Apakah Nano Banana Pro mendukung parameter Seed? 1 jawaban pasti + 4 alternatif konsistensi

"Saya mencoba mengirim seed ke Nano Banana Pro tetapi malah mendapatkan error: Invalid value at 'generation_config.seed' (TYPE_INT32). Apakah model ini sebenarnya mendukung seed?"—ini adalah salah satu pertanyaan yang paling sering muncul di komunitas API gambar Gemini sepanjang tahun 2026.

Jawaban singkatnya: Nano Banana Pro (gemini-3-pro-image-preview) tidak mendukung parameter seed. Ini bukan bug pada SDK dan bukan kesalahan penulisan nama parameter, melainkan karena Google memang tidak membuka mekanisme reproduktifitas berbasis seed untuk model ini. Error TYPE_INT32 yang Anda lihat pada dasarnya adalah pesan validasi parameter dari backend Google yang menandakan bahwa "field tersebut tidak diterima oleh model".

Artikel ini akan menjelaskan tiga hal berdasarkan dokumentasi resmi dan umpan balik komunitas: mengapa Nano Banana Pro tidak memiliki seed, apa arti sebenarnya dari pesan error tersebut, dan bagaimana cara mendapatkan konsistensi gambar tanpa menggunakan seed. Semua kesimpulan di sini didasarkan pada dokumen sumber bahasa Inggris untuk menghindari informasi yang menyesatkan.

Apakah Nano Banana Pro Mendukung Parameter Seed: Kesimpulan Resmi

Mari kembali ke sisi fakta yang paling dikhawatirkan pengguna.

Posisi Resmi

• Nano Banana Pro = gemini-3-pro-image-preview, model Gemini 3 Pro Image di bawah naungan Google DeepMind.
• Hingga April 2026, dokumentasi API resmi untuk pembuatan gambar hanya mencantumkan parameter yang didukung sebagai berikut:
  • aspect_ratio: 9 rasio (1:1, 16:9, 21:9, dll.)
  • resolution: 1K / 2K / 4K
  • response_modalities: teks / gambar / campuran
  • reference images: input gambar referensi
• seed / random_seed atau field setara lainnya tidak ada dalam daftar tersebut.

Mengapa ini bukan masalah "belum diimplementasikan"

Berbeda dengan model difusi seperti Flux atau Stable Diffusion, Nano Banana Pro didasarkan pada arsitektur Gemini Autoregressive dari Google. Sumber keacakan model ini sangat berbeda dengan model difusi:

• Model Difusi: seed tetap → noise awal tetap → langkah sampling sama → dapat direproduksi dengan tepat;
• Model Autoregressive: sampling per token, keacakan berasal dari keputusan sampling seperti top-k / top-p / suhu (temperature), tidak ada satu "seed" tunggal yang bisa mengunci seluruh gambar.

Jadi, absennya seed pada Nano Banana Pro bukanlah karena kelalaian implementasi, melainkan karena level arsitektur yang tidak mendukung semantik reproduktifitas semacam ini.

🎯 Tips Koreksi Kognitif: Waspadalah ketika melihat "antarmuka pihak ketiga yang mendukung parameter seed untuk Nano Banana Pro"—itu biasanya hanyalah field placeholder di lapisan layanan proksi API, yang tidak memberikan efek reproduktifitas pada model asli Google. Saat memanggil Nano Banana Pro melalui APIYI (apiyi.com), disarankan untuk mengabaikan field seed dan menggunakan 4 jalur resmi untuk menjaga konsistensi yang dijelaskan pada bagian selanjutnya.

Apa arti sebenarnya dari error "Invalid value at 'generation_config.seed' (TYPE_INT32)"?

Berikut adalah pesan error yang diberikan pengguna:

[&{{Invalid value at 'generation_config.seed' (TYPE_INT32),
   230718326286594 (request id: 2026041422181323975211237876978)
   v_api_biz_error 400} 400 }]

Ada dua lapisan informasi yang perlu kita bedah di sini.

Lapisan Pertama: Makna Literal

• 400 Bad Request: Validasi parameter gagal;
• TYPE_INT32: Server menganggap kolom seed harus berupa int32;
• Nilai yang Anda masukkan, 230718326286594, adalah bilangan bulat mendekati 48-bit, yang jauh melebihi nilai maksimum int32 yaitu 2.147.483.647.

Jadi secara literal, server mengatakan: "Saya mencoba memproses nilai seed ini sebagai int32, tetapi nilainya meluap (overflow)".

Lapisan Kedua: Penyebab Sebenarnya (Lebih Penting)

Jangan terkecoh oleh makna literalnya. Meskipun Anda mengecilkan nilai seed ke rentang int32 (misalnya 12345), Anda akan tetap menerima error 400. Pesan errornya mungkin berubah menjadi Unknown field atau generation_config.seed is not supported for this model. Ini berarti:

• Untuk model Nano Banana Pro, generation_config.seed adalah kolom yang tidak didukung;
• Dalam alur validasi kolom yang tidak dikenal oleh server Google, sistem akan melakukan pemeriksaan tipe berdasarkan skema proto yang diketahui terlebih dahulu. Karena seed dideklarasikan sebagai int32 dalam proto GenerationConfig umum Gemini, maka error TYPE_INT32 muncul lebih dulu;
• Masalah sebenarnya bukanlah nilainya, melainkan model tersebut memang tidak seharusnya menerima kolom ini.

Perbandingan pada Model Lain

• Model Teks Gemini (Gemini 2.5 Pro / Flash): Dukungan SDK terhadap seed sering berubah-ubah; beberapa versi hanya mendefinisikannya di proto tingkat bawah tetapi tidak mengeksposnya di SDK;
• Beberapa model Vertex AI: Secara resmi membuka seed sebagai parameter pengambilan sampel yang dapat direproduksi;
• Nano Banana Pro / Nano Banana 2 (Model gambar): Jelas tidak mendukung seed, dengan cara apa pun Anda menyuntikkannya.

Apa yang harus dilakukan tanpa Seed: 4 Alternatif Konsistensi

Meskipun Anda tidak bisa menggunakan seed untuk mengunci keacakan, konsistensi gambar (karakter yang sama / adegan yang sama / gaya yang sama) tetap bisa dicapai melalui mekanisme yang didukung secara resmi oleh Nano Banana Pro.

Opsi 1: Gambar Referensi (Reference Images)

Ini adalah cara paling langsung dan efektif:

• Lampirkan 1-3 gambar referensi dengan karakter / objek / adegan yang sama di dalam petunjuk;
• Arsitektur autoregresif Nano Banana Pro dapat memanfaatkan gambar referensi dengan baik untuk "regenerasi tema yang sama";
• Cocok untuk: komik, lembar karakter, gambar seri produk.

Opsi 2: Petunjuk Terstruktur untuk Mengunci Fitur Utama

"Kunci" keacakan di dalam petunjuk:

• Cantumkan fitur visual secara mendetail (warna rambut, warna mata, pakaian, komposisi, pencahayaan);
• Gunakan kata kunci gaya yang konsisten (seperti cinematic photo, 35mm, soft rim light);
• Gunakan deskripsi negatif untuk mengecualikan arah pergeseran yang tidak diinginkan.

Opsi 3: Pembuatan Gambar Massal + Seleksi Manual

Karena keacakan tidak dapat direproduksi, gunakan "kuantitas untuk mendapatkan konsistensi":

• Hasilkan 4-8 gambar sekaligus;
• Pilih satu gambar yang paling sesuai dengan standar secara manual sebagai tolok ukur;
• Gunakan gambar ini sebagai gambar referensi untuk dimasukkan kembali ke model.

Opsi 4: Penyelarasan Pasca-pemrosesan (PS / AE / Manajemen Warna)

Untuk output komersial:

• Gunakan alat pencocokan warna (LUT / kurva) untuk menyatukan nada warna;
• Gunakan Photoshop Generative Fill untuk penyesuaian lokal;
• Lakukan pemrosesan berlapis pada area fokus potret (wajah, tangan).

🎯 Saran Praktis Konsistensi: Solusi yang benar-benar stabil adalah kombinasi "gambar referensi + petunjuk terstruktur". Keunggulan APIYI (apiyi.com) dalam melakukan banyak permintaan paralel sekaligus tanpa batasan konkurensi sangat terasa dalam skenario "kuantitas untuk mendapatkan konsistensi" ini, yang secara signifikan dapat mempersingkat total waktu dari pembuatan gambar hingga seleksi.

Tabel Referensi Cepat Parameter Resmi & Panduan Kesalahan Bidang

Memulai Cepat: Cara Memanggil Tanpa Error Seed

Contoh Python (Kompatibel dengan OpenAI + Layanan proksi API APIYI)

from openai import OpenAI

client = OpenAI(
    base_url="https://api.apiyi.com/v1",
    api_key="YOUR_API_KEY",
)

# ✅ Benar: Tanpa seed, gunakan prompt + gambar referensi untuk konsistensi
resp = client.images.generate(
    model="nano-banana-pro",
    prompt=(
        "A young woman with silver hair and blue eyes, "
        "wearing a red coat, cinematic photo, 35mm, soft rim light"
    ),
    size="2048x2048",
    n=4,                      # 4 gambar sekaligus untuk seleksi manual
)
for i, img in enumerate(resp.data):
    print(f"Image {i}: {img.url}")

# Catatan: Nano Banana Pro resmi mendukung gambar referensi, tetapi antarmuka Images
# dari SDK OpenAI dalam skenario gambar referensi asli perlu diubah ke 
# struktur multimodal dari /chat/completions.
# Kode semu untuk menunjukkan konsep:

messages = [
    {"role": "user", "content": [
        {"type": "image_url", "image_url": {"url": "https://.../ref1.jpg"}},
        {"type": "image_url", "image_url": {"url": "https://.../ref2.jpg"}},
        {"type": "text", "text": "Jaga konsistensi tampilan karakter, ubah ke latar pantai pagi hari"},
    ]}
]
# Panggil endpoint dengan output gambar, selaraskan dengan multimodal asli Nano Banana Pro

Contoh Kesalahan (Memicu Error 400)

# ❌ Kode ini akan menyebabkan error TYPE_INT32 / Invalid value
resp = client.images.generate(
    model="nano-banana-pro",
    prompt="a cute corgi",
    extra_body={"generation_config": {"seed": 230718326286594}},
)
# → 400 Invalid value at 'generation_config.seed' (TYPE_INT32)

🎯 Saran Migrasi: Saat beralih dari model difusi (Flux / SDXL / Imagen 3) ke Nano Banana Pro, pastikan untuk menghapus bidang seed dari kode lama Anda. Jika bisnis Anda membutuhkan fitur "reproduksibilitas", pertahankan Flux sebagai saluran cadangan. Melalui APIYI di apiyi.com, Anda bisa menggunakan beberapa model sekaligus dalam satu akun tanpa perlu repot mengganti akun.

3 Saran Penanganan Error Terkait Seed

Saran 1: Hapus field seed

Cara paling simpel—hapus semua seed, generation_config.seed, atau random_seed dalam kode Anda. Ini adalah satu-satunya cara agar Nano Banana Pro dapat bekerja dengan lancar.

Saran 2: Gunakan lapisan kompatibilitas (wrapper)

Jika kode Anda perlu mendukung Flux / SDXL (yang mendukung seed) sekaligus Nano Banana Pro (yang tidak mendukungnya), Anda bisa menerapkan deteksi model di sisi klien:

def build_params(model, prompt, seed=None):
    params = {"model": model, "prompt": prompt}
    if seed is not None and model.startswith(("flux", "sdxl", "imagen")):
        params["seed"] = seed
    # Nano Banana Pro / Nano Banana 2 secara otomatis mengabaikan seed
    return params

Saran 3: Catat request_id di lapisan bisnis untuk pelacakan

Tanpa seed bukan berarti Anda tidak bisa melakukan "versioning". Tetap simpan request_id + prompt + hash gambar referensi untuk setiap pemanggilan. Setidaknya, Anda bisa melacak "bagaimana gambar itu dihasilkan", meskipun tidak bisa benar-benar mereproduksinya secara identik.

Pertanyaan Umum (FAQ)

Q1: Mengapa hasil gambar dari prompt yang sama selalu berbeda-beda?

Karena sampling autoregresif pada Nano Banana Pro memiliki sifat acak bawaan, dan tidak memiliki mekanisme untuk reproduksi. Ini bukan bug, melainkan keputusan arsitektur. Untuk hasil yang lebih stabil, gunakan kombinasi gambar referensi dan prompt terstruktur.

Q2: Saya mendapat error yang sama di Nano Banana 2, apakah model ini juga tidak mendukung seed?

Benar. Nano Banana 2 (gemini-3.1-flash-image-preview) juga tidak mendukung seed, karena satu keluarga arsitektur dengan Nano Banana Pro, hanya berbeda dari segi kecepatan dan positioning.

Q3: Ada pihak ketiga yang mengklaim "bisa mendukung seed untuk Nano Banana Pro", apakah benar?

Besar kemungkinan itu hanyalah implementasi placeholder di lapisan proksi API—mereka menerima seed dari Anda sebelum memanggil Google, tetapi tidak meneruskannya ke Google (karena jika diteruskan pun akan tetap error). Ini tidak memberikan efek reproduktif apa pun pada hasil gambar. Jika Anda ingin layanan yang transparan dalam meneruskan parameter resmi Google, pilihlah platform yang lebih terbuka, seperti APIYI apiyi.com.

Q4: Apakah model yang sama di Vertex AI mendukung seed?

Hingga artikel ini ditulis (April 2026), antarmuka pembuatan gambar gemini-3-pro-image dalam dokumentasi Vertex AI juga tidak menyediakan parameter seed. Beberapa model Gemini lainnya di Vertex AI memang memiliki seed, tetapi tidak bisa digunakan lintas model.

Q5: Mengapa temperature juga tidak berfungsi?

Karena temperature utamanya digunakan untuk sampling token pada Model Bahasa Besar. Nano Banana Pro adalah endpoint pembuatan gambar; jalur sampling gambarnya tidak memiliki pemetaan langsung dengan temperature, sehingga parameter tersebut mungkin diabaikan atau tetap menyebabkan error 400.

Q6: Adakah cara untuk "mengunci gaya" hasil dari beberapa kali generasi?

Ada. Saya sarankan kombinasi tiga hal: (a) gunakan "gambar jangkar" sebagai referensi; (b) gunakan sekumpulan kata kunci template prompt yang tetap; (c) simpan sampel gambar terbaik sebagai galeri referensi, semakin sering digunakan, hasil akan semakin stabil. Dengan kemampuan konkurensi tanpa batas dari APIYI apiyi.com, Anda bisa membuat 4-8 gambar sekaligus untuk memilih gambar jangkar, sehingga mempercepat siklus tuning konsistensi secara signifikan.

Kesimpulan: Kebenaran Arsitektur di Balik Error Seed

Kembali ke pertanyaan awal—"Apakah Nano Banana Pro mendukung parameter Seed?", jawabannya adalah jelas tidak mendukung.

• Error literal: Invalid value at 'generation_config.seed' (TYPE_INT32) hanyalah bentuk validasi parameter di sisi server.
• Penyebab utama: Nano Banana Pro menggunakan arsitektur Gemini autoregresif, yang sejak awal desainnya tidak memiliki pintu masuk untuk seed.
• Solusi alternatif yang dapat direproduksi: Gambar referensi + petunjuk terstruktur + penyaringan batch + pascapemrosesan.
• Saran teknis: Hapus semua kolom seed, buat lapisan kompatibilitas yang mengenali model, dan gunakan request_id untuk pelacakan.

Nano Banana 2 juga tidak mendukungnya, jadi tidak perlu dicoba lagi—untuk alur kerja yang bergantung pada seed, harap tetap gunakan model berbasis difusi (Flux / SDXL / Imagen 3) sebagai cadangan.

🎯 Saran implementasi: Di platform APIYI (apiyi.com), satu akun dapat memanggil Nano Banana Pro (tanpa seed, untuk pembuatan gambar utama) dan Flux / Imagen 3 (dengan seed, untuk cadangan yang dapat direproduksi) secara paralel. Tersedia promo isi ulang dengan diskon hingga 15% dan tanpa batasan konkurensi, sangat cocok untuk alur kerja "buat banyak gambar sekaligus untuk memilih konsistensi". Bersihkan seed dari kode Anda hari ini, ganti dengan gambar referensi + petunjuk terstruktur, dan Anda akan segera merasakan kekuatan sesungguhnya dari Nano Banana Pro.

— Tim APIYI (apiyi.com)