Gemini Nano Banana 2.1 - MixRoute API

Gemini Nano Banana 2.1 面向图片生成与对话式编辑，强化画质、文字渲染、参考一致性和宽幅图片能力。使用 gemini-nano-banana-2.1，不要替换为仅输出文本的 Gemini 型号。

模型信息

字段	说明
`model`	gemini-nano-banana-2.1
`input limit`	131,072 tokens
`output limit`	32,768 tokens
`input / output`	输入文本、图像、视频和 PDF；输出图像和文本，不输出原生音频。
`image output`	1K（默认）、2K、4K，不沿用 Nano Banana 2 的 512 档位。

以上为模型规格；路由可用性、计费、文件访问权限和请求大小限制取决于所选渠道。图片输出使用下方原生 Gemini 接口。 POST https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:generateContent POST https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:streamGenerateContent?alt=sse

生成图片

curl --request POST "https://api.mixroute.ai/v1/models/gemini-nano-banana-2.1:generateContent" \
  --header "Authorization: Bearer $MIXROUTE_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Generate a clean product photograph of a red ceramic mug on a plain white background. No text."
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "TEXT",
      "IMAGE"
    ],
    "imageConfig": {
      "aspectRatio": "1:1",
      "imageSize": "1K"
    },
    "thinkingConfig": {
      "thinkingLevel": "MINIMAL"
    }
  }
}'

在本接口使用原生 generationConfig.imageConfig 控制尺寸和比例，不添加 metadata、asset、OpenAI size/n 或请求体 model 字段；模型由 URL 指定。

请求字段

字段	说明
`contents`	必填，包含 parts 的 user/model 会话轮次。
`contents[].parts[].text`	提示词或编辑指令。
`contents[].parts[].inlineData`	输入图片对象，包含 mimeType 和原始 Base64 data，不加 data URI 前缀。
`contents[].parts[].fileData`	原生 fileUri/mimeType 引用，资源必须可被路由账号访问。
`generationConfig.responseModalities`	图片输出使用 [“TEXT”,“IMAGE”] 或 [“IMAGE”]。
`generationConfig.imageConfig.aspectRatio`	原生比例字符串，例如 1:1 或 16:9。
`generationConfig.imageConfig.imageSize`	1K、2K、4K，大小写敏感，默认 1K。
`generationConfig.thinkingConfig.thinkingLevel`	MINIMAL、MEDIUM（默认）、HIGH。
`generationConfig.thinkingConfig.includeThoughts`	可选思考摘要；保存最终图片时跳过 thought=true 的内容块。
`generationConfig.maxOutputTokens`	图片与文本共用的输出预算，最多 32,768；过低可能导致图片不完整。
`tools`	路由允许时可用原生 Google Search grounding；该图片模型不支持函数调用。
`safetySettings`	原生 category/threshold 设置，受厂商和账号安全策略约束。

使用限制

比例包括 1:1、1:4、4:1、1:8、8:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、21:9。
最多 14 张参考图，模型能力说明覆盖最多 4 个角色和 10 个物体；输入上限不代表一致性绝对保证。
Vertex 内联图像每张最多 7 MB，支持 PNG、JPEG、WebP、HEIC、HEIF；其他请求限制可能更严格。
不传入不支持的采样或随机性字段 temperature、topP、topK、seed、logprobs。
不支持音频生成、任意函数调用或结构化 JSON 输出。

编辑与多轮调用

{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Change the mug color to blue while preserving its shape and the white background."
        },
        {
          "inlineData": {
            "mimeType": "image/png",
            "data": "BASE64_IMAGE_DATA"
          }
        }
      ]
    }
  ],
  "generationConfig": {
    "responseModalities": [
      "TEXT",
      "IMAGE"
    ],
    "imageConfig": {
      "aspectRatio": "1:1",
      "imageSize": "1K"
    },
    "thinkingConfig": {
      "thinkingLevel": "MINIMAL"
    }
  }
}

将 BASE64_IMAGE_DATA 替换为源图的 Base64 数据。多轮编辑时，将之前完整的 candidate.content 保留为 model 轮次，再追加下一条 user 消息。原样保留所有 thoughtSignature，不要将含图片的历史缩减为纯文本。

读取输出

按类型处理 candidates[].content.parts[]。依据 MIME 类型解码并保存非 thought 的 inlineData 图片，文本部分单独读取。没有图片时检查 promptFeedback 和 finishReason，HTTP 成功不等于一定生成图片。流式请求使用 streamGenerateContent?alt=sse 和相同请求体，不在 JSON 中添加 stream 开关。解析 SSE data 事件，逐个处理 JSON 中的图片和文本内容块。图片生成与编辑 | 图片流式输出