Lo que necesitas antes de obtener la API de Nano Banana Pro
Necesitas una cuenta de GPT Proto, saldo suficiente en tu cuenta para al menos una generación y una clave de API de GPT Proto. Para la integración manual, también necesitas una terminal y Python 3. Si no te sientes cómodo con el código, utiliza un agente de programación que pueda inspeccionar y editar tu proyecto real en lugar de un chat de navegador vacío.
| Elemento |
Valor utilizado en esta guía |
| Producto |
Nano Banana Pro |
| Familia de modelos oficial |
Gemini 3 Pro Image |
| ID del modelo de GPT Proto |
gemini-3-pro-image-preview |
| Tarea |
Texto a imagen |
| Entrada |
Prompt de texto |
| Salida |
Imagen PNG o JPEG |
| Tamaños disponibles |
1K, 2K y 4K |
Actualmente, Google lista a Nano Banana Pro y Nano Banana 2 como modelos separados en su documentación de generación de imágenes de Gemini. Si el ID del modelo en tu código dice gemini-3.1-flash-image, estás llamando a Nano Banana 2, no al modelo Pro que se trata aquí. Para la ruta 2.1 más reciente, compara Nano Banana 2.1 y Nano Banana Pro antes de seleccionar un ID de modelo; no asumas que este tutorial de Pro se aplica sin cambios.
Paso 1: Abre y prueba la página del modelo Nano Banana Pro
Abre la página de la API de Nano Banana Pro e inicia sesión. Antes de tocar cualquier código, usa el Playground para ejecutar una pequeña prueba:
Mantén la tarea configurada en Texto a imagen.
Ingresa un prompt corto.
Elige 1K, una relación de aspecto 1:1 y salida PNG.
Haz clic en Generar y confirma que se devuelve una imagen.
Esto separa los problemas del modelo de los problemas de integración. Si la solicitud en el Playground falla, verifica primero la cuenta, el saldo y el prompt. Si tiene éxito pero tu aplicación falla, el problema probable es la clave de API, el encabezado de la solicitud, el cuerpo JSON o el entorno del proyecto.

Paso 2: Crea tu clave de API de Nano Banana Pro
Haz clic en Probar este modelo en la esquina superior derecha de la página del modelo. El panel de inicio rápido te permite crear una nueva clave de API o seleccionar una existente.
Haz clic en Crear clave de API.
Copia la nueva clave y guárdala en un lugar privado.
Agrégala a una variable de entorno llamada GPTPROTO_API_KEY.
No la pegues directamente en el código fuente.
En macOS o Linux, establece la variable para la sesión actual de la terminal con:
export GPTPROTO_API_KEY="tu-clave-api"
En Windows PowerShell, usa:
$env:GPTPROTO_API_KEY="tu-clave-api"
Esta debe ser una clave de API de GPT Proto. Una clave de Google AI Studio es una credencial diferente y no autenticará una solicitud enviada al endpoint de GPT Proto.
Trata la clave como una contraseña. Manténla fuera de Git, capturas de pantalla, JavaScript del lado del navegador y chats de IA públicos. La guía general de seguridad de claves de API de Google también recomienda el uso de variables de entorno y advierte contra la exposición de claves en aplicaciones del lado del cliente.

Paso 3: Elige una integración manual o asistida por IA
Después de crear la clave, elige la ruta que mejor se adapte a tu experiencia.
| Ruta |
Ideal para |
Qué sucede después |
| Integración manual |
Puedes leer Python, JavaScript o cURL |
Copia la solicitud, ejecútala y añade el flujo de resultados a tu aplicación |
| Integración asistida por IA |
No sabes dónde debe ir el código de la API |
Proporciona el Markdown de la página del modelo a un agente de programación para que modifique el proyecto |
Si ya conoces Python, la ruta manual es más rápida. Si tu pregunta real es "¿En qué archivo debería ir este código?", utiliza la ruta asistida por IA.
Ruta A: Llama a la API de Nano Banana Pro con Python
Envía una primera solicitud con cURL
Esta solicitud inicia una tarea de generación asíncrona. Normalmente devuelve un ID de tarea en lugar de la imagen final.
curl --request POST "https://gptproto.com/api/v3/google/gemini-3-pro-image-preview/text-to-image" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"prompt": "A tiny origami fox sailing a teacup across a moonlit puddle",
"size": "1K",
"aspect_ratio": "1:1",
"output_format": "png",
"enable_sync_mode": false,
"enable_base64_output": false
}'
Un envío exitoso incluye data.id, data.status y data.urls.get. La lista de resultados aún puede estar vacía mientras el estado sea created o running. Eso es normal.
Instala la dependencia de Python
python -m pip install requests
Ejecuta un script completo de envío y sondeo
Guarda el siguiente script como nano_banana_pro.py. Este envía el prompt, verifica la tarea cada dos segundos, se detiene si hay un error e imprime la URL de la imagen final.
import os
import time
import requests
API_KEY = os.environ.get("GPTPROTO_API_KEY")
SUBMIT_URL = (
"https://gptproto.com/api/v3/google/"
"gemini-3-pro-image-preview/text-to-image"
)
if not API_KEY:
raise RuntimeError("Configura GPTPROTO_API_KEY antes de ejecutar este script.")
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json",
}
payload = {
"prompt": "A tiny origami fox sailing a teacup across a moonlit puddle",
"size": "1K",
"aspect_ratio": "1:1",
"output_format": "png",
"enable_sync_mode": False,
"enable_base64_output": False,
}
def read_data(response):
response.raise_for_status()
body = response.json()
if body.get("code") != 200:
raise RuntimeError(body.get("message", "GPT Proto devolvió un error."))
return body["data"]
submission = requests.post(
SUBMIT_URL,
headers=headers,
json=payload,
timeout=60,
)
task = read_data(submission)
result_id = task["id"]
poll_url = task.get("urls", {}).get("get")
if not poll_url:
poll_url = f"https://gptproto.com/api/v3/predictions/{result_id}/result"
print(f"Created task: {result_id}")
deadline = time.monotonic() + 300
while True:
status = task.get("status")
if status == "completed":
outputs = task.get("outputs", [])
if not outputs:
raise RuntimeError("La tarea se completó sin una URL de salida.")
print(f"Image URL: {outputs[0]}")
break
if status == "failed":
raise RuntimeError(task.get("error") or "La generación de la imagen falló.")
if time.monotonic() >= deadline:
raise TimeoutError("La generación no terminó en cinco minutos.")
time.sleep(2)
result = requests.get(
poll_url,
headers={"Authorization": f"Bearer {API_KEY}"},
timeout=30,
)
task = read_data(result)
Ejecútalo desde la misma terminal donde configuraste la variable de entorno:
python nano_banana_pro.py
No consideres el primer POST exitoso como una generación terminada. La solicitud solo ha tenido éxito de principio a fin cuando el estado cambia a completed y data.outputs contiene una URL de archivo.
Ruta B: Deja que un agente de programación integre la API
No necesitas volver a escribir la documentación de la API para un asistente de IA. La página del modelo Nano Banana Pro puede enviarle el endpoint actual, el esquema, el método de autenticación, los campos de respuesta y ejemplos de código.
Abre Probar este modelo y elige Copiar Markdown para IA. También puedes abrir el menú LLMs y elegir una de las siguientes opciones:
La versión legible por máquina también está disponible desde la guía de Markdown de Nano Banana Pro de la página del modelo.

Dale tu proyecto al agente, no solo un chat en blanco
Un chatbot de navegador puede explicar código, pero es posible que no conozca tus carpetas, framework, punto de entrada del servidor o configuración de despliegue. Un agente de programación como Codex, Claude Code o Cursor puede inspeccionar esos archivos y colocar la integración en la parte correcta del proyecto.
El agente aún necesita:
acceso a la carpeta del proyecto;
permiso para editar los archivos relevantes;
un entorno de ejecución de Python, Node.js u otro que funcione;
las instrucciones en Markdown de la página del modelo; y
una clave de API proporcionada a través de una variable de entorno o un gestor de secretos.
Esto es programación asistida por IA, no una API sin código. El agente escribe y conecta el código, mientras tú apruebas los cambios y proporcionas el entorno de ejecución y las credenciales.
Indica al agente de programación
Pega el Markdown copiado en el agente y luego añade esta instrucción:
Integra la API de texto a imagen Nano Banana Pro de GPT Proto en este proyecto usando la documentación en Markdown adjunta. Primero, inspecciona el stack existente e identifica el archivo del lado del servidor correcto. Almacena la clave de API en una variable de entorno llamada GPTPROTO_API_KEY; nunca la escribas directamente en el código ni la expongas en el código del lado del navegador. Implementa el envío de solicitudes, el sondeo de estado asíncrono, el manejo de tareas fallidas y la visualización de la URL de la imagen devuelta. Añade solo los archivos necesarios para esta integración. Ejecuta una prueba mínima, luego informa qué archivos cambiaste, cómo iniciar el proyecto y cualquier paso que aún deba completar manualmente.
No pegues la clave real en la instrucción. Configúrala en tu terminal, en un archivo local .env excluido de Git, o en la configuración de secretos de tu plataforma de despliegue.
Revisa el trabajo del agente antes de aceptarlo
No necesitas entender cada línea para realizar una revisión útil. Verifica estos ocho puntos:
La clave se lee desde GPTPROTO_API_KEY.
La clave no está presente en el código del navegador ni en un archivo enviado al repositorio.
El ID del modelo es gemini-3-pro-image-preview.
El código llama al endpoint de texto a imagen que se muestra en esta guía.
Lee data.id o data.urls.get después del envío.
Espera a completed y maneja failed.
Lee la URL final desde data.outputs.
El agente ejecutó una prueba mínima real en lugar de solo decir que el código parece correcto.
Pruébalo antes de conectar la aplicación completa: Abre el Nano Banana Pro Playground, valida el prompt en 1K y luego proporciona la misma configuración a tu agente de codificación.
Parámetros y precios de la API de Nano Banana Pro
La solicitud básica de texto a imagen solo necesita un prompt. Los otros campos controlan el formato de salida y de respuesta.
| Parámetro |
Requerido |
Predeterminado |
Valores aceptados o propósito |
prompt |
Sí |
— |
Descripción de la imagen a generar |
size |
No |
1K |
1K, 2K o 4K |
aspect_ratio |
No |
1:1 |
1:1, 3:2, 2:3, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9 o 21:9 |
output_format |
No |
png |
png o jpeg |
enable_sync_mode |
No |
false |
Esperar el resultado cargado antes de devolver |
enable_base64_output |
No |
false |
Devolver datos en Base64 en lugar de una URL |
La página del modelo GPT Proto en vivo mostraba las siguientes tarifas cuando se revisó esta guía en septiembre de 2026:
| Resolución |
Precio por generación |
| 1K |
$0.0804 |
| 2K |
$0.0804 |
| 4K |
$0.144 |
Crear una clave no hace que las llamadas de imagen sean gratuitas. Cada generación exitosa consume saldo de la cuenta. Revisa la página del modelo en vivo antes de lanzar un lote grande, ya que la disponibilidad y las tarifas pueden cambiar.
Para el trabajo inicial con prompts, comienza en 1K. Pasa a 4K solo después de que la composición, la redacción y la relación de aspecto sean correctas. El compromiso es simple: 4K produce un activo más grande pero cuesta más por intento.
Errores comunes de la API de Nano Banana Pro
| Problema |
Causa probable |
Qué hacer |
400 Bad Request |
JSON, nombre de campo, valor o entrada bloqueada no válidos |
Compara la solicitud con el esquema actual de la página del modelo |
401 Unauthorized |
Clave faltante o no válida |
Confirma GPTPROTO_API_KEY y el encabezado Authorization |
403 Forbidden |
Saldo insuficiente o falta de permisos |
Verifica el saldo de la cuenta y el estado de la clave |
413 Request Entity Too Large |
El cuerpo de la solicitud es demasiado grande |
Reduce el contenido cargado o en Base64 |
429 Too Many Requests |
Las llamadas llegan demasiado rápido |
Vuelve a intentar con retrasos crecientes y limita el número de intentos |
500, 502, o 504 |
Falla temporal de la plataforma o del sistema ascendente |
Vuelve a intentar un número limitado de veces; no crees un bucle infinito |
| La respuesta no tiene imagen |
La tarea aún está creada o en ejecución |
Consulta data.urls.get hasta que termine |
El estado cambia a failed |
La generación no se completó |
Lee data.error antes de volver a intentar |
| El agente dice que terminó, pero no se ejecuta nada |
Escribió código sin ejecutarlo |
Solicita el comando de prueba exacto y el estado devuelto |
Para fallas transitorias, utiliza un retroceso exponencial en lugar de enviar la misma solicitud repetidamente sin demora. Además, registra el ID del resultado: te proporciona una tarea específica para inspeccionar en lugar de un informe vago de “generación fallida”.
Comienza con una generación verificada
Si escribes código, comienza con la solicitud cURL y luego usa el script completo de Python para enviar y consultar la tarea. Si no escribes código, copia el Markdown de la página del modelo en un agente de programación y pídele que integre el mismo flujo dentro de tu proyecto.
En ambos casos, verifica una imagen de 1K antes de crear un flujo de trabajo más grande. Abre la página de la API de Nano Banana Pro, prueba el prompt y usa Probar este modelo para crear tu clave o entrega las instrucciones de integración actuales a tu agente de programación.