Nano Banana 2.1：Gemini 图像模型、其家族及成本

Nano Banana 2.1是供应商以 API 标识符gemini-nano-banana-2.1提供的图像生成与对话式编辑模型。供应商自己的文档为它给出的产品名是 Gemini Nano Banana 2.1，并称其为Nano Banana 2的更新版本，后者的标识符为gemini-3.1-flash-image。同一系列中还有另外两个模型与它并列：位于它之下的Nano Banana 2 Lite（gemini-3.1-flash-lite-image），以及位于它之上的 Nano Banana Pro（gemini-3-pro-image）。这就是它的基本格局——一个分三档的图像系列，另有一个更早的成员仍见于文档——而围绕这个名称的大部分混乱，都源于产品名与端点字符串从来就没有被做成一致的。本页是关于该模型本身的参考：它是什么、由谁发布、你能输入什么又能拿回什么、供应商声称了什么，以及你今天如何访问它。下文中的每一项数据均引自供应商自己的模型卡、图像生成指南、定价页面和更新日志，以其截至 2026 年 10 月 13 日的版本为准，且每一项都标注为“供应商自述”；所引用的唯一一个独立来源均在其出现处注明。

它是什么，以及为什么标识符才是关键所在

厂商的模型目录将 gemini-nano-banana-2.1列为状态“New Stable”，描述为“高效图像生成与编辑模型，具备更佳的视觉质量、文字排版与多轮一致性”。图像生成指南的说法则更为直白：它是“Nano Banana 2 的更新版本，作为图像生成与对话式编辑的主要高效主力模型”。

命名是读者遇到的第一个实际问题，因此值得直截了当地说明。在这个产品族中，产品名称并不能从标识符推导出来：

• Nano Banana 2.1 — 产品名称“Gemini Nano Banana 2.1”，API ID gemini-nano-banana-2.1，当前的高效能主力。

• Nano Banana 2 — API ID gemini-3.1-flash-image。标识符中完全没有版本号，这正是“Nano Banana 2”与“gemini-3.1-flash-image”是同一个模型的原因。

• Nano Banana 2 Lite — API ID gemini-3.1-flash-lite-image。Google 的指南称其为该系列中的效率专家，专为超低延迟和高吞吐量的交互式使用而打造。

• Nano Banana Pro — API id gemini-3-pro-image，被描述为一款配备推理核心的专业设计引擎，面向复杂版式与精准文本渲染。

如果你正在把某个东西接起来用，可靠的抓手是标识符，而不是营销名称。这不是风格上的讲究：Google 的变更日志把 gemini-3.1-flash-image 列为已弃用状态，而就在同一天它发布了 gemini-nano-banana-2.1，并且那条弃用记录起作用的依据是标识符，而不是营销名称。

谁发布它？

谷歌就是这样做的，而且它将其作为托管式 API 模型发布，而非可下载的模型——没有可获取的检查点，也没有许可协议可读，因为权重并未公开。权威资料来自谷歌自家的 Gemini API 文档集：模型目录与各模型卡片见 ai.google.dev，此外还有图像生成指南、定价页面以及 Gemini API 更新日志。本页凡给出数字之处，其来源即是此处，且属于厂商来源。

家族关系比发布方产品线更重要，因为它决定你实际能在什么之间做选择。与其直接前代 Nano Banana 2 相比，2.1 是 Google 正引导新项目采用的那一代；与 Nano Banana 2 Lite 相比，2.1 以相同的入门价格换来更高的上限，因为两者对一张 1K 图像的收费均为 $0.0336（供应商定价，标准层级）。Lite 在三个有文档记录的方面放弃了这一点：它仅支持 1K 输出，没有 Search grounding，而且 Google 的指南称它“未针对多个参考输入或多轮连续编辑进行优化”。如果你的工作负载是大批量地单图输入、单图输出，Lite 是更便宜的工程选择；如果你需要 2K 或 4K、多个参考，或与图像进行对话，Lite 根本不在候选之列。

它接受什么以及返回什么

这正是该模型比其名称所暗示的更为宽泛的地方，值得直接从厂商的模型卡中读取，而不是从“image”这个词去推断。Google 为gemini-nano-banana-2.1提供的模型卡将可接受的输入数据类型列为文本、图像、视频和 PDF，输出类型则为图像和文本。因此，输入端接收提示词、一张或多张图像、视频或 PDF 文档——而不仅是文本——输出端则可在返回图像的同时返回文本，这正是对话式编辑得以实现的原因：模型能够就它刚刚生成或修改的图片作出回答。

其余的范围，均来自厂商在模型卡、指南和变更日志中的报告：

• 输出分辨率 — 1K、2K 和 4K。Nano Banana 2 提供的 512px（0.5K）档位被明确标注为“Gemini Nano Banana 2.1 不支持”，因此在该模型上最低为 1K。参数必须使用大写 K；Google 的指南指出，诸如 1k 这样的小写值会被拒绝。

• 宽高比——该指南现在发布了一张按型号划分的表格，其中 2.1 一栏列出了十四种：1:1、1:4、1:8、2:3、3:2、3:4、4:1、4:3、4:5、5:4、8:1、9:16、16:9 和 21:9。这其中包含 1:4、4:1、1:8 和 8:1 这些宽幅与全景比例，指南也将它们归功于 Gemini 3.1 Flash Image。Lite 仅列出十种常规比例。

• 参考图像——根据指南，“最多混合 14 张参考图像以生成最终图像”，而指南中的表格现在按模型分配了预算，而在本页最初起草时，这一点并未以清晰可读的方式给出。对于标题为“Gemini Nano Banana 2.1 与 Gemini 3.1 Flash Image”这一列，其分配为最多 10 张高保真对象图像以及最多 4 张角色一致性图像；指南正文给出了相同的数字，称 2.1 支持“在单个工作流中最多 4 个角色的相似度和最多 10 个对象的保真度”。风格参考仅针对 Gemini 3 Pro Image 列出，因此不要在此处计划使用它们。

• 词元限制——根据模型卡，输入词元为 131,072 个，输出词元为 32,768 个。该卡片未注明此模型的知识截止日期。

• 思考功能——已支持，且指南明确指出，在 Gemini 3 图像模型上，它“默认启用，且无法在 API 中禁用”。该模型最多会生成两张中间图像，用于测试构图与逻辑，这些思考图像在后端可见，但不计费。thinking_level可在生成配置中设置；指南自带的示例传入的是high。

• Grounding — 模型卡上列明支持搜索接地，更新日志也将 Google Search 接地归功于 2.1。Nano Banana 2 Lite 不具备此功能。

• 水印 — “所有生成的图像都包含 SynthID 水印。”这适用于整个系列，且并非可选。

• 卡片标记为不支持的内容——音频生成、缓存、代码执行、文件搜索、函数调用、Google Maps 接地、Live API、结构化输出和 URL 上下文。Batch API 受支持；Flex 和 Priority 推理则不受支持。

文本渲染和编辑，如文档所述

有两种记录在案的行为将这类模型与纯文本到图像端点区分开来，而Google在图像生成指南而非基准测试中对这两种行为都有描述。

第一点是排版。指南将该能力列为“高级文本渲染：能够为信息图、菜单、图表和营销素材生成清晰、风格化的文本”，而更新日志专门将改进的文本渲染归功于 2.1。模型卡则以“排版”一词呼应了这一点。值得明确它到底是什么：这是对一项能力的描述，而不是测量出的准确率。Google 没有公布字符错误数字，没有易读性评分，也没有公布在文本渲染任务上与其自身早期模型的比较，因此，任何人若为 2.1 渲染字母的效果引用一个数字，那引用的都不是 Google 给出的东西。

第二种是编辑，指南将其视为模型的对话模式。进行编辑时，“模型会匹配原图的风格、光照和透视”——编辑是在现有画面内应用，而不是生成一张同类型的新图片。对于局部重绘，指令还要更窄：只改变你指定的元素，并保留“原有的风格、光照和构图”。更新日志对 2.1 在这一维度上的主打说法是改进了多轮角色一致性，这一属性决定了某个物体或人物在连续五次编辑后是否还能看起来像自己。该说法由厂商报告，截至今天，在 Google 之外尚未得到复现。

Google 所声称的与实际测量结果的对比

Google 的 2026 年 10 月 6 日更新日志条目称，2.1“保持 Flash 级的速度和成本效率”，同时增加了“视觉质量、提示词遵循度、多轮角色一致性、文本渲染方面的显著提升”，以及宽屏和全景宽高比。模型目录补充道：“改进的视觉质量、排版和多轮一致性。”这些都是供应商的说法，是方向性的而非量化的，并且没有供应商运行的基准测试伴随它们。

接下来有三点，它们如实反映了证据的实际状况，而不是模棱两可的搪塞。

首先，谷歌并未发布任何自己的 Nano Banana 2.1 基准测试数据——其文档页面上没有 Elo，没有胜率，也没有任何形式的分数。如果某个关于该模型质量的数字被当作谷歌的数据来呈现，那它就是谷歌并未发布的数字。

其次，Nano Banana 2.1 与 Nano Banana 2 之间并不存在在同等设置下的厂商正面对比。谷歌声称一代比一代有所改进，却从未公布过在相同提示词、相同分辨率和相同投入力度下的配对评测，好让读者据此权衡两者。任何暗示二者之间存在可测量差距的人，都是在暗示一件根本没人做过的事。

第三，独立评估确实存在，而且这个评测工具值得点名，以便读者自行判断：Artificial Analysis在其Image Arena中对Nano Banana 2.1进行评测，该评测涵盖文生图和图像编辑，并公布其评分背后的投票。这就是可用于定位的第三方来源。该模型在该评测中所持有的具体排名和Elo，与本页面所回答的问题是两回事，而且它是按本页面无法控制的排期计算出来的——请到来源处查看，而不是对照从任何地方复制的数字，包括从我们这里复制的。

今天如何获得访问权限，以及费用是多少

访问是通过 Google 自己的 API 进行的。你使用模型标识符 gemini-nano-banana-2.1 调用 Gemini API；该标识符是稳定的，并且更新日志中针对 gemini-3.1-flash-image 的弃用条目正是将其列为迁移目标。不存在自托管途径，没有权重下载，也没有社区检查点，因为该图像系列没有任何一个模型是以这种方式发布的。

定价，全部来自 Google 定价页面的标准层级，并且全部由供应商报告：

• Token — 文本、图像和视频的输入为每 100 万 Token $1.50；文本和思考的输出为每 100 万 Token $7.50，图像的输出为每 100 万 Token $30.00。

• 每张图像 — 1K 时为 $0.0336，2K 时为 $0.0504，4K 时为 $0.113。Google 还公布了 1K 情况下的一个换算示例：1024×1024 的输出会消耗 1,120 个图像 token。

• 批量 — 标准费率的一半：每 1M 输入 $0.75，每 1M 图像 token $15.00，折算后每 1K / 2K / 4K 图像为 $0.0168 / $0.0252 / $0.0567，作为交换，周转时间最长可达 24 小时。

• Grounding — 图片本身没有单独列出的收费项。Google 将 Web 搜索和图片搜索 Grounding 与 Gemini 3 图像模型捆绑提供，每月 5,000 次免费搜索请求，由所有 Gemini 3 及更新模型共享，之后每 1,000 次请求收费 14 美元；检索到的上下文不按输入 token 计费。

• 免费层级 — 定价页面的“免费层级”一列中，上述所有数值均显示为“不可用”。此模型的图像输出没有任何免费额度。如果出现了免费额度，它只会显示在那里，而不会出现在其他任何地方。

• 系列内各档位对比——Nano Banana 2 Lite 为每 1K 张图像 $0.0336，与 2.1 的 1K 价格完全相同，但它并未公布 2K 或 4K 价格，因为它不支持这些尺寸。Nano Banana 2（Gemini 3.1 Flash Image）为每 1K $0.067、每 2K $0.101，因此在两者共有的每个尺寸上，2.1 都更便宜。Nano Banana Pro（Gemini 3 Pro Image）为每 1K 或 2K 图像 $0.134，4K 为 $0.24，大约是 2.1 在 2K 及以下费率的兩倍，在 4K 则略高于两倍。

• 为求完整，也提一下旧版成员——最初的 Nano Banana（gemini-2.5-flash-image）已弃用，定价页面上附有一则日期为 2026 年 10 月 2 日的停用通知。从任何仍在使用的意义上说，该模型都不算 2.1 以下的层级；如今该系列的入门之选是 Nano Banana 2 Lite。

这组数字中有一个对不上，值得指出这一点，而不是挑选那个更整齐的数字。Google 的定价页面声称，该模型上的 4K 图像消耗 3,780 个 token，并标价为每张 4K 图像 $0.113；这两者在每 100 万个图像 token 30 美元上是一致的。图像生成指南的按模型表格给出的 1K 和 2K token 数量与定价页面相同（1,120 和 1,680），但 4K 列为 2,520，按同样费率计算约为 $0.0756。两者都是 Google 的页面，却相互矛盾。价格才是应该抓住的数字，因为它是计费页面上列出的那个数字，而这一差异正是那种在据此构建成本模型之前，需要回到源头重新核对的情况。

还有一句话读者可能想看，就按其本来面目说清楚：Nano Banana 2.1 目前不在 OrcaRouter 的实时模型列表上，因此本页并未就“在这里调用它”作出任何声明。在该列表上的是它的直接前身，标识符为google/gemini-3.1-flash-image-preview，也就是那些字符串将迁移至 2.1 的模型。OrcaRouter 对所路由的模型按 0% 加价原样传递供应商标价，因此已路由模型上的厂商价格变动会在当天落到这里，而不是延迟落地——这正是 Google 持续对这一系列重新分档时值得核查的特性。

简短版本

Nano Banana 2.1 是 Google 的中端 Gemini 图像模型：输入文本、图像、视频和 PDF；输出图像和文本；支持 1K、2K 和 4K；最多 14 个参考对象，拆分为十个物体和四个角色；具备 Web 与 Image Search grounding；每个输出都带 SynthID；默认开启 thinking；每 1K 图像 $0.0336。它位于 Nano Banana 2 Lite 之上——后者与它同为 1K 价位，但最高只到 1K，且不具备 Search grounding——又位于 Nano Banana Pro 之下，后者的费率约为它的两倍，是通往复杂版式和精确文本的昂贵路径。它的标识符 gemini-nano-banana-2.1 是唯一不会误导你的名称——而附在它身上的那些质量说法只是 Google 的一面之词，未经复现。模型页面才是了解它究竟是什么的地方；如果你是因它与 Nano Banana 2 的质量差异而选择它，那么唯一能看到这一差异被权衡比较的地方是独立竞技场，而不是厂商的发布说明。