Gemini 3.1 Flash Image Preview หรือที่รู้จักในชื่อ "Nano Banana 2" คือโมเดลสร้างและแก้ไขภาพที่ล้ำสมัยล่าสุดจาก Google ซึ่งมอบคุณภาพระดับ Pro ในความเร็วแบบ Flash โดยผสมผสาน...
Google: Nano Banana 2 เป็นโมเดล multimodal ที่ประมวลผลทั้งภาพและข้อความ โดยมีพื้นฐานจากสถาปัตยกรรม Gemini 3.1 Flash ซึ่งเน้นการอนุมานที่รวดเร็ว โมเดลรับการอัปโหลดภาพ (เช่น ภาพถ่าย ไดอะแกรม ภาพหน้าจอ)…
โมเดล Gemini 3.1 Flash Image Preview มีความสามารถในงานมัลติโหมดหลายอย่าง เช่น การบรรยายภาพ การตอบคำถามจากภาพ การเข้าใจเอกสาร (เช่น การดึงข้อมูลจากใบแจ้งหนี้หรือแบบฟอร์ม) และการกลั่นกรองเนื้อหาที่รวมการวิเคราะห์ภาพและข้อความ นอกจากนี้ยังสามารถให้เหตุผลเกี่ยวกับไดอะแกรมและแผนภูมิ เช่น การตีความกราฟหรือผังงาน เนื่องจากเป็นโมเดลแบบ flash จึงได้รับการปรับให้เหมาะสมกับความเร็ว ทำให้เหมาะสำหรับแอปพลิเคชันที่ต้องการผลลัพธ์ที่รวดเร็ว อย่างไรก็ตาม โมเดลนี้อาจไม่เทียบเท่ากับความลึกของโมเดลที่ใหญ่กว่าและช้ากว่าในงานที่ซับซ้อน ผู้ใช้ควรประเมินโมเดลตามกรณีการใช้งานเฉพาะของตนเพื่อยืนยันประสิทธิภาพ
หน้าต่างบริบท (context window) มีขนาด 65,536 โทเค็น หมายความว่าโมเดลสามารถประมวลผลโทเค็นได้มากถึงจำนวนนั้นในพรอมต์เดียว รวมทั้งข้อความและข้อมูลภาพที่ถูกเข้ารหัส สำหรับพรอมต์ที่เป็นข้อความล้วน สามารถจัดการเอกสารที่มีคำประมาณ 50,000 คำ สำหรับอินพุตแบบหลายรูปแบบ (multimodal) โทเค็นของภาพจะกินส่วนหนึ่งของหน้าต่าง ทำให้ความสามารถในการใช้ข้อความลดลง ต้นทุนโทเค็นที่แน่นอนต่อภาพไม่ได้ระบุไว้ แต่ผู้ใช้ควรคำนึงว่าภาพใช้โทเค็นจำนวนมาก ขนาดหน้าต่างบริบทนี้ช่วยให้ประมวลผลเอกสารขนาดปานกลางที่มีภาพได้ แต่เอกสารขนาดใหญ่มากหรือภาพจำนวนมากอาจเกินขีดจำกัด ในกรณีเช่นนี้ อาจต้องใช้การแบ่งส่วน (chunking) หรือการสรุปความ (summarization)
หากงานของคุณไม่จำเป็นต้องเข้าใจภาพ โมเดลที่ใช้ข้อความอย่างเดียว (เช่น Gemini 1.5 Flash หรือรุ่นที่คล้ายกัน) อาจถูกกว่าและเร็วกว่า นอกจากนี้ หากแอปพลิเคชันของคุณไวต่อความล่าช้าอย่างมากและไม่จำเป็นต้องมีโอเวอร์เฮดในการประมวลผลภาพ โมเดลข้อความที่มีน้ำหนักเบาอาจเป็นตัวเลือกที่ดีกว่า สำหรับงานที่เกี่ยวข้องกับการใช้เหตุผลจากหลายภาพที่ซับซ้อนหรือมีรายละเอียดสูงมาก โมเดลวิทัศน์ขนาดใหญ่ที่ไม่ใช่แบบ Flash อาจให้ความแม่นยำที่ดีกว่า แต่ต้องแลกกับความเร็ว ตัวแปร Flash ถูกออกแบบมาให้เป็นจุดกึ่งกลาง ผู้ใช้ควรวัดประสิทธิภาพของงานของตนเองเพื่อตัดสินว่าการแลกเปลี่ยนระหว่างความเร็วและคุณภาพนั้นคุ้มค่ากับต้นทุนหรือไม่ OrcaRouter มีโมเดลหลากหลายให้เลือก การปรึกษาแคตตาล็อกสามารถช่วยระบุทางเลือกอื่นได้
สถาปัตยกรรม Gemini 3.1 Flash ได้รับการปรับให้เหมาะสมสำหรับการอนุมานที่มีความหน่วงต่ำ ทำให้โมเดลนี้เหมาะสมอย่างยิ่งสำหรับแอปพลิเคชันแบบเรียลไทม์ เช่น ผู้ช่วยแชทสด ระบบถาม-ตอบแบบโต้ตอบ หรือเครื่องมือกลั่นกรองอัตโนมัติที่ต้องตอบกลับภายในไม่กี่วินาที ข้อได้เปรียบด้านความเร็วมาจากการเลือกทางสถาปัตยกรรมที่ลดภาระการคำนวณ เช่น พารามิเตอร์ที่น้อยลง หรือกลไกความสนใจที่ปรับให้เหมาะสม แม้ว่าจะไม่ได้ระบุตัวเลขความหน่วงที่แน่นอน แต่โดยทั่วไปแล้วโมเดล flash จะสร้างโทเค็นได้เร็วกว่าโมเดลมาตรฐาน ซึ่งสามารถลดเวลารอที่ผู้ใช้ปลายทางรู้สึกได้ อย่างไรก็ตาม ความเร็วที่แน่นอนขึ้นอยู่กับปัจจัยต่างๆ เช่น ขนาดอินพุต ความซับซ้อนของภาพ และโหลดของเซิร์ฟเวอร์บน OrcaRouter นักพัฒนาควรทดสอบด้วยอินพุตที่เป็นตัวแทน
ขณะนี้ยังไม่มีคะแนนการวัดประสิทธิภาพอย่างเป็นทางการที่เผยแพร่ต่อสาธารณะสำหรับรุ่นเฉพาะนี้ เนื่องจากเป็นรุ่นตัวอย่าง (ตามที่ระบุด้วย "Image Preview" ในชื่อ) Google อาจยังไม่ได้เผยแพร่ผลการประเมินที่เป็นมาตรฐาน ผู้ใช้ไม่ควรถือว่าประสิทธิภาพจะเหมือนกับรุ่น Gemini Flash อื่นๆ เพราะรุ่นตัวอย่างภาพอาจมีความสามารถที่แตกต่างกัน เพื่อประเมินคุณภาพของรุ่น OrcaRouter แนะนำให้ทำการประเมินแบบกำหนดเองบนชุดข้อมูลของคุณเอง ตัวชี้วัดทั่วไปสำหรับงานหลายรูปแบบ (multimodal) ได้แก่ ความแม่นยำในเกณฑ์มาตรฐาน VQA, BLEU สำหรับการบรรยายภาพ, หรือ F1 สำหรับการทำความเข้าใจเอกสาร หากไม่มีเกณฑ์มาตรฐาน จำเป็นต้องพึ่งพาการทดสอบเชิงประจักษ์
เนื่องจากโมเดลนี้สร้างขึ้นบน Gemini 3.1 Flash จึงควรแสดงความสามารถในการสร้างข้อความที่แข็งแกร่งตามสถาปัตยกรรมนั้น เช่น ภาษาที่สอดคล้อง การสรุปความ และการให้เหตุผล อย่างไรก็ตาม เนื่องจากเป็นตัวแปรแบบมัลติโมดัล ประสิทธิภาพในการทำงานเฉพาะข้อความอาจแตกต่างจากโมเดล Flash เฉพาะข้อความโดยเฉพาะ เนื่องจากมีโอเวอร์เฮดจากกิ่งประมวลผลภาพ ไม่มีการเปรียบเทียบเกณฑ์มาตรฐาน สำหรับงานข้อความล้วน ผู้ใช้อาจพบว่าโมเดล Flash แบบข้อความล้วนที่เรียบง่ายกว่านั้นให้คุณภาพเทียบเท่าหรือดีกว่าด้วยต้นทุนและความหน่วงที่ต่ำกว่า หากคุณทำงานกับข้อความเป็นหลัก ลองพิจารณาใช้โมเดล gemini-3.1-flash หรือโมเดลที่คล้ายกันบน OrcaRouter แทน
ในฐานะที่เป็นโมเดลตัวอย่าง อาจมีข้อจำกัดหรือข้อจำกัดที่ไม่ได้มีการบันทึกไว้อย่างครบถ้วน ข้อจำกัดที่อาจเกิดขึ้นที่ทราบแล้วได้แก่: โมเดลอาจไม่สามารถจัดการกับภาพที่มีความละเอียดสูงมากได้ดีเท่ากับโมเดลวิทัศน์เฉพาะทาง; อาจมีความน่าเชื่อถือน้อยลงในการจัดการกับหลายภาพในพรอมต์เดียวเนื่องจากการแชร์บริบท; และอาจไวต่อการใช้ถ้อยคำในพรอมต์มากกว่าโมเดลเฉพาะทาง นอกจากนี้ เนื่องจากเป็นโมเดล Flash จึงอาจแลกความลึกในการให้เหตุผลบางส่วนเพื่อความเร็ว ดังนั้นงานให้เหตุผลทางภาพที่มีหลายขั้นตอนซับซ้อนอาจมีโอกาสผิดพลาดได้ ผู้ใช้ควรทดสอบกรณีขอบอย่างละเอียด OrcaRouter แนะนำให้ตรวจสอบเอกสารของ Google สำหรับ Gemini เกี่ยวกับตัวกรองความปลอดภัยหรือนโยบายเนื้อหาที่อาจมีผลบังคับใช้
Gemini 3.1 Flash Image Preview ถูกออกแบบมาให้มีความหน่วงต่ำ แต่ไม่ได้เผยแพร่ค่าความเร็วที่แน่นอน เมื่อเปรียบเทียบกับโมเดล flash อื่นๆ บน OrcaRouter (เช่น Gemini 1.5 Flash หรือ flash variants อื่นๆ) การเพิ่มการประมวลผลภาพอาจเพิ่มความหน่วงต่อคำขอเนื่องจากภาพต้องถูกเข้ารหัสและเข้าร่วมความสนใจ อย่างไรก็ตาม ภายในคลาส flash โมเดลนี้ควรเร็วกว่าโมเดล non-flash ที่ใหญ่กว่าซึ่งจัดการรูปภาพ สำหรับผู้ใช้ที่ต้องการทั้งความเร็วและวิทัศน์ โมเดลนี้เป็นตัวเลือกที่สมเหตุสมผล หากความหน่วงเป็นสิ่งสำคัญและไม่จำเป็นต้องใช้รูปภาพ โมเดล flash ที่ใช้เฉพาะข้อความจะเร็วกว่า API ของ OrcaRouter ให้เวลาตอบสนอง; ลูกค้าสามารถติดตามการใช้งานของตนเองได้
ราคาสำหรับโมเดลนี้บน OrcaRouter กำหนดโดยแพลตฟอร์มและอาจมีการเปลี่ยนแปลง โดยทั่วไป OrcaRouter คิดค่าบริการต่อโทเค็นที่ประมวลผล (อินพุต + เอาต์พุต) โดยมีค่าธรรมเนียมเพิ่มเติมสำหรับโทเค็นรูปภาพ สำหรับโมเดลหลายรูปแบบ (multimodal) ต้นทุนต่อคำขอจะสูงกว่าโมเดลที่ใช้ข้อความอย่างเดียว เนื่องจากรูปภาพใช้โทเค็นจำนวนมาก ผู้ใช้ควรตรวจสอบหน้าราคาอย่างเป็นทางการของ OrcaRouter เพื่อดูอัตราปัจจุบันสำหรับ google/gemini-3.1-flash-image-preview ไม่มีข้อมูลต้นทุนต่อโทเค็นเฉพาะที่นี่ ขอแนะนำให้ประมาณต้นทุนโดยการทดสอบคำขอตัวอย่างและตรวจสอบการใช้งานโทเค็นที่รายงานในส่วนหัวของการตอบกลับ API
ใช่แล้ว การป้อนข้อมูลรูปภาพจะเพิ่มจำนวน token ต่อคำขออย่างมาก เนื่องจากรูปภาพแต่ละรูปจะถูกแปลงเป็น token จำนวนมาก (โดยทั่วไปแล้วหลายร้อยถึงหลายพัน ขึ้นอยู่กับความละเอียด) สิ่งนี้ทำให้ต้นทุนสูงขึ้นโดยตรงเมื่อเทียบกับข้อความพรอมต์ที่มีเฉพาะข้อความที่มีความยาวใกล้เคียงกัน หากแอปพลิเคชันของคุณสามารถทำงานได้ด้วยคำอธิบายรูปภาพที่เป็นข้อความเท่านั้น การใช้โมเดลที่รับเฉพาะข้อความอาจมีต้นทุนถูกกว่า ในทางกลับกัน หากความเข้าใจในรูปภาพเป็นสิ่งจำเป็น โมเดลนี้เสนอโซลูชันแบบโมเดลเดียว แทนที่จะต้องรวมสองบริการแยกกัน ผู้ใช้ควรชั่งน้ำหนักระหว่างคุณภาพการตีความรูปภาพของโมเดลกับต้นทุนที่เพิ่มขึ้น OrcaRouter อาจเสนอส่วนลดการใช้งานสำหรับลูกค้าที่มีปริมาณการใช้งานสูง ติดต่อพวกเขาเพื่อขอรายละเอียด
OrcaRouter อาจมีฟีเจอร์อย่างการแคชพรอมต์หรือการใช้เซสชันซ้ำเพื่อลดการประมวลผลโทเค็นรูปภาพที่ซ้ำซ้อน อย่างไรก็ตาม รายละเอียดการนำไปใช้เฉพาะสำหรับโมเดลนี้ไม่ได้ถูกบันทึกเป็นเอกสารสาธารณะ การแคชสามารถลดต้นทุนได้อย่างมีนัยสำคัญในแอปพลิเคชันที่ส่งรูปภาพเดียวกันซ้ำๆ (เช่น ในบอทถามตอบที่มีเอกสารคงที่) ผู้ใช้ควรสอบถามทีมสนับสนุนของ OrcaRouter เกี่ยวกับความสามารถในการแคช นอกจากนี้ OrcaRouter อาจเสนอการกำหนดราคาแบบหลายระดับหรือแผนรายเดือนที่ลดต้นทุนต่อโทเค็นสำหรับการใช้งานตามสัญญา ขอแนะนำให้ตรวจสอบข้อกำหนดในการให้บริการหรือติดต่อฝ่ายขายเพื่อรับกลยุทธ์การปรับต้นทุนที่แม่นยำ
ในการใช้โมเดล ให้ส่งคำขอ HTTP POST ไปยังเอนด์พอยต์ API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter: https://api.orcarouter.ai/v1/chat/completions กำหนดพารามิเตอร์ model เป็น "google/gemini-3.1-flash-image-preview" รวมคีย์ API ของคุณในส่วนหัว Authorization (Bearer token) เนื้อหาคำขอต้องมีอาร์เรย์ messages โดยแต่ละข้อความสามารถมี role (system, user, assistant) และ content สำหรับรูปภาพ ให้รวมออบเจ็กต์ที่มี type เป็น "image_url" และ URL ของรูปภาพหรือข้อมูล base64 ตัวอย่าง: "content": [{"type": "text", "text": "Describe this photo"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}] API จะส่งคืนการตอบกลับแบบ chat completion มาตรฐาน
API รองรับพารามิเตอร์การสนทนา OpenAI มาตรฐาน: model, messages, max_tokens, temperature, top_p, stop, stream, ฯลฯ สำหรับการป้อนภาพ อาร์เรย์ content ต้องมีวัตถุที่มี type เป็น "image_url" วัตถุ image_url สามารถมี URL สาธารณะหรือ data URI ที่เข้ารหัส base64 OrcaRouter อาจรองรับพารามิเตอร์เสริมเช่น max_image_tokens หรือการตั้งค่า detail (เช่น low/high ของ OpenAI) แต่ยังไม่ได้รับการยืนยัน กรุณาอ้างอิงเอกสาร API ของ OrcaRouter สำหรับพารามิเตอร์เพิ่มเติมเฉพาะโมเดลหลายรูปแบบ การตอบสนองรวมถึงข้อมูลการใช้งาน เช่น prompt_tokens (รวมถึง image tokens), completion_tokens และ total_tokens ซึ่งมีประโยชน์สำหรับการตรวจสอบค่าใช้จ่าย
การย้ายจาก Vertex AI หรือ AI Studio API ดั้งเดิมของ Google ไปยัง OrcaRouter จำเป็นต้องเปลี่ยน base URL และตัวระบุโมเดล แทนที่ Google endpoint ของคุณด้วย https://api.orcarouter.ai/v1/chat/completions เปลี่ยนชื่อโมเดลเป็น "google/gemini-3.1-flash-image-preview" การยืนยันตัวตน: แทนที่จะใช้ข้อมูลประจำตัวบัญชีบริการของ Google ให้ใช้คีย์ API ของ OrcaRouter รูปแบบคำขอจะเข้ากันได้กับ OpenAI: อาร์เรย์ messages ที่มี roles และ content หากคุณใช้รูปแบบอินพุตแบบหลายรูปแบบของ Google คุณจะต้องแปลงรูปภาพเป็นรูปแบบ image_url ที่อธิบายไว้ข้างต้น SDK ส่วนใหญ่ (เช่น OpenAI Python) ทำงานได้โดยเพียงแค่อัปเดตการกำหนดค่าเล็กน้อย ทดสอบกับ payload ขนาดเล็กเพื่อตรวจสอบพฤติกรรมก่อนย้ายจริงสู่ระบบผลิต
OrcaRouter ใช้การยืนยันตัวตนด้วย API key คุณต้องรับ API key จากแดชบอร์ดของ OrcaRouter รวมไว้ในส่วนหัวของคำขอเป็น: Authorization: Bearer YOUR_API_KEY API keys ควรถูกเก็บเป็นความลับและไม่ถูกเปิดเผยในโค้ดฝั่งไคลเอ็นต์ สำหรับการสื่อสารระหว่างเซิร์ฟเวอร์ ให้ใช้ตัวแปรสภาพแวดล้อม OrcaRouter อาจมีการจำกัดอัตราและโควต้าการใช้งาน; ตรวจสอบการตั้งค่าบัญชีของคุณ ไม่จำเป็นต้องมีขั้นตอน OAuth เพิ่มเติมหรือการยืนยันตัวตนเฉพาะของ Google API key เชื่อมโยงกับบัญชี OrcaRouter และแผนการเรียกเก็บเงินของคุณ หากคุณเกินขีดจำกัดอัตรา คุณอาจได้รับสถานะ HTTP 429; ให้ใช้ตรรกะการลองอีกครั้งตามนั้น
Gemini 3.1 Flash มาตรฐานเป็นโมเดลที่รองรับเฉพาะข้อความ (หรืออาจรองรับข้อความพร้อมความสามารถด้านภาพแบบจำกัดในเวอร์ชันใหม่กว่า) ตัวแปร Image Preview เพิ่มความสามารถด้านภาพอย่างชัดเจน ทำให้เหมาะสำหรับงานมัลติโมดัล การแลกเปลี่ยนคือ โมเดลพรีวิวภาพอาจมีสถาปัตยกรรมภายในที่แตกต่างกันเล็กน้อย และอาจมีเวลาแฝงหรือต้นทุนสูงขึ้นเนื่องจากการประมวลผลภาพ สำหรับงานที่ใช้ข้อความล้วน Flash มาตรฐานจะเร็วและถูกกว่า และอาจให้คุณภาพที่เหมือนกันหรือดีกว่า ผู้ใช้ควรเลือกตัวแปร Image Preview เฉพาะเมื่อจำเป็นต้องใช้ข้อมูลภาพป้อนเข้าเท่านั้น OrcaRouter มีโมเดลทั้งสองแบบ เปรียบเทียบรหัสโมเดลของพวกเขา
บน OrcaRouter โมเดล multimodal อื่นๆ ได้แก่ GPT-4V, Claude 3 Vision, และ Gemini Pro Vision รวมถึงตัวแปรโอเพนซอร์ส Gemini 3.1 Flash Image Preview ถูกวางตำแหน่งให้เป็นทางเลือกที่รวดเร็วและมีต้นทุนต่ำกว่าโมเดลวิทัศน์ขนาดใหญ่อย่าง GPT-4V โดยอาจแลกกับความลึกในการใช้เหตุผลบางส่วนเพื่อความเร็วและราคา เมื่อเปรียบเทียบกับโมเดลสร้างคำอธิบายภาพเฉพาะทาง โมเดลนี้มอบประสบการณ์การสนทนาแบบ multimodal ที่มีวัตถุประสงค์ทั่วไปมากกว่า สำหรับงานเฉพาะอย่างเช่น OCR หรือการรู้จำภาพแบบละเอียด โมเดลเฉพาะทาง (เช่น Google's own document AI) อาจทำงานได้ดีกว่า ผู้ใช้ควรประเมินตามกรณีการใช้งานของตน: โมเดล flash นี้เหมาะที่สุดสำหรับแอปพลิเคชันที่ต้องใช้ความเร็วสูงซึ่งความสามารถด้านวิทัศน์ในระดับปานกลางก็เพียงพอ
OrcaRouter มอบ API ที่เข้ากันได้กับ OpenAI สำหรับโมเดล Google นี้ ช่วยให้การผสานรวมง่ายขึ้นหากคุณใช้อินเทอร์เฟซนั้นอยู่แล้ว คุณไม่ต้องจัดการทรัพยากร Google Cloud, สิทธิ์ IAM หรือ SDK แยกต่างหากโดยตรง OrcaRouter อาจมีคุณสมบัติเพิ่มเติม เช่น การปรับสมดุลโหลด, การแคช, โมเดลสำรอง และการเรียกเก็บเงินแบบรวม นอกจากนี้ยังรวมผู้ให้บริการหลายราย ช่วยให้สลับโมเดลได้ง่ายโดยไม่ต้องเปลี่ยนแปลงโค้ด สำหรับโมเดลเฉพาะนี้ OrcaRouter จัดการการเชื่อมต่อแบ็คเอนด์กับโครงสร้างพื้นฐานของ Google ซึ่งอาจปรับเส้นทางให้เหมาะสมได้ อย่างไรก็ตาม การใช้เกตเวย์ของบุคคลที่สามทำให้เกิดการพึ่งพาและอาจเพิ่มเวลาแฝงเล็กน้อย ประเมินว่าความสะดวกสบายคุ้มค่ากับการเข้าถึงโดยตรงหรือไม่
เลือกโมเดลนี้เมื่อแอปพลิเคชันของคุณต้องการความเข้าใจเนื้อหาทางภาพร่วมกับข้อความ เช่น การวิเคราะห์รูปภาพ แผนภาพ หรือเอกสารที่สแกน หากงานของคุณเกี่ยวข้องกับการตีความภาพซึ่งเป็นส่วนหนึ่งของกระบวนการให้เหตุผล — ตัวอย่างเช่น ในบอทสนับสนุนลูกค้าที่อ่านภาพหน้าจอ — โมเดลนี้จะช่วยขจัดความจำเป็นในการใช้ API ด้านการมองเห็นแยกต่างหาก อย่างไรก็ตาม หากภาพของคุณเป็นเพียงการตกแต่งหรือสามารถอธิบายเป็นข้อความได้ โมเดลที่ใช้ข้อความอย่างเดียวจะประหยัดและเร็วกว่า นอกจากนี้ หากคุณต้องการความแม่นยำสูงมากในงานด้านภาพเฉพาะทาง (เช่น การรู้จำวัตถุแบบละเอียด) โมเดลคอมพิวเตอร์วิทัศน์เฉพาะทางจะเหนือกว่า โมเดลนี้เป็นจุดกึ่งกลางที่สะดวก
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| ต่อคำขอ | $0.1510 |
| สกุลเงิน | USD |
| ค่าธรรมเนียมคงที่ต่อการเรียก API (โมเดลสร้างรูปภาพ) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewเปิด @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