Gemini Nano Banana 2.1 es el modelo de imagen Gemini de alta eficiencia de Google para la generación y la edición conversacional, y la alternativa más eficiente a Nano Banana Pro. Genera a partir de una descripción escrita o reconstruye una imagen con hasta 10 imágenes de referencia en 1K, 2K o 4K, y expórtala como JPG o PNG.
Nano Banana 2.1 es el modelo de imagen Gemini eficiente de Google para generar desde texto y editar con referencias. Sus mejoras se notan donde más importa: en el texto dentro de la imagen y en la consistencia de personajes y estilos a lo largo de varias ediciones. Genera en 1K, 2K o 4K, trabaja con hasta 10 imágenes de referencia, descripciones de hasta 20,000 caracteres y 15 relaciones de aspecto, y exporta JPG o PNG.
El modelo de imagen eficiente de Gemini, con la resolución, las imágenes de referencia, las descripciones y la revisión que esta página sí ofrece.
Google presenta Nano Banana 2.1 como la alternativa más eficiente a Nano Banana Pro: velocidad y coste del nivel Flash, con mejor calidad visual y mejor seguimiento de las instrucciones que Nano Banana 2. Recurre a él cuando quieras varias direcciones utilizables en lugar de una sola imagen muy pulida.
Elige 1K para borradores y publicaciones sociales, 2K para trabajo de detalle y 4K para impresiones grandes, banners y composiciones que se van a recortar. 1K es el valor predeterminado y cada paso cuesta más créditos; la ficha del modelo señala que el mosaico en formatos anchos y panorámicos como 1:4, 4:1, 1:8 y 8:1 queda fijado a 2K y 4K.
Elige 1:1, 4:5, 3:4, 2:3, 9:16, 16:9 o 21:9 para colocaciones habituales, o los formatos muy anchos y muy altos 4:1, 1:4, 8:1 y 1:8; auto deja que el modelo se ajuste a tu descripción y a tus referencias.
La ficha del modelo de Google admite hasta 14 imágenes de referencia, con consistencia de personajes para hasta 4 personajes y fidelidad de objetos para hasta 10 objetos; esta página acepta hasta 10 archivos JPEG, PNG o WebP de 30 MB cada uno. Asigna una función a cada carga e indica qué debe permanecer sin cambios.
La mejora del renderizado de texto y de la precisión de composición hace que el modelo sea práctico para carteles, paneles de precios, tablas comparativas y diagramas, donde las palabras dentro de la imagen deben ser legibles y estar bien colocadas. Revisa la ortografía y el texto pequeño antes de publicar.
Describe el cambio que quieres — luz, fondo, encuadre, estilo — y conserva las partes que indiques, en lugar de repetir toda la descripción. Cada generación devuelve una sola imagen, así que cada cambio es una nueva pasada al precio indicado para su resolución.
Las descripciones largas son compatibles y útiles para carteles de varios paneles, composiciones recurrentes y series de personajes o productos. Un orden que funciona es sujeto, escena, encuadre, iluminación, materiales, estilo, el texto que debe aparecer en la imagen, las restricciones y el uso previsto.
Lee las palabras dentro de la imagen, revisa rostros pequeños, manos y etiquetas de producto, y vuelve a generar con una instrucción más clara si algo falla. El grounding con la búsqueda y los controles de nivel de pensamiento no están expuestos en esta página, así que trata los resultados como generados solo a partir de tu descripción y tus referencias.
Nano Banana 2.1 FAQ
Nano Banana 2.1 (código de modelo gemini-nano-banana-2.1) es el modelo de alta eficiencia de Google para generar imágenes y editarlas de forma conversacional. Es una actualización de Nano Banana 2 (Gemini 3.1 Flash Image) y la alternativa más eficiente a Nano Banana Pro (Gemini 3 Pro Image).
Según la ficha del modelo de Google, 2.1 mantiene la velocidad y el coste del nivel Flash y mejora la calidad visual, el seguimiento de las instrucciones, la consistencia de personajes en varios turnos y el renderizado de texto; además corrige los artefactos de mosaico en formatos anchos en 2K y 4K. Nano Banana 2 sigue siendo el nivel más ligero y económico, y Nano Banana Pro se mantiene como la opción de mayor fidelidad para trabajos profesionales complejos. Los tres funcionan en el mismo generador, así que puedes probar tu propio prompt con cada uno antes de decidir.
Texto a imagen cuesta 5 créditos en 1K, 8 en 2K y 10 en 4K. Con imagen de referencia, la variante imagen a imagen cuesta 1 crédito más en cada nivel: 6, 9 u 11 créditos. Cada generación devuelve una imagen.
1K, 2K y 4K, guardadas como JPG o PNG, con 1K como valor predeterminado. Quince relaciones de aspecto cubren 1:1, 4:5, 5:4, 3:4, 4:3, 2:3, 3:2, 9:16, 16:9 y 21:9, además de las panorámicas 4:1 y 1:4, las altas 8:1 y 1:8, y auto.
Esta página acepta hasta 10 imágenes JPEG, PNG o WebP de hasta 30 MB cada una. La ficha del modelo de Google indica compatibilidad con hasta 14 referencias, con consistencia de personajes para hasta 4 personajes y fidelidad de objetos para hasta 10 objetos. Usa archivos nítidos y bien iluminados, describe la función de cada uno — forma del producto, persona, pose, material, paleta de colores o fondo — y especifica qué no debe cambiar. Unas pocas referencias bien descritas suelen superar a un conjunto amplio y mezclado.
Hasta 20,000 caracteres. Un orden fiable es sujeto, escena, encuadre, iluminación, materiales, estilo, cualquier texto que deba aparecer en la imagen, las restricciones y el uso previsto. Empieza por lo que tiene que estar bien — el producto, el rostro, las palabras, el espacio libre para un titular — y añade el estilo después. Cuando un detalle deba quedarse exactamente igual, dilo de forma explícita.
Lee cualquier texto renderizado dentro de la imagen, revisa rostros pequeños y manos, confirma etiquetas de producto, logotipos y datos fácticos, y vuelve a generar con una instrucción más clara si algo falla. Trata cada resultado como un borrador hasta haberlo revisado.
Aquí la entrada son imágenes y texto. La ficha del modelo también menciona entrada de vídeo y PDF para la API de Gemini, y el grounding con la Búsqueda Web e Imágenes y los niveles de pensamiento configurables no están expuestos en estos controles. Para continuar, conserva el mismo conjunto de referencias y cambia una sola cosa por pasada: borrador en 1K, compara unas cuantas direcciones y vuelve a generar en 2K o 4K la que conserves. Exporta JPG para un archivo más ligero o PNG cuando necesites una imagen limpia, y revisa el resultado de nuevo después de cada cambio.
“Subimos la foto actual del producto, conservamos la forma y la etiqueta y volvemos a generar el fondo y la iluminación para cada mercado. El envase no se desvía entre versiones.”
Equipos de producto: “Subimos la foto actual del producto, conservamos la forma y la etiqueta y volvemos a generar el fondo y la iluminación para cada mercado. El envase no se desvía entre versiones.”
Estudios de diseño: “Una descripción larga con el texto del titular y notas de composición nos da varias direcciones en una sola sesión, y la exportación en 4K ya sirve para presentarla al cliente.”
Creadores para redes sociales: “Hago el borrador en 1K para encontrar la idea y luego vuelvo a generar la ganadora en 2K para la publicación. Al mantener el mismo brief y las mismas referencias en las dos pasadas, la dirección aprobada se conserva.”
Responsables de e-commerce: “Una foto de referencia del artículo real basta para producir un conjunto limpio de imágenes para la ficha, y como indicamos lo que no debe cambiar, la etiqueta sobrevive a la edición.”
Equipos de marketing: “Ponemos el titular, el precio y la letra pequeña en el brief y leemos el texto que aparece en la imagen antes de publicar nada. Esa revisión ya forma parte del proceso, no es un añadido.”
Diseñadores de marca: “Mantener el mismo conjunto de referencias en toda una serie es lo que hace que una campaña parezca una campaña y no un montón de imágenes sin relación.”
Equipos de localización: “Generamos la misma composición una vez por mercado y cambiamos el texto de la imagen, así cada versión conserva la composición que la marca ya aprobó.”
Estudios pequeños: “Hacer el borrador en 1K y pagar el 4K solo por la imagen que de verdad publicamos mantiene una semana de trabajo de concepto dentro de un presupuesto de créditos previsible.”
Empieza en 1K para probar una dirección, vuelve a generar en 2K o 4K la imagen que te quedes y expórtala como JPG o PNG.
10,000+ users
