Nano Banana Pro เป็นโมเดลการสร้างและแก้ไขภาพที่ล้ำหน้าที่สุดของ Google ที่สร้างขึ้นบน Gemini 3 Pro มันขยายความสามารถของ Nano Banana ดั้งเดิมด้วยการให้เหตุผลแบบหลายรูปแบบที่ปรับปรุงอย่างมีนัยสำคัญ การเชื่อมโยงกับโลกแห่งความจริง และ...
โมเดลนี้เป็นรุ่นพรีวิวจาก Google ของ Gemini 3 Pro ที่กำลังจะออกมา ซึ่งเน้นด้านความเข้าใจภาพ โดยรับอินพุตทั้งภาพและข้อความ และส่งออกเป็นข้อความ การตั้งชื่อ "Nano Banana Pro" เป็นชื่อรหัสภายใน…
โมเดลนี้สามารถอธิบายเนื้อหาของภาพอย่างละเอียด ตอบคำถามเกี่ยวกับวัตถุ ฉาก สี และข้อความที่มองเห็นได้ในภาพ (เช่น การอ่านป้ายหรือฉลาก) รองรับงานด้านการอนุมานทางภาพ เช่น การเปรียบเทียบภาพสองภาพ การระบุความแตกต่าง หรือการคาดการณ์จากสัญญาณทางภาพ นอกจากนี้ยังสามารถวิเคราะห์แผนภาพและกราฟได้ แม้ว่าความแม่นยำสำหรับรูปภาพทางวิทยาศาสตร์ที่ซับซ้อนอาจแตกต่างกันไป
กรณีการใช้งานที่แข็งแกร่งได้แก่: 1) การสร้างคำบรรยายภาพแบบเรียลไทม์สำหรับเครื่องมือช่วยการเข้าถึง; 2) การค้นหาด้วยภาพและการจำแนกสินค้าในอีคอมเมิร์ซ; 3) การประมวลผลเอกสาร (แบบฟอร์ม ใบเสร็จ ใบแจ้งหนี้) ที่มีข้อความเขียนด้วยมือหรือพิมพ์; 4) เครื่องมือทางการศึกษาที่อธิบายแผนภาพหรือภาพถ่าย โมเดลทำงานได้ดีที่สุดกับภาพที่ชัดเจน มีแสงสว่างเพียงพอ และพร้อมท์ที่เฉพาะเจาะจงและละเอียด
หากงานของคุณไม่เกี่ยวข้องกับรูปภาพ (เช่น การสร้างข้อความล้วน, การสรุปความ, การแปล) โมเดลที่ทำงานกับข้อความอย่างเดียว (เช่น Gemini หรือ Llama variants มาตรฐาน) จะคุ้มค่ากว่า สำหรับการจัดหมวดหมู่รูปภาพอย่างง่ายที่ไม่ต้องใช้การให้เหตุผลทางภาษา โมเดลวิทัศน์เฉพาะทางที่มีความหน่วงต่ำกว่าอาจเหมาะสมกว่า นอกจากนี้ หากคุณต้องการความหน่วงต่ำสำหรับคำขอปริมาณมาก โมเดลมัลติโมดัลขนาดเล็กอาจเป็นตัวเลือกที่ดีกว่า
ในฐานะตัวอย่างเบื้องต้น การสนับสนุนการเรียกใช้ฟังก์ชันยังไม่ได้รับการยืนยันสำหรับโมเดลนี้ API ของ OrcaRouter รองรับคำจำกัดความของเครื่องมือเดียวกันกับ OpenAI แต่โมเดลพื้นฐานอาจไม่เรียกใช้ฟังก์ชันได้อย่างน่าเชื่อถือ ทดสอบอย่างละเอียดก่อนที่จะพึ่งพาการใช้เครื่องมือ ผลลัพธ์แบบมีโครงสร้าง (โหมด JSON) รองรับผ่านรูปแบบที่เข้ากันได้กับ OpenAI แต่คุณภาพของผลลัพธ์อาจแตกต่างกัน
คะแนน Benchmark สำหรับ Nano Banana Pro (Gemini 3 Pro Image Preview) ยังไม่ได้เผยแพร่สู่สาธารณะ ในฐานะที่เป็นโมเดลตัวอย่าง อาจไม่ได้รับการประเมินบน Benchmark มาตรฐาน เช่น MMLU, VQAv2 หรือ COCO Captions นักพัฒนาควรทำการประเมินด้วยตนเองบนข้อมูลที่เป็นตัวแทนเพื่อวัดประสิทธิภาพ คาดว่าจะมีการปรับปรุงในรุ่น Gemini 3 Pro ที่จะเผยแพร่ในที่สุด
ความหน่วงขึ้นอยู่กับขนาดภาพ ความยาวของอินพุต และโหลดปัจจุบันของ OrcaRouter การประมวลผลภาพเพิ่มค่าใช้จ่ายเมื่อเทียบกับโมเดลที่ใช้เฉพาะข้อความ โดยเฉลี่ย คำขอที่มีภาพความละเอียดปานกลางหนึ่งภาพและโทเค็นข้อความ 100 ตัว อาจใช้เวลาหลายวินาทีสำหรับโทเค็นแรก จากนั้นจึงสตรีมส่วนที่เหลือ ไม่มีค่าที่เผยแพร่สำหรับจำนวนโทเค็นต่อวินาทีสำหรับตัวอย่างพรีวิวนี้ ใช้ภาพที่เล็กลงและรวมคำขอเป็นชุดเพื่อลดความหน่วง
โมเดลนี้มีความสามารถโดดเด่นในการระบุวัตถุ ผู้คน และข้อความภายในภาพ มันสามารถให้เหตุผลเกี่ยวกับความสัมพันธ์เชิงพื้นที่และตอบคำถามที่ต้องใช้ข้อมูลภาพและข้อความร่วมกัน ข้อเสนอแนะเบื้องต้นบ่งชี้ถึงประสิทธิภาพที่ดีในการสอบถามข้อมูลจากภาพถ่ายและความเข้าใจเอกสาร หน้าต่างบริบทขนาดใหญ่ช่วยให้สามารถสนทนาหลายภาพได้
ในฐานะที่เป็นตัวอย่าง预览 โมเดลอาจสร้างผลลัพธ์ที่ไม่คาดคิด หรือหลอนรายละเอียดเกี่ยวกับรูปภาพ (เช่น อ้างว่ามีวัตถุที่ไม่มีอยู่จริง) โมเดลอาจมีปัญหาเกี่ยวกับภาพที่มีความละเอียดต่ำ เบลอ หรือเป็นนามธรรมสูง การใช้เหตุผลทางภาพแบบหลายขั้นตอนที่ซับซ้อน (เช่น สมการคณิตศาสตร์จากลายมือ) อาจไม่น่าเชื่อถือ โมเดลไม่รองรับการป้อนข้อมูลเสียงหรือวิดีโอ ไม่มีตัวเลือกการปรับแต่ง (fine-tuning) สำหรับตัวอย่าง预览นี้
ราคากำหนดโดย OrcaRouter ตามต้นทุนต่อโทเค็นสำหรับผู้ให้บริการ google โทเค็นขาเข้ามักจะถูกกว่าโทเค็นขาออก โทเค็นรูปภาพใช้โทเค็นขาเข้ามากกว่าข้อความอย่างมาก—แต่ละภาพจะถูกแบ่งเป็นส่วนย่อยและประมวลผล โปรดดูหน้าราคาอย่างเป็นทางการของ OrcaRouter สำหรับอัตราปัจจุบัน ไม่มีระดับฟรีสำหรับโมเดลนี้; คุณจ่ายต่อคำขอ
เนื่องจากการประมวลผลภาพต้องใช้โทเค็นจำนวนมาก ค่าใช้จ่ายจึงอาจสะสมอย่างรวดเร็วหากคุณส่งภาพที่มีความละเอียดสูงจำนวนมาก เพื่อจัดการค่าใช้จ่าย: ลดความละเอียดของภาพ จำกัดจำนวนภาพต่อคำขอ และใช้ข้อความแจ้งเตือนที่สั้น สำหรับงานที่ไม่จำเป็นต้องใช้ภาพ ให้พิจารณาใช้โมเดลที่ใช้ข้อความเพียงอย่างเดียว OrcaRouter อาจเสนอการแคชสำหรับการฝังภาพที่ซ้ำกัน (ตรวจสอบเอกสารประกอบเพื่อดูรายละเอียด)
OrcaRouter อาจใช้การแคชสำหรับการฝังรูปภาพที่ใช้บ่อย แต่พฤติกรรมการแคชของโมเดลตัวอย่างนี้ไม่ได้มีการบันทึกไว้ โดยทั่วไป อินพุตรูปภาพที่เหมือนกันที่ URL เดียวกันสามารถถูกแคชไว้ที่ฝั่งผู้ให้บริการได้ ซึ่งช่วยลดค่าใช้จ่ายโทเค็นสำหรับคำขอที่ซ้ำกัน ติดต่อฝ่ายสนับสนุนของ OrcaRouter เพื่อดูรายละเอียดเฉพาะ การแคชขึ้นอยู่กับโมเดลและไม่รับประกันสำหรับโมเดลตัวอย่าง
การใช้โทเค็นสำหรับรูปภาพเป็นสัดส่วนกับจำนวนไทล์ขนาด 256×256 ที่จำเป็นในการครอบคลุมรูปภาพ (หลังจากปรับขนาด) รูปภาพขนาด 512×512 ใช้ 4 ไทล์ (แต่ละไทล์ใช้โทเค็นอินพุต 1 โทเค็น? ไม่ได้ระบุ—สูตรที่แน่นอนขึ้นอยู่กับโมเดล) OrcaRouter อาจแสดงจำนวนโทเค็นในฟิลด์ usage ของการตอบกลับ API ให้ทดลองกับรูปภาพของคุณเองเพื่อประมาณค่าใช้จ่ายต่อคำขอ
ใช้ปลายทางที่เข้ากันได้กับ OpenAI ที่ https://api.orcarouter.ai/v1 พร้อมกับคีย์ API ของคุณ ตั้งค่าโมเดลเป็น "google/gemini-3-pro-image-preview" จัดรูปแบบคำขอด้วยอาร์เรย์ messages ที่มีทั้งส่วนข้อความและรูปภาพ รูปภาพจะถูกส่งเป็น data URLs แบบ base64 หรือ URLs ที่มีอ็อบเจกต์ image_url ตัวอย่าง: {"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,..."}}]}]} รองรับการสตรีม
พารามิเตอร์มาตรฐานของ OpenAI: temperature (0–2), top_p, max_tokens (สูงสุดไม่เกิน context window ลบด้วย prompt tokens), stop sequences, frequency_penalty, presence_penalty โมเดลยังรองรับพารามิเตอร์ "seed" สำหรับผลลัพธ์แบบ deterministic (ไม่รับประกัน) การรองรับพารามิเตอร์ขึ้นอยู่กับโมเดล บางพารามิเตอร์อาจถูกมองข้ามหรือมีค่าเริ่มต้นที่แตกต่างกัน ทดสอบด้วยการกำหนดค่าที่คุณต้องการ
เปลี่ยน base URL ของคุณจาก https://api.openai.com/v1 เป็น https://api.orcarouter.ai/v1, อัปเดต API key ของคุณเป็น OrcaRouter key, และเปลี่ยนชื่อโมเดลเป็น "google/gemini-3-pro-image-preview" โครงสร้างข้อความ (content array ที่มี text และ image_url) เหมือนเดิม ถ้าคุณใช้ไลบรารีเช่น openai Python ให้ปรับเฉพาะ base_url และ api_key หมายเหตุ: อัตราจำกัด (rate limits) แตกต่างกัน
การตรวจสอบสิทธิ์ทำผ่านคีย์ API ในส่วนหัว Authorization (Bearer your_key) ขีดจำกัดอัตราการใช้งานเป็นต่อคีย์และขึ้นอยู่กับแผนของคุณ API จะส่งคืน 429 เมื่อเกินขีดจำกัด ไม่มีการตรวจสอบสิทธิ์แยกต่างหากสำหรับผู้ให้บริการโมเดล—OrcaRouter จัดการการกำหนดเส้นทาง สำหรับการใช้งานจริง ให้ใช้คีย์เฉพาะและตรวจสอบการใช้งานในแดชบอร์ด OrcaRouter
ทั้งสองเป็นโมเดลหลายรูปแบบ (รับภาพ+ข้อความ, ส่งออกข้อความ) GPT‑4V เป็นโมเดลที่ผลิตจริงและโตเต็มที่ พร้อมข้อมูลเกณฑ์มาตรฐานที่กว้างขวางกว่า Nano Banana Pro เป็นรุ่นตัวอย่าง; ความสามารถที่แท้จริงยังไม่เป็นที่รู้จักมากนัก หน้าต่างบริบท: GPT‑4V สูงสุด 128k เทียบกับ 65k สำหรับโมเดลนี้ GPT‑4V รองรับภาพความละเอียดสูงกว่า อย่างไรก็ตาม โมเดลนี้อาจมีต้นทุนต่ำกว่าและจุดแข็งด้านการให้เหตุผลที่แตกต่าง การเปรียบเทียบโดยตรงจำเป็นต้องมีการประเมินตามงานเฉพาะ
OrcaRouter มีโมเดล multimodal หลายตัว (เช่น Claude 3 Vision, Llama 3.2 Vision) ตัวอย่างแสดงผลของ Google นี้มีสถาปัตยกรรมที่ใช้ Gemini ซึ่งอาจทำงานได้ดีในงานที่เกี่ยวข้องกับ Google (เช่น การทำความเข้าใจภาพหน้าจอ Google Docs) มีขนาด context window เท่ากับครึ่งหนึ่งของคู่แข่งบางราย ราคาและความหน่วงแฝงแตกต่างกันไป ตรวจสอบตารางเปรียบเทียบของ OrcaRouter เพื่อดูอัตราต่อโมเดล
ข้อได้เปรียบหลักคือการป้อนภาพโดยตรงโดยไม่ต้องใช้ตัวเข้ารหัสภาพแยกต่างหาก คุณสามารถรวมบริบททางภาพกับข้อความในคำสั่งเดี่ยวได้ ซึ่งช่วยลดความซับซ้อนของระบบเมื่อเทียบกับการต่อโมเดลสองแบบที่แตกต่างกัน อย่างไรก็ตาม โมเดลที่ใช้ข้อความเท่านั้นนั้นถูกกว่าและเร็วกว่าสำหรับงานที่ไม่ต้องการภาพ ให้เลือกตามว่างานนั้นต้องใช้ความเข้าใจทางภาพหรือไม่
Gemini 2 Pro เป็นโมเดลที่มีประวัติการทำงานที่ยาวนานและเชื่อถือได้ พรีวิวนี้เป็นภาพรวมของสถาปัตยกรรม Gemini 3 Pro และอาจมีจุดเด่นที่แตกต่างออกไป (เช่น การจัดการกับภาพบางประเภทได้ดีกว่า) อย่างไรก็ตาม นี่เป็นเพียงรุ่นพรีวิว—ความเสถียรและการสนับสนุนมีจำกัด สำหรับการปรับใช้ในระบบจริง Gemini 2 Pro (ผ่าน OrcaRouter) ปลอดภัยกว่า ใช้พรีวิวนี้สำหรับการทดสอบเบื้องต้นและข้อเสนอแนะเท่านั้น
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| ต่อคำขอ | $0.2400 |
| สกุลเงิน | USD |
| ค่าธรรมเนียมคงที่ต่อการเรียก API (โมเดลสร้างรูปภาพ) | |
GET /api/public/models/google/gemini-3-pro-image-previewเปิด @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