Nano Banana Pro é o modelo mais avançado de geração e edição de imagens do Google, construído no Gemini 3 Pro. Ele estende o Nano Banana original com raciocínio multimodal significativamente melhorado, fundamentação no mundo real e...
Este modelo é uma versão de prévia do Google de uma variante do próximo Gemini 3 Pro focada em compreensão de imagens. Ele aceita entradas de imagens e texto e gera saídas de texto. A nomenclatura…
O modelo pode descrever o conteúdo da imagem em detalhes, responder perguntas sobre objetos, cenas, cores e texto visível na imagem (por exemplo, ler sinais ou etiquetas). Ele suporta tarefas de raciocínio visual, como comparar duas imagens, identificar diferenças ou extrapolar a partir de pistas visuais. Também pode analisar diagramas e gráficos, embora sua precisão em figuras científicas complexas possa variar.
Casos de uso fortes incluem: 1) Legendagem de imagens em tempo real para ferramentas de acessibilidade; 2) Pesquisa visual e classificação de produtos no e‑commerce; 3) Processamento de documentos (formulários, recibos, faturas) com texto manuscrito ou digitado; 4) Ferramentas educacionais que explicam diagramas ou fotografias. O modelo tem melhor desempenho com imagens claras e bem iluminadas e prompts específicos e granulares.
Se sua tarefa não envolver imagens (por exemplo, geração de texto puro, sumarização, tradução), um modelo apenas de texto (como variantes padrão do Gemini ou Llama) será mais econômico. Para classificação simples de imagens que não requer raciocínio em linguagem natural, um modelo de visão dedicado com menor latência pode ser melhor. Além disso, se você precisar de menor latência para solicitações de alto volume, um modelo multimodal menor pode ser preferível.
Como prévia, o suporte a chamada de funções não está confirmado para este modelo. A API do OrcaRouter suporta as mesmas definições de ferramentas que a OpenAI, mas o modelo subjacente pode não executar chamadas de função de forma confiável. Teste minuciosamente antes de confiar no uso de ferramentas. A saída estruturada (modo JSON) é suportada por meio do formato compatível com a OpenAI, mas a qualidade da saída varia.
As pontuações de benchmark para o Nano Banana Pro (Gemini 3 Pro Image Preview) não foram divulgadas publicamente. Como modelo de pré-visualização, pode não ser avaliado em benchmarks padrão como MMLU, VQAv2 ou COCO Captions. Os desenvolvedores devem realizar sua própria avaliação em dados representativos para avaliar o desempenho. Espere melhorias na versão final do Gemini 3 Pro.
Latência depende do tamanho da imagem, do comprimento da entrada e da carga atual do OrcaRouter. O processamento de imagem adiciona sobrecarga em comparação com modelos somente de texto. Em média, uma solicitação com uma imagem de resolução média e 100 tokens de texto pode levar vários segundos para o primeiro token e depois transmitir o restante. Não há um valor publicado de tokens por segundo para esta prévia. Use imagens menores e solicitações em lote para minimizar a latência.
O modelo é excelente em identificar objetos, pessoas e texto em imagens. Ele pode raciocinar sobre relações espaciais e responder a perguntas que exigem combinar informações visuais e textuais. Feedback inicial indica bom desempenho em consultas baseadas em fotos e compreensão de documentos. Sua grande janela de contexto permite conversas com múltiplas imagens.
Como pré-visualização, o modelo pode produzir saídas inesperadas ou alucinar detalhes sobre imagens (por exemplo, afirmar a presença de objetos que não existem). Pode ter dificuldades com imagens de baixa resolução, desfocadas ou altamente abstratas. O raciocínio visual complexo em várias etapas (por exemplo, equações matemáticas a partir de escrita manual) pode ser pouco confiável. O modelo não suporta entrada de áudio ou vídeo. Não há opção de ajuste fino para esta pré-visualização.
O preço é definido pela OrcaRouter com base em custos por token para o provedor google. Tokens de entrada são tipicamente mais baratos que tokens de saída. Tokens de imagem consomem significativamente mais tokens de entrada do que texto — cada imagem é dividida em tiles e processada. Consulte a página oficial de preços da OrcaRouter para tarifas atuais. Não há camada gratuita para este modelo; você paga por requisição.
Como o processamento de imagens consome muitos tokens, os custos podem se acumular rapidamente se você enviar muitas imagens de alta resolução. Para gerenciar os custos: reduza a resolução das imagens, limite o número de imagens por solicitação e use texto de prompt curto. Para tarefas onde as imagens não são essenciais, considere um modelo somente de texto. O OrcaRouter pode oferecer cache para embeddings de imagens repetidas (verifique a documentação para obter detalhes).
OrcaRouter pode implementar cache para embeddings de imagem usados com frequência, mas o comportamento de cache deste modelo de pré-visualização não está documentado. Normalmente, entradas de imagem idênticas no mesmo URL podem ser armazenadas em cache no lado do provedor, reduzindo os custos de token em solicitações repetidas. Entre em contato com o suporte da OrcaRouter para obter detalhes específicos. O cache depende do modelo e não é garantido para modelos de pré-visualização.
O consumo de tokens para imagens é proporcional ao número de blocos de 256×256 necessários para cobrir a imagem (após redimensionamento). Uma imagem de 512×512 usa 4 blocos (4 tokens de entrada por bloco? Não informado—a fórmula exata depende do modelo). O OrcaRouter pode fornecer uma contagem de tokens no campo usage da resposta da API. Experimente com suas próprias imagens para estimar o custo por solicitação.
Use o endpoint compatível com OpenAI em https://api.orcarouter.ai/v1 com sua chave de API. Defina o modelo como "google/gemini-3-pro-image-preview". Formate a requisição com um array messages contendo partes de texto e imagem. As imagens são passadas como URLs de dados base64 ou URLs com objetos image_url. Exemplo: {"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,..."}}]}]}. O streaming é suportado.
Parâmetros padrão da OpenAI: temperature (0–2), top_p, max_tokens (até o tamanho da janela de contexto menos os tokens do prompt), stop sequences, frequency_penalty, presence_penalty. O modelo também aceita o parâmetro "seed" para saídas determinísticas (não garantido). O suporte a parâmetros depende do modelo; alguns parâmetros podem ser ignorados ou ter valores padrão diferentes. Teste com a configuração desejada.
Altere sua URL base de https://api.openai.com/v1 para https://api.orcarouter.ai/v1, atualize sua chave de API para uma chave OrcaRouter e altere o nome do modelo para "google/gemini-3-pro-image-preview". A estrutura da mensagem (array de conteúdo com texto e image_url) é idêntica. Se você usar bibliotecas como openai Python, apenas modifique base_url e api_key. Nota: os limites de taxa (rate limits) são diferentes.
A autenticação é feita via chave de API no cabeçalho Authorization (Bearer your_key). Os limites de taxa são por chave e dependem do seu plano. A API retorna 429 quando excedido. Não há autenticação separada para o provedor de modelo—OrcaRouter gerencia o roteamento. Para produção, use uma chave dedicada e monitore o uso no painel do OrcaRouter.
Ambos são multimodais (imagem+texto entrada, texto saída). O GPT‑4V é um modelo de produção maduro com dados de benchmark mais abrangentes. O Nano Banana Pro é uma prévia; suas verdadeiras capacidades são menos conhecidas. Janelas de contexto: GPT‑4V até 128k contra 65k para este modelo. O GPT‑4V suporta imagens de resolução mais alta. No entanto, este modelo pode oferecer custos mais baixos e pontos fortes de raciocínio diferentes. Comparações diretas requerem avaliação específica da tarefa.
OrcaRouter oferece vários modelos multimodais (por exemplo, Claude 3 Vision, Llama 3.2 Vision). Esta prévia do Google fornece uma arquitetura única baseada em Gemini que pode se destacar em determinadas tarefas centradas no Google (por exemplo, entender capturas de tela do Google Docs). Ela tem metade da janela de contexto de alguns concorrentes. Preços e latência variam; consulte as tabelas de comparação da OrcaRouter para taxas por modelo.
A principal vantagem é a entrada de imagem nativa sem a necessidade de um codificador visual separado. Você pode combinar contexto visual com texto em um único prompt. Isso reduz a complexidade do sistema em comparação com o encadeamento de dois modelos diferentes. No entanto, modelos apenas de texto são mais baratos e rápidos para tarefas que não precisam de imagens. Escolha com base em se a tarefa requer compreensão visual.
Gemini 2 Pro é um modelo de produção com um longo histórico. Esta prévia oferece um vislumbre da arquitetura do Gemini 3 Pro e pode ter diferentes pontos fortes (por exemplo, melhor tratamento de certos tipos de imagem). No entanto, é uma prévia — estabilidade e suporte são limitados. Para implantações em produção, o Gemini 2 Pro (via OrcaRouter) é mais seguro. Use esta prévia para testes iniciais e feedback.
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| Por solicitação | $0.2400 |
| Moeda | USD |
| Tarifa fixa por chamada de API (modelos de geração de imagens) | |
GET /api/public/models/google/gemini-3-pro-image-previewAbrir @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