Generate image

最近更新：2026年10月8日

用 google/gemini-nano-banana-2.1 出图，Gemini 原生端点，官方 SDK 直接可用。

google/gemini-nano-banana-2.1 的出图调用。走 Gemini 原生的 generateContent，与对话调用同一条地址，官方 SDK 把 base URL 指过来即可。

它是 Nano Banana 2 的后继：画质、提示词遵循、多轮角色一致性与文字渲染都有提升。分辨率从 1K 起步，不再有 512。

POSThttps://gateway.amux.ai/v1beta/models/google/gemini-nano-banana-2.1:generateContent

鉴权

header

Authorizationstring必填

请求

application/json

contentsarray<object>必填

提示词与参考素材。文本在 parts[].text；参考素材（图片、视频、PDF）内联放在 parts[].inline_data，或以链接放在 parts[].file_data。有参考素材即为图生图，端点不变。

›contentsarray<object>

role"user" | "model"

说话方。user 是你，model 是模型此前的回复。单轮请求可以省略。

partsarray<object>

这一轮的片段，按给出的顺序生效。文本与参考图可以混在同一轮里。

›partsarray<object>

textstring

文本片段。同一轮里多个 text 会按顺序拼接。

inline_dataobject

内联的参考素材：图片、视频或 PDF。每次请求合计 100 MB 以内，单个 PDF 50 MB 以内。更大的文件请用 file_data。

›inline_dataobject

mime_typestring

素材的媒体类型，如 image/png、image/jpeg、video/mp4、application/pdf。

datastring

素材字节的 base64，不含 data:image/png;base64, 前缀。带前缀会被上游当作无效文件。

file_dataobject

以链接提供的参考素材，由上游去取。适合大文件。

›file_dataobject

mime_typestring

素材的媒体类型，写法同 inline_data.mime_type。

file_uristring

Files API 的地址，或公网可访问的 HTTPS 链接（单个 15 MB 以内）。取不到时由上游报错。

generationConfigobject必填

生成参数。与出图相关的是 responseModalities 与尺寸控制。尺寸控制有 imageConfig 与 responseFormat.image 两种等价写法， Google 在不同版本的文档中分别采用过其中一种，Amux 两者均支持；同时提供时以 imageConfig 为准，按字段逐项覆盖。

›generationConfigobject

responseModalitiesarray<"TEXT" | "IMAGE">必填

必填 ["TEXT", "IMAGE"]。缺了它这条端点只回文本。

responseFormatobject

产物格式。图像相关的在 image 下。

›responseFormatobject

imageobject

出图的尺寸控制。两项都可以省略，省略时由上游取默认。

›imageobject

aspectRatio"1:1" | "1:4" | "1:8" | "2:3" | "3:2" | "3:4" | "4:1" | "4:3" | "4:5" | "5:4" | "8:1" | "9:16" | "16:9" | "21:9"

画面比例。这个模型接受下列 14 种比例。超出范围的值会被丢弃并记入 amux.notes，模型随即使用其默认值；本端点与 /v1/images/*、/v1/tasks 行为一致。

imageSize"1K" | "2K" | "4K"

分辨率档位。超范围时的处理同 aspectRatio。

toolsarray<object>

联网检索。取值 [{ "google_search": {} }]。按检索次数计费，实际条数见响应的 groundingMetadata.webSearchQueries。

响应

200response

生成结果。图与文本在 parts 里交错出现。

出图的开关

generationConfig.responseModalities 必须写成 ["TEXT", "IMAGE"]。缺了它，同一条端点只返回文本。

这个模型的取值范围

比例（14 种）：

1:1 · 2:3 / 3:2 · 3:4 / 4:3 · 4:5 / 5:4 · 9:16 / 16:9 · 21:9 · 1:4 / 4:1 · 1:8 / 8:1

分辨率：1K · 2K · 4K，不传时为 1K

超出范围的取值会被丢弃并记入 amux.notes，模型随即使用自己的默认值。这条原生端点与 OpenAI 兼容的图像端点、 Amux Tasks 共用同一条出图管线，三者行为一致。

OpenAI 风格的像素串 size（例如 1024x1024）会被折算成比例与档位， 折算范围收窄到上面这些取值，折算有损时记入 amux.notes。 Gemini 原生请求体里没有这个字段，按原生写法调用时直接写比例与档位即可。

参考素材

图生图与文生图共用这条端点，把参考素材放进 contents[].parts 即可。除了图片，这个模型还接受视频与 PDF——比如按一段视频的画风出图，或按 PDF 里的产品说明出图。

两种给法：

内联：inline_data，data 是不含 data: 前缀的原始 base64，mime_type 写实际类型（如 image/png、video/mp4、application/pdf）。每次请求合计 100 MB 以内，其中单个 PDF 50 MB 以内，超出直接拒绝。
链接：file_data，file_uri 写 Files API 的地址或公网可访问的 HTTPS 链接，mime_type 同上。公网链接单个 15 MB 以内，由上游去取，取不到时上游报错。大文件建议用这种方式。

参考图最多 14 张，其中物体参考最多 10 张、角色参考最多 4 张。图片、视频、PDF 以外的类型会照样转发，并在 amux.notes 里提示。

思考

这个模型会先思考再出图，档位有 minimal、medium、high 三档，默认 medium。原生端点上写在 generationConfig.thinkingConfig.thinkingLevel，原样透传给上游。思考越深，构图与文字越稳，耗时与思考 token 也越多。

成本构成

计费口径随供应商而定：同一个模型，有的供应商按 token 计，有的按张计，以模型页上该供应商的价格表为准。三条调用路径（本端点、/v1/images/*、/v1/tasks）共用同一条出图管线，同一个供应商在三者上的计费口径一致。

按 token 计时，图像 token 与文本 token 单价不同——两者在响应的 usageMetadata.candidatesTokensDetails 里按模态分开，账单据此分项计费，不会把图像 token 按文本价计。思考 token 按文本输出计，视频与 PDF 的 token 按文本输入计。

一张图消耗的 token 数由分辨率决定：1K 1120，2K 1680，4K 3780。

具体单价见模型页与按量计费。这里不写数字：供应商与折扣都会调整，抄一份在文档里迟早和账单对不上。

联网检索

tools: [{ "google_search": {} }] 可让模型在出图前检索，适合「按当前事实作图」这类需求。

SDK 序列化出的驼峰 googleSearch 同样接受。经 OpenAI 兼容的图像端点或 Amux Tasks 调用时，等价写法是 web_search: true。

计费按检索次数，一次调用可能发起多条查询——次数取响应里 candidates[].groundingMetadata.webSearchQueries 去重后的条数，空查询不计。

不支持流式

Gemini 的流式是换动作（:streamGenerateContent），而官方文档未给出图像流式的语法，因此这个模型上的流式请求会被拒绝。请去掉流式后重试。

一次调用返回一张图，请求体中没有批量字段。

其他调用方式

这个模型同样可以通过 OpenAI 兼容的图像端点与 Amux Tasks 调用。经过协议转换的路径上，本页列出的取值范围同样生效。

错误

错误按 Gemini 的错误体形状返回，status 取值与重试语义见错误与重试。

cURL

curl https://gateway.amux.ai/v1beta/models/google/gemini-nano-banana-2.1:generateContent \
  -H "x-goog-api-key: $AMUX_API_KEY" \
  -d '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "<string>",
            "inline_data": {
              "mime_type": "image/png",
              "data": "<string>"
            },
            "file_data": {
              "mime_type": "video/mp4",
              "file_uri": "https://example.com/clip.mp4"
            }
          }
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": [
        "TEXT",
        "IMAGE"
      ],
      "responseFormat": {
        "image": {
          "aspectRatio": "1:1",
          "imageSize": "1K"
        }
      }
    },
    "tools": [
      {}
    ]
  }'

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "<string>",
            "inlineData": {
              "mimeType": "image/png",
              "data": "<string>"
            }
          }
        ]
      }
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 0,
    "candidatesTokenCount": 0,
    "totalTokenCount": 0,
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 0
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "IMAGE",
        "tokenCount": 0
      }
    ]
  }
}

Generate image

鉴权

请求

响应

出图的开关#

这个模型的取值范围#

参考素材#

思考#

成本构成#

联网检索#

不支持流式#

其他调用方式#

错误#