El nombre «Nano Banana» se ha viralizado en redes y foros tech, pero detrás del apodo no hay un producto independiente: es la forma coloquial con la que se ha bautizado a Gemini 2.5 Flash Image, el modelo de Google especializado en generación y edición de fotos con IA que ahora vive dentro de la app de Gemini. Esta propuesta destaca por su manejo natural del lenguaje y por la coherencia visual que mantiene entre ediciones.
La gran promesa de esta función es permitir ediciones rápidas y precisas sin conocimientos de diseño. Con una instrucción en lenguaje natural, Gemini interpreta la orden y aplica los cambios en segundos, respetando la identidad del sujeto y el estilo de la toma. Eso se traduce en menos artefactos raros y en resultados más fieles que los de generaciones anteriores de modelos.
Qué es realmente Nano Banana y por qué importa
Durante sus pruebas internas, Google usó el nombre informal «Nano Banana» para referirse a Gemini 2.5 Flash Image. Tras su anuncio, este modelo quedó integrado de forma nativa en la aplicación de Gemini, tanto en web como en móvil. Su misión: editar, componer y generar imágenes de forma conversacional, aprovechando el contexto de Gemini para entender matices y detalles que marcan la diferencia.
Lo que coloca a esta herramienta un paso por delante de alternativas es su capacidad para mantener rasgos, estilo y consistencia a lo largo de varias modificaciones. Cuando retocas la misma persona, mascota u objeto en distintas versiones, el sistema conserva la identidad visual con notable precisión, evitando el clásico “casi igual” que deja una sensación extraña.
Además de editar, el modelo añade funciones de generación y composición: permite partir de texto para crear una imagen desde cero, combinar varias fotos en una escena coherente o transferir estilos entre imágenes. Eso abre la puerta a campañas creativas, cómics, tarjetas personalizadas o fotografía de producto sin necesidad de software clásico.
Google ha mostrado esta capacidad de composición en ejemplos públicos. En una demostración, se sugiere algo tan directo como: “Sube varias fotos y pide combinarlas”; el sistema entiende qué conservar de cada una y cómo ubicarlas, y te deja afinar qué cambiar o qué mantener.
Disponibilidad, precio y almacenamiento
El uso para consumidores es gratuito dentro de la app de Gemini. No hace falta activar un modo raro ni elegir un modelo: subes la imagen y pides el cambio con tus palabras, y listo. Google indica que existen límites generales de uso que se actualizan con el tiempo, por lo que la disponibilidad a gran escala se gestiona dinámicamente.
Para empresas y desarrolladores, el acceso profesional llega vía Google AI Studio y Vertex AI. En ese entorno, se ofrece facturación por tokens: el modelo de salida de imágenes se tarifica a 30 USD por millón de tokens, lo que Google traduce aproximadamente en 0,029 USD por imagen generada dentro de los parámetros definidos. Es un esquema pensado para escalar integraciones comerciales sin perder el control de costes.
Otro aspecto práctico es la duración del almacenamiento de imágenes. En el modo gratuito, las imágenes se conservan por 15 días, mientras que en cuentas de pago la retención sube hasta 140 días. Esta ventana permite seguir iterando con el material dentro de Gemini sin necesidad de gestionar un repositorio externo inmediato.
Edición con instrucciones sencillas: cómo se trabaja
La filosofía es que no necesitas saber de máscaras, capas ni selecciones. Puedes escribir pedidos del tipo “pásala a blanco y negro”, “quita el objeto del fondo”, “cambia el cielo por uno despejado” o “ponme en una cafetería retro con neones rosas” y el modelo resuelve la edición respetando iluminación y perspectiva. Para evitar malentendidos, funciona muy bien arrancar con “En la foto original, …” cuando quieres recalcar que se mantenga la escena base.
En tareas simples, el sistema actúa a la primera: ajusta color, pasa a blanco y negro o modifica la temperatura de la luz. En peticiones más creativas, responde añadiendo o sustituyendo elementos: elimina objetos y reconstruye el fondo, cambia colores, peinados o prendas, añade gafas o sombreros, e incluso convierte tu gato en un dinosaurio si eso es lo que buscas.
Una función especialmente potente es fusionar dos imágenes para introducir el contenido de una dentro de la otra. Por ejemplo, puedes sostener un papel en la primera foto y pedir que el dibujo sea sustituido por el que aparece en una segunda imagen, conservando el encuadre y la iluminación originales para que parezca real.
También resulta muy natural cambiar fondos: pasar de una calle cualquiera a una playa tropical, a un bosque brumoso o a una ciudad futurista. El modelo entiende la profundidad y la geometría de la escena, y hace que el sujeto encaje con sombras y tonos plausibles.
Mantener la identidad del sujeto en cada edición
El salto cualitativo está en la coherencia del retrato. Si retocas varias veces a la misma persona o mascota —cambiando vestuario, fondo o época—, la herramienta hace que “sigas siendo tú”. No se trata solo de que los ojos o el peinado se parezcan: el sistema cuida proporciones, rasgos distintivos y semblante, lo que evita esa sensación de “parecido razonable” que rompe la magia.
Google destaca que esta mejora responde a un problema clásico de la edición con IA: mantener intactos los rasgos clave del sujeto mientras se cambia el resto de la foto. Gracias al entendimiento contextual de Gemini, la representación final conserva las señas de identidad aunque el entorno sea nuevo, ya sea un salón con papel pintado distinto o un atrevido look sesentero.
Tras editar, incluso puedes subir la imagen retocada otra vez a Gemini para convertirla en un vídeo corto con el mismo motivo. Esta continuidad entre formatos amplía usos para redes sociales, anuncios o presentaciones sin necesidad de encadenar varias herramientas.
Un ejemplo típico que funciona muy bien es el “cambio de vestuario” o “cambio de localización”: subes una foto tuya o de tu perro y pides distintos estilos, ubicaciones o épocas sin perder el parecido exacto. Es un flujo divertido, ágil y, sobre todo, consistente imagen tras imagen.
Modos de trabajo: generación, edición y composición
El sistema admite varios flujos: Texto a imagen para crear desde cero; Imagen + texto para editar partes concretas; y varias imágenes a una para componer escenas nuevas o transferir estilos. En todos los casos, puedes iterar por turnos para ajustar detalles finos y llegar a la versión final.
Cuando la imagen incluye texto (un póster o un diagrama), el modelo hace una renderización legible y bien colocada, algo útil para materiales de marca. Además, todas las imágenes generadas incluyen marca de agua SynthID, una seña técnica para indicar que se han producido con IA.
Si vas a cargar imágenes mediante API, se soporta la subida en Base64 y cargas más grandes con varios archivos. Es crucial recordar las normas de uso: debes tener derechos sobre lo que subes y evitar contenido que engañe, acose o cause daño. Esta capa de seguridad es parte integral del servicio.
Un consejo práctico: si quieres imágenes con texto, suele funcionar mejor primero generar el texto y luego pedir la imagen que lo incorpore. Y para entradas múltiples, el rendimiento óptimo llega hasta 3 imágenes como contexto de edición.
Estrategias de prompts que funcionan
La mejor regla es describir la escena completa, no encadenar palabras sueltas. Un párrafo narrativo que especifique ambiente, cámara, iluminación y estilo tiende a producir resultados más coherentes que una lista de etiquetas.
Para fotorrealismo, menciona ángulos de cámara, lentes e iluminación (“toma en gran angular a contraluz, luz de tarde, color de piel cálido”). Para recursos gráficos, sé explícito con el estilo y solicita fondos transparentes cuando te hagan falta iconos o pegatinas.
También ayuda explicar el propósito: “Crea un logotipo para una marca minimalista de alta gama” guía mejor el resultado que un genérico “haz un logotipo”. Divide escenas complejas en pasos progresivos: primero fondo, luego elementos principales y por último detalles o iluminación final.
En lugar de “sin coches”, prueba instrucciones negativas semánticas formuladas en positivo: “una calle vacía y desierta sin señales de tráfico”. Y controla la composición con lenguaje fotográfico o cinematográfico (“plano detalle”, “perspectiva baja”, “punto de fuga centrado”).
Limitaciones, idiomas y seguridad
Para obtener el mejor rendimiento lingüístico, el modelo destaca en EN, es-MX, ja-JP, zh-CN e hi-IN. Aunque trabaja con imágenes, no admite entradas de audio ni vídeo en generación de imagen. Y puede que no siempre siga al milímetro el número exacto de imágenes solicitadas si fuerzas conteos muy rígidos en un solo prompt.
En el ámbito normativo, hay restricciones territoriales: por ejemplo, en el EEE, Suiza y el Reino Unido no se pueden subir imágenes de menores por el momento. La herramienta incorpora medidas de seguridad y todos los contenidos generados llevan SynthID para trazabilidad responsable.
Recuerda, además, cumplir la Política de Uso Prohibido y asegurar que tienes los derechos de las imágenes que subes. Estas pautas protegen tanto a creadores como a usuarios finales y son parte de la experiencia.
En el día a día, la edición funciona especialmente bien con hasta tres imágenes de entrada. Si necesitas incorporar texto en la composición, obtener primero el copy y luego integrarlo en la imagen da, por lo general, mejor tipografía y colocación.
Consejos profesionales para resultados de nivel
- Cuando te importe conservar detalles de alta fidelidad —un rostro, un logotipo— descríbelos con precisión junto con la solicitud de edición. Indica colores exactos, texturas y rasgos diferenciales del sujeto para que el modelo priorice su preservación.
- No te quedes en el primer intento: itera con mensajes cortos del tipo “mantén todo igual, pero…”. Ese ciclo rápido “mejor, pero más…” es donde la edición conversacional brilla. Ir graduando luz, expresión, encuadre y tono cromático deja resultados más pulidos y consistentes.
- Divide escenas complejas en pasos: “primero el fondo boscoso al amanecer con bruma; luego un altar de piedra con musgo en primer plano; por último, una espada brillante sobre el altar”. Ese desglose secuencial facilita que el modelo no se pierda en la mezcla y clava mejor los elementos.
- Si lo que quieres es un recurso gráfico utilizable en presentaciones o web, pide diseño minimalista y “espacio negativo” para títulos. Asegura fondo limpio y contraste suficiente, así luego podrás superponer textos sin pelearte con la legibilidad.
Nano Banana —el apodo del modelo Gemini 2.5 Flash Image— se ha ganado su fama: ofrece edición natural por instrucciones, fusión de fotos, consistencia de identidad y acceso gratuito dentro de Gemini; para quien necesite escalar, existe el acceso vía Google AI Studio y Vertex AI con precios por tokens. Entre sus límites conocidos están la preferencia por ciertos idiomas, el máximo ideal de tres imágenes de entrada y las restricciones normativas; a cambio, el flujo es ágil, la calidad es alta y la marca de agua asegura un uso responsable.