potrebbe essere preferibile. Per compiti che coinvolgono ragionamenti complessi con più immagini o dettagli molto elevati, un modello visivo più grande, non flash, potrebbe offrire una maggiore accuratezza a scapito della velocità. La variante flash è progettata per essere una via di mezzo. Gli utenti dovrebbero eseguire benchmark sui propri carichi di lavoro per determinare se il compromesso tra velocità e qualità giustifichi il costo. OrcaRouter offre una gamma di modelli; consultare il catalogo può aiutare a identificare alternative.
L'architettura Gemini 3.1 Flash è ottimizzata per l'inferenza a bassa latenza. Ciò rende il modello particolarmente adatto per applicazioni in tempo reale come assistenti di chat dal vivo, sistemi interattivi di domande e risposte o strumenti di moderazione automatici che devono rispondere in pochi secondi. Il vantaggio in termini di velocità deriva da scelte architetturali che riducono l'overhead computazionale, come meno parametri o meccanismi di attenzione ottimizzati. Sebbene non siano forniti numeri specifici di latenza, i modelli flash generalmente generano token più velocemente rispetto alle loro controparti standard. Ciò può ridurre il tempo di attesa percepito dagli utenti finali. Tuttavia, la velocità esatta dipende da fattori come la dimensione dell'input, la complessità dell'immagine e il carico del server su OrcaRouter. Gli sviluppatori dovrebbero testare con input rappresentativi.
Al momento non sono disponibili pubblicamente punteggi di benchmark ufficiali per questo specifico modello. Poiché si tratta di una versione in anteprima (indicata da "Image Preview" nel nome), Google potrebbe non aver rilasciato risultati di valutazione standardizzati. Gli utenti non dovrebbero assumere livelli di prestazioni basati su altri modelli Gemini Flash, poiché la variante di anteprima delle immagini potrebbe differire nelle capacità. Per valutare la qualità del modello, OrcaRouter consiglia di eseguire valutazioni personalizzate sul proprio dataset. Le metriche comuni per attività multimodali includono l'accuratezza sui benchmark VQA, BLEU per la didascalia o F1 per la comprensione dei documenti. In assenza di benchmark, è necessario affidarsi a test empirici.
Poiché il modello è basato su Gemini 3.1 Flash, dovrebbe dimostrare forti capacità di generazione testuale tipiche di quella architettura, come linguaggio coerente, riassunto e ragionamento. Tuttavia, essendo una variante multimodale, le sue prestazioni solo testuali potrebbero differire dal modello Flash solo testo dedicato a causa del sovraccarico dei rami di elaborazione delle immagini. Non sono disponibili benchmark comparativi. Per attività puramente testuali, gli utenti potrebbero scoprire che un modello Flash solo testo più semplice offre qualità equivalente o migliore con costi e latenza inferiori. Se lavori principalmente con testo, considera invece l'utilizzo di gemini-3.1-flash o modelli simili su OrcaRouter.
Come modello di anteprima, potrebbe avere restrizioni o limitazioni non completamente documentate. Le potenziali limitazioni note includono: il modello potrebbe non gestire immagini ad altissima risoluzione come i modelli dedicati alla visione; potrebbe essere meno affidabile nella gestione di più immagini in un singolo prompt a causa della condivisione del contesto; e potrebbe essere più sensibile alla formulazione del prompt rispetto ai modelli specializzati. Inoltre, poiché è un modello flash, potrebbe sacrificare una certa profondità di ragionamento per la velocità, quindi compiti complessi di ragionamento visivo a più fasi potrebbero essere soggetti a errori. Gli utenti dovrebbero testare attentamente i casi limite. OrcaRouter consiglia di consultare la documentazione di Google per Gemini per eventuali filtri di sicurezza o politiche sui contenuti che potrebbero essere applicati.
L'Anteprima Immagine Gemini 3.1 Flash è progettata per una bassa latenza, ma le metriche di velocità esatte non sono pubblicate. Rispetto ad altri modelli flash su OrcaRouter (ad esempio, Gemini 1.5 Flash o altre varianti flash), l'aggiunta dell'elaborazione delle immagini può aumentare la latenza per richiesta perché le immagini devono essere codificate e processate. Tuttavia, nella classe flash, dovrebbe essere più veloce dei modelli non flash più grandi che gestiscono immagini. Per gli utenti che necessitano sia di velocità che di visione, questo modello è una scelta ragionevole. Se la latenza è critica e le immagini non sono necessarie, un modello flash solo testo sarà più veloce. L'API di OrcaRouter fornisce tempi di risposta; i clienti possono monitorare il proprio utilizzo.
I prezzi per questo modello su OrcaRouter sono determinati dalla piattaforma e sono soggetti a modifiche. Tipicamente, OrcaRouter addebita un costo per token elaborato (input + output), con supplementi aggiuntivi per i token delle immagini. Per i modelli multimodali, il costo per richiesta è più elevato rispetto ai modelli solo testo perché le immagini consumano molti token. Gli utenti dovrebbero consultare la pagina ufficiale dei prezzi di OrcaRouter per le tariffe attuali di google/gemini-3.1-flash-image-preview. Non vengono forniti qui costi specifici per token. Si consiglia di stimare i costi testando richieste di esempio e revisionando l'utilizzo dei token riportato negli header della risposta API.
Sì, gli input di immagini aumentano significativamente il conteggio dei token per richiesta, poiché ogni immagine viene tokenizzata in molti token (tipicamente da centinaia a migliaia a seconda della risoluzione). Ciò aumenta direttamente il costo rispetto a prompt puramente testuali di lunghezza simile. Se la tua applicazione può essere servita con descrizioni puramente testuali delle immagini, un modello puramente testuale potrebbe essere più economico. Al contrario, se la comprensione delle immagini è essenziale, questo modello offre una soluzione a modello singolo piuttosto che combinare due servizi separati. Gli utenti dovrebbero valutare la qualità dell’interpretazione delle immagini del modello rispetto al costo aggiuntivo. OrcaRouter potrebbe offrire sconti sull’utilizzo per clienti ad alto volume; contattali per i dettagli.
OrcaRouter può offrire funzionalità come la cache dei prompt o il riutilizzo delle sessioni per ridurre l'elaborazione ridondante dei token di immagine. Tuttavia, i dettagli specifici di implementazione non sono documentati pubblicamente per questo modello. La cache può ridurre notevolmente i costi in applicazioni in cui la stessa immagine viene inviata ripetutamente (ad esempio, in un bot di domande e risposte con un documento fisso). Gli utenti dovrebbero informarsi presso il team di supporto di OrcaRouter riguardo alle funzionalità di cache. Inoltre, OrcaRouter potrebbe offrire prezzi scaglionati o piani mensili che riducono i costi per token per un utilizzo impegnato. È consigliabile rivedere i termini di servizio o contattare le vendite per strategie precise di ottimizzazione dei costi.
Per utilizzare il modello, invia richieste HTTP POST all'endpoint API compatibile con OpenAI di OrcaRouter: https://api.orcarouter.ai/v1/chat/completions. Imposta il parametro model su "google/gemini-3.1-flash-image-preview". Includi la tua chiave API nell'intestazione Authorization (token Bearer). Il corpo della richiesta deve contenere un array messages, dove ogni messaggio può avere un ruolo (system, user, assistant) e un contenuto. Per le immagini, includi un oggetto con tipo "image_url" e l'URL dell'immagine o dati in base64. Esempio: "content": [{"type": "text", "text": "Describe this photo"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]. L'API restituisce una risposta standard di completamento chat.
L'API supporta i parametri standard di completamento chat di OpenAI: model, messages, max_tokens, temperature, top_p, stop, stream, ecc. Per l'input di immagini, l'array content deve includere oggetti con tipo "image_url". L'oggetto image_url può avere un URL pubblico o un URI dati codificato in base64. OrcaRouter può anche supportare parametri opzionali come max_image_tokens o impostazioni di dettaglio (come low/high di OpenAI), ma non sono confermati. Fare riferimento alla documentazione API di OrcaRouter per eventuali parametri aggiuntivi specifici dei modelli multimodali. La risposta include informazioni sull'utilizzo come prompt_tokens (inclusi i token delle immagini), completion_tokens e total_tokens, utili per il monitoraggio dei costi.
Migrare dall'API nativa di Vertex AI o AI Studio di Google a OrcaRouter richiede di modificare l'URL di base e l'identificatore del modello. Sostituisci il tuo endpoint Google con https://api.orcarouter.ai/v1/chat/completions. Cambia il nome del modello in "google/gemini-3.1-flash-image-preview". Autenticazione: invece delle credenziali del service account Google, utilizza le chiavi API di OrcaRouter. Il formato della richiesta diventa compatibile con OpenAI: array di messaggi con ruoli e contenuto. Se stavi utilizzando il formato di input multimodale di Google, dovrai convertire le immagini nel formato image_url descritto sopra. La maggior parte degli SDK (ad esempio, OpenAI Python) funziona con un semplice aggiornamento della configurazione. Esegui un test con un payload piccolo per verificare il comportamento prima della migrazione in produzione.
OrcaRouter utilizza l'autenticazione tramite chiave API. Devi ottenere una chiave API dal pannello di controllo di OrcaRouter. Includila nell'intestazione della richiesta come: Authorization: Bearer YOUR_API_KEY. Le chiavi API devono essere tenute segrete e non esposte nel codice lato client. Per la comunicazione server-to-server, utilizza variabili d'ambiente. OrcaRouter può offrire limiti di frequenza e quote di utilizzo; controlla le impostazioni del tuo account. Non è richiesto alcun flusso OAuth aggiuntivo o autenticazione specifica di Google. La chiave API è legata al tuo account OrcaRouter e al piano di fatturazione. Se superi i limiti di frequenza, potresti ricevere lo stato HTTP 429; implementa una logica di ripetizione di conseguenza.
Il Gemini 3.1 Flash standard è un modello solo testo (o possibilmente testo con visione limitata nelle versioni più recenti). La variante Image Preview aggiunge esplicitamente capacità di visione, rendendola adatta per attività multimodali. In cambio, il modello Image Preview potrebbe avere un'architettura interna leggermente diversa e una latenza o un costo potenzialmente più elevati a causa dell'elaborazione delle immagini. Per attività solo testo, il Flash standard sarà probabilmente più veloce ed economico, e potrebbe offrire qualità identica o migliore. Gli utenti dovrebbero scegliere la variante Image Preview solo quando è necessario l'input di immagini. OrcaRouter offre entrambi i modelli; confronta i loro ID modello.
Su OrcaRouter, altri modelli multimodali includono GPT-4V, Claude 3 Vision e Gemini Pro Vision, oltre a varianti open-source. Il Gemini 3.1 Flash Image Preview è posizionato come un'alternativa veloce e a costo inferiore rispetto a modelli di visione più grandi come GPT-4V. Probabilmente scambia una certa profondità di ragionamento per velocità e prezzo. Rispetto ai modelli dedicati di captioning delle immagini, questo modello offre un'esperienza di chat multimodale più generica. Per compiti specifici come OCR o riconoscimento visivo fine, modelli specializzati (ad esempio, il documento AI di Google) potrebbero funzionare meglio. Gli utenti dovrebbero valutare in base al loro caso d'uso: questo modello flash è ottimo per applicazioni critiche in termini di velocità dove una capacità visiva moderata è sufficiente.
OrcaRouter fornisce un'API unificata compatibile con OpenAI per questo modello Google, semplificando l'integrazione se già utilizzi tale interfaccia. Eviti di gestire direttamente risorse Google Cloud, autorizzazioni IAM o SDK separati. OrcaRouter può offrire funzionalità aggiuntive come bilanciamento del carico, caching, modelli di fallback e fatturazione consolidata. Aggrega inoltre molteplici fornitori, consentendo un facile cambio di modello senza modifiche al codice. Per questo modello specifico, OrcaRouter gestisce la connettività back-end all'infrastruttura di Google, ottimizzando potenzialmente il routing. Tuttavia, l'uso di un gateway di terze parti introduce una dipendenza e può aggiungere un leggero sovraccarico di latenza. Valuta se la comodità supera l'accesso diretto.
Scegli questo modello quando la tua applicazione richiede la comprensione del contenuto visivo combinato con il testo, ad esempio per analizzare foto, diagrammi o documenti scansionati. Se il tuo compito prevede l'interpretazione delle immagini come parte del processo di ragionamento — per esempio in un bot di supporto clienti che legge screenshot — questo modello elimina la necessità di utilizzare un'API di visione separata. Tuttavia, se le tue immagini sono solo decorative o possono essere descritte testualmente, un modello solo testo sarà più economico e veloce. Inoltre, se hai bisogno di una precisione estremamente elevata in compiti visivi specializzati (come il riconoscimento dettagliato di oggetti), un modello di visione artificiale dedicato sarebbe superiore. Questo modello offre un comodo compromesso.
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| Per richiesta | $0.1510 |
| Valuta | USD |
| Tariffa fissa per chiamata API (modelli di generazione immagini) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewApri @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