Nano Banana 2.1 API 使用指南：从第一次调用到 4K 输出与成本核算

Google 于 2026 年 10 月 6 日发布 Nano Banana 2.1，现在已可通过 Gemini API 以 gemini-nano-banana-2.1 调用。它是 Nano Banana 2（Gemini 3.1 Flash Image）的升级版，视觉质量更好，支持蒙版式编辑，跨轮次的角色一致性也更强。而且在两者共有的每个分辨率档位上，单张图片价格只有 Nano Banana 2 的一半。

本指南从一个空终端开始，一路走到保存出第一张图片，然后覆盖宽高比、2K/4K 输出、图像编辑、多轮修改、参考图、搜索落地（grounding）和成本。下面的每个请求都可以保存到 Apifox 里反复回放，方便你把 2.1 和现在在用的模型做对比。

AI Coding 交流群

如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。

想先了解背景？可以读《什么是 Nano Banana 2.1》，了解有哪些变化、Google 还没公布哪些信息。

准备工作

所有示例都使用 Interactions API——Google 的图像生成文档在 2.1 上用的就是它。

第 1 步：获取 Gemini API key

1. 打开 Google AI Studio 并登录。
2. 进入 Get API key，在一个 Google Cloud 项目中创建 key。
3. 为该项目开通计费。Google 的价格页面把 Nano Banana 2.1 的免费档列为 “Not available”，所以 API 调用需要付费项目。
4. 导出 key：

export GEMINI_API_KEY="your-key-here"

Google 把 2.1 接入了 AI Studio playground，用来测试提示词很方便，但 Google 没有公布免费账号在那里能生成多少张。《免费使用 Nano Banana 2.1 的方法》覆盖了这条路线，《如何免费获取 Gemini API key》则更详细地讲了 key 的申请流程。

第 2 步：生成第一张图片

curl

curl -s -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-nano-banana-2.1",
    "input": [
      {"type": "text", "text": "Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme"}
    ]
  }'

响应是 JSON。图片以 base64 数据的形式放在 image 内容块里，所以你需要用 SDK（或脚本）来解码。

Python

from google import genai
import base64

client = genai.Client()  # reads GEMINI_API_KEY

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input="Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme",
)

with open("generated_image.png", "wb") as f:
    f.write(base64.b64decode(interaction.output_image.data))

interaction.output_image 返回最后生成的图片块。它的 data 字段是 base64，写文件前要先解码。

JavaScript

import { GoogleGenAI } from "@google/genai";
import * as fs from "node:fs";

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: "gemini-nano-banana-2.1",
  input: "Create a picture of a nano banana dish in a fancy restaurant with a Gemini theme",
});

const image = interaction.output_image;
if (image) {
  fs.writeFileSync("nano-banana.png", Buffer.from(image.data, "base64"));
}

Gemini 3 的图像模型会先思考再作画。在规划构图的过程中，模型可能产出最多两张中间“思考图”。这部分不收费，而且 API 里无法关闭思考。

第 3 步：设置宽高比、分辨率和纯图片输出

用 response_format 控制输出。设置 "type": "image" 后只返回图片、不再带对话文本，响应更小、解析更简单。

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input="A product shot of a matte black coffee grinder on a marble counter",
    response_format={
        "type": "image",
        "mime_type": "image/png",
        "aspect_ratio": "16:9",
        "image_size": "2K",
    },
)

需要知道的几点：

• image_size 接受 1K、2K 和 4K。必须用大写 K；2k 这类小写值会被拒绝。
• 2.1 没有 512px 档位，那是 Nano Banana 2 的。
• 支持的宽高比包括 1:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9，以及极端比例 1:4、4:1、1:8、8:1。16:9 在 2K 下是 2752x1536，在 4K 下是 5504x3072。
• 如果想要文本和图片同时返回，传列表：response_format=[{"type": "text"}, {"type": "image"}]。

第 4 步：编辑已有图片

把图片作为 base64 image 块和文本指令一起发送：

with open("living_room.png", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode("utf-8")

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input=[
        {"type": "text", "text": "Using the provided image of a living room, change only the blue sofa to be a vintage, brown leather chesterfield sofa. Keep the rest of the room, including the pillows on the sofa and the lighting, unchanged."},
        {"type": "image", "data": image_b64, "mime_type": "image/png"},
    ],
)

不用蒙版文件的蒙版式局部重绘

没有单独的蒙版上传，蒙版用文字来定义。Google 给的模板：

Using the provided image, change only the [specific element] to [new element/description]. Keep everything else in the image exactly the same, preserving the original style, lighting, and composition.

只点名一个要改的元素，具体描述替换成什么，再重复一遍哪些必须保持不变。像“把沙发弄好看点”这种模糊提示，等于邀请模型重画整个房间。

第 5 步：多轮编辑持续迭代

多轮编辑是 Google 推荐的改图方式。把上一次交互的 id 作为 previous_interaction_id 传入，只发要改的内容：

interaction_2 = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input="Update this infographic to be in Spanish. Do not change any other elements of the image.",
    previous_interaction_id=interaction.id,
    response_format={"type": "image", "mime_type": "image/png", "aspect_ratio": "16:9", "image_size": "2K"},
)

走 REST 时，同样的字段放在请求体里："previous_interaction_id": "<PREVIOUS_INTERACTION_ID>"。2.1 改进的多轮角色一致性正是在这里发挥作用：角色或产品应该在后多轮编辑中保持可辨识。

第 6 步：组合最多 14 张参考图

向 input 列表添加更多 image 块即可。对 2.1，Google 文档写明最多 10 张高保真物体图加最多 4 张角色图，共 14 张：

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input=[
        {"type": "text", "text": "An office group photo of these people, they are making funny faces."},
        {"type": "image", "data": person_1_b64, "mime_type": "image/png"},
        {"type": "image", "data": person_2_b64, "mime_type": "image/png"},
        {"type": "image", "data": person_3_b64, "mime_type": "image/png"},
    ],
    response_format={"type": "image", "aspect_ratio": "5:4", "image_size": "2K"},
)

参考图按输入 token 计费，而 2.1 的输入价格是 Nano Banana 2 的三倍。重参考图的工作流会缩小价差，切换前先算笔账。

第 7 步：用 Google 搜索为图片落地事实

对于依赖当前事实的图片，比如天气图或近期事件的画面，加上搜索工具：

interaction = client.interactions.create(
    model="gemini-nano-banana-2.1",
    input="A detailed painting of a Timareta butterfly resting on a flower",
    tools=[{"type": "google_search", "search_types": ["web_search", "image_search"]}],
)

只用 {"type": "google_search"} 就是网页搜索；加上 image_search 后模型可以把网络图片用作视觉上下文，这是 2.1 和 Nano Banana 2 才支持的。搜索落地不能使用真实人物图片。如果把落地结果展示给用户，Google 要求你展示 google_search_result 步骤中返回的 search_suggestions。

第 8 步：在 Apifox 里测试

脚本适合做生成。要检查“某个提示词、某个 key、某个模型是否还正常”，保存好的请求更快。在 Apifox 中：

1. 创建环境，添加变量 GEMINI_API_KEY，填入你的 key。
2. 创建请求：POST https://generativelanguage.googleapis.com/v1beta/interactions。
3. 添加 header：x-goog-api-key: {{GEMINI_API_KEY}}。
4. 粘贴包含 model、input 和 response_format 的 JSON body，点击发送。
5. 添加后置脚本，写两条断言：

pm.test("status is 200", () => {
  pm.response.to.have.status(200);
});

pm.test("response contains an image block", () => {
  const steps = pm.response.json().steps || [];
  const hasImage = steps.some(s =>
    s.type === "model_output" &&
    (s.content || []).some(c => c.type === "image" && c.data)
  );
  pm.expect(hasImage).to.be.true;
});

6. 复制该请求，把 model 改成 gemini-3.1-flash-image，用同样的提示词各发一次。

这样你就有了 2.1 对 Nano Banana 2 的并排检查，每次运行的状态码、耗时和响应大小一目了然。更全面的功能对比见《Nano Banana 2.1 vs Nano Banana 2 vs Pro》。

价格

付费档价格，来自 Google 价格页 2026 年 10 月 7 日的数据：

2.1 的图片输出按每 1M token $30 计。1K 图片是 1120 token，2K 是 1680，4K 是 2520——每张图的价格就是这么算出来的。文本和思考输出为每 1M $7.50。搜索落地在 Gemini 3.x 系列模型间共享每月 5000 次免费额度，之后每 1000 次 $14。

算一笔账：用短文本提示词（每条约 100 输入 token）生成 1000 张 2K 产品图。

• 输出：1,000 x $0.0504 = $50.40
• 输入：100,000 token x $1.50 / 1M = $0.15
• 合计约 $50.55，外加思考文本的 token 费用

同样的活儿在 Nano Banana 2 上约 $101。走 Batch API 的话，2.1 的 2K 单价降到 $0.0252，输出部分降到 $25.20——前提是你等得起。Batch 任务用最长 24 小时的周转时间换更高的速率限制。Nano Banana 2 定价的更多细节见《Nano Banana 2 API 价格拆解》。

常见错误

下面是 Gemini API 的通用行为，不是文档里列出的 2.1 专属错误：

常见问题

Nano Banana 2.1 API 有免费档吗？没有。Google 把 API 免费档列为 “Not available”。AI Studio playground 接入了 2.1，但 Google 没有公布它的免费额度。

2.1 能直接替换 Nano Banana 2 吗？基本可以。把 model ID 换成 gemini-nano-banana-2.1 即可。你会失去 512px 档位，输入 token 也更贵，重参考图的编辑需要先算成本。

生成的图带水印吗？带。所有输出都含 SynthID 水印。

能用视频生成图片吗？能。2.1 支持 video 输入块，比如 YouTube 链接，和文本提示词一起传。

旧的 Nano Banana 2 API 指南还有用吗？概念仍然适用。早期模型见我们的《Nano Banana 2 API 指南》。

小结

Nano Banana 2.1 承诺更好的图片、只要 Nano Banana 2 单图价格的一半，API 形状还是同一套 Interactions API。申请一个已开通计费的 key，生成一张图，然后把请求连同状态码和图片断言一起保存在 Apifox 里。再用旧 model ID 复制一份同样的请求，一个下午之内你就能知道 2.1 值不值得为你手上的提示词切换。

开发必备：API 全流程管理神器 Apifox

介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。

如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。

值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。

获取专属报价与部署方案

详细的私有化部署系统架构与安全白皮书

针对您公司规模的专属报价单

免费的 1v1 专属产品演示 (Demo) 机会

获取部署方案

* 提交后，我们的客户经理将在 1 个工作日内与您联系

林俊锋 企业微信

@Apifox 专属顾问

扫码备注: 私有化 + 公司名