Nano Banana 2.1: análisis práctico de la generación de imágenes

Introducción

Nano Banana 2.1 (API name: gemini-nano-banana-2.1) es la versión recomendada por Google como sucesora de Nano Banana 2. El modelo genera y edita imágenes con varias opciones de salida (1K, 2K y 4K) y niveles de “thinking” ajustables según la interfaz. Google lo ofrece de forma gratuita para acceso directo, y también está disponible a través de la API; Google lista un precio estándar de salida 1K de $0.0336 por imagen.

En este análisis práctico probamos Nano Banana 2.1 con cuatro tareas concretas que reflejan necesidades habituales en comunicación técnica y presentaciones: una ilustración didáctica en estilo diorama de arcilla, una gráfica de barras con proporciones exactas, una transformación fotográfica a linograbado y un cómic de depuración. Las pruebas se ejecutaron desde Google AI Studio para reproducir un flujo típico de trabajo.

Qué hay de nuevo y cómo acceder

Nano Banana 2.1 mantiene el foco en generación y edición de imágenes, con salidas en diferentes resoluciones y controles de proceso. Las vías de acceso que Google documenta son:

• Gemini Webapp (gemini.google.com).
• Google AI Studio (aistudio.google.com) — requiere iniciar sesión con una cuenta que tenga suscripción Pro, según la documentación.
• Gemini API, llamando al modelo gemini-nano-banana-2.1.

La lista de opciones de resolución (1K, 2K, 4K) y los niveles de razonamiento son expuestos según la interfaz usada. En la API, Google publica el precio estándar 1K por imagen como $0.0336, lo que da $1.68 para 50 salidas, como referencia económica.

Metodología de las pruebas

Diseñamos cuatro briefs con demandas distintas: composición narrativa, exigencia numérica, transformación de estilo y consistencia secuencial. Cada prompt incluía instrucciones precisas sobre etiquetas, proporciones, elementos a preservar y elementos a excluir — condiciones frecuentes en trabajos para presentaciones, materiales de capacitación y comunicados técnicos.

Las pruebas permiten evaluar tres dimensiones prácticas: fidelidad al brief, coherencia visual entre paneles/elementos y capacidad de respetar medidas y texto legible.

1) Ilustración de RAG en diorama de arcilla

Objetivo: representar el concepto de retrieval-augmented generation (RAG) en una escena en tres etapas, con personajes recurrentes y etiquetas exactas: «Question», «Retrieve» y «Answer».

Resultado: Nano Banana 2.1 produjo una ilustración en formato paisajístico 16:9 con estilo de diorama de arcilla, iluminación suave y textura visible. Las tres etapas aparecieron en secuencia izquierda a derecha y las etiquetas solicitadas se colocaron correctamente.

Limitación detectada: en la etapa «Retrieve» el resultado mostró únicamente un libro en la mano del robot, cuando el brief pedía que seleccionara dos libros del estante y que hubiese dos libros abiertos junto a la respuesta. Esto generó ambigüedad respecto al detalle de “dos libros”.

Implicación: el modelo interpreta con acierto la composición y el estilo táctil, pero puede omitir o simplificar detalles numéricos específicos dentro de la escena. Para material didáctico donde cada elemento es significativo, es recomendable revisar y, si hace falta, solicitar iteraciones más explícitas o dividir la instrucción en pasos.

2) Gráfica de barras con proporciones exactas

Objetivo: crear una gráfica vertical 16:9 titulada «Practice Sessions Completed» con datos ficticios precisos: Week 1 = 40, Week 2 = 60, Week 3 = 100; eje vertical de 0 a 100 con ticks cada 20; valores exactos encima de cada barra; barras azules y proporciones 0.40 : 0.60 : 1.00.

Resultado: la imagen cumplió con los requisitos formales: título y subtítulo «Illustrative data» presentes, etiquetas y ticks correctos y barras con alturas proporcionales según la relación solicitada. No aparecieron efectos 3D ni elementos decorativos extraños.

Implicación: Nano Banana 2.1 responde bien a instrucciones numéricas y de precisión gráfica cuando el prompt es concreto. Para informes y presentaciones donde la precisión visual importa, el modelo puede ser una herramienta práctica para generar gráficos estáticos bajo control del usuario.

3) Transformación fotográfica a linocut (Hawa Mahal)

Objetivo: convertir una fotografía del Hawa Mahal en Jaipur a un linograbado en negro sobre papel crema, preservando la silueta, las ventanas y el punto de vista, con contornos marcados y trazos de sombreado tipo hatch.

Resultado: el linocut mantuvo la silueta reconocible del Hawa Mahal y aplicó contornos y marcas de trazo coherentes con el estilo pedido. Se respetó la paleta de tinta negra sobre papel crema.

Limitación detectada: la escena perdió el tránsito de la calle; la calle ocupada del original fue reemplazada por un antepatio vacío. Es decir, elementos del primer plano fueron omitidos, lo que alteró la sensación contextual del lugar.

Implicación: las transformaciones de estilo son robustas para preservar formas arquitectónicas principales, pero el modelo puede suprimir detalles contextuales (personas, tráfico, objetos) aunque no se le pida explícitamente. Si la presencia de cierto contexto es relevante para la narrativa visual, especificarlo con mayor detalle o pedir conservación explícita de esos elementos es recomendable.

4) Cómic de depuración en tres paneles

Objetivo: un strip de tres viñetas, izquierda a derecha, con el mismo programador en cada panel (características físicas y vestimenta definidas), diálogos concretos y consistencia de escritorio y laptop.

Resultado: el cómic mantuvo coherencia de personaje, poses cambiantes y globos de diálogo legibles. Los bordes de panel y la continuidad del escenario se respetaron, ofreciendo una historia clara y reconocible sobre encontrar un typo.

Observación: la prueba original quedó truncada en la fuente antes de completar la valoración final sobre un detalle del typo en pantalla. Sin embargo, el resultado indicó consistencia en la narrativa visual y en los elementos solicitados.

Lecciones clave y recomendaciones

• Nano Banana 2.1 es efectivo para generar ilustraciones estilizadas, gráficos precisos y transformaciones artísticas cuando se dan instrucciones detalladas.
• Para elementos numéricos y proporciones, el modelo cumplió con alta fidelidad. Útil para prototipado rápido de visuales de datos.
• En composiciones con detalles contables (por ejemplo, “dos libros”), el modelo puede simplificar o reducir componentes; conviene revisar y solicitar iteraciones que hagan aparecer explícitamente cada elemento.
• En transformaciones fotográficas, las formas principales suelen conservarse, pero el modelo puede omitir detalles contextuales; especifiquen si desean preservar elementos del primero o segundo plano.

Conclusión

Gemini Nano Banana 2.1 resulta una opción versátil para profesionales que necesitan generar ilustraciones, gráficos y transformaciones estilísticas sin cambiar de herramienta. Su acceso desde Gemini Webapp, AI Studio o la API lo hace flexible para distintos flujos de trabajo. Para públicos en América Latina que preparan material educativo, presentaciones corporativas o piezas de marketing, su capacidad para respetar instrucciones precisas es valiosa, aunque siempre será prudente revisar y afinar prompts para asegurar que no se omitan detalles críticos.

Si su uso implica producir piezas con datos exactos o elementos narrativos sensibles, reserve tiempo para verificaciones y pequeñas iteraciones; en muchos casos Nano Banana 2.1 entrega resultados listos o muy cercanos a la versión final.