Nano Banana Pro 是谷歌最先进的图像生成和编辑模型，基于 Gemini 3 Pro 构建。它扩展了原版 Nano Banana，显著提升了多模态推理、真实世界基础，以及……
该模型是谷歌即将推出的专注于图像理解的Gemini 3 Pro变体的预览版本。它接受图像和文本输入并生成文本输出。"Nano Banana Pro"是内部代码名；OrcaRouter的模型ID为"google/gemini-3-pro-image-preview"。作为预览版，它可能缺少最终生产模型的某些优化或功能。该模型专为希望早期测试多模态能力的开发者设计。
模型可以详细描述图像内容，回答关于图像中物体、场景、颜色和可见文本（例如读取标志或标签）的问题。它支持视觉推理任务，如比较两张图像、识别差异或从视觉线索中进行推断。它还能分析图表和图示，尽管在处理复杂的科学图形时准确性可能有所差异。
强大的用例包括：1) 用于无障碍工具的实时图像描述；2) 电子商务中的视觉搜索和产品分类；3) 处理包含手写或打印文本的文档（表格、收据、发票）；4) 解释图表或照片的教育工具。该模型在清晰、照明良好的图像以及具体、细粒度的提示下表现最佳。
如果你的任务不涉及图像（例如纯文本生成、摘要、翻译），那么纯文本模型（如标准 Gemini 或 Llama 变体）将更具成本效益。对于无需自然语言推理的简单图像分类，使用延迟更低的专用视觉模型可能更合适。此外，如果你需要高频请求的低延迟，较小规模的多模态模型可能是更好的选择。
作为预览，此模型的功能调用支持尚未确认。OrcaRouter 的 API 支持与 OpenAI 相同的工具定义，但底层模型可能无法可靠地执行函数调用。在依赖工具使用之前，请进行充分测试。通过兼容 OpenAI 的格式支持结构化输出（JSON 模式），但输出质量会有所差异。
Nano Banana Pro（Gemini 3 Pro 图像预览版）的基准测试分数尚未公开发布。作为预览模型，它可能未在 MMLU、VQAv2 或 COCO Captions 等标准基准上进行评估。开发者应使用具有代表性的数据自行评估其性能。最终发布的 Gemini 3 Pro 版本预计会有改进。
延迟取决于图像大小、输入长度和OrcaRouter的当前负载。与纯文本模型相比，图像处理增加了额外开销。平均而言，一个包含一张中等分辨率图像和100个文本令牌的请求，可能需要几秒钟才能生成第一个令牌，然后流式传输其余部分。此预览版没有发布每秒令牌数的数据。使用较小的图像并批量处理请求以最小化延迟。
该模型擅长识别图像中的物体、人物和文字。它能推理空间关系，并回答需要结合视觉与文本信息的问题。早期反馈表明，它在基于照片的查询和文档理解任务上表现良好。其大上下文窗口支持多图像对话。
作为预览版本，该模型可能会产生意外输出或对图像生成不存在的细节（例如，声称存在实际不存在的物体）。它可能难以处理低分辨率、模糊或高度抽象的图像。复杂的多步视觉推理（例如，手写数学公式）可能不可靠。该模型不支持音频或视频输入。此预览版本没有微调选项。
定价由OrcaRouter根据google提供商的每token成本设定。输入token通常比输出token便宜。图片token比文本消耗更多输入token——每张图片会进行平铺处理。请查阅OrcaRouter官方定价页面了解当前费率。此模型无免费套餐，按请求付费。
因为图像处理是令牌密集型的，如果发送大量高分辨率图像，成本会迅速累积。为控制成本：降低图像分辨率、限制每次请求的图像数量、使用简短的提示文本。对于不需要图像的任务，可以考虑纯文本模型。OrcaRouter 可能提供重复图像嵌入的缓存功能（详情请查阅文档）。
OrcaRouter 可能会对频繁使用的图像嵌入实现缓存，但此预览模型的缓存行为尚未记录在案。通常情况下，相同 URL 的相同图像输入可在提供方侧缓存，从而降低重复请求的令牌成本。有关具体详情，请联系 OrcaRouter 支持。缓存行为因模型而异，且不保证适用于预览模型。
图像Token消耗与覆盖图像所需（调整大小后）的256×256区块数量成正比。一张512×512的图像使用4个区块（每个区块4个输入token？未提供——具体公式取决于模型）。OrcaRouter可能会在API响应中的usage字段提供token数量。用你自己的图像进行实验，估算每次请求的成本。
使用位于 https://api.orcarouter.ai/v1 的 OpenAI 兼容端点，并配合你的 API 密钥。将模型设置为 "google/gemini-3-pro-image-preview"。使用包含文本和图像部分的 messages 数组格式化请求。图像以 base64 数据 URL 或带有 image_url 对象的 URL 形式传入。示例：{"model":"google/gemini-3-pro-image-preview","messages":[{"role":"user","content":[{"type":"text","text":"描述这张图片"},{"type":"image_url","image_url":{"url":"data:image/png;base64,..."}}]}]}。支持流式输出。
标准OpenAI参数：temperature (0–2)、top_p、max_tokens（最大为上下文窗口减去提示令牌数）、停止序列、frequency_penalty、presence_penalty。模型还接受"seed"参数以实现确定性输出（不保证）。参数支持取决于模型；某些参数可能被忽略或具有不同的默认值。使用您想要的配置进行测试。
将您的base URL从https://api.openai.com/v1更改为https://api.orcarouter.ai/v1，将您的API密钥更新为OrcaRouter密钥，并将模型名称更改为"google/gemini-3-pro-image-preview"。消息结构（包含文本和image_url的content数组）是相同的。如果您使用openai Python之类的库，只需修改base_url和api_key。注意：速率限制不同。
身份验证通过 API 密钥进行，需将其放在 Authorization 标头中（格式：Bearer your_key）。速率限制按密钥计算，并取决于你的套餐。超出限制时，API 会返回 429 状态码。模型提供商无需额外验证——OrcaRouter 负责管理路由。在生产环境中，请使用专用密钥并在 OrcaRouter 仪表盘中监控使用情况。
两者均为多模态模型（输入图像+文本，输出文本）。GPT‑4V 是成熟的正式产品，拥有更广泛的基准测试数据；Nano Banana Pro 为预览版，其真实能力尚不明确。上下文窗口方面：GPT‑4V 最多支持 128k tokens，而该模型为 65k。GPT‑4V 支持更高分辨率的图像。但该模型可能在成本上更具优势，并具备不同的推理能力特点。直接对比需要基于具体任务进行评估。
OrcaRouter 提供多种多模态模型（如 Claude 3 Vision、Llama 3.2 Vision）。此 Google 预览版采用独特的基于 Gemini 的架构，可能在处理特定 Google 相关任务（例如理解 Google Docs 截图）时表现优异。其上下文窗口为部分竞品的一半。定价和延迟因模型而异；请查看 OrcaRouter 的对比表格了解各模型费率。
核心优势在于无需单独的视觉编码器即可直接输入图像，可在单条提示中融合视觉上下文与文本。相较于串联两个不同模型，这降低了系统复杂度。但纯文本模型在处理无需图像的场景时更经济高效。最终应依据任务是否需要视觉理解能力进行选择。
Gemini 2 Pro 是一款拥有长期稳定表现的生产模型。本次预览版让您一窥 Gemini 3 Pro 的架构，并在某些方面展现出不同优势（例如对特定图像类型的处理更佳）。但请注意，这是一款预览版——稳定性和支持有限。对于生产部署，通过 OrcaRouter 使用 Gemini 2 Pro 更为安全。请将此预览版用于早期测试和反馈。
https://api.orcarouter.aimax_tokensresponse_formatseedstopstructured_outputstemperaturetop_p| 每次请求 | $0.2400 |
| 货币 | USD |
| 每次 API 调用统一计费(图像生成模型) | |
@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