Nano Banana 2 Lite

E2X 上的 Nano Banana 2 Lite 图像编辑 API

Nano Banana 2 Lite 是 Google 的 gemini-3.1-flash-lite-image，在我们的平台上，它的编辑 capability 位于 google/nano-banana-2-lite/edit-image。我们每张编辑收费 $0.0238 —— 比同一模型在 fal.ai 上的价格低约 43%。它每次调用最多接受十四张参考图，并以 1K 分辨率返回，这一句话就把整笔买卖说清楚了。

手上没有源图像？那您要的是 Nano Banana 2 Lite text-to-image —— 同一个模型，同样的价格，只需 prompt。

这一页其实是写给某一类读者的：编辑流水线仍然指向初代 Nano Banana、也就是 gemini-2.5-flash-image 的所有人。Google 将于 2026 年 10 月 2 日 关停那个模型，而且说得明明白白——「我们建议升级到 Nano Banana 2 Lite，以获得更好的质量、更快的速度和更低的成本。」 在编辑场景里，理由比单纯的价格更硬。legacy 版 Nano Banana 要求最多三张输入图像，Lite 接受十四张。这是一次 request 里完全不同量级的合成——而且比您现在付的还少（这里 $0.0238，legacy 编辑 endpoint 上是 $0.0312）。

我们在 2026 年 8 月 26 日 最后一次核查时的价格：

价格与产品条款可能随时间变化；在做出采购决定前，请核对各家提供商的当前价格。Google 的 Batch 或 Flex 价格在调度、可用容量和处理条件上均有所不同，因此与标准的按需 API request 并不直接等价，已从本对比中排除。这是一次限定范围的对比，并非声称 E2X 在任何配置下都是全球最便宜的选择。

便宜档位上的十四张参考图

参考图预算，是我们原以为撑不过这一刀的那部分 Lite。结果它撑住了——每次 request 十四张，与完整版 Nano Banana 2 完全一致。一个人物、一件产品、三张光照参考，外加一叠不同角度的照片，全都塞进同一次调用。

这解锁了什么：目录类工作中，同一件衣服在八个场景里始终还是那件衣服；漫画分格里的角色一致性；产品植入时您从多个角度喂进同一个物体，模型就不会再去臆造一个您从未展示过的背面。这些正是 legacy 模型卡在三张输入上做不好的活儿。

代价是真实存在的，我们宁愿您在这里撞上它们，而不是在生产环境里：

• 1K 输出，就这样。 Google 的文档说这个模型「仅支持 1K 分辨率」。这个 endpoint 上没有 resolution 参数，因为根本没有可设的东西。要修一张必须经得起印刷裁切的照片？请用 Nano Banana 2 edit-image，它能到 2K 和 4K。
• 编辑比生成慢。 Google 那个四秒的数字描述的是从 prompt 开始的生成。把十四张参考图推过条件化过程会增加时间，参考图越多增加得越多。仍然很快——只是不是四秒。
• 没有搜索 grounding。 Lite 什么都查不了。「把 logo 改成当前的品牌色」，您得到的会是一次猜测。
• 指令一挤，就输给 Nano Banana 2。 改一处，或者改几处相关的地方，Lite 与它的大哥旗鼓相当。丢给它六项带空间约束的同时编辑，更深的那个模型就会明显领先。

图像内部的文字是个惊喜。在正面对比测试中，Lite 渲染清晰、有样式文案的水平与 Nano Banana 2 相当，所以在这个价位上，换掉一句标题或修正产品图上的一个标签，是真的可行。

API request：发送参考图

有两个字段是必填的：prompt 和 image_urls。请把 key 留在服务端。

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-lite/edit-image",
    "input": {
      "prompt": "把图 1 里的运动鞋放到图 2 的影棚无缝背景上。匹配那片灰色背景，并保持鞋底纹路可见。",
      "image_urls": [
        "https://example.com/sneaker-side.jpg",
        "https://example.com/studio-set.jpg"
      ],
      "aspect_ratio": "1:1"
    }
  }'

我们会返回一个 job ID。对它做 polling 直到状态稳定，或者在 submit 的 body 里发一个 webhookUrl，从此省掉这个循环：

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-lite/edit-image",
    input: {
      prompt: "保持这位女性的面部、发型和姿势完全不变。把牛仔外套换成奶油色亚麻西装外套。",
      image_urls: ["https://example.com/model.jpg"],
      aspect_ratio: "4:5",
    },
  }),
}).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 || "Edit failed");
  }
  await new Promise((r) => setTimeout(r, 1500));
}

job 的流转是 pending → processing → completed，或者停在 failed 或 cancelled。我们在这个 endpoint 上的 aspect_ratio 默认值是 1:1，所以如果您的源图是竖版或宽幅，请把它设上——枚举从 21:9 一直到极细的 8:1 和 1:8 长条，另有 auto 让模型自行决定。机器可读规格里有实时的 schema 和价格。

在我们的图像编辑模型之间做选择

这个决定比表格看上去要窄。Nano Banana 2 比 Lite 贵 68%，买到的正好是三样东西：1K 以上的分辨率、搜索 grounding，以及在复杂指令下更好的表现。如果这三样都不在您的需求清单上，那您付的钱买的是用不上的余量。与其把它卖给您，我们宁愿把这话说出来。

我们会在什么情况下劝您别用 Lite：任何要送印刷的东西，以及任何需要一次调用同时办六件事的场合。这两种情况都值得升级。完整阵容在图像编辑分类和模型目录里。

写出黏得住的编辑 prompt

编辑 prompt 不是场景描述。先说改什么，再说什么绝对不能动。

发送多于一张图时，请给参考图贴标签——「图 1 是主体，图 2 是背景板，图 3–5 仅作色彩参考」。除此之外没有任何东西能告诉模型：哪个附件是色板。然后把必须留存的东西钉死：面部、姿势、标签文字、品牌色。Lite 更浅的推理过程在未言明的细节上比 Nano Banana 2 更容易漂移，所以请把它们说出来。

编辑文字时，请把旧字符串和新字符串都加引号写出来。转述等于邀请它重新演绎。

交付之前

每一张编辑后的图像回来时都烤进了 SynthID watermark。Google 会把它加到所有输出上，没有任何提供商暴露开关，我们也一样。在基于它动工之前，请先核对您的客户合同。

留意输入尺寸。您可以给我们一张 4K 源图，但结果仍以 1K 返回——只有一个输出档位，而且它不会跟着您的输入走。正在从 legacy endpoint 迁移？请把您当年围绕旧上限写的「三图分块」逻辑删掉。现在那是死代码。

常见问题

一次编辑 request 能接受多少张参考图？

十四张。在参考图数量上，Nano Banana 2 Lite 与完整版 Nano Banana 2 持平——Google 并没有为 Lite 档削减这一项。这是 legacy 版 Nano Banana 建议值的四倍多，后者的上限是三张输入图像。

在 E2X 上 Nano Banana 2 Lite 图像编辑多少钱？

我们每张编辑收费 $0.0238，一口价——没有分辨率档位，发十四张参考图而不是一张也不额外加价。这个数字来自我们 2026 年 8 月 26 日的价格核查，当时 fal.ai 对同一模型的标价是 $0.042。在敲定预算之前，请到实时模型页面核实。

我能从这个模型拿到 2K 或 4K 的编辑结果吗？

不能。Google 的文档明确写着这个模型仅支持 1K 分辨率，所以这个 endpoint 上压根就没有分辨率参数。需要更大输出时，请用 Nano Banana 2 或 Nano Banana Pro。

从初代 Nano Banana 迁移过来值得吗？

值得，而且您有一个截止日期——Google 将于 2026 年 10 月 2 日下线 gemini-2.5-flash-image。在编辑场景中，您得到的是十四张而不是三张参考图、真正能用的图内文字渲染、更快的生成，以及在我们平台上更低的价格（$0.0238 对 $0.0312）。

一次编辑要多久？

比一次 text-to-image 生成更久。Google 那句「最快四秒」描述的是仅凭 prompt 的生成；基于参考图做条件化会增加时间，而且会随您发送的数量而放大。它仍然是 Nano Banana 家族里最快的编辑器。

做编辑我该用 Lite 还是 Nano Banana 2？

除非您需要 1K 以上的输出、搜索 grounding，或者需要在一次调用里可靠地处理许多条同时下达的指令，否则就用 Lite。对于网页分辨率下的换背景、换服装、去物体和调色，差别很少显现出来，而 Lite 便宜 40%。

编辑后的图像带 watermark 吗？

带。SynthID，Google 用于 AI 生成内容的不可感知标记，会被加到每一张输出上。没有任何提供商提供禁用它的办法。