Nano Banana Pro: cosa sa fare e a cosa serve a chi fotografa

Il nome fa sorridere, la storia dietro molto meno. Nano Banana è il soprannome con cui Google ha battezzato una famiglia di modelli per generare e modificare immagini. In poco più di un anno la famiglia è arrivata a cinque modelli, dal Gemini 2.5 Flash Image di agosto 2025 al Nano Banana 2.1 che la documentazione ufficiale dà per stabile a ottobre 2026, e oggi si incontra nell’app Gemini, nella Ricerca, in Photoshop e nelle piattaforme cloud per sviluppatori. Per un sito che racconta la fotografia, dal dagherrotipo al sensore, la domanda utile riguarda ciò che questi strumenti cambiano nel mestiere di chi scatta, ritocca, pubblica e deve rispondere dell’autenticità di un’immagine.

Al centro dell’analisi sta Nano Banana Pro, il modello di novembre 2025 costruito su Gemini 3 Pro, che Google propone per i compiti complessi e professionali. Intorno al Pro si dispongono i fratelli più rapidi ed economici, la cronologia di una famiglia spesso raccontata a rovescio, i concorrenti attuali, i prezzi verificati al 21 ottobre 2026 e le regole che il fotogiornalismo ha già scritto sulla generazione di immagini. Le valutazioni nascono da documentazione ufficiale e da fonti indipendenti, senza prove di laboratorio. Ogni dato è attribuito alla sua fonte. Per gli strumenti più tradizionali, dagli obiettivi ai sensori, c’è la pagina sulla tecnologia fotografica.

La cronologia dei modelli Nano Banana, in ordine di uscita

Cominciamo dalle date, perché è lì che il racconto comune si inceppa. Il 26 agosto 2025 Google presenta sul blog per sviluppatori il Gemini 2.5 Flash Image, noto con il nome informale di Nano Banana. Il modello fonde più immagini in una sola, mantiene l’aspetto di un personaggio da una scena all’altra e modifica una fotografia seguendo istruzioni scritte in linguaggio naturale: sfocare lo sfondo, togliere una macchia, cancellare una persona, cambiare una posa, colorare un bianco e nero. Al lancio costava 0,039 dollari a immagine. Ogni file porta una filigrana invisibile, chiamata SynthID.

Il 20 novembre 2025 arriva Nano Banana Pro, che Google identifica come Gemini 3 Pro Image e costruisce su Gemini 3 Pro. Offre uscite a 2K e a 4K, testo in più lingue, fino a quattordici immagini in ingresso e la coerenza di un massimo di cinque persone. Nell’app Gemini compare con il modello Thinking, e chi usa il piano gratuito dispone di una quota limitata prima di tornare al Nano Banana originale.

Il 26 febbraio 2026 tocca a Nano Banana 2, cioè Gemini 3.1 Flash Image, ed è qui che nasce l’equivoco. Il numero più alto fa pensare a un successore del Pro, mentre Google lo descrive come l’unione delle capacità del Pro con la velocità della fascia Flash. Nell’app Gemini prende il posto del Pro come modello predefinito, e gli abbonati ai piani AI Pro e Ultra possono ancora rigenerare un’immagine con il Pro. In Flow diventa il modello di default. Le uscite vanno da 512 pixel a 4K, e per la provenienza Google dichiara SynthID insieme alle Content Credentials dello standard C2PA.

La primavera e l’estate aggiungono pezzi di infrastruttura. Il 28 maggio 2026 Google Cloud annuncia la disponibilità generale del 2 e del Pro sulla Gemini Enterprise Agent Platform, con le uscite a 1K e 2K pienamente disponibili e il 4K ancora in anteprima. Il 30 giugno compare Nano Banana 2 Lite, il modello più veloce ed economico della famiglia, che Google raccomanda come sostituto dell’originale. Ai primi di ottobre la documentazione per sviluppatori elenca Nano Banana 2.1, aggiornamento stabile del 2 con qualità visiva, resa del testo e coerenza dei personaggi migliorate, più la correzione degli artefatti a tessere sui formati panoramici a 2K e 4K.

Ne esce una famiglia in cui l’ordine di uscita e l’ordine di potenza non coincidono. Google la ordina per ruolo: il Lite per la rapidità e i grandi volumi, il 2 come modello generalista che bilancia qualità, latenza e costo, il Pro per i compiti complessi in cui l’accuratezza pesa più della velocità. La tabella seguente riassume i cinque modelli con le denominazioni tecniche che compaiono nella documentazione.

Da una rete avversaria a Gemini: come si è arrivati alle immagini da prompt

Per capire perché un modello come il Pro faccia notizia conviene tornare indietro di una dozzina d’anni. Nel 2014 Ian Goodfellow e i suoi colleghi pubblicano le reti generative avversarie, le GAN: due reti neurali che si sfidano, una produce immagini e l’altra prova a smascherarle. L’idea funziona e stupisce, ma le GAN sono capricciose da addestrare e faticano a obbedire a una frase complessa. Servirà altro.

Il salto comincia nel gennaio 2021, quando OpenAI presenta DALL-E e CLIP: il primo genera immagini a partire da descrizioni scritte, il secondo impara ad associare testi e immagini e diventa uno strumento per orientare la generazione. Nel 2022 arrivano DALL-E 2, Midjourney e Stable Diffusion, e con loro i modelli di diffusione, che partono da rumore casuale e lo tolgono a piccoli passi finché emerge un’immagine coerente con il prompt. Nel 2023 DALL-E 3 si lega a ChatGPT e rende normale chiedere un’immagine in forma di conversazione, correggerla, chiederne un’altra.

La fase successiva, quella dei modelli Gemini, sposta la generazione dentro il modello linguistico. La documentazione di Google dice che i modelli di immagini Gemini 3 usano un processo di ragionamento attivo per impostazione predefinita, che non si può disattivare via API e che può produrre fino a due «immagini di pensiero» intermedie prima del render finale. La fotografia ha già vissuto il passaggio dall’argento al pixel e quello dallo scatto al calcolo, come racconta il nostro articolo sulla fotografia computazionale. Con questi modelli incontra uno strumento che non registra la luce ma la inventa. Per il quadro generale rimandiamo alla guida sull’intelligenza artificiale generativa di immagini e al saggio sulla relazione tra fotografia e intelligenza artificiale.

Che cosa dichiara Google e che cosa resta non documentato

Le dichiarazioni ufficiali sul Pro sono precise, e come tutte le dichiarazioni dei produttori vanno lette come tali. Google lo definisce il modello migliore per creare immagini con testo correttamente reso e leggibile, dalle frasi brevi ai paragrafi lunghi, con una gamma di caratteri tipografici e di stili calligrafici, in più lingue e con la possibilità di tradurre o localizzare un testo già presente nell’immagine. Può fondere fino a quattordici immagini in ingresso, mantenere la somiglianza di cinque persone e attingere alla conoscenza di Google Search: nell’esempio mostrato dall’azienda il meteo in tempo reale finiva dentro un’infografica in stile pop art.

La documentazione per sviluppatori aggiunge dettagli utili a chi lavora con le immagini di riferimento. Il Pro accetta fino a sei immagini di oggetti, fino a cinque di personaggi e fino a tre di stile, per un totale di quattordici. Il 2 e il 2.1 arrivano a dieci oggetti e quattro personaggi, mentre il Lite ammette fino a quattordici immagini di oggetti ma non è ottimizzato per più riferimenti combinati né per le modifiche in sequenza. Il collegamento con la Ricerca per immagini, che permette al modello di cercare riferimenti visivi, è riservato al 2 e al 2.1. Chi gira scene di prodotto, ad esempio, trova qui il meccanismo per tenere identico un oggetto da un’inquadratura all’altra, con i limiti che ogni modello dichiara.

C’è poi il ragionamento, che ha un costo. Nei modelli Gemini 3 per le immagini il pensiero non si spegne, e la documentazione avverte che i token di ragionamento vengono fatturati per impostazione predefinita anche quando non si chiede di vederli. Il 2.1 offre tre livelli (minimo, medio e alto, con il medio come predefinito), mentre il 2 e il Lite ne offrono due, con il minimo come predefinito. Un progetto che genera migliaia di immagini deve tenerne conto prima di scegliere il modello.

Su come il Pro ottenga un testo così nitido, invece, Google non ha pubblicato un’architettura dettagliata nella documentazione ufficiale. Circolano ricostruzioni, come quella di un percorso separato per i caratteri tipografici che verrebbe poi fuso nella scena, ma sono ipotesi di commentatori e nessuna fonte ufficiale le conferma. Lo stesso vale per la descrizione dell’originale Nano Banana come modello di diffusione «compatto» e per il ciclo «pianifica, valuta, migliora» attribuito al 2. La documentazione ufficiale parla di un processo di ragionamento con immagini intermedie e non nomina quel ciclo. Quando un testo presenta questi meccanismi come fatti, riempie un silenzio con la fantasia, e un’ipotesi ben scritta resta un’ipotesi.

Il testo dentro l’immagine: leggibile non significa esatto

Per anni il testo è stato il difetto più riconoscibile delle immagini sintetiche: insegne con lettere inventate, copertine di libri con titoli privi di senso, cartelli che ricordavano una lingua senza appartenere a nessuna. Il Pro ha costruito sul superamento di questo difetto la propria immagine pubblica, e Google ne fa il primo argomento di vendita. Il confronto con i rivali, però, mostra che il terreno si è affollato. Anche la presentazione di ChatGPT Images 2.0, del 21 aprile 2026, mette in primo piano il testo denso e gli esempi in giapponese, hindi, cinese, coreano e arabo. Il testo leggibile, in altre parole, è diventato il minimo sindacale di un modello di punta.

Per chi fotografa e pubblica la questione pratica è un’altra. Un’insegna perfettamente nitida in una scena di strada generata può contenere un nome sbagliato, un accento fuori posto, una data impossibile. Nessun audit indipendente misura la correttezza ortografica in italiano di questi modelli, e le prove dei produttori mostrano casi scelti. Chi pubblica deve rileggere ogni parola di un’immagine sintetica come rilegge la bozza di un articolo, con particolare attenzione ad accenti, apostrofi e nomi propri.

La leggibilità apre inoltre un problema di fiducia. Un modello che scrive bene dentro l’immagine rende facili le prime pagine di giornale inventate, i cartelli stradali falsi, le infografiche con numeri fabbricati, le didascalie incise su una fotografia che sembra autentica. Il nostro articolo su deepfake e fotogiornalismo descrive i metodi di verifica che le redazioni usano per smascherare questo tipo di falsi.

Google risponde con la provenienza. Tutte le immagini prodotte con i suoi strumenti portano il marchio invisibile SynthID, e nell’app Gemini si può caricare un’immagine e chiedere se sia stata generata dall’intelligenza artificiale di Google. Al lancio del Pro la verifica funzionava con richieste in inglese. Le immagini dei piani gratuito e Google AI Pro mostrano in più una filigrana visibile a forma di scintilla Gemini, assente per gli abbonati Ultra e in Google AI Studio. Dal Nano Banana 2 si aggiungono le Content Credentials C2PA. Nessuno di questi segnali certifica la verità di un’immagine: li esamina l’articolo su C2PA e autenticità fotografica.

I concorrenti di oggi: DALL-E 3 è uscito di scena

Chi cerca un confronto con DALL-E 3 cerca un confronto con un modello che non c’è più. OpenAI ha annunciato il 14 novembre 2025 la chiusura di dall-e-2 e dall-e-3 nell’API per il 12 maggio 2026, indicando come sostituti gpt-image-2, gpt-image-1 e gpt-image-1-mini. Un articolo che nel 2026 sostenga la superiorità di un modello su DALL-E 3 risponde a una domanda che nessuno può più fare.

La stessa pagina delle deprecazioni mostra quanto in fretta invecchi questo mercato. Gpt-image-1 smette di funzionare il 23 ottobre 2026, cioè due giorni dopo il 21 ottobre 2026, mentre gpt-image-1-mini, gpt-image-1.5 e chatgpt-image-latest chiudono il 1° dicembre 2026. I successori indicati appartengono alla serie gpt-image-2.5. Una recensione di modelli di immagini ha dunque la durata di una stagione, e una classifica pubblicata a primavera rischia di descrivere prodotti già spenti in autunno.

Per un fotografo il concorrente più vicino è un programma più che un modello. Adobe offre nel Firefly Generate Image e nel Riempimento generativo di Photoshop (nell’app che la sua pagina chiama Photoshop beta) un selettore di modelli in cui compaiono, accanto al modello Firefly, anche Nano Banana 2 e Nano Banana Pro. La pagina di Adobe descrive il 2 come adatto alla creazione informale e il Pro al design funzionale di livello professionale, e presenta il proprio modello come la scelta migliore per realismo, stile artistico e sicurezza commerciale. Sono affermazioni di parte, senza benchmark, che lasciano al creativo la decisione dopo aver valutato addestramento e uso commerciale. Per chi preferisce ragionare su Midjourney e sulle alternative orientate al fotorealismo esiste l’articolo sulle alternative a Midjourney.

Un confronto onesto richiederebbe criteri dichiarati e prove ripetute: fedeltà al prompt, resa del testo, qualità delle modifiche su una fotografia esistente, coerenza fra riferimenti, provenienza dei file, stabilità dell’API e prezzo. Una classifica indipendente che metta il Pro accanto alla serie gpt-image-2 su questi punti non esiste ancora, e questo testo non ne inventa una. Le due immagini seguenti sono state generate con la stessa richiesta da due modelli diversi, e valgono come illustrazione.

Una coppia di immagini resta un aneddoto. Misurare un modello richiede decine di prompt, più tentativi per ciascuno e giudici che non conoscano la provenienza dei risultati.

Gli usi per chi fotografa: dalla previsualizzazione al ritocco

L’impiego più solido sta prima dello scatto. Un fotografo di still life o di ritratto può far generare una decina di varianti di una scena per decidere dove collocare il soggetto, quale tono dare allo sfondo, come far cadere la luce, e arrivare in studio con un’idea già discussa con il cliente. Resta uno schizzo, quindi non sostituisce lo studio dello schema luci descritto nella guida all’illuminazione da studio né l’osservazione della direzione della luce naturale. Il modello inventa una luce plausibile che nessuna sorgente reale ha prodotto.

Il secondo uso è la modifica di una fotografia già scattata. Fin dal Gemini 2.5 Flash Image il gesto tipico è chiedere a parole di togliere un oggetto, spostare una posa, cambiare il colore di un abito, colorare un vecchio bianco e nero. Photoshop ha portato la stessa possibilità nel Riempimento generativo, e per un’immagine destinata a una pubblicità o a un album di famiglia il risultato può bastare. Il punto da tenere a mente è tecnico: ogni zona modificata dal modello contiene pixel inventati, non registrati. La fotografia ibrida ha una tradizione dignitosa, dal fotomontaggio ottocentesco al ritocco su negativo, ma ha sempre dichiarato il proprio metodo.

Il terzo uso, quello del mockup e dell’immagine di prodotto, è il più commerciale. Con un massimo di quattordici riferimenti il modello mantiene riconoscibile un oggetto in ambienti diversi, e un’agenzia può produrre in poche ore le varianti per un catalogo. Quando compaiono persone reali, il controllo sulla somiglianza che Google presenta come pregio solleva anche una questione di consenso: usare il volto di qualcuno come riferimento, senza il suo permesso, espone a problemi che il nostro articolo sul diritto d’autore e la tutela dell’immagine aiuta a inquadrare. Dal 2 agosto 2026 pesa inoltre l’articolo 50 del regolamento europeo sull’intelligenza artificiale, che impone obblighi di segnalazione dei contenuti sintetici e che abbiamo esaminato in un articolo dedicato.

Dove lo strumento va lasciato nel cassetto lo dicono le regole del fotogiornalismo. Per l’edizione 2026 del World Press Photo, le candidature nelle categorie Singles, Stories e Long-Term Projects devono essere realizzate con una macchina fotografica: nessuna immagine sintetica o generata artificialmente, nessun riempimento generativo, e l’uso di questi strumenti comporta la squalifica automatica. Il regolamento ammette un impiego limitato di riduzione del rumore e di regolazioni automatiche di livelli, colore e contrasto, ma considera una violazione immediata gli strumenti di ingrandimento basati su modelli generativi, citando per nome Adobe Super Resolution e Topaz Photo AI. Il criterio generale vieta di aggiungere, riordinare, invertire, distorcere o togliere persone e oggetti dall’inquadratura. Chi documenta la realtà, in sostanza, ha già una linea rossa scritta.

Ne discende una regola pratica che vale oltre i concorsi. L’immagine generata si presta a ciò che dichiara di essere un’invenzione: previsualizzazione, illustrazione, pubblicità, esperimento. Diventa un problema nel momento in cui qualcuno può scambiarla per la registrazione di un evento. In quel caso l’etichetta dichiarata, la provenienza dei file e la possibilità di rintracciare l’originale pesano più della qualità del render.

Prezzi e accesso, verificati al 21 ottobre 2026

I prezzi riportati qui sotto sono stati letti sulla pagina ufficiale dell’API Gemini il 21 ottobre 2026 e possono cambiare. Per Nano Banana 2 (Gemini 3.1 Flash Image) la tariffa standard è di 0,067 dollari a immagine a 1K, 0,101 a 2K e 0,151 a 4K, con 0,045 per l’uscita a 512 pixel. Per Nano Banana Pro la tariffa standard è di 0,134 dollari a 1K e 2K e di 0,24 a 4K. Nano Banana 2 Lite costa 0,0336 dollari a immagine a 1K, unica risoluzione disponibile. Le tariffe in modalità batch, con tempi di risposta fino a ventiquattro ore, sono pari a circa la metà: 0,034 dollari a 1K per il 2 e 0,067 per il Pro a 1K e 2K.

Per il 2.1 la tariffa standard è di 0,0336 dollari a immagine a 1K, 0,0504 a 2K e 0,113 a 4K, con il batch a metà (0,0168, 0,0252 e 0,0567). Per il modello originale resta noto soltanto il valore di lancio di 0,039 dollari, da non considerare come tariffa attuale, perché il modello è indicato come legacy. Un esempio di calcolo rende l’idea del divario: cento immagini a 4K costano 24 dollari con il Pro e 15,10 con il 2, prima di considerare i token di ragionamento che la documentazione dice fatturati. Per un fotografo che prepara una decina di bozze a settimana la differenza è trascurabile. Per un’agenzia che produce migliaia di varianti diventa una voce di bilancio.

Sul fronte dei consumatori le informazioni ufficiali raccontano un quadro che cambia a ogni trimestre. Nell’app Gemini il Nano Banana 2 ha sostituito il Pro come modello predefinito dal 26 febbraio 2026, e i piani AI Pro e Ultra consentono di rigenerare un’immagine con il Pro. Al lancio del Pro, il piano gratuito dava una quota limitata prima del ritorno al modello originale. Sulla pagina italiana di Gemini, al 21 ottobre 2026, Google AI Plus costa 4,99 euro al mese, Google AI Pro 21,99 euro e Google AI Ultra parte da 99,99 euro al mese, con limiti cinque volte superiori a quelli del Pro, oppure 219,99 euro con limiti venti volte superiori. La pagina descrive l’accesso a Nano Banana Pro come limitato nel piano gratuito, più esteso nel Pro e massimo nell’Ultra, senza indicare quote giornaliere di immagini, che si leggono nell’app al momento dell’uso.

Limiti, rischi e domande aperte

I limiti dichiarati dalla documentazione sono concreti. Il Lite produce soltanto 1K e non è ottimizzato per più riferimenti combinati. Il collegamento con la Ricerca per immagini manca nel Pro e nel Lite. Il 4K, al 28 maggio 2026, era ancora in anteprima sulla piattaforma enterprise, e lo stato attuale va controllato nella documentazione di Google Cloud. La documentazione elenca inoltre Imagen fra i modelli dismessi e consiglia di abbandonare l’originale gemini-2.5-flash-image: chi costruisce un flusso di lavoro su un identificatore di modello deve mettere in conto una migrazione ogni pochi mesi.

Restano aperte le questioni sui dati di addestramento. Google non pubblica l’elenco delle immagini usate, e il rapporto fra autori e aziende di intelligenza artificiale è un terreno giuridico in movimento in molte giurisdizioni. Il nostro articolo sul problema dell’intelligenza artificiale e delle immagini fotografiche riassume i casi principali e le proposte di tutela.

La provenienza, poi, protegge a metà. SynthID riconosce le immagini prodotte dagli strumenti Google, e un file privo di quel marchio può essere comunque sintetico, perché creato da un altro servizio. Le Content Credentials C2PA viaggiano nei metadati e svaniscono quando qualcuno li rimuove o ricomprime il file. Sul versante opposto, le fotocamere che firmano lo scatto all’origine, a cui dedichiamo un articolo sulle fotocamere C2PA, offrono una garanzia diversa, che però vale dal momento dello scatto in avanti.

Infine la lingua. Google dichiara testo in più lingue e traduzione dentro l’immagine, e per l’italiano mancano misure indipendenti. Un’affermazione ricorrente nelle recensioni, quella per cui i prompt in italiano darebbero risultati più deboli di quelli in inglese, non trova riscontri nella documentazione ufficiale e quindi non viene ripetuta qui. Conviene provare, con le proprie richieste, e giudicare il risultato a occhio nudo.

Aggiornato Ottobre 2026