Nano Banana 2

Nano Banana 2 Bildbearbeitungs-API auf E2X

Nano Banana 2 ist Googles gemini-3.1-flash-image, und seine Editing-Capability ist das Arbeitspferd unseres Bildkatalogs. Wir stellen sie als google/nano-banana-2/edit-image bereit, wir berechnen $0.04 pro bearbeitetem Bild beim 1K-Default, und ein einzelner Request kann bis zu vierzehn Quellbilder tragen. fal.ai führt dasselbe Modell zu $0.08.

Kein Quellbild zur Hand? Dann wollen Sie stattdessen Nano Banana 2 text-to-image — dasselbe Modell, derselbe Preis, nur Prompt.

Einmal deutlich gesagt, weil Anbieterkataloge das durcheinandergebracht haben: Das hier ist nicht Nano Banana Pro. Pro ist gemini-3-pro-image, an der Quelle ungefähr doppelt so teuer. Wenn die Tabelle einer anderen Seite „Nano Banana 2“ mit den Specs von Pro zeigt, prüfen Sie die Gemini-Modell-ID darunter.

Unsere Preise mit Stand 26. August 2026:

Preise und Produktbedingungen können sich ändern. Prüfen Sie vor einer Kaufentscheidung die aktuellen Preise des jeweiligen Anbieters. Die Batch- oder Flex-Preise von Google sind einem standardmäßigen On-Demand-API-Request nicht direkt gleichwertig, da Zeitplanung, Verfügbarkeit und Verarbeitungsbedingungen abweichen; sie sind deshalb von diesem Vergleich ausgenommen. Dies ist ein Vergleich mit klar umrissenem Rahmen und keine Behauptung, dass E2X in jeder Konfiguration die weltweit günstigste Option ist.

Was diese Zahl bewegt, ist die Auflösung, in festen Schritten:

Sehen Sie, wo das landet: Eine 4K-Bearbeitung bei uns kostet so viel, wie fal.ai für eine in 1K verlangt. Die maschinenlesbare Spezifikation spiegelt diese Werte.

Was der halbe Pro-Preis tatsächlich kauft

Google bepreist gemini-3.1-flash-image auf exakt die Hälfte von gemini-3-pro-image, und der Unterschied bei den Fähigkeiten ist viel kleiner als der Unterschied beim Preis. Beim Editing wird diese Asymmetrie sogar noch günstiger — Sie transformieren ein Bild, das bereits richtig aussieht, das Modell muss also weniger erfinden.

Die Teile, auf die es in einer Pipeline ankommt:

• Vierzehn Quellbilder in einem Call. Setzen Sie ein Motiv, ein Produkt und eine Hintergrundreferenz zusammen, ohne drei Requests zu verketten und die Zwischenergebnisse zu betreuen. Es gibt keine erzwungene Rollenaufteilung — Sie entscheiden, wofür jeder Anhang steht, und sagen es im Prompt.
• Ausgabe bis 4K. Das ist der entscheidende Abstand zur günstigeren Lite-Stufe, die überhaupt keinen resolution-Parameter anbietet — 1K ist alles, was sie zurückgibt. Wenn ein bearbeitetes Asset in den Druck oder in einen Retina-Hero-Slot muss, ist Lite raus.
• Thinking Mode, bevor es malt. Das Modell denkt darüber nach, was Sie geändert haben wollen. Deshalb hält eine sauber umrissene Bearbeitung die unangetasteten Regionen, statt sie klammheimlich neu zu generieren.
• Search-Grounding, Image Search inklusive. Nützlich, wenn eine Bearbeitung etwas Reales treffen muss — ein bestimmtes Gebäude hinter Ihrem Motiv, eine tatsächlich existierende Produktvariante.

Die mediane Latenz liegt bei rund 8,4 Sekunden. Function Calling wird nicht unterstützt, eine Agent-Schleife muss dieses Modell also von außen orchestrieren.

API-Request: Bearbeiten mit Referenzen

Zwei Felder sind Pflicht: prompt und image_urls. Halten Sie Ihren Key serverseitig und schicken Sie den Job los.

curl -X POST https://api.e2x.ai/v1/jobs/submit \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/nano-banana-2/edit-image",
    "input": {
      "prompt": "Bild 1 ist der Sneaker, Bild 2 ist die Oberflächenreferenz. Stelle den Sneaker auf den nassen Beton aus Bild 2 und passe die Spiegelungen an. Verändere weder den Schuh noch sein Logo.",
      "image_urls": [
        "https://example.com/sneaker.png",
        "https://example.com/concrete.jpg"
      ],
      "aspect_ratio": "1:1",
      "resolution": "2k"
    }
  }'

Das Einreichen liefert eine Job-ID zurück. Pollen Sie, bis sie sich setzt:

const headers = {
  Authorization: `Bearer ${process.env.E2X_API_KEY}`,
  "Content-Type": "application/json",
};

const submitted = await fetch("https://api.e2x.ai/v1/jobs/submit", {
  method: "POST",
  headers,
  body: JSON.stringify({
    model: "google/nano-banana-2/edit-image",
    input: {
      prompt: "Ändere die Jahreszeit vor dem Fenster in tiefen Winter. Lass den Raum, die Möbel und die Person exakt so, wie sie sind.",
      image_urls: ["https://example.com/interior.jpg"],
      aspect_ratio: "3:2",
      resolution: "1k",
    },
  }),
}).then((r) => r.json());

const jobId = submitted.data.jobId;

for (;;) {
  const job = await fetch(`https://api.e2x.ai/v1/jobs/${jobId}`, { headers })
    .then((r) => r.json());
  if (job.data.status === "completed") {
    console.log(job.data.outputs[0].url);
    break;
  }
  if (job.data.status === "failed") {
    throw new Error(job.data.error?.message ?? "Edit failed");
  }
  await new Promise((r) => setTimeout(r, 1500));
}

Die Status gehen pending → processing → completed oder landen auf failed / cancelled. Übergeben Sie eine webhookUrl im Submit-Body, dann rufen wir Sie stattdessen zurück.

Schema-Details, die man festnageln sollte: image_urls ist ein Array, auch bei einer einzigen Quelle, unser Default für aspect_ratio ist 9:16 statt des Verhältnisses des Quellbilds, und die resolution-Werte sind kleingeschrieben. Dieser Default ist der, der die Leute überrascht — schieben Sie ein Querformat-Foto hinein, ohne ihn zu setzen, und es kommt als Hochformat-Crop zurück.

Die Wahl zwischen unseren Bildbearbeitungsmodellen

Nano Banana 2 ist unsere Standardempfehlung fürs Editing, aber es ist nicht für jeden Job die richtige Antwort. Das betreiben wir sonst noch:

Wenn Ihre Bearbeitungen Hintergrundwechsel und Farbkorrekturen in 1K sind, wechseln Sie zu Nano Banana 2 Lite — rund 40 % günstiger, gleichauf bei Text und Referenzkonsistenz, und im Volumen ist dieser Abstand die ganze Marge. Zwei Gründe dagegen: Lite endet für immer bei 1K, und es wird unzuverlässiger, sobald ein Prompt mehrere Objekte korrekt platzieren soll. Dieser zweite Fehler ist subtil, testen Sie also Ihren eigenen schlimmsten Prompt, statt einem Benchmark zu vertrauen.

Gehen Sie hoch auf Nano Banana Pro, wenn lesbare Wörter im Bild das Ergebnis sind. Ignorieren Sie die Legacy-Zeile, sofern Sie nicht darauf festsitzen: Google stuft gemini-2.5-flash-image inzwischen als Legacy ein und empfiehlt stattdessen Nano Banana 2 Lite — neuer und günstiger zugleich. Der Rest steht in der Kategorie Bildbearbeitung und im größeren Modellkatalog.

Edit-Prompts schreiben, die halten

Der aus der Generierung mitgebrachte Reflex ist, das fertige Bild zu beschreiben. In einer Bearbeitung konkurriert das mit der Quelle, und Sie bekommen ein driftendes Re-Rendering statt der Änderung, um die Sie gebeten haben.

Sagen Sie, was sich ändert, und sagen Sie dann, was nicht. Die geschützten Regionen zu benennen, ist nicht optional — das Modell hält ein Gesicht, ein Logo oder ein Etikett weit besser, wenn Sie ihm sagen, dass sie tabu sind.

Indizieren Sie Ihre Anhänge im Prompt. „Bild 1 ist das Motiv, Bild 2 ist ausschließlich eine Lichtreferenz“ ist das einzige Signal, das das Modell über Ihre Absicht bekommt; ohne das wird Anhang drei zu einem weiteren Motiv, das mit hineingehört.

Verkettete Bearbeitungen sind der Ort, an dem Qualität leise wegsickert. Jeder Durchgang kodiert neu, und kleine Identitätsdrift summiert sich über vier oder fünf Runden. Falten Sie eine Sequenz in einen einzigen Request mit allen Referenzen zusammen — es kostet so oder so $0.04, und das Ergebnis aus einem Durchgang ist meist sauberer.

Bevor Sie live gehen

Jede bearbeitete Ausgabe trägt ein SynthID-Watermark. Google bringt es bedingungslos auf, und kein Anbieter — wir eingeschlossen — stellt ein Flag bereit, um es zu deaktivieren. Wenn ein Vertrag KI-generierte Assets untersagt, klären Sie das, bevor Sie die Integration schreiben.

Achten Sie auf Ihre Input-Qualität. Eine weiche, überkomprimierte Quelle begrenzt die Ausgabe, egal welche resolution Sie anfordern; 4K aus einem 600-px-JPEG zu verlangen, kauft Ihnen ein teures Upscale der Fehler des Originals.

Prüfen Sie aspect_ratio bei jeder Migration neu. Unser Default ist Hochformat, Anbieter unterscheiden sich, und ein still umgerahmter Batch ist genau die Sorte Bug, die einem erst nach der Veröffentlichung auffällt.

Häufig gestellte Fragen

Was ist Nano Banana 2 Bildbearbeitung?

Es ist die Editing-Capability von Googles Modell gemini-3.1-flash-image, in unserer API als google/nano-banana-2/edit-image bereitgestellt. Sie schicken ein oder mehrere Quellbilder plus eine Anweisung, und es gibt ein verändertes Bild mit bis zu 4K zurück.

Was kostet eine Bearbeitung auf E2X?

Unser 1K-Default liegt bei $0.04 pro bearbeitetem Bild; 2K kostet $0.06 und 4K kostet $0.08. Das waren die Preise beim Check am 26. August 2026. Preise ändern sich, prüfen Sie sie also auf der aktuellen Modellseite, bevor Sie ein Budget festlegen.

Wie viele Quellbilder nimmt ein Request auf?

Bis zu vierzehn in einem einzigen Call. Es gibt keine erzwungene Rollenaufteilung zwischen ihnen — Sie sagen dem Modell im Prompt, welcher Anhang das Motiv ist, welcher ein Hintergrund und welcher nur Stilreferenz.

Kann Nano Banana 2 Bearbeitungen in 4K erzeugen?

Ja — unser resolution-Enum akzeptiert 1k, 2k und 4k, und eine 4K-Bearbeitung kostet $0.08. Das ist der Hauptgrund, es Nano Banana 2 Lite vorzuziehen, das keinen resolution-Parameter hat und immer nur 1K zurückgibt.

Ist E2X für dieses Modell günstiger als fal.ai?

Für die vergleichbaren On-Demand-Preise, die wir an diesem Datum geprüft haben: ja — $0.04 bei uns gegen $0.08 bei fal.ai, eine Ersparnis von 50 % bei einem gleichwertigen 1K-Request. Batch-Produkte, Aktionspreise und abweichende Tarife sind nicht Teil dieses Vergleichs.

Tragen bearbeitete Bilder ein Watermark?

Ja. Jede Ausgabe enthält ein SynthID-Watermark, Googles unmerklichen Marker für KI-generierte Inhalte. Kein Anbieter bietet einen Parameter an, um es zu entfernen.

Warum kam mein Querformat-Foto im Hochformat zurück?

Weil unser Default für aspect_ratio 9:16 ist und nicht das Verhältnis des Quellbilds. Setzen Sie aspect_ratio in jedem Request explizit — das ist mit Abstand die häufigste Überraschung, wenn Leute eine Editing-Pipeline zu uns portieren.

Ist die Editing-API synchron?

Nein. Sie reichen einen Job ein und pollen entweder /v1/jobs/{id} oder geben eine webhookUrl für einen Callback mit. Abgeschlossene Jobs legen das Ergebnis unter data.outputs[0].url ab; die mediane Modelllatenz liegt bei rund 8,4 Sekunden.