Google lanza Gemini Nano Banana 2.1, su modelo eficiente de generación y edición de imágenes con IA

Google ha publicado en la documentación de su Gemini API una nueva ficha técnica para Gemini Nano Banana 2.1 (identificador de modelo: gemini-nano-banana-2.1), descrito como el modelo de generación de imágenes y edición conversacional "de alta eficiencia" más reciente de la familia Gemini. Se trata de una actualización de Nano Banana 2, que a su vez corresponde a Gemini 3.1 Flash Image, y mantiene la velocidad y el coste reducido propios de la gama "Flash", mientras introduce mejoras de calidad visual, fidelidad a las instrucciones (prompt adherence), consistencia de personajes en conversaciones de varios turnos y renderizado de texto. Según la propia documentación, este modelo actúa como la contrapartida "más eficiente" de Gemini 3 Pro Image, conocido como Nano Banana Pro, lo que sitúa a ambos como las dos variantes —Pro y Flash— de la misma línea de generación de imágenes de Google.

Entre las novedades que Google detalla para esta versión 2.1 destaca, en primer lugar, una mejora de la calidad visual y el realismo en las tres resoluciones de salida disponibles: 1K, 2K y 4K, siendo 1K la resolución por defecto. También se han corregido artefactos de "tiling" (mosaico) que aparecían en formatos de imagen panorámicos o muy alargados —relaciones de aspecto 1:4, 4:1, 1:8 y 8:1— cuando se generaban en 2K o 4K, un problema que por tanto afectaba específicamente a imágenes muy anchas o muy altas en las resoluciones superiores.

La actualización incluye además un renderizado de texto más preciso y una mejor exactitud en el diseño de infografías, un aspecto relevante para quienes usan este tipo de modelos para crear carteles, gráficos explicativos o composiciones con texto incrustado, un punto que tradicionalmente ha sido débil en los generadores de imágenes basados en IA. Otra mejora señalada es la fusión multi-imagen (multi-image fusion), que ahora admite hasta 14 imágenes de referencia en una misma operación, permitiendo mantener la consistencia de hasta 4 personajes distintos y la fidelidad de hasta 10 objetos diferentes a lo largo de las generaciones.

El modelo también incorpora "grounding" (anclaje de respuestas en fuentes externas) con Google Web Search y Google Image Search, lo que sugiere que puede apoyarse en resultados de búsqueda de Google para fundamentar o verificar el contenido que genera. Asimismo, ofrece niveles de "Thinking" (razonamiento interno) configurables, con tres opciones: mínimo, medio (el valor por defecto) y alto, permitiendo a los desarrolladores ajustar cuánto "razona" el modelo antes de producir una imagen según sus necesidades de velocidad o calidad.

En cuanto a las especificaciones técnicas recogidas en la ficha del modelo, Gemini Nano Banana 2.1 admite como entradas texto, imagen, vídeo y documentos PDF, y genera como salida tanto imágenes como texto. Su límite de tokens de entrada es de 131.072 y el de salida de 32.768 tokens. La documentación especifica también qué capacidades no soporta: no admite generación de audio, no tiene caching, no ejecuta código, no dispone de búsqueda de archivos (file search), no soporta function calling, no es compatible con el grounding de Google Maps, no funciona con la Live API, no ofrece salidas estructuradas (structured outputs) y tampoco soporta contexto de URL. Sí soporta, en cambio, generación de imagen, grounding de búsqueda y la función de Thinking. Respecto a las opciones de consumo, el modelo es compatible con la Batch API, pero no con los modos de inferencia Flex ni Priority.

La página de documentación indica que la versión estable corresponde al identificador gemini-nano-banana-2.1 y que la última actualización de esta ficha data de octubre de 2026. Google ofrece la posibilidad de probar el modelo directamente en Google AI Studio y remite a la página general de "Image generation" de su documentación para una cobertura completa de funciones y capacidades relacionadas con generación de imágenes dentro de la Gemini API.

En conjunto, esta actualización se enmarca en la estrategia de Google de mantener dos niveles de modelos de imagen dentro de Gemini —uno orientado a máxima calidad (Nano Banana Pro / Gemini 3 Pro Image) y otro orientado a eficiencia y velocidad (Nano Banana 2.1 / Gemini 3.1 Flash Image, en su versión actualizada)—, de forma que los desarrolladores puedan elegir el equilibrio entre coste, velocidad y calidad según el caso de uso, ya sea edición conversacional de imágenes, generación de infografías con texto, composiciones panorámicas o flujos de trabajo que combinan varias imágenes de referencia para mantener personajes y objetos coherentes entre generaciones.