A Google DeepMind 2026. október 6-án hivatalosan közzétette a Gemini 3 modellcsalád legújabb alapmodelljét, a Gemini 3.6 Flash architektúrára épülő Nano Banana 2.1-et. Az új változat a korábbi Gemini 3.1 Flash Image közvetlen utódjaként a nagy áteresztőképességű, költséghatékony képgenerálási és társalgási képszerkesztési feladatokat fedi le a drágább Gemini 3 Pro Image mellett. A fejlesztők a kiadással párhuzamosan bejelentették, hogy az elődmodell, a Gemini 3.1 Flash Image kivezetése 2026. október 29-én megtörténik, így az API-t használó alkalmazásoknak kötelező áttérniük az új változatra.
Egymillió tokenes kontextus és 4K kimenet
A rendszer natív multimodális felépítést követ, vagyis a szöveges instrukciókat, terjedelmes dokumentumokat és bemeneti képeket azonos reprezentációs térben dolgozza fel. A bemeneti kontextusablak mérete eléri az 1 000 000 (1M) tokent, amely lehetővé teszi a rendkívül részletes műszaki leírások vagy többoldalas dokumentumok közvetlen vizuális feldolgozását. A modell egyidejűleg akár 14 referencia-kép elemzésére képes a képeken szereplő személyek, arcvonások és tárgyak konzisztens megtartásához.
A kimeneti oldalon átlapolt (interleaved) multimodális válaszokat generál: a 4K tokent elérő képi kimenet mellett legfeljebb 64 000 (64K) token hosszúságú szöveges magyarázatot adhat vissza. A renderelési motor a standard képarányok mellett az ultraszéles és 21:9-es panorámaformátumokat is támogatja 1K, 2K és 4K felbontási lépcsőkben, miközben szorosan illeszkedik a Gemini Flash architektúra alacsony késleltetésű kiszolgálói infrastruktúrájába.
CoT gondolkodási fázis és benchmarkok
A Nano Banana 2.1 támogatja a tesztidőbeli érvelést (Test-Time Reasoning). A gondolkodási módban (Thinking) a rendszer a tényleges képi tokenek szekvenciális kibocsátása előtt egy rejtett láncolt gondolatmenetet (Chain-of-Thought) futtat le. Ebben a fázisban előre felvázolja a kompozíciós elrendezést, a térbeli arányokat és a szöveges tipográfiát, megelőzve a képgeneráló hálózatoknál gyakori logikai ütközéseket.
A mérnöki mérések szerint a CoT fázis közvetlen minőségi előnyt hoz a standard gyors futtatáshoz (No Thinking) képest a hivatalos modellkártyáján publikált teszteken:
- Általános vizuális preferencia: a gondolkodási mód 1050 ± 14 Elo-pontot ér el a gyors mód 1015 ± 13 pontjával szemben, jelentősen felülmúlva a korábbi Gemini 3.1 Flash Image 990 ± 7 és a Gemini 3 Pro Image 935 ± 8 pontját.
- Infografika-tervezés: a CoT üzemmód 1048 ± 17 Elo-értéket hoz, míg a gyors futtatás 1001 ± 17 pontot ad (a korábbi Flash változat 961 pontot tudott).
- Infografikai tényszerűség: az automatizált ellenőrző mérésen (AutoRater) a gondolkodó modell 0,521-es pontszámot ért el, szemben a gyors mód 0,328-as, illetve az előd 0,179-es értékével.
Karakterkonzisztencia és szemantikus maszkolás
A képszerkesztési feladatokban a modell kimagasló stabilitást mutat a referencia-képek kontextusának megtartásában. A többkarakteres konzisztencia vizsgálatánál 1106 ± 14 Elo-pontot kapott, felülmúlva a korábbi Gemini 3 Pro Image 1011-es és a Gemini 3.1 Flash 978-as szintjét. A termékkonzisztencia mérésén 1024 ± 18 Elo-t, míg a többforrásos stílusátvitelnél 1066 ± 22 Elo-t ért el.
A funkciótár része a szemantikus és firka-alapú (ink/mask) szerkesztés, amely 1049 ± 15 Elo-pontot ért el a teszteken. A felhasználók szabadkézi firkával vagy maszkoló ecsettel jelölhetik ki a módosítani kívánt területeket, a neurális háló pedig a környező képi elemek sértetlenségét megőrizve hajtja végre a szöveges módosításokat. A rendszer a Google Search keresési adataival is összekapcsolható, így valós idejű tényeket, aktuális időjárási adatokat és földrajzi részleteket építhet be a generált grafikákba.
Disztribúció és ismert korlátok
A modell azonnal elérhető a Gemini alkalmazásban, a Google AI Studio felületén, a Gemini API-n keresztül, valamint a Google Search AI Mode, Google Ads, Google Flow és Google Stitch rendszereiben, miközben a Replicate és a fal.ai felhős infrastruktúrájában is megjelent. A vállalati környezetek a Google Cloud Platform szerződési feltételei szerint használhatják az ágens-munkafolyamatokban.
A részletes műszaki dokumentáció kitér a technológia ismert korlátaira is. Az 1K felbontású változatnál az apró méretű betűk és sűrű bekezdések esetenként életlenné válnak. Firkás szerkesztésnél ritkán megfigyelhető a maszkolási körvonalak részleges beragadása vagy a referencia-személy testtartásának túlzott merevsége. A modell térbeli lokalizációja alkalmanként összekeverheti a jobb és bal oldali pozíciókat. A hálózat ismeretanyaga 2026 márciusáig tart, egyes specifikus szakterületeken 2025 januári vágási ponttal.
A képi minőség és a tényszerű hűség közötti szoros korrelációt a tesztidőben végzett következtetési kapacitás skálázása és a vizuális tokenek előzetes leláncolt logikai megtervezése határozza meg.
