Gemini 3.1 Flash Image Preview（又名“Nano Banana 2”）是 Google 最新的先进图像生成和编辑模型，能以 Flash 速度提供 Pro 级视觉质量。它结合了……
Google：Nano Banana 2 是一款多模态模型，可同时处理图像和文本输入。它基于 Gemini 3.1 Flash 架构，强调快速推理。该模型接受图像上传（如照片、图表、截图）以及文本提示，并生成文本响应。其上下文窗口为 65,536 个 token，能够保留并处理中等长度的文档或图像序列。该模型托管在 OrcaRouter 上，可使用模型 ID…
Gemini 3.1 Flash 图像预览模型能够执行多种多模态任务，包括图像描述、视觉问答、文档理解（例如从发票或表格中提取信息），以及结合图像和文本分析的内容审核。它还能对图表进行推理，例如解读图形或流程图。作为一款 Flash 模型，它在速度上进行了优化，适用于需要快速响应的应用场景。不过，在复杂推理任务上，它的深度可能不及更大、更慢的模型。用户应根据具体使用场景评估该模型，以确认其性能表现。
上下文窗口为65,536个令牌。这意味着模型可以在单个提示中处理多达那么多令牌，包括文本和编码的图像数据。对于纯文本提示，这允许处理约50,000词的文档。对于多模态输入，图像令牌会消耗窗口的一部分，因此可用的文本容量会减少。每张图像的确切令牌成本未指定，但用户应考虑到图像会占用大量令牌。这种上下文大小使得能够处理带有图像的中等长度文档，但极长的文档或大量图像可能会超出限制。在这种情况下，可能需要分块或摘要。
如果您的任务不需要图像理解，仅使用文本模型（例如 Gemini 1.5 Flash 或类似模型）可能更便宜、更快速。此外，如果您的应用对延迟极其敏感且无需处理图像带来的额外开销，轻量级文本模型可能是更优选择。对于涉及复杂多图像推理或极高细节要求的任务，较大型的非 Flash 视觉模型可能以牺牲速度为代价提供更高精度。Flash 变体旨在平衡两者。用户应针对自身工作负载进行基准测试，以判断速度与质量之间的权衡是否值得。OrcaRouter 提供多种模型，查阅目录有助于发现替代方案。
Gemini 3.1 Flash 架构专为低延迟推理而优化。这使得该模型非常适合需要秒级响应的实时应用场景，如实时聊天助手、交互式问答系统或自动化审核工具。其速度优势源于架构设计上的精简——通过减少参数数量或优化注意力机制来降低计算开销。尽管未提供具体延迟数据，但 Flash 模型通常能比标准版本更快输出词元，从而缩短终端用户的等待感知时间。然而，实际速度取决于输入规模、图像复杂度以及 OrcaRouter 的服务器负载。开发者应使用代表性输入进行测试。
目前该特定模型尚未公开提供官方基准评分。由于这是一个预览版本（其名称中标注了“Image Preview”），谷歌可能尚未发布标准化的评估结果。用户不应假设其性能与其他Gemini Flash模型相同，因为图像预览变体在能力上可能存在差异。为了评估模型质量，OrcaRouter建议在您自己的数据集上运行自定义评估。多模态任务的常见指标包括VQA基准的准确率、字幕生成的BLEU分数或文档理解的F1分数。在没有基准的情况下，必须依赖经验性测试。
由于该模型基于Gemini 3.1 Flash构建，应具备该架构典型的强大文本生成能力，如连贯语言、摘要和推理。然而，作为多模态变体，其纯文本性能可能因图像处理分支的开销而与专用纯文本Flash模型有所差异。目前尚无对比基准可用。对于纯文本任务，用户可能会发现更简单的纯文本Flash模型能以更低成本和延迟提供相当或更好的质量。如果您主要处理文本，建议改用OrcaRouter上的gemini-3.1-flash或类似模型。
作为预览模型，它可能存在未经完整记录的约束或限制。已知的潜在局限包括：该模型在处理超高分辨率图像时可能不如专用视觉模型表现优异；由于上下文共享机制，在单条提示中处理多张图像时可靠性可能降低；且相较专业模型，它对提示措辞的敏感度更高。此外，作为快速推理模型，它可能以牺牲部分推理深度换取响应速度，因此在复杂的多步视觉推理任务中易出现错误。用户应全面测试边缘场景。OrcaRouter建议参照谷歌Gemini文档中的安全过滤机制及内容政策进行核查。
Gemini 3.1 Flash图像预览模型专为低延迟设计，但未公布具体的速度指标。与OrcaRouter上的其他Flash模型（例如Gemini 1.5 Flash或其他Flash变体）相比，图像处理功能可能会增加每次请求的延迟，因为需要对图像进行编码和注意力计算。然而，在Flash模型类别中，其速度应快于处理图像的非Flash大模型。对于需要兼顾速度与视觉功能的用户而言，该模型是合理的选择。若延迟至关重要且无需处理图像，纯文本Flash模型会更快。OrcaRouter的API提供了响应时间，客户可以监控自己的使用情况。
此模型在 OrcaRouter 上的定价由平台决定，且可能随时变化。通常，OrcaRouter 按处理的 token 数量（输入+输出）收费，并对图像 token 加收额外费用。对于多模态模型，每次请求的成本高于纯文本模型，因为图像会消耗大量 token。用户应查阅 OrcaRouter 的官方定价页面，了解 google/gemini-3.1-flash-image-preview 的当前费率。此处不提供具体的每 token 成本。建议通过测试样本请求并查看 API 响应头中报告的 token 使用情况来估算成本。
是的，图像输入会显著增加每次请求的令牌数量，因为每张图像会被分解成大量令牌（通常根据分辨率不同可达数百至数千个）。相比长度相近的纯文本提示，这直接提高了成本。如果您的应用仅需图像的文本描述即可满足需求，使用纯文本模型可能更经济。相反，如果图像理解必不可少，该模型提供了单一解决方案，无需组合两个独立服务。用户应权衡模型图像解读的质量与额外成本。OrcaRouter 可能为高用量客户提供使用折扣；请联系他们了解详情。
OrcaRouter 可能提供提示缓存或会话复用等功能，以减少图像令牌的冗余处理。然而，该模型的具体实现细节并未公开记录。在重复发送相同图像的应用场景中（例如，固定文档的问答机器人），缓存可以显著降低成本。用户应向 OrcaRouter 的支持团队咨询缓存功能。此外，OrcaRouter 可能提供分层定价或月度计划，以降低承诺使用量的每令牌成本。建议用户查阅服务条款或联系销售团队，以获取精确的成本优化策略。
要使用该模型，请向OrcaRouter的OpenAI兼容API端点发送HTTP POST请求：https://api.orcarouter.ai/v1/chat/completions。将模型参数设置为"google/gemini-3.1-flash-image-preview"。在Authorization标头中包含您的API密钥（Bearer令牌）。请求体应包含一个messages数组，其中每条消息可以包含role（system、user、assistant）和content。对于图片，请包含一个类型为"image_url"的对象，以及图片URL或base64数据。例如："content": [{"type": "text", "text": "描述这张照片"}, {"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,..."}}]。API将返回标准的聊天补全响应。
API支持标准的OpenAI聊天完成参数：model、messages、max_tokens、temperature、top_p、stop、stream等。对于图像输入，content数组必须包含类型为"image_url"的对象。image_url对象可以包含公共URL或base64编码的数据URI。OrcaRouter可能还支持可选参数，如max_image_tokens或detail设置（类似OpenAI的low/high），但尚未确认。有关多模态模型特有的其他参数，请参考OrcaRouter的API文档。响应中包含使用信息，如prompt_tokens（包括图像tokens）、completion_tokens和total_tokens，这些信息有助于成本监控。
从谷歌原生 Vertex AI 或 AI Studio API 迁移至 OrcaRouter，需要更改基础 URL 和模型标识符。将谷歌端点替换为 https://api.orcarouter.ai/v1/chat/completions。将模型名称改为 "google/gemini-3.1-flash-image-preview"。认证方式：将谷歌服务账号凭证替换为 OrcaRouter API 密钥。请求格式变为 OpenAI 兼容：使用包含角色和内容的 messages 数组。如果之前使用谷歌的多模态输入格式，需将图片转换为上述的 image_url 格式。大多数 SDK（如 OpenAI Python）只需简单配置更新即可使用。在生产环境迁移前，先用小负载测试以验证行为。
OrcaRouter 使用 API 密钥进行身份验证。您必须从 OrcaRouter 仪表盘获取 API 密钥，并将其包含在请求头中，格式为：`Authorization: Bearer YOUR_API_KEY`。API 密钥应保密，不得暴露在客户端代码中。对于服务器间通信，请使用环境变量。OrcaRouter 可能提供速率限制和使用配额，请检查您的账户设置。无需额外的 OAuth 流程或 Google 特定认证。API 密钥与您的 OrcaRouter 账户及计费方案绑定。如果超出速率限制，您可能会收到 HTTP 429 状态码，请相应实现重试逻辑。
标准版Gemini 3.1 Flash是纯文本模型（可能在新版本中支持有限的视觉功能）。Image Preview变体明确增加了视觉能力，适用于多模态任务。作为交换，图像预览模型可能具有略微不同的内部架构，并因图像处理导致更高的延迟或成本。对于纯文本任务，标准Flash可能更快更便宜，且可能提供相同或更优的质量。用户仅在需要图像输入时应选择图像预览变体。OrcaRouter提供两种模型；请比较其模型ID。
在OrcaRouter上，其他多模态模型包括GPT-4V、Claude 3 Vision和Gemini Pro Vision，以及一些开源变体。Gemini 3.1 Flash Image Preview被定位为GPT-4V等大型视觉模型的快速、低成本替代方案。它可能在推理深度上有所取舍，以换取速度和价格优势。与专门的图像描述模型相比，该模型提供了更通用的多模态聊天体验。对于OCR或细粒度视觉识别等特定任务，专用模型（如Google自家的文档AI）可能表现更佳。用户应根据自身用例进行评估：这款闪速模型最适合对速度要求高、且中等视觉能力即可满足的应用场景。
OrcaRouter 为该 Google 模型提供了统一的 OpenAI 兼容 API，若您已使用该接口，可简化集成过程。您无需直接管理 Google Cloud 资源、IAM 权限或独立的 SDK。OrcaRouter 可能提供额外功能，如负载均衡、缓存、备用模型以及统一计费。它还能聚合多个提供商，让您无需修改代码即可轻松切换模型。针对此特定模型，OrcaRouter 负责处理与 Google 基础设施的后端连接，并可能优化路由。然而，使用第三方网关会引入依赖关系，并可能增加轻微的延迟开销。请评估便利性是否值得放弃直接访问。
当您的应用需要结合文本理解视觉内容（例如分析照片、图表或扫描文档）时，可选择此模型。如果您的任务涉及将图像作为推理过程的一部分（例如，在读取截图的客户支持机器人中），该模型可避免使用单独的视觉 API。然而，如果您的图像仅是装饰性的或可通过文字描述，纯文本模型将更经济且速度更快。此外，如果您在特定视觉任务（如细粒度物体识别）上需要极高的准确度，专门的计算机视觉模型会更优。本模型提供了一种便捷的折中方案。
https://api.orcarouter.aiinclude_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetop_p| 每次请求 | $0.1510 |
| 货币 | USD |
| 每次 API 调用统一计费(图像生成模型) | |
GET /api/public/models/google/gemini-3.1-flash-image-preview打开 @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