Nano Banana Pro là mô hình tạo và chỉnh sửa hình ảnh tiên tiến nhất của Google, được xây dựng trên Gemini 3 Pro. Nó mở rộng Nano Banana gốc với khả năng suy luận đa phương thức được cải thiện đáng kể, khả năng neo giữ vào thế giới thực, và...
Mô hình này là bản phát hành xem trước từ Google của một biến thể Gemini 3 Pro sắp ra mắt, tập trung vào khả năng hiểu hình ảnh. Mô hình chấp nhận đầu vào là hình ảnh và văn bản, đồng thời tạo ra đầu…
Mô hình có thể mô tả chi tiết nội dung hình ảnh, trả lời các câu hỏi về đối tượng, cảnh vật, màu sắc và văn bản xuất hiện trong ảnh (ví dụ: đọc biển báo hoặc nhãn mác). Mô hình hỗ trợ các tác vụ suy luận trực quan như so sánh hai hình ảnh, xác định điểm khác biệt, hoặc suy luận từ các tín hiệu hình ảnh. Mô hình cũng có thể phân tích sơ đồ và biểu đồ, mặc dù độ chính xác trên các hình ảnh khoa học phức tạp có thể thay đổi.
Các trường hợp sử dụng mạnh bao gồm: 1) Chú thích hình ảnh thời gian thực cho các công cụ hỗ trợ tiếp cận; 2) Tìm kiếm trực quan và phân loại sản phẩm trong thương mại điện tử; 3) Xử lý tài liệu (biểu mẫu, hóa đơn, chứng từ) với chữ viết tay hoặc chữ in; 4) Công cụ giáo dục giải thích sơ đồ hoặc ảnh chụp. Mô hình hoạt động tốt nhất với hình ảnh rõ ràng, có ánh sáng tốt và các hướng dẫn cụ thể, chi tiết.
Nếu tác vụ của bạn không liên quan đến hình ảnh (ví dụ: tạo văn bản thuần túy, tóm tắt, dịch thuật), một mô hình chỉ văn bản (như các biến thể Gemini hoặc Llama tiêu chuẩn) sẽ tiết kiệm chi phí hơn. Đối với phân loại hình ảnh đơn giản mà không yêu cầu suy luận ngôn ngữ tự nhiên, một mô hình thị giác chuyên dụng có độ trễ thấp hơn có thể tốt hơn. Ngoài ra, nếu bạn cần độ trễ thấp hơn cho các yêu cầu khối lượng lớn, một mô hình đa phương tiện nhỏ hơn có thể là lựa chọn ưu tiên.
Như một bản xem trước, hỗ trợ gọi hàm chưa được xác nhận cho mô hình này. API của OrcaRouter hỗ trợ các định nghĩa công cụ giống như OpenAI, nhưng mô hình cơ bản có thể không thực thi các lệnh gọi hàm một cách đáng tin cậy. Hãy kiểm tra kỹ trước khi phụ thuộc vào việc sử dụng công cụ. Đầu ra có cấu trúc (chế độ JSON) được hỗ trợ thông qua định dạng tương thích với OpenAI, nhưng chất lượng đầu ra có thể thay đổi.
Điểm chuẩn cho Nano Banana Pro (Gemini 3 Pro Image Preview) chưa được công bố công khai. Là mô hình xem trước, nó có thể không được đánh giá trên các điểm chuẩn tiêu chuẩn như MMLU, VQAv2, hoặc COCO Captions. Các nhà phát triển nên tự chạy đánh giá trên dữ liệu đại diện để đánh giá hiệu suất. Kỳ vọng các cải tiến trong bản phát hành Gemini 3 Pro cuối cùng.
Độ trễ phụ thuộc vào kích thước ảnh, độ dài đầu vào và tải hiện tại của OrcaRouter. Xử lý ảnh làm tăng chi phí so với các mô hình chỉ xử lý văn bản. Trung bình, một yêu cầu có một ảnh độ phân giải trung bình và 100 token văn bản có thể mất vài giây cho token đầu tiên, sau đó phát trực tuyến phần còn lại. Không có con số token mỗi giây được công bố cho bản xem trước này. Sử dụng ảnh nhỏ hơn và gửi yêu cầu theo lô để giảm thiểu độ trễ.
Mô hình này xuất sắc trong việc nhận dạng đối tượng, con người và văn bản trong hình ảnh. Nó có thể suy luận về mối quan hệ không gian và trả lời các câu hỏi yêu cầu kết hợp thông tin thị giác và văn bản. Phản hồi ban đầu cho thấy hiệu suất tốt trên các truy vấn dựa trên ảnh và khả năng hiểu tài liệu. Cửa sổ ngữ cảnh lớn của nó cho phép các cuộc hội thoại đa hình ảnh.
Khi xem trước, mô hình có thể tạo ra các đầu ra bất ngờ hoặc tưởng tượng ra các chi tiết về hình ảnh (ví dụ: khẳng định các vật thể không có trong ảnh). Mô hình có thể gặp khó khăn với hình ảnh độ phân giải thấp, mờ hoặc trừu tượng cao. Suy luận hình ảnh phức tạp nhiều bước (ví dụ: phương trình toán từ chữ viết tay) có thể không đáng tin cậy. Mô hình không hỗ trợ đầu vào âm thanh hoặc video. Không có tùy chọn tinh chỉnh cho bản xem trước này.
Giá cả do OrcaRouter thiết lập dựa trên chi phí cho mỗi token cho nhà cung cấp google. Token đầu vào thường rẻ hơn token đầu ra. Token hình ảnh tiêu tốn nhiều token đầu vào hơn đáng kể so với văn bản—mỗi hình ảnh được chia ô và xử lý. Tham khảo trang giá chính thức của OrcaRouter để biết tỷ giá hiện tại. Không có bậc miễn phí cho mô hình này; bạn trả tiền cho mỗi yêu cầu.
Vì xử lý hình ảnh tiêu tốn nhiều token, chi phí có thể tăng nhanh nếu bạn gửi nhiều ảnh độ phân giải cao. Để quản lý chi phí: giảm độ phân giải ảnh, hạn chế số lượng ảnh trên mỗi yêu cầu và sử dụng văn bản prompt ngắn. Đối với các tác vụ không cần hình ảnh, hãy cân nhắc sử dụng mô hình chỉ văn bản. OrcaRouter có thể cung cấp bộ nhớ đệm cho các embedding hình ảnh lặp lại (kiểm tra tài liệu để biết chi tiết).
OrcaRouter có thể triển khai bộ nhớ đệm cho các embedding hình ảnh được sử dụng thường xuyên, nhưng hành vi bộ nhớ đệm của mô hình xem trước này không được ghi lại. Thông thường, các đầu vào hình ảnh giống hệt nhau tại cùng một URL có thể được lưu vào bộ nhớ đệm ở phía nhà cung cấp, giảm chi phí token cho các yêu cầu lặp lại. Liên hệ với bộ phận hỗ trợ của OrcaRouter để biết chi tiết cụ thể. Bộ nhớ đệm phụ thuộc vào mô hình và không được đảm bảo cho các mô hình xem trước.
Mức tiêu thụ token cho hình ảnh tỷ lệ thuận với số lượng ô 256×256 cần thiết để phủ kín hình ảnh (sau khi thay đổi kích thước). Một hình ảnh 512×512 sử dụng 4 ô (4 token đầu vào cho mỗi ô? Không được cung cấp—công thức chính xác phụ thuộc vào mô hình). OrcaRouter có thể cung cấp số lượng token trong trường usage của phản hồi API. Hãy thử nghiệm với hình ảnh của riêng bạn để ước tính chi phí mỗi yêu cầu.
Sử dụng endpoint tương thích OpenAI tại https://api.orcarouter.ai/v1 với khóa API của bạn. Đặt mô hình thành "google/gemini-3-pro-image-preview". Định dạng yêu cầu với một mảng messages chứa cả phần văn bản và hình ảnh. Hình ảnh được truyền dưới dạng URL dữ liệu base64 hoặc URL với các đối tượng image_url. Ví dụ: {"model":"google/gemini-3-pro-image-preview","messages":[{"role":"user","content":[{"type":"text","text":"Mô tả hình ảnh này"},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}]}]}. Hỗ trợ streaming.
Các tham số tiêu chuẩn của OpenAI: temperature (0–2), top_p, max_tokens (lên đến cửa sổ ngữ cảnh trừ token của lời nhắc), stop sequences, frequency_penalty, presence_penalty. Mô hình cũng chấp nhận tham số "seed" để tạo đầu ra xác định (không đảm bảo). Hỗ trợ tham số phụ thuộc vào mô hình; một số tham số có thể bị bỏ qua hoặc có giá trị mặc định khác. Hãy kiểm tra với cấu hình mong muốn của bạn.
Thay đổi base URL của bạn từ https://api.openai.com/v1 thành https://api.orcarouter.ai/v1, cập nhật API key của bạn thành một khóa OrcaRouter, và thay đổi tên mô hình thành "google/gemini-3-pro-image-preview". Cấu trúc tin nhắn (mảng content với text và image_url) là giống hệt. Nếu bạn sử dụng các thư viện như openai Python, chỉ cần sửa đổi base_url và api_key. Lưu ý: giới hạn tần suất khác nhau.
Xác thực thông qua khóa API trong header Authorization (Bearer your_key). Giới hạn tốc độ theo từng khóa và phụ thuộc vào gói của bạn. API trả về mã 429 khi vượt quá giới hạn. Không có xác thực riêng cho nhà cung cấp mô hình — OrcaRouter quản lý định tuyến. Đối với môi trường sản xuất, hãy sử dụng khóa chuyên dụng và theo dõi mức sử dụng trong bảng điều khiển OrcaRouter.
Cả hai đều là mô hình đa phương thức (đầu vào hình ảnh+văn bản, đầu ra văn bản). GPT‑4V là mô hình sản xuất trưởng thành với dữ liệu điểm chuẩn rộng hơn. Nano Banana Pro là bản xem trước; khả năng thực sự của nó ít được biết đến. Cửa sổ ngữ cảnh: GPT‑4V lên tới 128k so với 65k của mô hình này. GPT‑4V hỗ trợ hình ảnh độ phân giải cao hơn. Tuy nhiên, mô hình này có thể mang lại chi phí thấp hơn và thế mạnh suy luận khác biệt. So sánh trực tiếp đòi hỏi đánh giá theo từng nhiệm vụ cụ thể.
OrcaRouter cung cấp nhiều mô hình đa phương thức (ví dụ: Claude 3 Vision, Llama 3.2 Vision). Bản xem trước Google này cung cấp một kiến trúc dựa trên Gemini độc đáo có thể vượt trội trong các tác vụ tập trung vào Google (ví dụ: hiểu ảnh chụp màn hình Google Docs). Nó có cửa sổ ngữ cảnh bằng một nửa so với một số đối thủ cạnh tranh. Giá cả và độ trễ khác nhau; hãy kiểm tra bảng so sánh của OrcaRouter để biết giá cho từng mô hình.
Ưu điểm chính là đầu vào hình ảnh gốc mà không cần bộ mã hóa thị giác riêng. Bạn có thể kết hợp ngữ cảnh trực quan với văn bản trong một lời nhắc duy nhất. Điều này làm giảm độ phức tạp của hệ thống so với việc xâu chuỗi hai mô hình khác nhau. Tuy nhiên, các mô hình chỉ văn bản rẻ hơn và nhanh hơn cho các tác vụ không cần hình ảnh. Hãy chọn dựa trên việc tác vụ có yêu cầu hiểu biết trực quan hay không.
Gemini 2 Pro là một mô hình sản xuất có thành tích lâu dài. Bản xem trước này cung cấp cái nhìn thoáng qua về kiến trúc của Gemini 3 Pro và có thể có những điểm mạnh khác nhau (ví dụ: xử lý tốt hơn một số loại hình ảnh). Tuy nhiên, đây là bản xem trước—tính ổn định và hỗ trợ bị hạn chế. Đối với triển khai sản xuất, Gemini 2 Pro (qua OrcaRouter) an toàn hơn. Hãy sử dụng bản xem trước này cho thử nghiệm sớm và phản hồi.
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| Mỗi yêu cầu | $0.2400 |
| Tiền tệ | USD |
| Phí cố định mỗi cuộc gọi API (mô hình tạo ảnh) | |
GET /api/public/models/google/gemini-3-pro-image-previewMở @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