Nano Banana Pro cuesta $0,134 por imagen de 1K o 2K y $0,24 por imagen de 4K en la API de Google, con el modo por lotes a mitad de precio. Este artículo detalla los precios, los endpoints REST de Gemini y Replicate, código Python que funciona y tablas de presupuesto mensual para proyectos reales.
Si vas a integrar Nano Banana Pro en una app, antes de escribir código surgen tres preguntas: cuánto cuesta una imagen, a qué endpoint llamas y cómo es un script de Python que funcione. Este artículo responde a las tres. Las cifras proceden de la página de precios de Google, las peticiones están listas para pegar en una terminal y las tablas de presupuesto muestran lo que cuestan realmente mil imágenes una vez contados los reintentos. Nano Banana Pro renderiza en 1K, 2K o 4K y acepta hasta 14 imágenes de referencia por petición. Conectarse a través de una API lleva unos quince minutos. Mantener la factura previsible requiere un poco más de reflexión, y ahí es donde se centra la mayor parte de este artículo.
💡 Respuesta corta: Google indica $0,134 por imagen de 1K o 2K y $0,24 por imagen de 4K. El modo por lotes reduce ambos a la mitad. Según se informa, Replicate y fal.ai rondan los $0,18 por imagen. Consulta las tarifas actuales antes de comprometer un presupuesto, porque los proveedores las ajustan.
Nano Banana Pro es el nombre público. En la documentación para desarrolladores de Google, el modelo se llama Gemini 3 Pro Image, y el identificador que pasas en los ejemplos de código de la API de Gemini es gemini-3-pro-image-preview. Replicate ofrece el mismo modelo como google/nano-banana-pro. Tres nombres para una misma familia de modelos, y esta discrepancia confunde a casi todo el mundo en la primera tarde.
Una API se justifica cuando las imágenes las produce un software en lugar de una persona: una tienda que renderiza una foto de estilo de vida para cada producto nuevo, un boletín que necesita una cabecera cada mañana o una aplicación que permite a los usuarios reestilizar sus propias fotos. Para un puñado de imágenes puntuales, un navegador es más rápido y no supone ningún costo en tiempo de ingeniería.
| Dónde lo llamas | Nombre que usas | Ideal para |
|---|---|---|
| API de Gemini | gemini-3-pro-image-preview | El precio de lista más bajo, modo por lotes |
| Replicate | google/nano-banana-pro | Una cuenta para muchos modelos, REST sencillo |
| PicassoIA | Página del modelo Nano Banana Pro | Probar prompts en el navegador, sin código |
Cada petición puede combinar estos controles:
Los precios son lo que más varía entre proveedores, así que aquí van las cifras, una fuente cada vez.
| Concepto | Estándar | Por lotes |
|---|---|---|
| Imagen de 1K o 2K | $0,134 | $0,067 |
| Imagen de 4K | $0,24 | $0,12 |
| Entrada de imagen de referencia | unos $0,0011 cada una | unos $0,0006 cada una |
El texto del prompt se factura aparte a $2,00 por millón de tokens de entrada. Un prompt de 150 tokens cuesta, por tanto, unos $0,0003, algo irrelevante frente a la imagen en sí. El gasto real está en la imagen de salida, y la resolución es la palanca más grande que controlas: un render en 4K cuesta alrededor de un 79 por ciento más que uno en 2K.
Como 1K y 2K comparten precio, la regla es sencilla. Usa 1K para borradores, miniaturas y pruebas de prompts, donde la velocidad importa más que los píxeles. Usa 2K para cabeceras de blog y páginas web, ya que no pagas nada extra por el detalle añadido. Reserva 4K para impresión, pantallas grandes o imágenes que pienses recortar mucho, porque es el único nivel en el que el precio realmente cambia.
💡 El identificador del modelo todavía lleva la palabra "preview". Google puede cambiar nombres, límites y precios de los modelos en preview, así que lee la página de precios el día que planifiques un lanzamiento.
Los trabajos por lotes cuestan exactamente la mitad de la tarifa estándar: $0,067 en lugar de $0,134 en 1K o 2K, y $0,12 en lugar de $0,24 en 4K. La contrapartida es la velocidad. Envías un archivo de peticiones, Google lo procesa cuando hay capacidad y recoges los resultados más tarde. Eso encaja con catálogos, actualizaciones nocturnas y trabajo de archivo. No encaja con un botón que un cliente está esperando.
Un ejemplo práctico lo hace concreto. Renderizar 2.000 fotos de producto en 2K cuesta $268,00 en el nivel estándar y $134,00 por lotes. El mismo modelo, la misma salida, $134,00 ahorrados por aceptar esperar.
Los rastreadores de precios de terceros informan de unos $0,18 por imagen tanto en Replicate como en fal.ai. Frente a los $0,134 de Google, eso supone alrededor de un 34 por ciento más por imagen. Pagas ese sobrecosto por comodidad: no necesitas un proyecto de Google Cloud, un solo token sirve para cientos de modelos y la API de predicciones es uniforme. Revisa la página del modelo en cada plataforma antes de presupuestar, ya que solo las cifras de Google de arriba proceden directamente de la página del propio proveedor.
Estas filas usan los precios de lista de Google.
| Escenario | Imágenes al mes | Configuración | Costo por imagen | Costo mensual |
|---|---|---|---|---|
| Blog en solitario con imágenes principales | 30 | 2K, estándar | $0,134 | $4,02 |
| Tienda online, fotos de producto | 2.000 | 2K, por lotes | $0,067 | $134,00 |
| Estudio de impresión, carteles grandes | 500 | 4K, estándar | $0,24 | $120,00 |
| El mismo estudio, cola nocturna | 500 | 4K, por lotes | $0,12 | $60,00 |
Las filas del estudio son el par revelador. La cola nocturna cuesta la mitad, así que la única pregunta es si alguien necesita el cartel en este mismo minuto.
Para calcular el presupuesto de tu propio proyecto, multiplica las imágenes previstas al mes por la tarifa de tu nivel y luego divide entre tu tasa de aprovechamiento. Una tienda que espera conservar 4 de cada 5 renders y necesita 1.000 imágenes utilizables en 2K debería presupuestar 1.250 renders, es decir, unos $167,50 a la tarifa estándar.
Nadie se queda con todos los renders. Si conservas cuatro de cada cinco imágenes, cada imagen conservada cuesta $0,134 ÷ 0,8 = $0,1675 en 2K y $0,30 en 4K. La mayoría de los reintentos vienen de prompts vagos, no de los bloqueados, lo que significa que la solución más barata es escribir mejor en lugar de un presupuesto mayor. Tres hábitos reducen esa cifra:
La ruta REST sigue el patrón estándar de Google:
POST https://generativelanguage.googleapis.com/v1beta/models/gemini-3-pro-image-preview:generateContent
Autentícate con la credencial que creas en Google AI Studio, enviada en una cabecera de la petición tal como describe la referencia de la API de Gemini. El cuerpo contiene el prompt y una configuración de imagen:
{
"contents": [{"parts": [{"text": "A ceramic mug on a walnut desk at sunrise, 85mm lens, soft window light"}]}],
"generationConfig": {
"responseModalities": ["TEXT", "IMAGE"],
"imageConfig": {"aspectRatio": "16:9", "imageSize": "2K"}
}
}
La respuesta llega como texto en base64 dentro de la parte de imagen, así que la decodificas antes de escribir un archivo. La documentación actual de Google también muestra una llamada más nueva, de estilo "interactions", cuyo nombre de modelo elimina el sufijo "preview". Los nombres de esta familia han cambiado antes, así que confirma la cadena exacta en la documentación antes de publicar.
Replicate usa una ruta de predicciones por modelo:
curl -s -X POST \
-H "Authorization: Bearer $REPLICATE_API_TOKEN" \
-H "Content-Type: application/json" \
-H "Prefer: wait" \
-d '{"input": {"prompt": "A ceramic mug on a walnut desk at sunrise, 85mm lens, soft window light", "aspect_ratio": "16:9", "resolution": "2K", "output_format": "jpg"}}' \
https://api.replicate.com/v1/models/google/nano-banana-pro/predictions
La cabecera Prefer: wait mantiene la conexión abierta para una respuesta síncrona. Sin ella recibes un objeto de predicción y consultas la dirección indicada en urls.get hasta que el estado sea succeeded. El campo output de la predicción terminada contiene la URL de la imagen. Descarga el archivo y guárdalo tú mismo en lugar de enlazarlo.
Instala los paquetes con pip install google-genai pillow y ejecuta:
from google import genai
from google.genai import types
client = genai.Client() # reads your Gemini credential from the environment
response = client.models.generate_content(
model="gemini-3-pro-image-preview",
contents="A ceramic mug on a walnut desk at sunrise, 85mm lens, soft window light",
config=types.GenerateContentConfig(
response_modalities=["TEXT", "IMAGE"],
image_config=types.ImageConfig(aspect_ratio="16:9", image_size="2K"),
),
)
for part in response.parts:
if part.inline_data is not None:
part.as_image().save("mug.png")
elif part.text:
print(part.text)
La documentación de Google pide una K en mayúscula en image_size, así que escribe "2K" y no "2k". El bucle también importa: el modelo puede devolver texto junto a la imagen, y un prompt bloqueado devuelve texto sin imagen alguna.
import replicate
output = replicate.run(
"google/nano-banana-pro",
input={
"prompt": "A ceramic mug on a walnut desk at sunrise, 85mm lens, soft window light",
"aspect_ratio": "16:9",
"resolution": "2K",
"output_format": "jpg",
"safety_filter_level": "block_only_high",
},
)
with open("mug.jpg", "wb") as f:
f.write(output.read())
Instálalo con pip install replicate y define REPLICATE_API_TOKEN en tu entorno. Para editar una foto existente, añade image_input con una lista de URL públicas de imágenes (hasta 14) y describe el cambio en el prompt:
input={
"prompt": "Place the mug from the first image on the desk from the second image",
"image_input": [
"https://example.com/mug.jpg",
"https://example.com/desk.jpg",
],
"aspect_ratio": "match_input_image",
}
Tres detalles de producción ahorran tiempo de depuración:
PRICE = {"1K": 0.134, "2K": 0.134, "4K": 0.24}
def add_cost(total: float, resolution: str) -> float:
return round(total + PRICE[resolution], 4)
No todos los trabajos necesitan código. La página de Nano Banana Pro en PicassoIA ejecuta el modelo en el navegador, y la página lo describe como gratuito para probar y sin necesidad de programar. PicassoIA también ofrece una API para desarrolladores en api.picassoia.com/v1, pero sirve modelos propios como PicassoIA Image y PicassoIA Image Editor Pro, no Nano Banana Pro. Para usar Nano Banana Pro mediante código, utiliza Google o Replicate tal como se muestra más arriba.
| Ajuste | Opciones | Por defecto |
|---|---|---|
| Relación de aspecto | match_input_image, 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9 | match_input_image |
| Resolución | 1K, 2K, 4K | 2K |
| Formato de salida | jpg, png | jpg |
| Filtro de seguridad | block_low_and_above, block_medium_and_above, block_only_high | block_only_high |
💡 Con la relación de aspecto por defecto, la salida sigue a tu primera imagen de referencia. Define una relación a mano cuando generes solo a partir de texto.
Las imágenes de referencia son la función que separa este modelo de una simple herramienta de texto a imagen. Introduce una foto de producto, un moodboard o un rostro que quieras mantener coherente, y luego describe el cambio en una sola frase. El modelo conserva el contexto visual y aplica tu edición. El mismo límite de 14 imágenes se aplica en el navegador y en la API.
Más referencias no siempre significan mejores resultados. Empieza con dos o tres, nombra el papel de cada una en el prompt ("usa la iluminación de la segunda imagen") y mantén la luz coherente en todo el conjunto. Añade más solo cuando la salida se aleje del aspecto que quieres.
Nano Banana Pro es la opción adecuada para salida en 4K y trabajo intensivo con referencias. Los borradores, las miniaturas y el relleno masivo rara vez necesitan ese techo.
| Modelo | Elígelo cuando |
|---|---|
| Nano Banana Pro | Necesitas hasta 4K y hasta 14 imágenes de referencia |
| Nano Banana 2 Lite | Quieres borradores rápidos de la misma familia |
| Seedream 5 Pro | Quieres imágenes nítidas en 2K |
| GPT Image 2 | Quieres convertir prompts sencillos en imágenes |
| Flux 2 Pro | Trabajas a partir de texto o de fotos |
| Imagen 4 Fast | Necesitas imágenes en segundos |
Un encargo breve produce una imagen vaga, y una imagen vaga produce un reintento. Pide a un modelo de lenguaje que amplíe primero el encargo. Gemini 3.5 Flash es lo bastante rápido para trabajo masivo, y Claude Sonnet 5 maneja bien las instrucciones largas. Una instrucción útil tiene este aspecto:
Reescribe este encargo como un prompt de imagen de 60 palabras. Indica el sujeto, el ángulo de cámara, el objetivo, la dirección de la luz y una textura de superficie. Sin texto dentro de la imagen.
Ejecuta el prompt ampliado en 1K, quédate con el ganador y solo entonces paga el 4K. Ese hábito, un modelo de lenguaje para el prompt y un nivel barato para la prueba, elimina la mayoría de los renders desperdiciados de un mes típico.
Ahora tienes las tres cosas que las páginas de la API esconden: las tarifas, los endpoints y un script que funciona. La forma más rápida de comprobar si Nano Banana Pro encaja en tu proyecto es dedicarle diez minutos antes de gastar un céntimo. Abre la página de Nano Banana Pro en Picasso IA, pega un prompt de este artículo, cambia entre 1K y 4K y añade una o dos imágenes de referencia. Después lleva el prompt ganador a tu script de Python. Experimenta con los ajustes, compara los resultados lado a lado y deja que la tabla de presupuesto decida dónde va el código.
Elige tu idioma
