Nano Banana 2

API Editing Gambar Nano Banana 2 di E2X

Nano Banana 2 adalah gemini-3.1-flash-image milik Google, dan kemampuan editing-nya adalah kuda beban katalog gambar kami. Kami menyediakannya sebagai google/nano-banana-2/edit-image, kami mengenakan biaya $0.04 per gambar hasil edit pada default 1K, dan satu request bisa membawa hingga empat belas gambar sumber. fal.ai mencantumkan model yang sama di $0.08.

Tidak punya gambar sumber untuk diolah? Kalau begitu yang Anda cari adalah Nano Banana 2 text-to-image — model yang sama, harga yang sama, hanya prompt.

Perlu dikatakan terus terang, karena katalog para provider sudah mengaburkannya: ini bukan Nano Banana Pro. Pro adalah gemini-3-pro-image, kira-kira dua kali lipat harganya di sumber. Kalau tabel situs lain menampilkan "Nano Banana 2" dengan spesifikasi Pro, periksa ID model Gemini di baliknya.

Harga kami per 26 Agustus 2026:

Harga dan ketentuan produk dapat berubah sewaktu-waktu. Periksa harga terkini masing-masing provider sebelum mengambil keputusan pembelian. Harga Google Batch atau Flex tidak setara langsung dengan request API on-demand standar karena kondisi penjadwalan, ketersediaan, dan pemrosesannya berbeda; karena itu harga tersebut tidak disertakan dalam perbandingan ini. Ini adalah perbandingan dengan cakupan terbatas, bukan klaim bahwa E2X adalah opsi termurah di dunia dalam setiap konfigurasi.

Resolusi adalah yang menggerakkan angka itu, dalam langkah-langkah tetap:

Perhatikan di mana itu bermuara: satu edit 4K dari kami berbiaya sama dengan yang ditagihkan fal.ai untuk edit 1K. Spesifikasi machine-readable mencerminkan nilai-nilai ini.

Apa yang sebenarnya Anda beli dengan setengah harga Pro

Google menghargai gemini-3.1-flash-image tepat setengah dari gemini-3-pro-image, dan selisih kemampuannya jauh lebih kecil daripada selisih harganya. Editing membuat ketimpangan itu makin menguntungkan — Anda mengubah gambar yang sudah terlihat benar, jadi model punya lebih sedikit hal untuk dikarang.

Bagian-bagian yang penting di dalam sebuah pipeline:

• Empat belas gambar sumber dalam satu call. Susun komposit dari satu subjek, satu produk, dan satu referensi latar tanpa merantai tiga request dan mengasuh output antaranya. Tidak ada pembagian peran yang dipaksakan — Anda yang memutuskan tiap lampiran untuk apa lalu menyebutkannya di prompt.
• Output hingga 4K. Inilah jarak yang menentukan terhadap tier Lite yang lebih murah, yang sama sekali tidak memaparkan parameter resolution — 1K adalah semua yang ia kembalikan. Kalau aset hasil edit harus masuk cetak atau slot hero retina, Lite gugur dari perlombaan.
• Thinking mode sebelum ia melukis. Model menalar apa yang Anda minta untuk diubah. Itulah sebabnya edit dengan cakupan yang jelas mempertahankan area yang tak tersentuh alih-alih diam-diam membuatnya ulang.
• Search grounding, termasuk Image Search. Berguna ketika sebuah edit harus cocok dengan sesuatu yang nyata — gedung tertentu di belakang subjek Anda, varian produk yang benar-benar ada.

Median latensi berjalan di sekitar 8,4 detik. Function calling tidak didukung, jadi loop agent harus mengorkestrasi model ini dari luar.

Request API: mengedit dengan referensi

Dua field wajib: prompt dan image_urls. Simpan key Anda di sisi server lalu kirim job-nya.

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": "Gambar 1 adalah sepatu ketsnya, gambar 2 adalah referensi permukaannya. Tempatkan sepatu itu di atas beton basah dari gambar 2, sesuaikan dengan pantulannya. Jangan ubah sepatu atau logonya.",
      "image_urls": [
        "https://example.com/sneaker.png",
        "https://example.com/concrete.jpg"
      ],
      "aspect_ratio": "1:1",
      "resolution": "2k"
    }
  }'

Pengiriman mengembalikan sebuah job ID. Lakukan polling sampai statusnya menetap:

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: "Ubah musim di luar jendela menjadi musim dingin yang pekat. Pertahankan ruangan, perabot, dan orangnya persis seperti sekarang.",
      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));
}

Status berjalan pending → processing → completed, atau berhenti di failed / cancelled. Kirim webhookUrl di body submit dan kami yang akan menghubungi Anda.

Detail schema yang layak dipaku: image_urls tetap berupa array bahkan untuk satu sumber, default aspect_ratio kami adalah 9:16 dan bukan rasio milik gambar sumber, dan nilai resolution ditulis huruf kecil. Default itulah yang paling mengejutkan orang — masukkan foto lanskap tanpa menyetelnya dan yang kembali adalah crop potret.

Memilih di antara model-model editing gambar kami

Nano Banana 2 adalah rekomendasi default kami untuk editing, tetapi ia bukan jawaban yang tepat untuk setiap pekerjaan. Berikut apa lagi yang kami jalankan:

Kalau editan Anda berupa penggantian latar dan koreksi warna di 1K, pindahlah ke Nano Banana 2 Lite — sekitar 40% lebih murah, setara dalam teks dan konsistensi referensi, dan pada volume besar jarak itu adalah seluruh margin Anda. Dua alasan untuk tidak pindah: Lite mentok di 1K selamanya, dan ia jadi kurang andal begitu sebuah prompt memintanya menempatkan beberapa objek dengan benar. Kegagalan kedua itu halus, jadi uji prompt terburuk Anda sendiri alih-alih memercayai benchmark.

Naiklah ke Nano Banana Pro ketika kata-kata yang terbaca di dalam bingkai adalah hasil yang diminta. Abaikan baris legacy kecuali Anda memang tersangkut di sana: Google kini menggolongkan gemini-2.5-flash-image sebagai legacy dan merekomendasikan Nano Banana 2 Lite sebagai gantinya — lebih baru sekaligus lebih murah. Sisanya ada di kategori editing gambar dan di katalog model yang lebih luas.

Menulis prompt edit yang bertahan

Naluri yang terbawa dari generasi gambar adalah mendeskripsikan gambar jadinya. Dalam sebuah edit hal itu bersaing dengan sumbernya, dan Anda mendapat render ulang yang melenceng alih-alih perubahan yang Anda minta.

Sebutkan apa yang berubah, lalu sebutkan apa yang tidak boleh berubah. Menyebut area yang dilindungi bukan pilihan tambahan — model mempertahankan wajah, logo, atau label jauh lebih baik saat Anda memberitahunya bahwa hal-hal itu terlarang.

Beri indeks pada lampiran Anda di dalam prompt. "Gambar 1 adalah subjeknya, gambar 2 hanya referensi pencahayaan" adalah satu-satunya sinyal niat bagi model; tanpa itu, lampiran ketiga jadi subjek lain yang ikut disertakan.

Edit berantai adalah tempat kualitas diam-diam bocor. Setiap lintasan meng-encode ulang, dan penyimpangan identitas kecil menumpuk selama empat atau lima putaran. Padatkan satu rangkaian menjadi satu request dengan semua referensi terlampir — sama-sama $0.04, dan hasil satu lintasan biasanya lebih bersih.

Sebelum Anda merilis

Setiap output hasil edit membawa watermark SynthID. Google menerapkannya tanpa syarat, dan tidak ada provider — termasuk kami — yang memaparkan flag untuk menonaktifkannya. Kalau sebuah kontrak melarang aset yang dihasilkan AI, selesaikan itu sebelum menulis integrasinya.

Perhatikan kualitas input Anda. Sumber yang lembek dan terlalu terkompresi membatasi output apa pun resolution yang Anda minta; meminta 4K dari JPEG 600px hanya membeli upscale mahal atas cacat aslinya.

Periksa ulang aspect_ratio pada setiap migrasi. Default kami potret, tiap provider berbeda, dan satu batch yang diam-diam dibingkai ulang adalah jenis bug yang Anda sadari setelah publikasi.

Pertanyaan yang sering diajukan

Apa itu editing gambar Nano Banana 2?

Ini adalah kemampuan editing dari model gemini-3.1-flash-image milik Google, dipaparkan di API kami sebagai google/nano-banana-2/edit-image. Anda mengirim satu atau beberapa gambar sumber plus satu instruksi, dan ia mengembalikan gambar yang sudah diubah hingga 4K.

Berapa biaya satu edit di E2X?

Default 1K kami $0.04 per gambar hasil edit; 2K $0.06 dan 4K $0.08. Itu harga pada pemeriksaan 26 Agustus 2026. Harga berubah, jadi konfirmasikan di halaman model versi live sebelum mengunci anggaran.

Berapa banyak gambar sumber yang bisa dibawa satu request?

Hingga empat belas dalam satu call. Tidak ada pembagian peran yang dipaksakan di antaranya — Anda yang memberi tahu model di dalam prompt lampiran mana subjeknya, mana latarnya, dan mana yang hanya referensi gaya.

Bisakah Nano Banana 2 menghasilkan edit 4K?

Bisa — enum resolution kami menerima 1k, 2k, dan 4k, dan satu edit 4K berbiaya $0.08. Inilah alasan utama memilihnya ketimbang Nano Banana 2 Lite, yang tidak punya parameter resolution dan selalu hanya mengembalikan 1K.

Apakah E2X lebih murah daripada fal.ai untuk model ini?

Untuk harga on-demand sebanding yang kami periksa pada tanggal itu, ya — $0.04 di kami melawan $0.08 di fal.ai, penghematan 50% pada request 1K yang setara. Produk batch, tarif promosi, dan paket berbeda tidak termasuk dalam perbandingan itu.

Apakah gambar hasil edit membawa watermark?

Ya. Setiap output mengandung watermark SynthID, penanda tak kasatmata milik Google untuk konten yang dihasilkan AI. Tidak ada provider yang menawarkan parameter untuk menghapusnya.

Kenapa foto lanskap saya kembali dalam bentuk potret?

Karena default aspect_ratio kami adalah 9:16, bukan rasio gambar sumber. Setel aspect_ratio secara eksplisit di setiap request — inilah kejutan paling umum ketika orang memindahkan pipeline editing mereka ke kami.

Apakah API editing-nya sinkron?

Tidak. Anda mengirim sebuah job lalu melakukan polling ke /v1/jobs/{id} atau menyediakan webhookUrl untuk callback. Job yang selesai memaparkan hasilnya di data.outputs[0].url; median latensi model sekitar 8,4 detik.