返回模型列表

Nano Banana

谷歌快速、低成本的图像模型系列,支持文本生成图像以及通过提示词编辑已有图像。

图像编辑$0.031文本生成图像$0.031
定价$0.031/请求
延迟平均约 30 秒
分辨率按请求
最适合text to image, Fast, Low Cost

参数

预估费用

此模型可为您节省 20%
每 request 基础成本$0.039
折扣-20%
您的总计$0.031
每次请求可节省 $0.0078

登录以运行模型

Output Preview

Ready

No output yet

Run the model to see generated results.

示例输出

API 示例— 当前参数

generate.py
import requests

result = requests.post(
    'https://api.e2x.ai/v1/jobs/submit',
    headers={
        'Authorization': f'Bearer {API_KEY}',
        'Content-Type': 'application/json'
    },
    json={
  'model': 'google/nano-banana/text-to-image',
  'input': {}
}
)

获取任务— 轮询获取结果

get_job.py
import time

job_id = result.json()['jobId']

while True:
    response = requests.get(
        f'https://api.e2x.ai/v1/jobs/{'{job_id}'}',
        headers={'Authorization': f'Bearer {'{API_KEY}'}'}
    )
    data = response.json()['data']

    if data['status'] == 'completed':
        print('Done!', data['outputs'][0]['url'])
        break
    elif data['status'] == 'failed':
        raise Exception(f"Job failed: {'{'}data['error']['message']{'}'}")

    time.sleep(2)
探索替代方案

相关模型

探索适用于 文本生成图像 的其他 AI 模型

查看所有模型

E2X 上的 Nano Banana Text-to-Image —— 以及 10 月 2 日前该迁移到哪里

Nano Banana 就是 Google 的 gemini-2.5-flash-image,正是这个模型让这个名字家喻户晓。我们将其开放为 google/nano-banana/text-to-image,每张收费 $0.0312,比 fal.ai 的 $0.039 低 20%。然后是比价格更要紧的那个数字:Google 将于 2026 年 10 月 2 日 关停这个模型,距我们撰写本页只有三十七天。

这一个事实,会把本页其余内容的优先级全部重排。我们仍然运行着这个 endpoint,仍然维持这个价格,您本周排队提交的 batch 也会顺利跑完。但我们不会劝您在一个只剩五周跑道的模型上做一套全新的集成。

以下是我们在 2026 年 8 月 26 日 最后一次核查时的价格情况:

API 提供商每张价格与 E2X 相比
E2X$0.0312—
fal.ai$0.039我们低 20%
Google Gemini API$0.039我们低 20%
OpenRouter$0.039我们低 20%

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。

Google 自己对这个模型的判词

厂商并没有含糊其辞。以下直接来自图像生成文档:

「Nano Banana 系列的元老级先行者。它一直是可靠的主力,但我们强烈建议客户迁移到 Nano Banana 2 Lite,以获得更高的质量、更快的生成速度和更低的 API 价格。」

请看清楚这句话是谁写的。不是竞争对手,也不是我们——是 Google 在评价自己的模型,而紧挨着它的那张弃用表格,把 gemini-2.5-flash-image 的关停日期写成了 2026 年 10 月 2 日。「强烈建议」加上一个硬性日期,用模型卡的措辞来讲,差不多就是一份逐客令。

已经有图片,想改而不是重画?Nano Banana edit-image 接受参考图而不是一块白布——同一个模型,同样的 $0.0312,同样的到期日。

这个初代模型至今仍擅长什么

该给的评价还是要给。这个模型确实赢得了自己的口碑,而且在接下来的几周里,它依旧是一个又快又便宜的生成器。

它很快。 OpenRouter 的独立测量给出的中位数约为:AI Studio 上 1.94 秒,Vertex 上 4.48 秒。我们自己的 job 流水线端到端预留约 30 秒,其中包含我们这边的排队和交付。

它覆盖十种 aspect ratio —— 21:9、16:9、4:3、3:2、1:1、9:16、3:4、2:3、5:4、4:5。足够宽,让同一套 prompt 模板既能出一组横幅,也能裁出竖版故事图。

它只输出一种分辨率:1K。 没有 2K,没有 4K,也没有放大通道。如果客户要的是印刷品,这个模型从来就不是答案。

还有一件我们不会粉饰的事:这里的图内文字很弱。Google 把高级文字渲染归功于 Gemini 3 这一代,而不是这一代。要它做海报标题,您会得到一堆在缩略图尺寸下看着还行、放到原尺寸就散架的字形。所有跟您说反话的页面,都是在猜。

API request:输入 prompt,输出图像

在控制台创建一个 key,把它留在您的服务器上,然后提交 job。只有 prompt 是必填项。

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/text-to-image",
    "input": {
      "prompt": "工作台上放着一顶黄铜潜水头盔,晨光透过积尘的窗户洒入,浅景深",
      "aspect_ratio": "3:2"
    }
  }'

您会拿回一个 job ID。对它做 polling,直到状态稳定下来:

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/text-to-image",
    input: {
      prompt: "黄昏时分的赤陶屋顶,低空无人机视角,暖色薄雾,画面中没有人",
      aspect_ratio: "16:9",
    },
  }),
}).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, 2000));
}

状态流转为 pending → processing → completed,或者落到 failed 或 cancelled。如果您更希望由我们来回调,请在 body 中传入 webhookUrl。

有一处 schema 细节常常绊倒人:我们的 aspect_ratio 默认值是 9:16,不是 1:1。不特别指定就是竖版。当前的 schema 和价格始终以机器可读规格为准。

您真正应该调用的那个模型

下面是我们完整的 text-to-image 阵容。先看第二行,别的都往后放。

模型每张价格什么时候选它
Nano Banana 2 Lite$0.0238几乎总是它——比本页这个模型更便宜也更新
Nano Banana(legacy)$0.0312您正在 10 月 2 日前腾空的某条流水线
Nano Banana 2$0.04您要的是完整的当代版本,而不是 Lite 档
Nano Banana Pro$0.075可读的图内文字、多张参考图、4K 输出
GPT Image 2$0.0525您更偏好 OpenAI 的渲染风格

Nano Banana 2 Lite 比本页这个模型便宜 24%,而且整整新了一代。 这种组合并不常见,它抽掉了「留在旧权重上」这件事唯一说得出口的理由。这里没有什么预算取舍要权衡:您花得更少,得到更好的输出,而且您的集成不会在五周后过期。这次迁移在第一次 request 时就已经回本。

同样的 JSON 约定,同样的 polling 循环,同样的 aspect ratio。改掉 model 字符串就能上线。如果您的活儿需要把清晰可读的文字烤进画面里,请跳过 Lite,直接去 Nano Banana Pro——Google 把文字渲染放在了那一档。我们运行的其他模型都在 text-to-image 分类和完整的模型目录里。

给一个记忆停在 2025 年 6 月的模型写 prompt

知识截止时间是 2025 年 6 月,所以在那之后发生的一切都不存在于权重之中。点名一个 2026 年的产品或近期的公共事件,您会得到一个被自信渲染出来的臆造物。

描述光学参数,而不是形容词。「85mm、f/1.8、逆光、轻微镜头炫光」比「唯美的电影感画面」管用得多——后一句在训练数据里太常见,结果会向平均值坍缩。也请把留白说清楚:除非您明确禁止,这个模型很乐意把空着的角落塞满杂物。

prompt 控制在一段以内。上下文窗口是输入 65,536 token、输出 32,768 token,所以长度从来不是约束——注意力才是。在这里,长 prompt 只会稀释,而不会提炼。

在用它交付任何东西之前

每一张输出都带有 SynthID watermark。这是 Google 的不可感知来源标记,无一例外地被加上,而且没有任何提供商——包括我们——有开关可以关掉它。

然后是日历。请把 2026 年 10 月 2 日写进您的故障处理手册,而不只是待办清单。当 Google 关掉权重时,指向这个 slug 的 request 就会失败;那是厂商关停,不是任何人能打补丁绕过的故障。如果您有定时 job、cron 任务或面向客户的功能指向这里,请趁现在还只是改一行的时候把 slug 换掉,而不是留到某个周日再说。

常见问题

Nano Banana 具体什么时候关停?

Google 的弃用表格把 gemini-2.5-flash-image 的关停日期列为 2026 年 10 月 2 日。那一天之后,这个模型将在所有提供商处停止响应 request,包括我们,因为权重的存废由 Google 决定。请在那之前迁移,而不是等到当天。

我应该用什么替代初代 Nano Banana?

Nano Banana 2 Lite,而且这根本不是一道难题。我们给它定价 $0.0238,对比本模型的 $0.0312,它整整新了一代,而且 Google 亲自点名它为推荐的替代方案。换掉模型 slug 即可——request 和 response 的结构完全不变。

在 E2X 上 Nano Banana text-to-image 多少钱?

每生成一张图 $0.0312。我们在 2026 年 8 月 26 日核查时,这比 fal.ai 的 $0.039 低 20%。同一天,Google 自家 API 和 OpenRouter 都是 $0.039。价格会变动,所以在做预算前请到实时模型页面上确认。

这个模型能在图像内部渲染文字吗?

做不到可靠渲染。Google 把高级文字渲染归属于 Gemini 3 这一代,而这个模型早于它——短单词有时能撑住,整句话通常撑不住。做包装、信息图或任何带标题的东西,请改用 Nano Banana Pro。

它输出什么分辨率?

1K,而且只有 1K。这一代没有 2K 或 4K 的通道。如果您需要更大的输出,Nano Banana Pro 可以到 4096×4096。

图像会带 watermark 吗?

会。每张图像都包含 SynthID,这是 Google 用于 AI 生成内容的不可感知标记。没有任何提供商提供参数来关闭它,任何声称能关掉的说法都是在误导您。

这个 API 是同步的吗?

不是。您提交一个 job,然后要么对它的状态做 polling,要么把 webhookUrl 交给我们。已完成的 job 会在 data.outputs[0].url 处暴露文件,我们的流水线为每个 request 预留大约 30 秒。