Nano Banana Pro 错误排查中心：全部错误代码修复指南（2026）

每个 Nano Banana Pro 错误都有对应的修复方案。速率限制错误（429 RESOURCE_EXHAUSTED）约占所有故障的 70%，通常在 1-5 分钟内恢复。服务器错误（503）需要 30-120 分钟的等待。安全过滤器拦截分为两层：可配置的（通过 API 设置即可修复）和不可配置的（需要修改提示词）。本指南涵盖所有已知错误代码、2026 年 1 月的 IMAGE_SAFETY 策略更新，以及自动处理故障的生产级代码。最后更新于 2026 年 2 月。

要点速览

• 429 RESOURCE_EXHAUSTED 导致 70% 的错误——等待 1-5 分钟或实现指数退避重试
• 503 Service Overloaded 表示 Google 服务器已满载——Gemini 3 Pro 恢复需要 30-120 分钟
• IMAGE_SAFETY 拦截自 2026 年 1 月起不可配置——需要重写提示词而非更改 API 设置
• Layer 1(SAFETY) 过滤器可通过 safety_settings 配置——将阈值设为 BLOCK_NONE 获得最大灵活性
• Layer 2(IMAGE_SAFETY) 过滤器无法禁用——它们用于防范 IP 侵权、CSAM 和深度伪造
• 检查 API 响应中的 finishReason 字段即可立即判断是哪一层拦截了你的请求

30 秒快速诊断：定位你的错误

当 Nano Banana Pro 图片生成失败时，首先要检查的是 HTTP 状态码或 API 响应中的 finishReason 字段。这一条信息就能准确告诉你出了什么问题，以及你需要应用哪类修复方案。规则非常简单：5xx 错误意味着问题出在 Google 的基础设施上，你需要等待；4xx 错误意味着你的请求需要修改；IMAGE_SAFETY 拦截意味着内容本身触发了过滤器。如需更详细的调试流程，请参阅我们的分步调试工作流指南。

下面的诊断表将每条常见错误信息映射到其根本原因和即时修复方案。建议收藏此表——你在开发过程中会反复用到它。

诊断的核心规则很简单。如果错误代码以 5 开头，那是 Google 的问题，你唯一能做的就是耐心等待。如果以 4 开头，说明你的请求有误，你可以立即修复。如果收到 200 响应但 finishReason 不是 STOP，则说明安全过滤器捕获了你内容中需要重新措辞或重新配置的部分。

服务器端错误（5xx）：当问题出在 Google 一侧

服务器端错误是最令人沮丧的类别，因为你确实无法通过修改代码来立即修复它们。当 Nano Banana Pro 返回 5xx 状态码时，问题存在于 Google 的基础设施内部——GPU 集群过载、后端服务故障或内部服务之间的网络分区。在这些情况下，你需要实现优雅降级、设定合理的重试策略，并管理用户对恢复时间的预期。如需查看包含罕见服务器错误在内的完整错误代码参考，请参阅我们的专门错误代码文章。

503 Service Overloaded 是最常见的服务器端错误，约占所有 Nano Banana Pro 故障的 15%（Google AI 状态页面，2026 年 2 月）。这个错误特别表示 Gemini 3 Pro 的图片生成管道已达到容量上限。在高峰时段（通常为工作日太平洋时间上午 10 点至下午 4 点），根据社区跟踪数据，503 错误的失败率可能飙升至所有请求的 45%。恢复时间因模型而异：Gemini 3 Pro 图片生成通常需要 30-120 分钟才能稳定，而 Gemini 2.5 Flash 仅需 5-15 分钟即可恢复，因为它使用了更轻量的计算管道。这里的关键策略是检测到 503 错误后自动回退到 Flash 模型——如果需要立即生成图片的话——以较低的质量换取更高的可用性。

500 Internal Server Error 代表瞬时后端故障，与 503 有一个重要区别：500 错误通常由单个请求处理失败引起，而非系统范围的容量问题。这意味着完全相同的请求在下次尝试时可能会成功。建议实现从 2 秒开始、最大延迟 64 秒的指数退避重试策略。在实际使用中，大多数 500 错误在 1-3 次重试内即可解决。如果遇到持续超过 10 分钟的 500 错误，请查看 Google AI 状态仪表板了解服务事件——这几乎可以肯定是更大范围的宕机，而非你的特定请求问题。需要注意的是，如果你尝试在 URL 过期后访问生成的图片，500 错误也可能与临时图片 URL 过期问题有关。

502 Bad Gateway 错误是三种服务器端错误中最少见的，通常出现在服务部署期间或 Google 的负载均衡器与后端 Gemini 服务器失去连接时。与表示容量问题的 503 错误不同，502 错误暗示的是基础设施路由问题。这些错误几乎总是临时的，无需任何操作即可在 5-30 分钟内恢复。如果你看到 502 错误突然集中出现，很可能是正在进行部署更新。最佳应对方式是等待 30 秒后重试，并记录时间戳以便随时间推移识别部署规律。

处理所有 5xx 错误的一种实用生产模式是"渐进式回退"方法。首先使用指数退避对 Gemini 3 Pro 重试原始请求。两次重试失败后，自动切换到 Gemini 2.5 Flash Image（模型 ID gemini-2.5-flash-image），该模型运行在更轻量的基础设施上，即使在 Pro 容量不足期间也几乎始终可用。如果 Flash 在两次尝试后也失败，则将请求排入队列延迟处理，并向用户返回友好的"正在生成中"消息。这种三层方法——重试、回退、排队——无需人工干预即可处理 99% 以上的服务器端错误，即使在 Google 基础设施事件期间也能保持应用的响应能力。该模式的代码实现在下方"生产级错误处理代码"部分提供。

客户端错误（4xx）：修复你的请求

客户端错误实际上是变相的好消息：它们意味着问题出在你这边，也就意味着你有能力自行修复而无需等待 Google。最重要的是要理解，仅 429 错误就约占所有 Nano Banana Pro 故障的 70%。如果你正确解决了速率限制问题，就消除了应用将遇到的绝大多数错误。如需深入了解最常见的客户端错误，请参阅我们的RESOURCE_EXHAUSTED 专项排查指南。

429 RESOURCE_EXHAUSTED 是使用 Nano Banana Pro 时遇到最频繁的错误，它有几种子类型需要不同的处理策略。每分钟速率限制在你超过所在层级的每分钟请求数（RPM）配额时触发——免费层为 15 RPM，Google AI Pro 为 60 RPM（$19.99/月，Google AI 订阅，2026 年 2 月），Google AI Ultra 为 300 RPM（$249.99/月）。每日配额限制在你耗尽每日图片生成总额时触发。每分钟 Token 限制在所有请求的合计输入输出 Token 超过层级上限时触发。每分钟限制的修复很简单：实现从 1 秒开始、最长等待 60 秒的指数退避重试。对于每日配额耗尽的情况，你需要升级层级、将请求分散到多个 API 密钥，或将请求排队等待第二天处理。开发者常犯的一个错误是过于激进地重试 429 错误——每次重试都会计入你的速率限制，形成恶性循环，实际上会延长锁定时间。

400 Bad Request 错误表示你的 API 请求存在结构性问题。最常见的原因包括：发送的图片超过最大输入大小（每个请求约 20MB）、使用不支持的图片格式、提示词超过 Token 限制（Gemini 3 Pro Image Preview 的输入 Token 上限为 65,536，据 ai.google.dev/docs/models，2026 年 2 月），或传递了无效的参数组合。要诊断 400 错误，请仔细检查错误信息——Google 的 API 会返回具体说明哪个字段或参数无效的详情。常见修复方法包括将输入图片压缩到 4MB 以下、验证宽高比是否在支持范围内、确保提示词长度不超限。一个特别隐蔽的 400 错误原因出现在使用多轮对话进行图片编辑时：如果对话历史超过 Token 限制，即使你当前的提示词很短，整个请求也会失败。

403 PERMISSION_DENIED 错误分为两种截然不同的类别。第一种是认证失败：你的 API 密钥无效、已过期，或者你的 Google Cloud 项目中未启用 Gemini API。修复方法是在 Google AI Studio 生成新的 API 密钥，确保已启用 Generative Language API，并且如果你使用的是付费层级，请验证已设置好计费。第二种类别是地理限制：某些国家被禁止访问 Gemini API 服务。如果你在受限地区，需要通过支持的地区路由请求或使用 API 代理服务。始终先用一个简单的纯文本 Gemini 请求验证你的 API 密钥是否有效，然后再调试更复杂的图片生成问题——这样可以将认证问题与图片特定的错误隔离开来。

2026 年 1 月 IMAGE_SAFETY 策略更新：变化内容与应对方法

2026 年 1 月的 IMAGE_SAFETY 策略更新是 Nano Banana Pro 内容过滤系统自发布以来最重大的变化，它让许多开发者措手不及，因为它从根本上改变了哪些安全过滤器你可以控制、哪些你无法控制。理解这种双层架构如今对于任何在 Nano Banana Pro 上构建应用的人来说都是必需的，如果不考虑它，将导致无论怎么调整 API 配置都无法解决的莫名生成失败。关于在这些限制条件下工作的全面策略，请阅读我们的避免 Nano Banana Pro 内容过滤的策略指南。

核心变化在于，Nano Banana Pro 现在运行的是三阶段安全管道，而非 2026 年 1 月之前存在的单一提示词检查系统。阶段 1 是提示词审核，在生成开始前扫描你的文本输入以查找敏感关键词。阶段 2 是生成监控，在图片创建过程中执行实时特征检测。阶段 3 是输出审核，在将完成的图片交付给你之前通过危害分类器进行检查。这三个阶段映射到两个面向用户的层。Layer 1 包含可配置的提示词安全过滤器（如 HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_DANGEROUS_CONTENT、HARM_CATEGORY_HATE_SPEECH 等类别，以及 2026 年 1 月新增的 COPYRIGHT_INFRINGEMENT 类别）。Layer 2 包含在阶段 2 和阶段 3 运行的不可配置图片安全过滤器。

这两层之间的实际区别至关重要。当 Layer 1 拦截你的请求时，你会在 API 响应中看到 finishReason: "SAFETY" 以及具体的 safetyRatings 告诉你哪个类别被触发。你可以通过在 API 调用中设置 safety_settings 来降低阈值进行修复——将所有类别设为 BLOCK_NONE 可以完全消除 Layer 1 拦截，这也是对于自行执行内容审核的生产应用的推荐配置。当 Layer 2 拦截你的请求时，你会看到 finishReason: "IMAGE_SAFETY" 或错误信息 "generated images may contain unsafe content"。没有任何 API 设置可以更改，因为这种过滤在模型基础设施层面运行。唯一的解决方案是重写提示词。

此次策略变更的触发因素是 2025 年 12 月涉及迪士尼知识产权的停止侵权函事件。用户发现可以使用 Nano Banana Pro 生成迪士尼、漫威、星球大战和皮克斯角色的图片，这引发了法律回应。Google 的反应非常迅速：2026 年 1 月的更新在 Layer 2 中添加了针对已知 IP 角色的激进版权检测，同时加强了 CSAM 检测、深度伪造防范和未成年人安全保护。这些 Layer 2 过滤器扫描的是实际生成的图像像素，而非仅扫描提示词文本，这就是为什么仅靠提示词工程无法完全绕过它们。

对于适应此变化的开发者，策略取决于是哪一层在拦截你的内容。如果 finishReason 是 SAFETY，将所有危害类别阈值设为 BLOCK_NONE 即可解决问题。如果 finishReason 是 IMAGE_SAFETY，你需要使用三种技巧重写提示词：第一，用通用描述替换任何角色名称或 IP 引用（例如用"一位穿蓝色裙子的公主"代替指名某个特定角色）；第二，添加明确的艺术风格声明如"水彩风格数字插画"，将生成结果推离触发深度伪造检测的照片写实风格；第三，避免将人物主体与任何可能触发未成年人保护系统的服装或姿势描述结合使用。社区测试显示，这些提示词工程技巧对之前被拦截的提示词有 70-80% 的成功率。当 IMAGE_SAFETY 拦截在修改提示词后仍然存在时，可以考虑使用替代生成服务作为回退方案——如 laozhang.ai 等平台通过统一 API 端点提供多模型访问，每张图片仅需 $0.05，让你无需更改应用架构即可绕过持续性拦截。

2026 年 1 月更新的影响因使用场景而异差异显著。使用模特穿着服装的电商应用生成产品效果图受到高度影响——未成年人保护过滤器有时会对本无问题的时尚图片触发，尤其是当提示词描述看起来年轻的模特时。之前依赖生成知名角色粉丝画或戏仿图片的创意设计应用受到严重影响，因为 Layer 2 中新增的 COPYRIGHT_INFRINGEMENT 类别在图像分析层面拦截这些请求，而非在提示词层面，这意味着即使是对可识别角色的高度抽象描述也会被捕获。生成风景、物体、抽象艺术或非名人人物主体的通用应用受此更新的影响最小，拦截率几乎不会有什么变化。关键诊断问题始终相同：检查 API 响应中的 finishReason。如果显示 SAFETY，问题在你的配置。如果显示 IMAGE_SAFETY，内容本身触发了过滤器，你需要修改提示词的方式。

速率限制与配额：免费版 vs Pro vs API

准确了解你的速率限制上限对于容量规划以及诊断 429 错误是每分钟速率问题还是每日配额问题至关重要。Nano Banana Pro 的定价结构有五个不同的层级，每个层级的限制差异巨大，决定了你能生成多少图片以及生成速度。如需深入比较和价格分析，请参阅我们的免费版与 Pro 层级限制详细对比。

定价数据来源于 ai.google.dev/pricing 和 gemini.google/subscriptions，2026 年 2 月验证。注意：免费层的配额在 Gemini 应用（通过网页界面每天约 2 张图片）和 API 之间有所不同（有限的免费配额，Google 在官方定价页面将图片生成标记为"不可用"——这可能反映的是 API 特定的限制，而 Gemini 应用仍保留少量免费额度）。

按量付费 API 层级值得特别关注，因为它是生产使用中最具成本效益的选项。Gemini 3 Pro Image Preview 每张图约 $0.134（1K/2K 分辨率），Gemini 2.5 Flash 每张图 $0.039（ai.google.dev/pricing，2026 年 2 月），一旦你的月生成量超过约 150 张图片，每张图的成本就明显低于订阅制方案。权衡之处在于 API 访问需要更多技术设置，且你需要自行管理速率限制。对于每天生成数百或数千张图片的团队，无论从经济性还是灵活性来看，API 路线都是明确的赢家。如果你目前使用 Pro 订阅并经常触达约 100 张/天的限制，切换到按量付费 API 访问将完全移除每日上限——你只需为实际生成的图片付费，速率限制通过可申请提高的配额来管理。在 Google 原生定价之外进行成本优化方面，laozhang.ai 等平台以每张图 $0.05 的价格提供 Nano Banana Pro 访问，且无速率限制，这对高产量应用尤其有吸引力。

了解你耗尽的是哪个配额对于选择正确的恢复策略至关重要。当你收到 429 错误时，错误信息通常会提示超出了哪个特定配额。如果你看到 Quota exceeded for quota metric 'generate_content' and limit 'GenerateContent request limit per minute'，修复方法很简单，等待 60 秒你的每分钟配额就会重置。如果信息提到每日限制，你将被锁定到太平洋时间午夜。如果提到每分钟 Token 限制，你需要降低请求的频率或大小——这对于累积大量 Token 历史的多轮图片编辑对话尤其重要。在错误处理代码中记录这些区别，就是 60 秒恢复和 24 小时中断之间的差别。

生产级错误处理代码

从理解错误到在生产环境中自动处理它们，需要一个具备回退逻辑的健壮重试系统。以下 Python 实现演示了如何将指数退避、Layer 1 安全配置、503 错误的模型回退以及适当的日志记录组合成一个可复用的函数。这段代码可以直接复制到你的应用中使用。

python
import google.generativeai as genai
import time
import random
import logging

logging.basicConfig(level=logging.INFO)
logger = logging.getLogger("nano_banana_pro")


SAFETY_SETTINGS = [
    {"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_HATE_SPEECH", "threshold": "BLOCK_NONE"},
    {"category": "HARM_CATEGORY_HARASSMENT", "threshold": "BLOCK_NONE"},
]

def generate_image_with_retry(
    prompt: str,
    api_key: str,
    max_retries: int = 5,
    primary_model: str = "gemini-3-pro-image-preview",
    fallback_model: str = "gemini-2.5-flash-image",
) -> dict:
    """Generate image with exponential backoff, safety config, and model fallback."""
    genai.configure(api_key=api_key)
    current_model = primary_model

    for attempt in range(max_retries):
        try:
            model = genai.GenerativeModel(current_model)
            response = model.generate_content(
                prompt,
                safety_settings=SAFETY_SETTINGS,
                generation_config={"response_modalities": ["TEXT", "IMAGE"]},
            )

            # Check finishReason for safety blocks
            if response.candidates:
                finish_reason = response.candidates[0].finish_reason.name
                if finish_reason == "SAFETY":
                    logger.warning("Layer 1 SAFETY block — check safety_settings")
                    return {"status": "blocked_layer1", "reason": finish_reason}
                elif finish_reason == "IMAGE_SAFETY":
                    logger.warning("Layer 2 IMAGE_SAFETY block — rewrite prompt")
                    return {"status": "blocked_layer2", "reason": finish_reason}
                elif finish_reason == "STOP":
                    return {"status": "success", "response": response}

            return {"status": "success", "response": response}

        except Exception as e:
            error_str = str(e)

            # 429: Rate limit — exponential backoff
            if "429" in error_str or "RESOURCE_EXHAUSTED" in error_str:
                wait = min(2 ** attempt + random.uniform(0, 1), 60)
                logger.info(f"429 rate limit, waiting {wait:.1f}s (attempt {attempt+1})")
                time.sleep(wait)
                continue

            # 503: Overloaded — switch to fallback model
            if "503" in error_str or "overloaded" in error_str.lower():
                if current_model != fallback_model:
                    logger.info(f"503 overloaded, switching to {fallback_model}")
                    current_model = fallback_model
                    continue
                wait = min(2 ** attempt * 5, 120)
                logger.info(f"503 on fallback too, waiting {wait:.1f}s")
                time.sleep(wait)
                continue

            # 500/502: Transient — simple retry
            if "500" in error_str or "502" in error_str:
                wait = min(2 ** attempt + random.uniform(0, 1), 30)
                logger.info(f"Server error, retrying in {wait:.1f}s")
                time.sleep(wait)
                continue

            # Unknown error — do not retry
            logger.error(f"Unhandled error: {error_str}")
            return {"status": "error", "message": error_str}

    return {"status": "max_retries_exceeded", "model": current_model}

这段代码自动处理四种最关键的场景。对于 429 速率限制错误，它实现了带抖动的指数退避，以避免多个请求同时触达限制时的"惊群效应"。对于 503 过载错误，它首先切换到更快的 Gemini 2.5 Flash 模型作为回退，然后才诉诸更长的等待——这种在图片质量和可用性之间的权衡在生产环境中通常是可以接受的。对于瞬时 500/502 错误，它使用适度的退避进行重试，因为这些错误通常在几次尝试内就能解决。对于 IMAGE_SAFETY 拦截（Layer 1 和 Layer 2），它立即返回并带有清晰的状态标识表明是哪一层拦截了请求，因为用相同的提示词对相同的安全过滤器进行重试是没有意义的。

回退模型策略值得特别强调。当 Gemini 3 Pro 在高峰负载期间返回 503 错误时，Gemini 2.5 Flash 几乎总是可用的，因为它需要的计算资源更少。成本差异也很显著——Flash 每张图 $0.039 vs Pro 的 $0.134（ai.google.dev/pricing，2026 年 2 月）——所以你在降级期间实际上还能省钱。如需了解超越自动重试的详细分步调试工作流，请参阅我们的调试指南。

除了核心重试逻辑之外，还有三种值得在生产中实现的模式。第一，添加带死信队列的请求排队机制，用于处理所有重试都失败的请求——这可以防止用户可见的错误，并允许你在非高峰时段（Nano Banana Pro 有更多容量时）处理失败的请求。第二，实现熔断器逻辑，在检测到 503 错误模式（例如 60 秒内 5 次失败）后停止向特定模型发送请求，自动将所有流量路由到回退模型，直到健康检查通过。第三，添加监控和告警系统，实时按类别跟踪你的错误率。当 429 错误率超过请求的 10% 时，你正在接近层级限制，应考虑升级或将负载分散到多个 API 密钥。当 503 错误率飙升超过 25% 时，很可能正在发生容量事件，你的熔断器应自动激活回退模型。这些模式将错误处理从被动调试转变为主动的可靠性工程。

何时考虑替代服务商

并非每个 Nano Banana Pro 错误都有快速修复方案。如果你在高峰时段遭遇持续的 503 错误、反复出现的 IMAGE_SAFETY 拦截无法通过提示词工程解决，或者每日配额限制制约了你的生产应用，那么可能是时候评估多模型策略了。这并非要放弃 Nano Banana Pro——它仍然是目前最强大的图片生成模型之一——而是要在你的应用架构中构建弹性。如需了解质量和可靠性的直接对比，请参阅我们的与 Flux2 等替代图片模型的对比。

最实用的方法是实现主/备模式，让 Nano Banana Pro 处理大部分请求，由替代服务商承接失败的请求。laozhang.ai 等服务正是为此场景设计的：它们提供统一的 API 端点，聚合多种图片生成模型（包括 Nano Banana Pro 本身、Flux、DALL-E 等），统一价格为每张图 $0.05。当你的主 Nano Banana Pro 调用因 503 或 IMAGE_SAFETY 拦截失败时，你的错误处理代码将请求路由到替代端点，无需重写提示词或更改 API。经济效益很明确——你只为实际发生的回退请求付费，同时避免了损害用户信任的面向用户的失败。

如果以下三个或更多条件成立，请考虑切换到替代服务商或多模型策略：高峰时段的 503 错误率超过 20%，IMAGE_SAFETY 拦截影响超过 10% 的合法提示词，每日生成量持续超过你所在层级的配额，以及你需要单一 Preview 阶段模型无法保证的 99.9%+ 可用性 SLA。Gemini 3 Pro Image Preview（模型 ID gemini-3-pro-image-preview）截至 2026 年 2 月明确处于 Preview 状态（ai.google.dev/docs/models），这意味着 Google 不提供生产 SLA 保证。现在构建多服务商弹性是对稳定性的投资。

如果你的错误处理已经结构良好，添加回退服务商的实现成本是很低的。在上面展示的生产代码中，在 max_retries_exceeded 返回路径中添加一个次级 API 调用，将请求路由到你的回退端点即可。关键架构原则是，你的应用逻辑永远不应依赖单一图片生成服务商——将生成调用抽象为一个接受提示词并返回图片的接口，根据可用性切换底层实现。这种模式在处理大规模图片生成的成熟生产系统中很常见，它将 Nano Banana Pro 错误从应用故障转变为对终端用户不可见的优雅质量权衡。

常见问题

429 RESOURCE_EXHAUSTED 错误持续多久？

大多数 Nano Banana Pro 的 429 错误在每分钟速率限制的情况下会在 1-5 分钟内恢复。如果你耗尽了每日配额，限制将在太平洋时间午夜重置。要避免的关键错误是激进重试——冷却期内的每次重试尝试都会计入你的速率限制，可能会延长锁定时间。建议实现从 1-2 秒开始的指数退避，每分钟限制的最大等待上限为 60 秒。

能否绕过 Nano Banana Pro 的 IMAGE_SAFETY 过滤器？

你无法绕过 Layer 2 的 IMAGE_SAFETY 过滤器，因为它们在 Google 的基础设施层面运行，而非通过你的 API 配置。但你可以通过在 API 调用中将所有 safety_settings 类别设为 BLOCK_NONE 来消除 Layer 1 的 SAFETY 拦截。对于 Layer 2 拦截，唯一的方法是提示词工程：用通用描述替换角色名称，添加明确的艺术风格声明，避免将人物主体与可能触发的描述词结合使用。社区测试显示这些技巧有 70-80% 的成功率。

为什么 Nano Banana Pro 一直提示 "generated images may contain unsafe content"？

这条信息表示 Layer 2 的 IMAGE_SAFETY 拦截，该过滤器在 2026 年 1 月的策略更新中被显著加强。过滤器现在检查的是生成的图片本身（而非仅检查你的提示词），对照版权数据库、CSAM 检测器和深度伪造分类器进行比对。如果你看到这条信息，你的提示词正在生成触发这些分类器之一的视觉特征。尝试添加明确的艺术风格声明如"水彩插画"或"扁平矢量艺术"，将输出推离触发深度伪造检测器的照片写实风格。

finishReason 中 SAFETY 和 IMAGE_SAFETY 有什么区别？

finishReason: SAFETY 表示 Layer 1（提示词审核）在图片生成开始前拦截了你的请求。这是可配置的——在 API 调用中设置 safety_settings 阈值即可解决。finishReason: IMAGE_SAFETY 表示 Layer 2（生成监控或输出审核）在图片创建过程中或之后拦截了请求。这无法通过任何 API 设置进行配置。SAFETY 的修复方案始终是配置调整；IMAGE_SAFETY 的修复方案始终是重写提示词。

Nano Banana Pro 是否免费使用？

Nano Banana Pro 通过 Gemini 应用提供有限的免费层（每天约 2 张图片）。对于 API 访问，免费层受到严格限制——Google 的官方定价页面将免费图片生成标记为 API "不可用"（ai.google.dev/pricing，2026 年 2 月）。付费选项从 Google AI Pro 的 $19.99/月（约 100 张图片/天）起步，或者按量付费 API 定价为每张图 $0.039-$0.134（取决于模型和分辨率）。如需最完整的详细分析，请参阅我们的免费版与 Pro 层级限制详细对比。

如何检查 Nano Banana Pro 是否宕机？

首先查看 Google AI 状态仪表板了解是否有正在进行的事件。如果状态页面显示没有问题但你仍然收到 503 错误，问题可能是区域性容量限制而非全球性宕机。尝试用简单的提示词生成一张基础测试图片，确认问题是出在 Nano Banana Pro 本身还是你的请求参数。discuss.ai.google.dev 上的社区论坛也提供了其他遭遇相同问题的开发者的实时报告。