Nano Banana 2.1 API 实战指南：从首次调用到多轮编辑与成本控制

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）的更新版，带来了更好的画面质量、mask 式编辑，以及更强的跨轮角色一致性。在两者共有的所有分辨率下，它的单张图片成本也只有 Nano Banana 2 的一半。

本文从空终端开始，一步步带你生成并保存第一张图片，随后覆盖宽高比、2K/4K 输出、图像编辑、多轮修改、参考图、搜索接地和费用。下文每个请求都可以在 Apifox 中保存并反复重放，方便你把 2.1 与当前在用的模型做对比。

想先了解背景？可以看《Nano Banana 2.1 是什么》，里面讲了有哪些变化，以及 Google 尚未公布的内容。

准备工作

所有示例都使用 Interactions API，Google 的图像生成文档中针对 2.1 用的也是它。

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 项目下创建 key。
3. 为该项目的开启结算。Google 定价页把 Nano Banana 2.1 的免费档标为“Not available”，因此调用 API 必须使用已开启结算的项目。
4. 导出 key：

export GEMINI_API_KEY="your-key-here"

Google 把 2.1 链到了 AI Studio 试玩页，用它测试 prompt 很方便，但 Google 没有公布免费账号在那里能生成多少。我们在《如何免费使用 Nano Banana 2.1》中整理了这条路径，《如何获取 Gemini API key》则更详细地讲解了 key 的配置流程。

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 内容块中返回，所以你需要一个 SDK（或一段脚本）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 返回最后一个生成的图片块，其 data 字段是 base64，写入文件前需要先解码。

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 图像模型会先思考再作画。模型在规划构图时最多会产生两张中间的“思考图像”，这部分不计费，而且在 API 中无法关闭 thinking。

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、不带对话文本，响应体更小，解析也更简单。

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",
    },
)

几点需要了解：

• image_size 接受 1K、2K 和 4K。请使用大写的 K；像 2k 这样的小写值会被拒绝。
• 2.1 没有 512px 档位，那一档属于 Nano Banana 2。
• 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，以及更极端的 1:4、4:1、1:8 和 8:1。2K 下的 16:9 图片为 2752x1536，4K 下为 5504x3072。
• 如果既要文本又要图片，传入列表即可：response_format=[{"type": "text"}, {"type": "image"}]。

第 4 步：编辑已有图片

把图片以 base64 的 image 块形式，与文本指令一起发送：

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"},
    ],
)

无需 mask 文件的 mask 式局部重绘

这里不需要单独上传 mask，用文字描述即可定义遮罩。Google 给出的模板是：

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.

只写一个元素，具体描述替换内容，并重申哪些部分必须保持不变。像“让沙发更好看”这种含糊的 prompt，会诱使模型重画整个房间。

第 5 步：用多轮编辑反复微调

多轮编辑是 Google 推荐的图片精修方式。把上一轮交互的 id 作为 previous_interaction_id 传入，并且只发送你想要的改动：

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，同一个字段放在请求 body 中："previous_interaction_id": "<PREVIOUS_INTERACTION_ID>"。2.1 改进的多轮角色一致性正是在这里体现价值：角色或产品在多轮编辑后仍应保持可辨识。

第 6 步：组合最多 14 张参考图

把更多 image 块追加到 input 列表中。对于 2.1，Google 文档说明最多支持 10 张高保真物体图和 4 张角色图，合计 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"},
)

参考图会计入输入 token，而 2.1 的输入价格是 Nano Banana 2 的三倍。参考图用得越多，价差就越小，因此切换前请先实测。

第 7 步：用 Google Search 为图片接地

对于依赖实时事实的图片，例如天气图或近期事件，可以加上搜索工具：

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"]}],
)

只写 {"type": "google_search"} 时使用网页搜索。加上 image_search 后，模型可以使用网络图片作为视觉上下文，这一能力目前只有 2.1 和 Nano Banana 2 支持。接地不能使用搜索获得的真人图像。如果你把接地结果展示给用户，Google 要求你展示返回的 search_suggestions，它来自 google_search_result 步骤。

第 8 步：在 Apifox 中测试

生成图片用脚本就够了。但要核查 prompt、key 和模型是否仍按预期工作，保存成请求会更快。在 Apifox 中：

1. 创建一个环境，添加变量 GEMINI_API_KEY，填入你的 key。
2. 新建请求：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，然后点击发送。
5. 添加一个后置操作脚本，包含两条断言：

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，用同一个 prompt 分别发送。

这样你就得到了 2.1 与 Nano Banana 2 的并排对比，每次运行都会展示状态码、耗时和响应体大小。更全面的功能对比，可参阅《Nano Banana 2.1 vs Nano Banana 2 vs Pro》。

费用

付费档价格，来自 Google 定价页，2026 年 10 月 7 日：

2.1 的图片输出为 $30/1M token。1K 图片为 1,120 token，2K 为 1,680，4K 为 2,520，单张价格就是由此换算而来。文本与 thinking 输出为 $7.50/1M。搜索接地每月含 5,000 次免费请求，由 Gemini 3.x 系列模型共享，超出后 $14/1000 次。

算例：用简短文本 prompt（每次约 100 输入 token）生成 1,000 张 2K 产品图。

• 输出：1,000 × $0.0504 = $50.40
• 输入：100,000 token × $1.50 / 1M = $0.15
• 合计：约 $50.55，另加 thinking 文本产生的 token

同样的任务在 Nano Banana 2 上约需 $101。走 Batch API 时，2.1 的 2K 价格降到 $0.0252，只要你能等待，输出部分就降到 $25.20。批量任务用最长 24 小时的周转时间换取更高的速率上限。Nano Banana 2 的更多定价细节，见我们的 Nano Banana 2 API 定价拆解。

常见错误

以下属于 Gemini API 的通用行为，并非 2.1 专属的已记录错误：

常见问题

Nano Banana 2.1 API 有免费档吗？ 没有。Google 把 API 免费档标为“Not available”。AI Studio 试玩页虽链到 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？ 大体可以，把模型 ID 换成 gemini-nano-banana-2.1 即可。但你会失去 512px 档位，且输入 token 更贵，因此参考图密集的编辑需要先做成本核算。

生成的图片带水印吗？ 带。所有输出都包含 SynthID 水印。

可以用视频生成图片吗？ 可以。2.1 支持在文本 prompt 之外传入 video 输入块，例如 YouTube URL。

旧的 Nano Banana 2 API 指南还适用吗？ 概念仍然适用。早期模型的用法见我们的 Nano Banana 2 API 指南。

小结

Nano Banana 2.1 承诺以 Nano Banana 2 一半的单张价格换来更好的画质，并且沿用相同的 Interactions API 结构。先拿到已开启结算的 key，生成一张图片，然后把请求连同状态码和图片断言一起保存到 Apifox 中。再用旧模型 ID 复制一份，一个下午就能判断 2.1 是否值得为你的 prompt 切换过去。

HiFox：将 Agent 变成真正的队友

另外，我们也在思考，AI 如何从个人提效走进团队协作。

HiFox 是一个让人和 AI Agent 在同一个工作现场协作的平台：你可以像给同事分派任务一样指派 Agent，在任务看板中跟踪进度、查看结果，让 Agent 成为团队里的队友。

👉 立即体验 HiFox：https://hifox.com

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。