Nano Banana 2.1 API 接入实战：图内文字、10 张参考图融合与 15 种画幅，每张 $0.022 起

说明：本文在 AI 辅助下生成。文中的接口参数来自服务端源码和公开文档，价格核对于 2026-10-25，测试结论来自作者在 2026-10-07 和 10-08 的小规模自测。

做电商主图、活动海报这类图时，最常见的三个问题是：图里的字拼错，几张参考图里的人物或商品对不上，画幅选项不够用，网页横幅和手机长图都得自己裁。Google 在 2026 年 10 月推出的 Nano Banana 2.1 针对的正是这几点：按 Google 模型卡的评测，它在信息图文字准确度和多人物编辑上都比上一代 Nano Banana 2 有提升，还新增了 1:4、1:8 这类长条画幅。

Nano Banana 2.1 是 Google 的图像生成与编辑模型。同一个模型既能文生图，也能带参考图做编辑和多图融合，适合图内文字要准、多张图要保持一致、画幅不固定的批量出图场景。本文用一个 OpenAI 兼容的 HTTP 接口，把文生图、多参考图编辑、15 种画幅、三档分辨率、回调和成本估算逐个走一遍，代码可以直接复制运行。

先说利益关系：下文的调用示例走的是我们自己的平台 apimodels.app，模型名是 nano-banana-2-1。

准备工作

• 一个 API key，下文写作 YOUR_API_KEY。
• Python 3.9 以上并装好 requests，或者直接用 curl。
• 统一端点：https://api.apimodels.app/v1/images/generations，文生图和改图都走这一个地址。

一、文生图：先提交任务，再轮询结果

接口是异步的：POST 提交后立刻返回一个 taskId，再用 GET 查询，直到 state 变成 completed，从 resultUrls 里取图。下面的提示词是示例，结构和参数与官方文档一致：

import requests, time

API_KEY = "YOUR_API_KEY"
ENDPOINT = "https://api.apimodels.app/v1/images/generations"
H = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}

# 第 1 步：提交任务，立即返回 taskId
res = requests.post(ENDPOINT, headers=H, json={
    "model": "nano-banana-2-1",
    "prompt": "竖版咖啡店开业海报，暖色调，顶部大字标题写着「秋日限定 桂花拿铁」，"
              "画面中央是一杯拿铁和几枝桂花，底部一行小字写着「10 月 26 日开业」",
    "aspect_ratio": "3:4",
    "resolution": "2K",       # 1K（默认）/ 2K / 4K，决定价格
})
task_id = res.json()["data"]["taskId"]

# 第 2 步：每 3 秒查一次，直到完成或失败
while True:
    data = requests.get(ENDPOINT, headers=H, params={"task_id": task_id}).json()["data"]
    if data["state"] == "completed":
        print(data["resultUrls"][0])
        break
    if data["state"] == "failed":
        raise RuntimeError(data.get("failMsg", "generation failed"))
    time.sleep(3)

state 只有四种取值：pending 和 processing 表示还在生成，completed 表示完成，failed 表示失败、原因写在 failMsg 里。一次请求只出一张图，要多张就并发多发几单，每单各自计费、各自可查。

出图时间在我们的自测里波动不小：10 月 7 日一张 16:9 的 1K 图大约 20 秒；10 月 8 日同样是 2K 的图，上午 25 到 28 秒，下午 65 到 77 秒。轮询循环最好留出几分钟的超时，不要按十几秒去写死。

二、让图里的字写对

在我们的自测里，16:9 招牌上的英文、信息图里的每一个标签都拼写正确；编辑一张带字的截图时，屏幕上的原有文字也原样保留了下来。中文长段落我们没有做过系统测试，所以下面几条是结合 Google 模型卡里写明的限制整理的经验：

• 要出现在图里的字，用引号或书名号原样写进提示词，并说清楚它在什么位置、多大字号。
• 标题尽量短。Google 的模型卡提到，长段落文字和 1K 下的小字容易糊。
• 有小字的图直接用 2K 或 4K。也可以先用 1K 调提示词，满意了再用高档出正式图；注意这是一次新的生成，画面会有变化。
• 出图后一定人工核对一遍文字，尤其是数字、日期和品牌名。

三、多参考图融合：image_urls 最多 10 张

改图和融合用的是同一个端点、同一个模型名。传 image（单张）或 image_urls（数组），请求就自动进入编辑模式，两者合计最多 10 张。每张可以是 URL、data URI 或裸 base64，格式支持 JPEG、PNG、WebP。提示词里用「图 1、图 2」指代参考图即可：

curl -X POST https://api.apimodels.app/v1/images/generations \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nano-banana-2-1",
    "prompt": "把图 1 的保温杯放在图 2 的木质桌面上，杯身印上图 3 的品牌标志，自然光，电商主图风格",
    "image_urls": [
      "https://example.com/bottle.png",
      "https://example.com/desk.jpg",
      "https://example.com/logo.png"
    ],
    "aspect_ratio": "4:5",
    "resolution": "2K"
  }'

返回同样是 taskId，轮询方式和第一节完全一样。有三点要注意：

• 多图字段名是 image_urls，不是 images。
• 两个字段合计超过 10 张会直接返回 400，不会悄悄截断。
• 参考图张数不影响价格，只有分辨率决定价格。

我们在 10 月 8 日做过一次改图自测：把一张带标题的截图放进客厅场景，屏幕上的文字原样保留，倒影里的镜像字母也是对的；但提示词里的几条要求，它漏了一条。所以复杂的编辑指令最好拆成两步来做。

四、15 种画幅和三档分辨率

aspect_ratio 支持 15 个值：

auto（默认）, 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

其中 21:9 适合网页横幅，1:4 和 1:8 适合长条详情图或手机长图。传了列表以外的值会直接返回 400，不会被悄悄换成别的比例，排查起来比较省事。

resolution 分 1K、2K、4K 三档，不传按 1K 处理。以 16:9 为例，三档实际出图分别是 1376×768、2752×1536、5504×3072。我们 10 月 9 日实测过，4K 是原生出图，不是放大来的。

五、不想轮询：回调或 OpenAI SDK 同步写法

第一种办法是加 callback_url。在请求体里带上一个公网可访问的地址，任务结束后会回调这个地址，适合放在队列或服务端批处理里用：

{
  "model": "nano-banana-2-1",
  "prompt": "……",
  "resolution": "1K",
  "callback_url": "https://your-app.example.com/webhook/image"
}

回调地址必须是公网 http(s)；填 localhost 或内网 IP 会在提交时直接返回 400。本地调试可以用内网穿透工具。

第二种办法是用 OpenAI 官方 SDK 同步调用。请求里带上 size（形如 1536x1024）且没有 callback_url 时，接口会等到出图后再按 OpenAI 的格式返回。下面是示例代码：

from openai import OpenAI

client = OpenAI(base_url="https://api.apimodels.app/v1", api_key="YOUR_API_KEY")
resp = client.images.generate(
    model="nano-banana-2-1",
    prompt="极简风格的耳机产品图，浅灰背景，右下角写着「NEW」",
    size="1536x1024",                      # 换算成 3:2、2K 档
    response_format="url",                # 只要链接；不传默认还会带 b64_json
)
print(resp.data[0].url)

size 的换算规则是：比例取 1:1、2:3、3:2、4:5、5:4、4:3、3:4、16:9、9:16、21:9 中最接近的一个；分辨率按像素数分档，不超过 130 万像素算 1K，不超过 500 万像素算 2K，再大算 4K。1:4、1:8 这类长条比例换算不出来，需要在 extra_body 里直接传 aspect_ratio。显式传入的 aspect_ratio 和 resolution 优先于 size 的换算结果。

六、成本怎么算

价格只看分辨率，参考图张数、画幅、提示词长短都不影响：

Google 官方价取自其定价页 2026-10-07 版的标准档。按这个价格，1K 出 100 张是 $2.20，2K 是 $3.60，4K 是 $6.00。控制成本的常见做法是：先用 1K 把提示词调好，再用 2K 或 4K 出正式图。

每一单的实际扣费都可以免费查询，用创建任务时拿到的 task_id 调用：

curl https://api.apimodels.app/v1/records/TASK_ID \
  -H "Authorization: Bearer YOUR_API_KEY"

返回里的 credits 就是这一单从余额里扣掉的美元数，失败的单是 0，方便和自己的业务记录逐单对账。

apimodels.app 在这里解决什么

apimodels.app 是一个多模型 API 网关：用一个 API key、一个 OpenAI 兼容端点调用图像、视频、语音和语言模型。对 Nano Banana 2.1 来说，它在调用链路上做了这几件事，先说稳定性：

• 多条上游线路自动切换。 当前线路报错、超时，或者交付不合格时，同一单会自动换下一条线路继续出图。换线路不改价格，调用方什么都不用改。
• 交付前核对尺寸。 主力线路在交付前会量一下图的实际像素，像素不足所选档位的 80%，或者比例偏差超过 5%，这张图就判为失败，不交付、不收费，再换线路重出。
• 失败不扣费，每单可查。 任务失败不扣钱；/v1/records 能查到每一单的实际扣费；结果文件保留 30 天。

价格方面，三档单价都低于 Google 官方标准价，按美元计费，不需要单独开 Google Cloud 账号。

不适合的情况也说清楚：

• 写实人像特写不建议用它。我们 10 月 8 日的自测里，它把皮肤毛孔渲染成了均匀的细密点阵，不如 Nano Banana Pro 自然。
• 需要透明背景、蒙版局部重绘，或者一次请求出多张图的场景，这个接口不支持。
• 依赖 Google 原生的 thinking 等级、搜索 grounding 等参数的项目，这里没有开放这些参数，直接用 Google 官方 SDK 更合适。

常见报错

• 400，aspect_ratio 不合法：值不在上面 15 个之内，改成列表里的值即可。
• 400，参考图超过 10 张：image 和 image_urls 合计不能超过 10 张。
• 400，callback_url 不可达：回调地址必须能从公网访问，不能是 localhost 或内网 IP。
• state: failed：原因写在 failMsg 里，这一单不扣费，可以修改提示词后重新提交。

你在用 Nano Banana 2.1 做图内文字时，遇到过哪些写不对的情况？欢迎在评论区交流。

接口文档：Nano Banana 2.1 API 文档（apimodels.app）；逐单扣费查询：请求记录与实扣查询文档。