Como gerar imagens rápidas e baratas com Nano Banana 2 Lite via API

O Google lançou o Nano Banana 2 Lite, nome comercial do modelo gemini-3.1-flash-lite-image. É a versão mais rápida e mais barata da linha de geração de imagens do Gemini, pensada para volume alto e latência baixa. Se você precisa gerar muitas imagens sem gastar muito, ou testar prompts rapidinho antes de subir para um modelo maior, esse é o modelo certo. Neste tutorial você vai ver como testar no Google AI Studio e como chamar o modelo direto pela API.

1. O que muda em relação aos outros Nano Banana

A linha Nano Banana tem três variações de peso e custo. O Lite é o extremo “velocidade e escala”: menos parâmetros ativos, resposta mais rápida, preço por imagem mais baixo. Em troca, você perde um pouco de detalhe fino e de aderência a prompts muito complexos.

• Nano Banana 2: qualidade mais alta, mais lento, custo maior.
• Nano Banana 2 Lite: mais rápido, mais barato, ótimo para iteração e prototipagem.

Na prática: use o Lite quando estiver testando ideias de prompt ou gerando lotes grandes, e suba para o modelo cheio só quando precisar da versão final em alta qualidade.

2. Testando no Google AI Studio antes de programar

Antes de escrever código, vale rodar o prompt direto no AI Studio para calibrar o texto. É mais rápido iterar na interface do que ficar reexecutando script.

1. Acesse o Google AI Studio e crie um novo prompt do tipo imagem.
2. Selecione o modelo gemini-3.1-flash-lite-image na lista de modelos disponíveis.
3. Escreva o prompt em linguagem natural, descrevendo cena, estilo e detalhes que importam.
4. Gere e observe o resultado. Ajuste o prompt e gere de novo até o resultado ficar bom o suficiente.

Um exemplo prático de prompt para testar limites de composição:

Do a where's Waldo style image but it's where is the raccoon holding a ham radio.
Busy scene, dozens of small characters, one hidden raccoon holding a ham radio antenna,
cartoon illustration style, high detail background.

Esse tipo de prompt é bom teste porque exige múltiplos elementos pequenos na composição. Se o modelo Lite entregar isso de forma coerente, ele resolve bem a maioria dos casos de uso do dia a dia.

3. Pegando a chave de API

Para chamar o modelo via API você precisa de uma chave do Google AI Studio.

1. No AI Studio, vá em “Get API key”.
2. Crie uma chave nova ou reutilize uma existente do seu projeto.
3. Exporte a chave como variável de ambiente para não deixar hardcoded no código.

export GEMINI_API_KEY="sua_chave_aqui"

4. Chamando o Nano Banana 2 Lite via API em Python

Instale o SDK oficial do Google para Gemini:

pip install google-genai

Script básico para gerar uma imagem a partir de um prompt de texto:

import os
from google import genai
from google.genai import types

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

response = client.models.generate_content(
    model="gemini-3.1-flash-lite-image",
    contents="A minimalist logo of a fox reading a book, flat design, vector style, white background"
)

for part in response.candidates[0].content.parts:
    if part.inline_data:
        with open("saida.png", "wb") as f:
            f.write(part.inline_data.data)
        print("Imagem salva em saida.png")

Rode com:

python gerar_imagem.py

Como o modelo é otimizado para latência, você vai notar a resposta chegando bem mais rápido do que em modelos de imagem maiores. Isso importa quando o objetivo é gerar dezenas ou centenas de variações em lote.

5. Gerando várias variações em lote

Uma vantagem prática do custo baixo é rodar o mesmo prompt várias vezes e escolher o melhor resultado depois. Exemplo de loop simples:

import os
from google import genai

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

prompt = "Isometric icon of a coffee cup, clean lines, pastel colors, transparent background"

for i in range(5):
    response = client.models.generate_content(
        model="gemini-3.1-flash-lite-image",
        contents=prompt
    )
    for part in response.candidates[0].content.parts:
        if part.inline_data:
            nome = f"icone_{i}.png"
            with open(nome, "wb") as f:
                f.write(part.inline_data.data)
            print(f"Salvo: {nome}")

Com o Lite, gerar cinco variações custa uma fração do que custaria no modelo padrão. Isso muda o fluxo de trabalho: em vez de tentar acertar o prompt perfeito de primeira, você gera um lote e escolhe.

6. Ajustando o prompt para melhor resultado

Como é um modelo “lite”, ele responde melhor a prompts diretos e objetivos do que a instruções muito longas e cheias de condições. Algumas práticas que ajudam:

• Descreva o assunto principal primeiro, depois o estilo.
• Evite empilhar muitas restrições na mesma frase. Prefira frases curtas separadas por vírgula.
• Se o resultado sair genérico, adicione uma referência de estilo concreta, como “flat design” ou “cartoon illustration”.
• Para composições com múltiplos elementos, teste primeiro no AI Studio antes de rodar em lote pela API.

# Prompt mais fraco:
"Uma imagem legal de um robô num cenário futurista com muitos detalhes e cores vibrantes e iluminação dramática"

# Prompt mais direto:
"Robot character, futuristic city background, cyberpunk style, neon lighting, digital illustration"

7. Quando usar Lite e quando subir para o modelo completo

Use o Nano Banana 2 Lite para:

• Prototipar prompts antes de gerar a versão final.
• Gerar ícones, thumbnails e assets simples em volume.
• Rodar geração de imagem dentro de um pipeline automatizado onde custo e latência importam mais que detalhe fino.

Suba para o Nano Banana 2 completo quando precisar de imagens finais para publicação, com mais detalhe e melhor aderência a prompts complexos.

Dicas finais

Comece sempre testando o prompt no AI Studio, é mais rápido para calibrar texto do que reescrever script. Depois de validar o prompt, migre para a API e use o Lite para gerar em volume. Guarde os prompts que funcionaram bem num arquivo de texto simples, isso vira sua biblioteca pessoal de prompts reutilizáveis para os próximos projetos.