Nano Banana Proは、Googleの最も先進的な画像生成・編集モデルであり、Gemini 3 Proを基盤としています。元のNano Bananaを拡張し、マルチモーダル推論、実世界への接地、そして…
このモデルは、画像理解に特化した次期Gemini 3 Proバリアントのプレビューリリースです。画像とテキストの入力を受け付け、テキスト出力を生成します。「Nano Banana Pro」という名称は内部コードネームであり、OrcaRouter用のモデルIDは「google/gemini-3-pro-image-preview」です。プレビュー版であるため、最終的なプロダクションモデルに備わる最適…
このモデルは、画像の内容を詳細に説明し、画像内で見えるオブジェクト、シーン、色、テキスト（例：標識やラベルの読み取り）に関する質問に答えることができます。また、2つの画像の比較、差異の特定、視覚的手がかりからの推論などの視覚的推論タスクをサポートします。図やチャートの分析も可能ですが、複雑な科学図に関する精度は異なる場合があります。
強いユースケースとしては、1) アクセシビリティツール向けのリアルタイム画像キャプショニング、2) e‑commerceにおけるビジュアル検索と商品分類、3) 手書きまたはタイプされたテキストを含む文書処理（フォーム、領収書、請求書）、4) 図表や写真を説明する教育ツールが挙げられます。このモデルは、鮮明で十分な照明のある画像と、具体的で細かいプロンプトで最も優れた性能を発揮します。
画像を扱わないタスク（例：純粋なテキスト生成、要約、翻訳）の場合、テキストのみのモデル（標準のGeminiやLlama系など）の方が費用対効果が高くなります。自然言語による推論を必要としない単純な画像分類には、レイテンシの低い専用ビジョンモデルの方が適している場合があります。また、大量のリクエストに対して低レイテンシが必要な場合は、より小さなマルチモーダルモデルが好ましい可能性があります。
プレビューとして、このモデルの関数呼び出しサポートは確認されていません。OrcaRouterのAPIはOpenAIと同じツール定義をサポートしていますが、基盤となるモデルは関数呼び出しを確実に実行できない場合があります。ツール使用に依存する前に徹底的にテストしてください。構造化出力（JSONモード）はOpenAI互換フォーマットでサポートされていますが、出力品質は変動します。
Nano Banana Pro（Gemini 3 Pro Image Preview）のベンチマークスコアは公表されていません。プレビューモデルであるため、MMLU、VQAv2、COCO Captionsなどの標準的なベンチマークでは評価されない可能性があります。開発者は、パフォーマンスを評価するために、代表的なデータを使用して独自の評価を実施する必要があります。最終版のGemini 3 Proでは改善が期待されます。
レイテンシは画像サイズ、入力長、およびOrcaRouterの現在の負荷に依存します。画像処理はテキストのみのモデルと比較してオーバーヘッドを追加します。平均して、1つの中解像度画像と100テキストトークンを含むリクエストは、最初のトークンに数秒かかり、その後残りをストリーミングします。このプレビューでは公開されているトークン毎秒の数値はありません。レイテンシを最小化するために、より小さな画像を使用し、リクエストをバッチ処理してください。
このモデルは、画像内の物体、人物、テキストを特定するのに優れています。空間的な関係を推論したり、視覚情報とテキスト情報を組み合わせる必要がある質問に回答することができます。初期のフィードバックでは、写真ベースのクエリや文書理解において良好なパフォーマンスを示しています。大きなコンテキストウィンドウにより、複数画像の会話が可能です。
プレビュー版として、このモデルは予期しない出力を生成したり、画像に関する詳細を幻覚として作り出したりする可能性があります（例：存在しない物体を主張する）。低解像度、ぼやけた、または高度に抽象的な画像では苦戦する可能性があります。複雑なマルチステップの視覚的推論（例：手書きの数式）は信頼性が低くなることがあります。このモデルは音声や動画の入力に対応していません。このプレビューにはファインチューニングのオプションはありません。
料金は、OrcaRouterがGoogleプロバイダーのトークン単位のコストに基づいて設定しています。入力トークンは通常、出力トークンよりも安価です。画像トークンはテキストよりもはるかに多くの入力トークンを消費します。各画像はタイル分割されて処理されます。最新の料金については、OrcaRouterの公式料金ページをご確認ください。このモデルには無料枠はなく、リクエストごとに支払いが発生します。
画像処理はトークン集約型であるため、高解像度の画像を多数送信するとコストが急速に蓄積される可能性があります。コストを管理するには、画像解像度の低減、1リクエストあたりの画像数の制限、短いプロンプトテキストの使用を検討してください。画像が必須でないタスクでは、テキストのみのモデルを検討してください。OrcaRouterは、繰り返しの画像埋め込みに対してキャッシュを提供する場合があります（詳細はドキュメントを確認してください）。
OrcaRouterは、頻繁に使用される画像埋め込みに対してキャッシュを実装する可能性がありますが、このプレビューモデルのキャッシュ動作は文書化されていません。通常、同一URLの同じ画像入力はプロバイダ側でキャッシュされ、繰り返しリクエスト時のトークンコストを削減できます。具体的な詳細についてはOrcaRouterのサポートにお問い合わせください。キャッシュはモデルに依存し、プレビューモデルでは保証されません。
画像のトークン消費量は、(リサイズ後) 画像をカバーするのに必要な256×256タイルの数に比例します。512×512の画像は4タイルを使用します (1タイルあたりの入力トークン数は？— 提供されていません — 正確な計算式はモデルに依存します)。OrcaRouterはAPIレスポンスのusageフィールドにトークン数を提供する場合があります。ご自身の画像で実験して、リクエストごとのコストを見積もってください。
OpenAI互換のエンドポイント https://api.orcarouter.ai/v1 をAPIキーと共に使用してください。モデルは "google/gemini-3-pro-image-preview" に設定します。リクエストは、テキストと画像の部分を含む messages 配列でフォーマットします。画像は base64 データ URL または image_url オブジェクトを使用した URL として渡します。例：{"model":"google/gemini-3-pro-image-preview","messages":[{"role":"user","content":[{"type":"text","text":"この画像を説明してください"},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}]}]}。ストリーミング対応。
標準OpenAIパラメータ: temperature (0–2), top_p, max_tokens (コンテキストウィンドウからプロンプトトークンを引いた値まで), stop sequences, frequency_penalty, presence_penalty。モデルはまた決定論的出力のための"seed"パラメータを受け入れます（保証はされません）。パラメータのサポートはmodel‑dependentです; 一部のパラメータは無視されたり、異なるデフォルト値を持つ場合があります。希望の設定でテストしてください。
ベースURLをhttps://api.openai.com/v1からhttps://api.orcarouter.ai/v1に変更し、APIキーをOrcaRouterのキーに更新し、モデル名を「google/gemini-3-pro-image-preview」に変更してください。メッセージ構造（textとimage_urlを含むcontent配列）は同じです。openai Pythonのようなライブラリを使用する場合は、base_urlとapi_keyを変更するだけです。注意：レート制限は異なります。
認証は、Authorizationヘッダー内のAPIキー（Bearer your_key）を介して行われます。レート制限はキーごとに設定され、ご利用のプランに依存します。超過するとAPIは429を返します。モデルプロバイダーに対する個別の認証はありません。OrcaRouterがルーティングを管理します。本番環境では、専用のキーを使用し、OrcaRouterダッシュボードで使用状況を監視してください。
どちらもマルチモーダル（画像＋テキスト入力、テキスト出力）です。GPT‑4Vは成熟したプロダクションモデルであり、より広範なベンチマークデータを有しています。Nano Banana Proはプレビュー版であり、その真の能力はあまり知られていません。コンテキストウィンドウ：GPT‑4Vは最大128k、本モデルは65kです。GPT‑4Vはより高い解像度の画像をサポートしています。ただし、本モデルは低コストで異なる推論能力を提供する可能性があります。直接比較にはタスク固有の評価が必要です。
OrcaRouterは複数のマルチモーダルモデル（例：Claude 3 Vision、Llama 3.2 Vision）を提供しています。このGoogleプレビューは、特定のGoogle中心のタスク（例：Googleドキュメントのスクリーンショットの理解）で優れた性能を発揮する可能性がある、独自のGeminiベースのアーキテクチャを備えています。コンテキストウィンドウのサイズは一部の競合他社の半分です。料金とレイテンシは異なります。モデルごとの料金については、OrcaRouterの比較表をご確認ください。
主な利点は、専用のビジョンエンコーダーを必要とせずにネイティブ画像入力が可能なことです。視覚コンテキストとテキストを1つのプロンプトにまとめられます。これにより、2つの異なるモデルを連携させる場合と比べてシステムの複雑さが軽減されます。ただし、画像を必要としないタスクでは、テキストのみのモデルの方が安価で高速です。タスクに視覚的理解が必要かどうかに基づいて選択してください。
Gemini 2 Proは実績のある本番モデルです。このプレビューはGemini 3 Proのアーキテクチャを垣間見るもので、異なる強み（例：特定の画像タイプの処理向上）を持つ可能性があります。ただし、プレビューであるため、安定性やサポートは限定的です。本番環境でのデプロイには、Gemini 2 Pro（OrcaRouter経由）がより安全です。このプレビューは、初期テストやフィードバックにご利用ください。
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| 1 リクエストあたり | $0.2400 |
| 通貨 | USD |
| API 呼び出しごとの定額料金（画像生成モデル） | |
GET /api/public/models/google/gemini-3-pro-image-preview開く @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