Nano Banana 2

API Nano Banana 2 Text-to-Image sur E2X

Nano Banana 2, c'est le gemini-3.1-flash-image de Google, et c'est le palier vers lequel nous orientons la plupart des gens en premier. Nous l'exposons sous google/nano-banana-2 — le slug nu, sans suffixe de capability — et nous facturons $0.04 par image générée à notre résolution 1K par défaut. C'est la moitié du prix de fal.ai pour la même requête, et cela vous offre un modèle qui rend du texte lisible dans l'image, accepte quatorze références et monte jusqu'à la 4K.

Vous avez déjà une image à modifier plutôt qu'à remplacer ? Nano Banana 2 edit-image, ce sont les mêmes poids au même prix, avec un champ image_urls en plus.

Un avertissement de nommage avant les chiffres. Nano Banana 2 n'est pas Nano Banana Pro. Pro, c'est gemini-3-pro-image, un modèle distinct et plus cher, et certains catalogues — fal.ai parmi eux — l'ont étiqueté « Nano Banana 2 » sur certaines pages. Comparez l'ID de modèle Gemini, pas le nom marketing.

Voici où se situait notre prix lors de notre dernière vérification, le 26 août 2026 :

Les prix et les conditions produit peuvent changer. Vérifiez les tarifs en vigueur de chaque provider avant toute décision d'achat. La tarification Google Batch ou Flex n'est pas directement équivalente à une requête API on-demand standard, car les conditions de planification, de disponibilité et de traitement diffèrent ; elle est donc exclue de cette comparaison. Il s'agit d'une comparaison délimitée, et non d'une affirmation selon laquelle E2X serait l'option la moins chère au monde dans toutes les configurations.

resolution est le seul facteur de facturation, et l'échelle est fixe :

Nous restons 50 % sous fal.ai sur chaque barreau — 4K compris. Les mêmes chiffres figurent dans la spécification lisible par machine avec le reste du schema.

L'argument prix/qualité de ce palier

Les tarifs publics de Google racontent l'histoire : Nano Banana 2 coûte $0.067, Nano Banana Pro coûte $0.134. Exactement le double. L'écart de qualité, lui, est loin d'être de 2×.

Voilà l'arbitrage. Pro garde un avantage sur les mises en page typographiques denses et les composites élaborés ; vous, vous divisez la facture par deux à chaque appel, et pour la plupart des travaux produit la différence n'atteint jamais le spectateur. Ce que vous conservez à ce palier compte plus que ce que vous perdez :

• Quatorze images de référence par requête. Aucun rôle imposé — mélangez sujets et mood boards dans un même appel et étiquetez-les dans le prompt.
• Quatre barreaux de résolution. Google fait tourner ce modèle de 0,5K à 4K ; notre enum resolution expose 1k, 2k et 4k. C'est le plus gros écart face à son cousin Lite, qui n'a aucun paramètre resolution — la 1K est la seule chose qu'il produit.
• Le thinking mode est actif. Comme tous les modèles Gemini 3, il raisonne sur la composition avant de peindre. C'est là que part la latence médiane d'environ 8,4 secondes.
• Le grounding Google Search, Image Search compris. Demandez un vrai monument ou un vrai uniforme et il peut aller regarder au lieu d'halluciner une forme plausible.

Le modèle de Google prend aussi en charge des cadrages ultra-larges que Pro ne propose pas — 1:4, 4:1, 1:8, 8:1. Notre enum aspect_ratio couvre pour l'instant les dix ratios standard, de 1:1 à 21:9 : vérifiez donc la spec en direct avant de bâtir un pipeline de bannières sur une valeur ultra-large.

Une limite ferme : le function calling n'est pas supporté. Ne concevez pas de boucle de tool-use autour de lui.

Requête API : prompt en entrée, image en sortie

Créez une API key dans votre dashboard, gardez-la sur votre serveur, et postez sur notre endpoint de soumission. prompt est le seul champ obligatoire.

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",
    "input": {
      "prompt": "Un menu manuscrit à la craie devant une boulangerie de Lisbonne, lumière chaude de fin de journée, les mots PASTEL DE NATA 1,20 EUR clairement lisibles",
      "aspect_ratio": "4:5",
      "resolution": "2k"
    }
  }'

Nous renvoyons un job ID. Faites du polling, ou donnez-nous un webhook et arrêtez de poller :

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",
    input: {
      prompt: "Coupe isométrique d'une petite serre hydroponique, cuves et tuyaux annotés, style illustration technique",
      aspect_ratio: "16:9",
      resolution: "1k",
    },
  }),
}).then((r) => r.json());

const jobId = submitted.data.jobId;

while (true) {
  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 ?? "Generation failed");
  }
  await new Promise((r) => setTimeout(r, 1500));
}

Le statut passe de pending → processing → completed, ou s'arrête sur failed ou cancelled. Envoyez un webhookUrl si vous préférez qu'on vous rappelle.

Deux détails de schema piègent régulièrement. Notre valeur par défaut d'aspect_ratio est 9:16, pas 1:1 — portrait, parce que c'est ce que veut l'essentiel de notre trafic. Et les valeurs de resolution sont en minuscules : 1k, 2k, 4k.

Choisir parmi nos modèles Nano Banana

Nano Banana 2 est au milieu de notre gamme, ce qui veut dire qu'il est le mauvais choix dans les deux sens pour certaines charges de travail. La carte honnête :

Commencez par la ligne Lite, parce que c'est celle qui vous fera réellement économiser. Nano Banana 2 Lite coûte environ 40 % de moins, tourne à peu près 2,7× plus vite, et fait jeu égal avec ce modèle sur le texte lisible et la cohérence des références en test direct. Ce que vous abandonnez est étroit mais réel : 1K uniquement, pas de search grounding, et un suivi d'instructions plus faible dès qu'un prompt jongle avec plusieurs objets. Un sujet unique en résolution réseaux sociaux ? Prenez Lite et gardez la différence.

Montez jusqu'à Pro quand le livrable est une affiche pleine de mots, ou une campagne où un visage doit survivre à vingt images. Sautez la ligne legacy : Google lui-même qualifie désormais gemini-2.5-flash-image de legacy et recommande Nano Banana 2 Lite à la place, pour une meilleure qualité, plus de vitesse et un coût plus bas. Cette migration, c'est de l'argent gratuit. Le reste de la gamme se trouve dans la catégorie text-to-image et dans le catalogue complet des modèles.

Tirer davantage du prompt

Le thinking mode change la façon dont il faut écrire. Le modèle raisonne avant de rendre : il récompense donc l'intention déclarée plutôt que les adjectifs empilés — « une affiche de recrutement qui doit se lire à trois mètres » l'oriente mieux que quinze tokens de style.

Mettez entre guillemets tout texte que vous voulez voir rendu, exactement tel qu'il doit apparaître, ponctuation et casse comprises. Des instructions vagues produisent des gribouillis décoratifs, à n'importe quel palier.

Quand un sujet existe dans le monde réel, nommez-le. Le grounding n'aide que si le modèle sait qu'il doit y recourir. Et soyez direct sur la mise en page : les cadrages très hauts ou ultra-larges dérivent vers des sujets centrés si vous ne dites pas où les choses se placent.

Avant de mettre en production

Chaque image porte un watermark SynthID. Le marqueur de provenance imperceptible de Google, appliqué sans exception, et aucun provider — nous compris — n'a d'interrupteur pour le désactiver. Si un contrat client interdit les assets watermarkés, réglez ce point avant d'intégrer.

Budgétez une latence d'environ 8,4 secondes de temps modèle médian, pas la réponse sub-seconde d'un petit modèle de diffusion. Le thinking coûte du temps réel. Notre ETA de job est fixée à 30 secondes pour absorber la mise en file et les rendus 4K.

Fixez resolution explicitement dans le code. Les valeurs par défaut ne coïncident pas d'un provider à l'autre, et vous préférez découvrir ça dans un diff plutôt que sur une facture.

Questions fréquentes

Qu'est-ce que Nano Banana 2 ?

Nano Banana 2 est le nom produit du gemini-3.1-flash-image de Google, le modèle actuel du palier flash dans la famille Nano Banana. Il génère des images à partir de texte, accepte jusqu'à quatorze références, rend du texte lisible dans l'image et sort jusqu'en 4K.

Combien coûte Nano Banana 2 sur E2X ?

Nous facturons $0.04 par image générée à notre valeur par défaut 1K, $0.06 en 2K et $0.08 en 4K, prix vérifiés le 26 août 2026. Les tarifs bougent — confirmez sur la page modèle en direct avant de budgéter dessus.

Nano Banana 2 est-il la même chose que Nano Banana Pro ?

Non. Nano Banana 2, c'est gemini-3.1-flash-image ; Pro, c'est gemini-3-pro-image, un modèle distinct à environ le double du tarif public. Certains catalogues ont étiqueté Pro comme « Nano Banana 2 » : vérifiez donc l'ID de modèle Gemini quand vous comparez des specs.

Dois-je utiliser Nano Banana 2 ou Nano Banana 2 Lite ?

Prenez Lite quand la 1K suffit et que vos prompts décrivent un seul sujet clair — environ 40 % moins cher et à peu près 2,7× plus rapide. Prenez Nano Banana 2 pour la 2K ou la 4K, pour des prompts qui doivent placer correctement plusieurs objets, ou quand vous voulez le grounding Google Search, dont Lite est dépourvu.

Les images Nano Banana 2 portent-elles un watermark ?

Oui. Chaque sortie porte un watermark SynthID, le marqueur imperceptible de Google pour les contenus générés par IA. Il n'existe de paramètre pour le désactiver chez aucun provider, nous compris.

Le modèle supporte-t-il le function calling ?

Non. Nano Banana 2 ne supporte pas le function calling : ne concevez donc pas de boucle de tool-use autour de lui. Il supporte en revanche le thinking mode et le grounding Google Search, Image Search compris.

Combien de temps prend une génération ?

La latence médiane du modèle se mesure autour de 8,4 secondes ; nous fixons l'ETA du job à 30 secondes pour couvrir la mise en file et les rendus plus lourds. L'API est asynchrone — soumettez un job, puis faites du polling sur /v1/jobs/{id} ou fournissez un webhookUrl.