Gemini 3.1 Flash Image（Nano Banana 2）完全指南：API接入教程与国内中转方案【2026最新】

Gemini 3.1 Flash Image（代号 Nano Banana 2）是 Google 于 2026 年 2 月 26 日发布的最新 AI 图片生成模型，凭借 Flash 级速度（4-6 秒）和接近 Pro 的图片质量，迅速登顶 Chatbot Arena Image 排行榜第一名。本文将从 API 接入、价格解析、国内方案到生产实践，为中文开发者提供一站式完整指南——官方 1K 图片定价 $0.067/张，而通过中转平台最低仅需 $0.03/张（Google AI 官网，2026-03-08 验证）。

Gemini 3.1 Flash Image（Nano Banana 2）到底是什么

Google 在 2026 年 2 月 26 日正式发布了 Gemini 3.1 Flash Image Preview，内部代号 Nano Banana 2（简称 NB2）。这个命名延续了 Google AI 团队的水果代号传统——上一代 Gemini 3 Pro Image 的代号是 Nano Banana Pro。NB2 的核心定位非常清晰：用 Flash 级别的速度和成本，提供接近 Pro 级别的图片生成质量。对于大多数商业场景而言，这意味着你可以用不到一半的价格，获得几乎相同的视觉效果，同时生成速度快了将近一倍。

从技术架构来看，NB2 基于 Gemini 3.1 Flash 模型的多模态能力构建，模型 ID 为 gemini-3.1-flash-image-preview。它不是一个独立的图片生成模型，而是一个能够同时理解文本和图片、并原生输出图片的多模态大模型。这意味着你可以在同一个 API 调用中完成文本对话和图片生成，不需要切换不同的端点或模型。这种"原生多模态"的设计让 NB2 在文字渲染准确率上达到了约 90% 的水平，远超传统的纯图片生成模型。

NB2 在 Gemini 生态中扮演着"性价比之王"的角色。如果你之前一直在用 Nano Banana Pro（Gemini 3 Pro Image）进行图片生成，NB2 为你提供了一个更经济的选择：速度更快、成本更低，而质量差距在大多数使用场景中几乎不可感知。Google 官方的定位也很明确——NB2 适合批量处理、快速迭代和成本敏感的场景，而 Pro 则面向对细节和质量有极致要求的专业用户。对于绝大多数开发者来说，NB2 就是你需要的那个模型。

Nano Banana 2 核心特性与 Pro 对比

选择 NB2 还是 Nano Banana Pro，是很多开发者面临的第一个决策。与其罗列功能清单，不如直接看数据——下面是基于 Google 官方文档和实测数据的量化对比（Google AI 官网，2026-03-08 验证）。

在生成速度方面，NB2 的优势非常明显。同样生成一张 1K 分辨率的图片，NB2 平均耗时 4-6 秒，而 Pro 通常需要 8-12 秒。这个差距在批量生成场景中会被放大——如果你需要一次生成 100 张图片，NB2 可以节省超过 10 分钟的等待时间。在价格方面，NB2 每张 1K 图片的成本是 $0.067，而 Pro 同分辨率需要 $0.134，整整便宜了一半。

文字渲染能力是衡量图片生成模型质量的关键指标之一。NB2 的文字渲染准确率约为 90%，这意味着在大多数海报、社交媒体图片和产品展示图中，文字内容都能准确呈现。Pro 的准确率略高，约为 94%，但在实际应用中，这 4% 的差距通常只在小字号文字或复杂排版场景中才会显现。如果你的应用不涉及大量精细文字排版，NB2 的表现完全够用。

两者在功能支持上也有一些差异值得关注。NB2 支持超过 15 种宽高比，从传统的 1:1、16:9 到竖版的 9:16 都可以自由选择，而 Pro 主要支持标准比例。在搜索增强方面，NB2 同时支持 Web 搜索和图片搜索增强（Google Search grounding），而 Pro 仅支持 Web 搜索。两者都支持最多 14 张参考图作为输入，最高分辨率都可达 4K（4096px）。在 Chatbot Arena 的排名上，NB2 登顶 Text-to-Image 第一名，而 Pro 位居 TOP3。

选型建议非常简单：如果你追求速度快、成本低、批量处理，选 NB2；如果你对文字渲染精度有极致要求，或者需要最高质量的广告素材、产品摄影级图片，选 Pro。对于 80% 以上的使用场景，NB2 是更优的选择。更详细的对比数据可以参考我们之前的深度评测文章——Nano Banana 2 与 Pro 的详细对比。

价格与成本深度解析

理解 NB2 的定价机制，是控制成本的第一步。与传统的按张计费不同，Gemini Flash Image 采用 token 计费模型——输入和输出分别按 token 数量计费，而图片输出的 token 数量取决于分辨率。这个机制初看可能有点复杂，但一旦理解了，就能精确预测每次调用的成本（Google AI 官网，2026-03-08 验证）。

Token 计费机制详解

NB2 的计费分为三个部分：输入 token（$0.50/百万 tokens）、文本输出 token（$3.00/百万 tokens）和图片输出 token（$60.00/百万 tokens）。图片输出的 token 价格是文本输出的 20 倍，这也是为什么图片生成的主要成本来自输出环节。不同分辨率的图片消耗的 token 数量不同：512px 图片消耗 747 tokens，1024px 消耗 1120 tokens，2048px 消耗 1680 tokens，4096px 消耗 2520 tokens。

将这些数字换算成每张图片的实际成本，结果如下表所示。需要注意的是，这里只计算了图片输出的 token 费用——输入 prompt 通常只有几十到几百个 token，成本可以忽略不计。

从表中可以清楚地看到，Google 官方提供了一个批处理（Batch API）折扣方案，价格直接打五折。如果你的场景不需要实时响应——比如每晚批量生成第二天需要的营销图片——批处理是官方渠道中最划算的选择。不过批处理有延迟限制，不适合需要即时交互的场景。

对于国内开发者来说，中转平台提供了一个更有竞争力的价格方案。以 laozhang.ai 为例，无论什么分辨率，每张图片统一 $0.03。这在低分辨率场景下和官方价格差不多，但在高分辨率场景下优势巨大——4K 图片比官方价格便宜约 80%。如果你想深入了解各种计费方案的差异，可以阅读我们的Gemini Flash Image 完整定价指南。

成本优化策略

在实际项目中，有几个经过验证的策略可以有效控制成本。首先是分辨率选择策略：如果图片最终用于社交媒体或网页展示（通常不超过 1200px），选择 1K 分辨率即可，不需要 4K。1K 图片的视觉质量对于大多数屏幕显示场景已经足够。其次是利用 NB2 的多模态特性，在同一个对话中连续生成多张图片，这样输入 context 的 token 可以复用，减少重复的 prompt 开销。最后，对于非实时场景，优先使用批处理 API——同样的图片质量，成本直接减半。关于免费使用方案，可以参考我们的Gemini 3.1 Flash Image 免费 API 使用方案。

API 接入实战教程（5分钟上手）

接入 NB2 的 API 非常简单——你需要一个 Google AI API Key，然后通过标准的 Gemini API 发送请求即可。整个过程不超过 5 分钟。下面分别展示 Python、Node.js 和 curl 三种方式。

获取 API Key

在开始之前，你需要前往 Google AI Studio 创建一个 API Key。登录 Google 账号后，点击左侧的"Get API key"按钮，选择"Create API key in new project"即可。请注意，NB2 目前处于 Preview 阶段，免费层暂不可用——你需要开通付费的 Gemini API 计划才能调用。获取到的 API Key 格式类似 AIzaSy...，请妥善保存。

Python 代码示例

Python 是最主流的接入方式。使用 Google 官方的 google-genai SDK，几行代码就能生成图片。下面是一个完整的、可直接运行的示例，包括了图片保存和错误处理：

python
import os
import base64
from google import genai


client = genai.Client(api_key=os.environ.get("GEMINI_API_KEY"))

# 生成图片
response = client.models.generate_content(
    model="gemini-3.1-flash-image-preview",
    contents="一只橘猫坐在窗台上看日落，水彩风格",
    config=genai.types.GenerateContentConfig(
        response_modalities=["TEXT", "IMAGE"],  # 同时返回文本和图片
    ),
)

# 处理响应
for part in response.candidates[0].content.parts:
    if part.inline_data:  # 图片数据
        image_bytes = base64.b64decode(part.inline_data.data)
        with open("output.png", "wb") as f:
            f.write(image_bytes)
        print(f"图片已保存，格式: {part.inline_data.mime_type}")
    elif part.text:  # 文本描述
        print(f"模型回复: {part.text}")

这段代码的关键点在于 response_modalities=["TEXT", "IMAGE"] 这个参数——它告诉模型同时返回文本和图片。如果你只需要图片，可以设为 ["IMAGE"]。响应中的图片数据以 base64 编码的 PNG 格式返回，解码后直接保存即可。

Node.js 代码示例

如果你的项目基于 Node.js，可以使用 @google/genai 官方 SDK。下面是等效的 Node.js 实现：

javascript
import { GoogleGenAI } from "@google/genai";
import fs from "fs";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });

async function generateImage() {
  const response = await ai.models.generateContent({
    model: "gemini-3.1-flash-image-preview",
    contents: "一只橘猫坐在窗台上看日落，水彩风格",
    config: { responseModalities: ["TEXT", "IMAGE"] },
  });

  for (const part of response.candidates[0].content.parts) {
    if (part.inlineData) {
      const buffer = Buffer.from(part.inlineData.data, "base64");
      fs.writeFileSync("output.png", buffer);
      console.log(`图片已保存，格式: ${part.inlineData.mimeType}`);
    } else if (part.text) {
      console.log(`模型回复: ${part.text}`);
    }
  }
}

generateImage().catch(console.error);

curl 命令行

对于快速测试或集成到 Shell 脚本中，curl 是最直接的方式。下面的命令会发送请求并将返回的图片保存到本地：

bash
curl -s "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-flash-image-preview:generateContent?key=${GEMINI_API_KEY}" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [{"parts": [{"text": "一只橘猫坐在窗台上看日落，水彩风格"}]}],
    "generationConfig": {"responseModalities": ["TEXT", "IMAGE"]}
  }' | python3 -c "
import sys, json, base64
data = json.load(sys.stdin)
for part in data['candidates'][0]['content']['parts']:
    if 'inlineData' in part:
        with open('output.png', 'wb') as f:
            f.write(base64.b64decode(part['inlineData']['data']))
        print('图片已保存为 output.png')
"

这三种方式的核心调用逻辑完全相同——发送文本 prompt，接收包含图片数据的 JSON 响应。选择哪种取决于你的技术栈。值得注意的是，NB2 支持在 prompt 中传入参考图片，可以实现图片编辑、风格迁移等高级功能——这些会在后面的高级特性章节中详细介绍。

国内开发者接入方案详解

对于国内开发者来说，直接调用 Google 的 API 面临网络障碍是绑不开的现实问题。目前主流的解决方案有三种：官方直连（需要科学上网）、中转平台和自建代理。每种方案各有优劣，适合不同的使用场景和技术能力。

方案一：官方直连

官方直连是最直接的方式——在有稳定网络环境的服务器上直接调用 generativelanguage.googleapis.com。优点是价格最低（直接享受官方定价）、延迟最小、数据不经过第三方。缺点也很明显：需要海外服务器或稳定的网络通道，不支持国内支付方式（需要国际信用卡），而且网络波动可能导致请求超时。如果你的团队已经有海外服务器基础设施，或者是个人开发者有稳定的网络方案，官方直连是成本最低的选择。

方案二：中转平台（推荐）

中转平台是目前国内开发者最主流的选择。这类平台在海外部署服务器，将 Google API 的请求转发给国内用户，同时提供国内友好的支付方式（支付宝、微信）和中文技术支持。以 laozhang.ai 为例，接入步骤非常简单——只需要将 API 的 base URL 从 Google 官方地址替换为中转地址，其他代码完全不用改动。

使用 laozhang.ai 中转接入 NB2 的 Python 示例如下：

python
from openai import OpenAI

# 使用 OpenAI 兼容格式调用
client = OpenAI(
    api_key="your-laozhang-api-key",  # 在 laozhang.ai 获取
    base_url="https://api.laozhang.ai/v1"
)

response = client.chat.completions.create(
    model="gemini-3.1-flash-image-preview",
    messages=[
        {"role": "user", "content": "一只橘猫坐在窗台上看日落，水彩风格"}
    ],
)
print(response.choices[0].message.content)

中转平台的核心优势是零配置接入——不需要科学上网，不需要国际信用卡，不需要搭建任何基础设施。而且由于支持 OpenAI 兼容格式，如果你的项目之前已经集成了 OpenAI 的 SDK，只需要改一行 base URL 就能切换到 NB2。价格方面，laozhang.ai 每张图片统一 $0.03，在 2K 和 4K 分辨率下比官方价格便宜 50%-80%。更多中转渠道的对比可以参考最便宜的 Gemini Flash Image API 渠道。

方案三：自建代理

自建代理适合对数据隐私有严格要求的企业用户。方案是在海外（如新加坡、日本）购买一台云服务器，部署 Nginx 反向代理，将请求转发到 Google API。这样数据只经过你自己的服务器，不经过任何第三方。代价是你需要承担服务器成本（通常 $5-20/月）、运维负担，以及可能的 IP 封禁风险。

对于大多数开发者来说，中转平台在易用性、成本和稳定性之间取得了最好的平衡。如果你的月调用量不高（几千到几万次），中转平台几乎是最优选择。如果月调用量达到百万级别以上，可以考虑自建代理来进一步降低单次调用成本。关于国内代理方案的更多细节，我们在Gemini API 国内代理完整方案中有详细说明。

生产环境最佳实践

从 Demo 到生产环境的跨越，往往不在于 API 调用本身，而在于错误处理、并发控制和成本监控这些"周边"能力。下面是经过实际项目验证的最佳实践，帮助你构建一个稳定可靠的图片生成服务。

错误处理与重试策略

NB2 的 API 可能返回多种错误类型：429（速率限制）、500（服务器内部错误）、503（服务不可用）。对于这些可重试的错误，建议使用指数退避策略——第一次失败后等 1 秒，第二次等 2 秒，第三次等 4 秒，最多重试 3 次。对于 400（请求格式错误）或 403（认证失败）这类不可重试的错误，应该立即抛出异常而不是反复重试。下面是一个实用的重试封装：

python
import time
import random

def generate_with_retry(client, prompt, max_retries=3):
    """带指数退避的图片生成"""
    for attempt in range(max_retries):
        try:
            response = client.models.generate_content(
                model="gemini-3.1-flash-image-preview",
                contents=prompt,
                config={"response_modalities": ["TEXT", "IMAGE"]},
            )
            return response
        except Exception as e:
            error_code = getattr(e, 'code', None)
            if error_code in [400, 403, 404]:
                raise  # 不可重试的错误，立即抛出
            if attempt < max_retries - 1:
                wait = (2 ** attempt) + random.uniform(0, 1)
                print(f"请求失败，{wait:.1f}秒后重试... ({e})")
                time.sleep(wait)
            else:
                raise  # 重试耗尽

并发控制

NB2 的 API 有速率限制，付费账户通常允许每分钟 60-200 次请求（具体取决于你的配额等级）。在批量生成场景中，如果不做并发控制，很容易触发 429 错误。推荐使用信号量（Semaphore）来限制并发数。以 Python 的 asyncio 为例，将并发数控制在 10-20 之间是一个安全的选择——这样既能充分利用配额，又不会频繁触发限制。

同时建议在每批次任务完成后加一个短暂的冷却期（比如 1-2 秒），让 API 端的速率计数器有时间重置。这比"跑满配额然后等到下一分钟"的策略更稳定，也能获得更均匀的响应时间。如果你需要更稳定的高并发渠道，可以参考我们的稳定的 Gemini 图片生成渠道评测。

成本监控

对于生产级应用，建议在每次 API 调用后记录 token 消耗量，并设置日预算上限。NB2 的响应中包含 usage_metadata 字段，里面有 prompt_token_count 和 candidates_token_count 的详细数据。将这些数据写入数据库或发送到监控系统（如 Prometheus/Grafana），可以实时跟踪成本趋势。一个简单但有效的做法是：设定每日预算，当累计消耗达到阈值的 80% 时触发告警，达到 100% 时自动暂停新请求。这样可以有效避免因 bug 或异常流量导致的成本失控。

高级特性与实战技巧

NB2 不只是一个简单的"文字转图片"工具——它支持参考图输入、搜索增强、思考模式等高级特性，掌握这些能力可以解锁更多实际应用场景。

参考图(Image Reference)

NB2 支持在 prompt 中同时传入最多 14 张参考图片。这个能力使得图片编辑、风格迁移和品牌一致性维护变得非常简单。比如你可以上传一张产品照片，然后让 NB2 "把这张照片改成水彩风格"或"将背景替换为沙滩场景"。参考图的传入方式是将图片以 base64 编码放在 inline_data 字段中，与文本 prompt 一起发送。在实际使用中，1-3 张参考图的效果最好——参考图太多反而可能让模型"困惑"，不知道该优先参考哪张。

一个特别实用的场景是品牌素材生成：上传你的品牌 Logo 和色彩标准图，然后让 NB2 基于这些参考生成不同场景的营销图片，可以确保生成的图片在视觉风格上与品牌保持一致。这在电商和社交媒体运营中非常有价值——以前需要设计师手工制作的工作，现在可以通过 API 批量完成。

Google Search Grounding

NB2 独特支持 Google Search grounding 功能，同时覆盖 Web 搜索和图片搜索。简单来说，你可以让 NB2 在生成图片之前先搜索互联网获取最新信息，然后基于搜索结果来生成图片。比如 prompt"根据今天的天气生成一张适合的户外活动插图"——NB2 会先搜索当前天气信息，然后据此生成匹配的插图。这个特性在生成时事相关、时效性内容时特别有用。

分辨率与宽高比选择策略

NB2 支持 4 种分辨率（512px、1K、2K、4K）和超过 15 种宽高比组合。选择合适的分辨率和宽高比需要考虑两个因素：最终用途和成本。对于社交媒体头图（通常要求 16:9），1K 分辨率即可满足大多数平台的要求；对于印刷品或大幅海报，建议使用 2K 或 4K；对于缩略图或头像，512px 就足够了。值得注意的是，NB2 会自动选择最接近的支持宽高比——如果你请求一个非标准比例（比如 2.35:1），模型会智能调整到最接近的可用比例。在 prompt 中可以通过添加 "aspect ratio 16:9" 来指定宽高比。

思考模式(Thinking Mode)

NB2 还支持思考模式（thinking），有 minimal 和 high 两个级别。开启思考模式后，模型会在生成图片之前先进行推理——分析 prompt 的意图、规划构图、选择色彩方案等。这会增加少量延迟（约 1-2 秒），但在复杂场景下可以显著提升图片质量。推荐在需要精确构图（如"人物站在画面左三分之一处"）或复杂场景（如"日落时分的城市天际线倒映在湖面上"）时开启 high 思考模式，在简单场景中使用 minimal 或不开启。

常见问题与总结

NB2 和 Nano Banana Pro 应该选哪个？ 如果你追求性价比、速度快、批量处理，选 NB2；如果你需要最高质量的广告素材和精细文字渲染，选 Pro。对于 80% 以上的场景，NB2 是更优选择。

国内可以直接调用 NB2 的 API 吗？ 不能直接调用 Google 的 API。推荐使用中转平台（如 laozhang.ai），只需更换 base URL 即可，支持微信/支付宝支付。API 文档参考：docs.laozhang.ai。

NB2 有免费额度吗？ 根据 Google AI 官网（2026-03-08 验证），NB2 目前免费层显示"不可用"。你需要开通 Gemini API 付费计划才能使用。

图片生成失败了怎么办？ 常见原因包括 prompt 触发安全过滤（调整措辞避免敏感内容）、请求超时（检查网络或使用中转）、速率限制（降低并发或等待后重试）。

NB2 支持生成中文文字的图片吗？ 支持。NB2 的文字渲染准确率约 90%，中文文字同样适用。建议在 prompt 中明确指定字体大小和位置，以获得更好的渲染效果。

总结与行动指引：Gemini 3.1 Flash Image（Nano Banana 2）以 Flash 级速度、接近 Pro 的质量和极具竞争力的价格，成为 2026 年最值得关注的 AI 图片生成模型。对于国内开发者，通过中转平台接入是最简单高效的路径——改一行代码即可开始使用。无论你是想快速原型验证、批量生成营销素材，还是构建生产级图片生成服务，NB2 都能提供可靠的支撑。现在就开始接入吧——5 分钟的配置时间，换来的是一个强大且经济的 AI 图片生成能力。