O que é o Nano Banana? O modelo de edição de imagens do Google, explicado

Não era um nome de produto. Um modelo sem rótulo apareceu em arenas públicas de avaliação lado a lado, onde as pessoas comparam saídas anônimas sem saber qual sistema as gerou, sob o placeholder "nano banana". Ele venceu muitas vezes, chamou atenção e a especulação sobre quem estava por trás durou semanas até o Google confirmar.

O Google então fez algo incomum e manteve o apelido — por isso uma infraestrutura séria ficou publicamente conhecida por um rótulo de brincadeira. A identidade formal é um modelo de imagem do Gemini; o nome buscado é a banana.

Essa história vale porque explica por que o termo se comporta de modo estranho na busca. O interesse chegou antes do marketing, então as perguntas das pessoas são as de um boato — o que é, quem fez, é real — e não as que se fazem sobre um produto.

A maioria dos modelos de imagem é feita para gerar uma foto a partir de uma descrição. O Nano Banana é feito para alterar uma foto que o(a) senhor(a) já tem, e a parte difícil é tudo o que não foi pedido para mudar.

Se o(a) senhor(a) pedir a um modelo geral para colocar a pessoa desta fotografia com um casaco vermelho, normalmente receberá uma pessoa de casaco vermelho que não é exatamente a mesma — um maxilar um pouco diferente, outro espaçamento dos olhos, um rosto que parece de um irmão. A identidade sobrevive a uma edição e se degrada ao longo de várias. O que o Nano Banana foi criado para preservar é essa identidade, ao longo de uma sequência de instruções.

O modelo de interação decorre disso. Não se trata de escrever um único prompt elaborado e aceitar o que volta; é ter uma conversa em que cada turno ajusta o resultado anterior. Mova a luz. Agora faça entardecer. Agora coloque-o do lado de fora. Esse ciclo é o produto.

Qualquer coisa em que o mesmo sujeito tenha de aparecer mais de uma vez. Fotografia de produto em vários cenários, um personagem ao longo de uma sequência de quadros, um conjunto de variações de um mesmo retrato, um mockup que precisa mostrar um cômodo em quatro paletas de cor.

Também é incomummente tolerante para quem não quer aprender a sintaxe de prompt. Como a instrução é uma edição e não uma especificação, frases simples funcionam, e o modo de falha de um pedido vago é uma pequena alteração em vez de uma imagem irreconhecível.

Onde é menos adequado é no caso de página em branco. Quando não há imagem de origem nem sujeito a preservar, a mecânica de consistência não tem o que fazer, e modelos feitos para composição texto-para-imagem tendem a dar mais controle de enquadramento, ótica e estilo a partir do zero.

Em relação ao Midjourney, o divisor é a autoria estética. O Midjourney impõe um estilo de casa forte e é usado, em geral, para criar algo impactante; o Nano Banana tenta deixar a foto intacta exceto no que foi solicitado. Um é estilista, o outro é retocador.

Em relação aos modelos abertos — Stable Diffusion e FLUX — o divisor é onde está o controle. Pesos abertos permitem acoplar ControlNet, LoRAs e pipelines de inpainting para obter controle preciso ao custo de montar a pipeline. O Nano Banana coloca uma fatia mais estreita desse controle atrás de uma frase, o que é mais rápido de acessar e mais difícil de ultrapassar.

Em relação ao gpt-image-1, os dois são mais próximos entre si do que de qualquer outro: ambos são fechados, seguem instruções, são dirigidos por conversa e ligados a um assistente amplo. A diferença prática mais relatada é qual deles mantém melhor um rosto ao longo de várias rodadas — e isso vale testar no seu próprio material em vez de aceitar um ranking.

Nada comercial — não somos afiliados ao Google nem revendemos seus modelos. Esta página existe porque as pessoas perguntam o que é a coisa e a resposta honesta é curta, e um diretório que só descrevesse os modelos de que gostamos não seria um diretório.

Vale a leitura em paralelo às páginas de edição daqui, porque o vocabulário se transfere. O que o Nano Banana faz de forma conversacional, o ecossistema aberto faz com técnicas nomeadas: inpainting para uma mudança dentro de uma máscara, outpainting para uma mudança além do quadro, denoise strength para definir quanto o resultado pode se afastar da fonte. Conhecer essas palavras deixa muito mais claro o que qualquer editor faz — e o que não faz.