Gemini 中文文档什么是 Nano Banana：Gemini 图片模型家族入门指南
先说一件几乎每个用 AI 生过图的人都踩过的坑。
你花了十分钟，终于生成了一张满意的人物图。然后你想只把背景换成咖啡馆。改完一看——背景对了，脸变了。你试图改回来，脸回来了，衣服又变了。来回到第七版，你盯着屏幕上那个既像又不像的人，陷入一种很微妙的自我怀疑。
我干过这事，而且不止一次。
所以当我知道有个模型专门解决这个问题、而且它现在已经是 Gemini 默认的生图引擎时，我的第一反应是：这名字认真的吗？
它叫 Nano Banana（纳米香蕉）。
一个能让你的角色形象在十几次编辑后保持不变的模型，叫"小香蕉"。Google 的命名部门大概是真的很有自信。
什么是 Nano Banana
一句话：Nano Banana 不是某个单独的产品，而是 Gemini 内部那组"原生图片生成模型"的对外昵称。
它最早是个内部代号，结果因为太好记被用户叫开了，Google 索性认领，现在官方文档里就直接用这个名字。你在 Gemini 里点"生成图片"、在 Google 搜索的 AI 模式里出图、在 Lens 里玩视觉问答、在 Flow 里做分镜，背后跑的都是它。2026 年 9 月 10 日刚发布的 Windows 版 Gemini 桌面应用里，那个能直接给你做 PPT 配图的功能，用的也是它。
换句话说：你很可能已经在用 Nano Banana 了，只是不知道它叫这个名字。
这里有个容易搞混的点，先说清楚——不是所有 Gemini 模型都会画图。像 gemini-3.7-flash、gemini-3.8-flash 这类通用模型，官方明确写了不支持图片生成。画图得用专门带 -image 后缀的那几款。
2026 年 9 月在役的三款
截至 2026 年 9 月，Nano Banana 家族实际在跑的是三款，各自有独立的 API ID：
| 消费名 | API ID | 发布时间 | 定位 | 输出分辨率 |
|---|---|---|---|---|
| Nano Banana 2 | gemini-3.1-flash-image | 2026-02-26 | 默认主力，速度与质量均衡 | 512 / 1K / 2K / 4K |
| Nano Banana 2 Lite | gemini-3.1-flash-lite-image | 2026-06-30 | 最便宜最快，走量用 | 1K（512 仅部分渠道） |
| Nano Banana Pro | gemini-3-pro-image | 2025-11-20 | 旗舰，复杂画面与 4K | 1K / 2K / 4K |
另外还有个"前任"：初代 Nano Banana（gemini-2.5-flash-image），2025 年 8 月发布，2026 年 2 月被 Nano Banana 2 取代默认位置，官方已标记弃用，2026 年 10 月正式关停。如果你代码里还写着这个 ID，现在就该改了。
它的特点，一条一条说
- 对话式改图：不是"生成一次不满意就重来"，而是像聊天一样接着改。"把车改成敞篷"→"再换个黄色"，上下文和主体都还在
- 角色一致性：这是它起家的本事。Nano Banana 2 最多支持 4 张角色参考图，Pro 支持 5 张，用来锁住人物长相
- 文字终于能看了：以前 AI 画图最怕画面里有字，现在能渲染高质量文字，包括长字符串——海报、信息图有救了
- 参考图拼装：2 和 2 Lite 最多 10 张物体参考图，Pro 最多 6 张物体 + 3 张风格参考，把指定的东西塞进最终画面
- 图文交织输出：一次请求同时返回文字和图片，比如一边写菜谱一边配图，不用把两个模型串起来
- 4K 输出：2 和 Pro 都能出 4K，Pro 在 4K 档的精细度是天花板
- 接地搜索：Pro 和 2 支持 Google Search 接地，画"今天的某地标"这类需要实时知识的内容不会瞎编
- 视频输入：2 和 2 Lite 支持喂视频进去（Pro 反而不支持），可以从视频里取素材
- 全部带 SynthID 水印：所有生成图片都嵌入 SynthID 隐式水印，肉眼看不见但可检测
- 结构化输出：只有 Pro 支持返回 JSON，方便接到自动化流程里
大概要花多少钱
这块是我最想讲清楚的，因为官方定价是按 token 算的，不是按张算的，很多人第一次看会懵。
| 模型 | 输入价 | 输出价 | 折算单张（实测） | 单张耗时 |
|---|---|---|---|---|
| Nano Banana 2 | $0.50 / 百万 token | $3.00 / 百万 token | 约 $0.067 | 9–14 秒 |
| Nano Banana 2 Lite | $0.25 / 百万 token | $1.50 / 百万 token | 约 $0.034 | 3–4 秒 |
| Nano Banana Pro | $2.00 / 百万 token | $12.00 / 百万 token | 1K/2K 约 $0.134，4K 约 $0.24 | 15–87 秒 |
上面"折算单张"和耗时来自第三方在 2026 年 9 月 9 日用同一组 12 个提示词实测：跑完 12 张，Nano Banana 2 花 $0.96，2 Lite 花 $0.408，Pro 花 $1.80。价格会随分辨率和提示词长度浮动，但量级是准的。
几个必须知道的现实：
- API 没有免费额度，三款都是。Gemini API 的图片模型强制要求开通 Blaze 随用随付方案。
- 但在 Gemini 应用里是免费的——免费档就能用 Nano Banana 2 出 1K 图；Pro 需要 Google AI Plus / Pro / Ultra 订阅。
- Pro 的 4K 是真贵，单张能到 $0.24，是 2 Lite 的 7 倍。别拿它跑批量。
真实用得上的几个场景
场景一：电商批量出图（2 Lite）
某家居品牌要给 300 个 SKU 各出一张场景图，要求不高，1K 够用。用 2 Lite：3–4 秒一张，串行跑完 300 张约 20 分钟，成本约 $10。如果换成 Pro，同样 300 张要 $40 起步，而且按 15 秒/张算得跑一个多小时。
这种"数量大、精度低、反正还要再挑"的活，就该给最便宜的那档。
场景二：海报与信息图（Pro）
要做一张带大段中文标题的活动海报。这是 Pro 的主场：文字渲染准确、支持 4K、还能用 Google Search 接地把"活动地点周边实景"画对。单张 $0.134–0.24 看着贵，但对比设计师改三版的时间成本，几乎可以忽略。
顺带说一句，Pro 是三款里唯一支持 JSON 结构化输出的，意味着你可以把它嵌进自动化流水线，出完图直接把元数据写回数据库。
场景三：系列内容保持角色一致（2）
做儿童绘本或者品牌 IP 形象，最怕的就是"每页长得不一样"。Nano Banana 2 支持 4 张角色参考图，先把主角形象喂进去锁住，后面每一页都基于它生成。这正是它 2025 年第一次亮相时的主打能力，到现在依然是最好用的那档。
这也是开头那个"改七版脸就变了"问题的正解。
场景四：从视频里取素材（2 / 2 Lite）
这个能力有点被低估：2 和 2 Lite 支持视频输入。你可以把一段产品视频丢进去，让它基于视频里的某个画面生成配套的宣传图，风格天然对得上。Pro 反而不支持这个。
场景五：桌面端现场造图
配合 9 月 10 日刚上线的 Windows 版 Gemini 桌面应用，做 PPT 到第 8 页缺配图时，直接在工作区里用 Nano Banana 生成，不用切浏览器、不用下载、不用拖文件。
我越来越觉得，这类"把能力塞到你手边"的动作，比单纯提升模型跑分更能改变实际使用量。
快速上手：两条路
路线 A：不写代码（推荐先走这条）
- 打开 Gemini 应用 或桌面客户端
- 直接说"生成一张……"，或上传一张图再说"把它改成……"
- 接着用对话继续改，别重新开一轮
先在这儿玩明白"对话式改图"是什么感觉，再决定要不要接 API。 很多人上来就写代码，结果连自己想要什么效果都没想清楚。
路线 B：接 API
去 Google AI Studio 拿 API Key，然后：
from google import genai
from google.genai import types
client = genai.Client(api_key="YOUR_API_KEY")
response = client.models.generate_content(
model="gemini-3.1-flash-image", # Nano Banana 2
contents="一只橘猫在窗台上晒太阳，午后光线，写实风格",
config=types.GenerateContentConfig(
response_modalities=["IMAGE"], # 只要图
image_config=types.ImageConfig(image_size="2K"), # 注意 K 必须大写
),
)想同时拿到文字说明，就把 response_modalities 改成 ["TEXT", "IMAGE"]，这就是前面说的图文交织。
几个会让你卡住的坑
1. 分辨率的 K 必须大写。 写 1k 会被直接拒绝，512 这个档位反而不带 K。这种细节报错信息还很不友好，能气死人。
2. 通用模型不能画图。 别拿 gemini-3.8-flash 去生成图片，会失败。认准 -image 后缀。
3. 输出固定 PNG。 想要 JPEG 得自己转。
4. 多轮编辑会累积成本。 每一轮改图，上一轮的图会作为输入 token 重新计费。改 10 版的成本远高于生成 10 张新图——这点在跑自动化流程时一定要算进去。
5. 初代 10 月关停。 gemini-2.5-flash-image 别再用了，迁移到 gemini-3.1-flash-image。
我的选择建议
如果只记一句话：默认用 Nano Banana 2，走量用 2 Lite，要 4K 和复杂文字才上 Pro。
Nano Banana 2 大概占了 Pro 一半的价格，质量差距却没那么明显，它成为 Gemini 应用、搜索 AI 模式、Lens、Ads、Flow 的默认引擎不是没原因的。Pro 更像是"关键时刻才请出来的专家"，不是日常口粮。
至于 2 Lite，它的价值在于让你敢批量试错。3 秒一张、$0.034 一张，意味着你可以一口气生成 50 个构图方向挑一个，这种自由度才是创意工作真正需要的。
进阶
更多开源技术干货和学习资料，关注公众号「遇码」，领取专属福利。