Gemini 3.1 Flash Image Preview, hay còn gọi là "Nano Banana 2", là mô hình tạo và chỉnh sửa hình ảnh tiên tiến mới nhất của Google, mang đến chất lượng hình ảnh đẳng cấp Pro với tốc độ Flash. Nó kết hợp...
Google: Nano Banana 2 là một mô hình đa phương thức xử lý cả đầu vào hình ảnh và văn bản. Nó được xây dựng dựa trên kiến trúc Gemini 3.1 Flash, vốn nhấn mạnh vào suy luận nhanh. Mô hình chấp nhận tải…
Mô hình Gemini 3.1 Flash Image Preview có khả năng thực hiện nhiều tác vụ đa phương thức bao gồm chú thích hình ảnh, trả lời câu hỏi trực quan, hiểu tài liệu (ví dụ: trích xuất thông tin từ hóa đơn hoặc biểu mẫu) và kiểm duyệt nội dung kết hợp phân tích hình ảnh và văn bản. Nó cũng có thể suy luận trên sơ đồ và biểu đồ, chẳng hạn như diễn giải đồ thị hoặc lưu đồ. Vì đây là mô hình flash, nó được tối ưu hóa về tốc độ, phù hợp với các ứng dụng yêu cầu xử lý nhanh. Tuy nhiên, nó có thể không đạt được độ sâu như các mô hình lớn hơn, chậm hơn trong các tác vụ suy luận phức tạp. Người dùng nên đánh giá mô hình trên các trường hợp sử dụng cụ thể để xác nhận hiệu suất của nó.
Khung ngữ cảnh là 65.536 token. Điều này có nghĩa là mô hình có thể xử lý tối đa số lượng token đó trong một prompt duy nhất, bao gồm cả văn bản và dữ liệu hình ảnh được mã hóa. Đối với các prompt chỉ có văn bản, điều này cho phép xử lý các tài liệu khoảng 50.000 từ. Đối với đầu vào đa phương thức, các token hình ảnh chiếm một phần của khung, do đó dung lượng văn bản khả dụng bị giảm. Chi phí token chính xác cho mỗi hình ảnh không được chỉ định, nhưng người dùng nên tính đến việc hình ảnh tiêu tốn một số lượng token đáng kể. Kích thước ngữ cảnh này cho phép xử lý các tài liệu có độ dài vừa phải với hình ảnh, nhưng các tài liệu cực lớn hoặc nhiều hình ảnh có thể vượt quá giới hạn. Trong những trường hợp như vậy, có thể cần phân đoạn hoặc tóm tắt.
Nếu nhiệm vụ của bạn không yêu cầu hiểu hình ảnh, một mô hình chỉ văn bản (ví dụ: Gemini 1.5 Flash hoặc tương tự) có thể rẻ hơn và nhanh hơn. Ngoài ra, nếu ứng dụng của bạn cực kỳ nhạy cảm với độ trễ và chi phí xử lý hình ảnh không cần thiết, một mô hình văn bản nhẹ có thể là lựa chọn ưu tiên. Đối với các tác vụ liên quan đến suy luận nhiều hình ảnh phức tạp hoặc độ chi tiết rất cao, một mô hình thị giác lớn hơn, không phải flash, có thể mang lại độ chính xác cao hơn với chi phí về tốc độ. Biến thể flash được thiết kế như một giải pháp trung gian. Người dùng nên kiểm tra khối lượng công việc của riêng mình để xác định xem sự đánh đổi giữa tốc độ và chất lượng có xứng đáng với chi phí hay không. OrcaRouter cung cấp nhiều loại mô hình; tham khảo danh mục sản phẩm có thể giúp xác định các giải pháp thay thế.
Kiến trúc Gemini 3.1 Flash được tối ưu hóa cho suy luận độ trễ thấp. Điều này khiến mô hình phù hợp với các ứng dụng thời gian thực như trợ lý trò chuyện trực tiếp, hệ thống Hỏi & Đáp tương tác, hoặc các công cụ kiểm duyệt tự động cần phản hồi trong vòng vài giây. Lợi thế về tốc độ đến từ các lựa chọn kiến trúc giúp giảm chi phí tính toán, chẳng hạn như ít tham số hơn hoặc cơ chế attention được tối ưu. Mặc dù không có số liệu cụ thể về độ trễ, các mô hình flash thường xuất ra token nhanh hơn so với các phiên bản tiêu chuẩn. Điều này có thể giảm thời gian chờ đợi mà người dùng cuối cảm nhận được. Tuy nhiên, tốc độ chính xác phụ thuộc vào các yếu tố như kích thước đầu vào, độ phức tạp của hình ảnh, và tải máy chủ trên OrcaRouter. Các nhà phát triển nên kiểm thử với các đầu vào đại diện.
Không có điểm chuẩn chính thức nào được công bố rộng rãi cho mô hình cụ thể này tại thời điểm hiện tại. Vì đây là phiên bản xem trước (được chỉ ra bởi "Image Preview" trong tên gọi), Google có thể chưa công bố kết quả đánh giá chuẩn hóa. Người dùng không nên suy luận mức hiệu suất từ các mô hình Gemini Flash khác, vì biến thể xem trước hình ảnh có thể khác biệt về khả năng. Để đánh giá chất lượng mô hình, OrcaRouter khuyến nghị chạy các đánh giá tùy chỉnh trên tập dữ liệu của riêng bạn. Các chỉ số phổ biến cho các tác vụ đa phương thức bao gồm độ chính xác trên các chuẩn VQA, BLEU cho chú thích, hoặc F1 cho hiểu tài liệu. Không có điểm chuẩn, việc dựa vào kiểm tra thực nghiệm là cần thiết.
Vì mô hình được xây dựng trên Gemini 3.1 Flash, nó sẽ thể hiện khả năng sinh văn bản mạnh mẽ đặc trưng của kiến trúc đó, chẳng hạn như ngôn ngữ mạch lạc, tóm tắt và suy luận. Tuy nhiên, do là biến thể đa phương thức, hiệu suất chỉ xử lý văn bản của nó có thể khác so với mô hình Flash chỉ xử lý văn bản chuyên dụng vì chi phí bổ sung từ các nhánh xử lý hình ảnh. Không có điểm chuẩn so sánh nào khả dụng. Đối với các tác vụ văn bản thuần túy, người dùng có thể thấy rằng một mô hình flash chỉ xử lý văn bản đơn giản hơn mang lại chất lượng tương đương hoặc tốt hơn với chi phí và độ trễ thấp hơn. Nếu bạn chủ yếu làm việc với văn bản, hãy cân nhắc sử dụng gemini-3.1-flash hoặc các mô hình tương tự trên OrcaRouter.
Là một mô hình xem trước, mô hình này có thể có những hạn chế hoặc giới hạn chưa được ghi chép đầy đủ. Các hạn chế tiềm năng đã biết bao gồm: mô hình có thể không xử lý hình ảnh độ phân giải rất cao tốt như các mô hình thị giác chuyên dụng; có thể kém tin cậy hơn khi xử lý nhiều hình ảnh trong một prompt do chia sẻ ngữ cảnh; và có thể nhạy cảm hơn với cách diễn đạt prompt so với các mô hình chuyên biệt. Ngoài ra, vì là mô hình flash, mô hình có thể đánh đổi một số độ sâu suy luận để lấy tốc độ, do đó các tác vụ suy luận thị giác phức tạp nhiều bước có thể dễ xảy ra lỗi. Người dùng nên kiểm tra kỹ các trường hợp biên. OrcaRouter khuyến nghị xem lại tài liệu của Google về Gemini để biết bất kỳ bộ lọc an toàn hoặc chính sách nội dung nào có thể áp dụng.
Bản xem trước hình ảnh Gemini 3.1 Flash được thiết kế để có độ trễ thấp, nhưng các chỉ số tốc độ chính xác không được công bố. So với các mô hình flash khác trên OrcaRouter (ví dụ: Gemini 1.5 Flash hoặc các biến thể flash khác), việc bổ sung xử lý hình ảnh có thể làm tăng độ trễ mỗi yêu cầu vì hình ảnh cần được mã hóa và chú ý đến. Tuy nhiên, trong lớp flash, nó sẽ nhanh hơn các mô hình không flash lớn hơn xử lý hình ảnh. Đối với người dùng cần cả tốc độ và thị giác, mô hình này là một lựa chọn hợp lý. Nếu độ trễ là yếu tố quan trọng và không cần hình ảnh, một mô hình flash chỉ văn bản sẽ nhanh hơn. API của OrcaRouter cung cấp thời gian phản hồi; khách hàng có thể theo dõi mức sử dụng của riêng họ.
Giá cho mô hình này trên OrcaRouter được xác định bởi nền tảng và có thể thay đổi. Thông thường, OrcaRouter tính phí theo token được xử lý (đầu vào + đầu ra), với phụ phí bổ sung cho token hình ảnh. Đối với các mô hình đa phương thức, chi phí mỗi yêu cầu cao hơn so với mô hình chỉ văn bản vì hình ảnh tiêu thụ nhiều token. Người dùng nên tham khảo trang giá chính thức của OrcaRouter để biết mức giá hiện tại cho google/gemini-3.1-flash-image-preview. Không có chi phí cụ thể cho mỗi token nào được cung cấp ở đây. Khuyến nghị ước tính chi phí bằng cách kiểm tra các yêu cầu mẫu và xem xét mức sử dụng token được báo cáo trong tiêu đề phản hồi API.
Có, đầu vào hình ảnh làm tăng đáng kể số lượng token cho mỗi yêu cầu, vì mỗi hình ảnh được token hóa thành nhiều token (thường từ hàng trăm đến hàng nghìn tùy theo độ phân giải). Điều này trực tiếp làm tăng chi phí so với các prompt chỉ có văn bản có độ dài tương tự. Nếu ứng dụng của bạn có thể hoạt động chỉ với mô tả văn bản về hình ảnh, thì mô hình chỉ dùng văn bản có thể rẻ hơn. Ngược lại, nếu khả năng hiểu hình ảnh là cần thiết, mô hình này cung cấp giải pháp một mô hình duy nhất thay vì phải kết hợp hai dịch vụ riêng biệt. Người dùng nên cân nhắc chất lượng diễn giải hình ảnh của mô hình so với chi phí gia tăng. OrcaRouter có thể cung cấp giảm giá sử dụng cho khách hàng có khối lượng lớn; hãy liên hệ với họ để biết chi tiết.
OrcaRouter có thể cung cấp các tính năng như bộ nhớ đệm lời nhắc (prompt caching) hoặc tái sử dụng phiên (session reuse) để giảm xử lý trùng lặp các token hình ảnh. Tuy nhiên, chi tiết triển khai cụ thể không được tài liệu hóa công khai cho mô hình này. Bộ nhớ đệm có thể giảm đáng kể chi phí trong các ứng dụng nơi cùng một hình ảnh được gửi đi nhiều lần (ví dụ: trong bot hỏi đáp với một tài liệu cố định). Người dùng nên hỏi nhóm hỗ trợ của OrcaRouter về khả năng lưu đệm. Ngoài ra, OrcaRouter có thể cung cấp giá theo cấp độ hoặc gói hàng tháng giúp giảm chi phí mỗi token cho việc sử dụng cam kết. Nên xem xét các điều khoản dịch vụ hoặc liên hệ với bộ phận bán hàng để có các chiến lược tối ưu hóa chi phí chính xác.
Để sử dụng mô hình, hãy gửi các yêu cầu HTTP POST tới endpoint API tương thích OpenAI của OrcaRouter: https://api.orcarouter.ai/v1/chat/completions. Đặt tham số model thành "google/gemini-3.1-flash-image-preview". Bao gồm khóa API của bạn trong header Authorization (Bearer token). Nội dung yêu cầu phải chứa một mảng messages, trong đó mỗi message có thể có role (system, user, assistant) và content. Đối với hình ảnh, hãy bao gồm một đối tượng với type "image_url" và URL hình ảnh hoặc dữ liệu base64. Ví dụ: "content": [{"type": "text", "text": "Mô tả bức ảnh này"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]. API trả về một phản hồi chat completion tiêu chuẩn.
API hỗ trợ các tham số hoàn tất chat chuẩn của OpenAI: model, messages, max_tokens, temperature, top_p, stop, stream, v.v. Đối với đầu vào hình ảnh, mảng content phải bao gồm các đối tượng có thuộc tính type "image_url". Đối tượng image_url có thể chứa URL công khai hoặc data URI mã hóa base64. OrcaRouter cũng có thể hỗ trợ các tham số tùy chọn như max_image_tokens hoặc cài đặt detail (giống low/high của OpenAI), nhưng chưa được xác nhận. Tham khảo tài liệu API của OrcaRouter để biết thêm các tham số cụ thể cho mô hình đa phương thức. Phản hồi bao gồm thông tin sử dụng như prompt_tokens (bao gồm token hình ảnh), completion_tokens, và total_tokens, hữu ích cho việc giám sát chi phí.
Di chuyển từ Vertex AI hoặc AI Studio API gốc của Google sang OrcaRouter yêu cầu thay đổi base URL và model identifier. Thay thế Google endpoint của bạn bằng https://api.orcarouter.ai/v1/chat/completions. Đổi tên model thành "google/gemini-3.1-flash-image-preview". Xác thực: thay vì sử dụng thông tin xác thực tài khoản dịch vụ Google, hãy sử dụng OrcaRouter API keys. Định dạng yêu cầu trở nên tương thích với OpenAI: mảng messages với roles và content. Nếu bạn đang sử dụng định dạng đầu vào đa phương thức của Google, bạn sẽ cần chuyển đổi hình ảnh sang định dạng image_url được mô tả ở trên. Hầu hết các SDK (ví dụ: OpenAI Python) hoạt động với một cập nhật cấu hình đơn giản. Kiểm tra với một payload nhỏ để xác minh hành vi trước khi di chuyển sang môi trường sản xuất.
OrcaRouter sử dụng xác thực bằng API key. Bạn phải lấy một API key từ bảng điều khiển OrcaRouter. Đưa nó vào header yêu cầu như sau: Authorization: Bearer YOUR_API_KEY. API key cần được giữ bí mật và không được để lộ trong mã phía client. Đối với giao tiếp máy chủ - máy chủ, hãy sử dụng biến môi trường. OrcaRouter có thể áp dụng giới hạn tốc độ và hạn mức sử dụng; hãy kiểm tra cài đặt tài khoản của bạn. Không yêu cầu thêm luồng OAuth hoặc xác thực dành riêng cho Google. API key được liên kết với tài khoản OrcaRouter và gói thanh toán của bạn. Nếu bạn vượt quá giới hạn tốc độ, bạn có thể nhận được mã trạng thái HTTP 429; hãy triển khai logic thử lại tương ứng.
Phiên bản Gemini 3.1 Flash tiêu chuẩn là mô hình chỉ xử lý văn bản (hoặc có thể có khả năng thị giác hạn chế trong các phiên bản mới hơn). Biến thể Image Preview bổ sung rõ ràng các khả năng thị giác, khiến nó phù hợp cho các tác vụ đa phương thức. Đổi lại, mô hình image preview có thể có kiến trúc nội bộ hơi khác và tiềm ẩn độ trễ hoặc chi phí cao hơn do xử lý hình ảnh. Đối với các tác vụ chỉ văn bản, Flash tiêu chuẩn có khả năng nhanh hơn và rẻ hơn, đồng thời có thể cung cấp chất lượng tương đương hoặc tốt hơn. Người dùng chỉ nên chọn biến thể image preview khi cần đầu vào hình ảnh. OrcaRouter cung cấp cả hai mô hình; hãy so sánh ID mô hình của chúng.
Trên OrcaRouter, các mô hình đa phương thức khác bao gồm GPT-4V, Claude 3 Vision và Gemini Pro Vision, cùng với các biến thể mã nguồn mở. Gemini 3.1 Flash Image Preview được định vị là một giải pháp thay thế nhanh và chi phí thấp hơn cho các mô hình thị giác lớn như GPT-4V. Nó có thể đánh đổi một phần độ sâu suy luận để lấy tốc độ và giá thành. So với các mô hình chú thích hình ảnh chuyên dụng, mô hình này mang lại trải nghiệm trò chuyện đa phương thức đa năng hơn. Đối với các tác vụ cụ thể như OCR hoặc nhận dạng thị giác chi tiết, các mô hình chuyên biệt (ví dụ: Document AI của Google) có thể hoạt động tốt hơn. Người dùng nên đánh giá dựa trên trường hợp sử dụng của mình: mô hình flash này phù hợp nhất cho các ứng dụng yêu cầu tốc độ cao khi khả năng thị giác ở mức vừa phải là đủ.
OrcaRouter cung cấp một API thống nhất tương thích với OpenAI cho mô hình Google này, giúp đơn giản hóa việc tích hợp nếu bạn đã sử dụng giao diện đó. Bạn tránh phải quản lý trực tiếp các tài nguyên Google Cloud, quyền IAM, hoặc các SDK riêng biệt. OrcaRouter có thể cung cấp các tính năng bổ sung như cân bằng tải, bộ nhớ đệm, mô hình dự phòng, và thanh toán hợp nhất. Nó cũng tổng hợp nhiều nhà cung cấp, cho phép chuyển đổi mô hình dễ dàng mà không cần thay đổi mã. Đối với mô hình cụ thể này, OrcaRouter xử lý kết nối backend đến hạ tầng của Google, có thể tối ưu hóa định tuyến. Tuy nhiên, việc sử dụng một cổng kết nối bên thứ ba tạo ra một sự phụ thuộc và có thể thêm một chút độ trễ. Hãy đánh giá xem sự tiện lợi có vượt trội hơn so với truy cập trực tiếp hay không.
Chọn mô hình này khi ứng dụng của bạn yêu cầu hiểu nội dung trực quan kết hợp với văn bản, chẳng hạn như phân tích ảnh, sơ đồ hoặc tài liệu được quét. Nếu tác vụ của bạn liên quan đến việc diễn giải hình ảnh như một phần của quá trình suy luận — ví dụ, trong một bot hỗ trợ khách hàng đọc ảnh chụp màn hình — thì mô hình này giúp bạn không cần sử dụng một API thị giác riêng. Tuy nhiên, nếu hình ảnh của bạn chỉ mang tính trang trí hoặc có thể được mô tả bằng văn bản, một mô hình chỉ xử lý văn bản sẽ tiết kiệm và nhanh hơn. Ngoài ra, nếu bạn cần độ chính xác cực cao trong các tác vụ thị giác chuyên biệt (như nhận dạng đối tượng chi tiết), một mô hình thị giác máy tính chuyên dụng sẽ vượt trội hơn. Mô hình này cung cấp một giải pháp trung gian tiện lợi.
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| Mỗi yêu cầu | $0.1510 |
| Tiền tệ | USD |
| Phí cố định mỗi cuộc gọi API (mô hình tạo ảnh) | |
GET /api/public/models/google/gemini-3.1-flash-image-previewMở @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