Análisis Técnico de la Plataforma PaperBanana: Automatización de Ilustraciones Académicas, Arquitectura Multiagente y Modelos de Generación Visual

Contextualización de la Ilustración Científica Automatizada

La producción de ilustraciones científicas y diagramas metodológicos aptos para su publicación en revistas y congresos indexados representa un cuello de botella crítico y laborioso en el flujo de trabajo de la investigación científica1. A pesar del desarrollo de agentes de inteligencia artificial capaces de redactar manuscritos complejos o acelerar análisis empíricos, los investigadores continúan dedicando horas significativas al diseño manual de figuras mediante herramientas de edición vectorial como Figma, PowerPoint o paquetes de diagramación en LaTeX1. Las figuras deficientes o incoherentes debilitan el impacto de un artículo, mientras que el uso de generadores de imágenes tradicionales basados exclusivamente en difusión genera distorsiones textuales, alucinaciones estructurales e imprecisiones numéricas inadmisibles en el arbitraje por pares1.

En respuesta a esta necesidad, investigadores de la Universidad de Pekín y Google Cloud AI Research desarrollaron PaperBanana, un marco de trabajo de diseño multiagente diseñado para transformar descripciones de texto sin formato en diagramas metodológicos y gráficos estadísticos de nivel profesional2. Este marco formaliza la automatización de figuras como un problema de aprendizaje que mapea un contexto de origen (el texto descriptivo de la metodología) y una intención comunicativa (la leyenda de la figura) hacia una representación visual final 5. Este proceso se rige bajo la siguiente formulación matemática:

A través de esta conceptualización, PaperBanana asocia la precisión estructural de la programación con la flexibilidad estética del procesamiento de lenguaje visual7. La plataforma busca descentralizar el diseño gráfico en la ciencia, permitiendo que la claridad del contenido domine la presentación1.

Arquitectura de Agentes y Motores de Generación Visual

El núcleo de PaperBanana radica en su arquitectura de colaboración multiagente cerrada4. A diferencia de un sistema de generación directa de texto a imagen que procesa las instrucciones en un único bloque, el flujo de PaperBanana descompone la tarea en etapas cognitivas distribuidas entre agentes especializados que interactúan recursivamente8. La canalización consta de cinco agentes principales en la versión de investigación, complementados por dos módulos preprocesadores en entornos comerciales e implementaciones comunitarias5.

• Context Enricher: Agente de preprocesamiento opcional que analiza el texto denso de la metodología original para estructurar componentes clave, dependencias lógicas, entradas, salidas y agrupaciones jerárquicas8.

• Caption Sharpener: Módulo opcional que refina leyendas de figuras ambiguas, convirtiéndolas en especificaciones de diseño estandarizadas antes de alimentar al resto de la canalización8.

• Retriever: Agente que examina un corpus curado de figuras académicas (como PaperBananaBench, derivado de publicaciones de NeurIPS 2025) y selecciona los diagramas de referencia más adecuados5. Este proceso prioriza la topología de la imagen (por ejemplo, flujos circulares versus arquitecturas de red) por encima de la similitud de temas5.

• Planner: Entidad cognitiva central del sistema que sintetiza la información del contexto estructurado y los ejemplos recuperados para redactar un plan detallado de composición espacial del lienzo6.

• Stylist: Agente encargado de aplicar guías estéticas rigurosas, determinando parámetros como paletas de colores sobrias, tipografía académica unificada, relaciones de proporción y pesos de línea idóneos para congresos como NeurIPS, ICML e ICLR4.

• Visualizer: Módulo encargado del renderizado de la imagen. En el caso de diagramas conceptuales, delega la tarea en un modelo visual; para gráficos de datos estadísticos, escribe código de programación ejecutable3.

• Critic: Agente encargado de comparar la ilustración generada contra el texto metodológico original mediante modelos de lenguaje visual6. Si detecta errores fácticos, omisiones de componentes o rotulados erróneos, emite una retroalimentación detallada y reinicia la iteración de renderizado8.

La flexibilidad operativa del Visualizer se sustenta en la compatibilidad con múltiples modelos subyacentes de generación y edición visual9. La plataforma integra tanto la familia Nano Banana de Google como modelos asociados de OpenAI, permitiendo balancear la velocidad y la profundidad de razonamiento técnico según las necesidades del investigador10.

Nombre del Modelo	Tecnología Base de Soporte	Atributos Clave y Resolución Soportada	Calidad de Renderizado Textual	Latencia y Eficiencia Operativa
Nano Banana	Gemini 2.5 Flash Image10	Optimizado para creación informal, retoques rápidos de composición y edición conversacional ligera12. Soporta 1K10.	Aceptable para palabras aisladas y carteles sencillos12.	Latencia extremadamente baja, idóneo para alta concurrencia10.
Nano Banana 2	Gemini 3.1 Flash Image10	Alta eficiencia para uso masivo de desarrolladores10. Incorpora modos de aspecto amplios (1:4 a 8:1)10. Genera 0.5K y 1K10.	Media-alta, estructuración clara de diagramas estándar4.	Balance óptimo entre velocidad y precisión conceptual10.
Nano Banana Pro	Gemini 3 Pro Image10	Diseñado para producción de activos profesionales con modo de pensamiento deliberativo10. Soporta resolución nativa 2K y escalado a 4K10.	Sobresaliente, especializado en infografías y diagramación técnica4.	Latencia alta debido a los ciclos de razonamiento de composición10.
GPT Image 2	Basado en el ecosistema OpenAI14	Superior en fotorrealismo y diseño de interfaces de usuario11. Permite estructurar maquetas de software y capturas realistas11. Soporta 4K sin marcas de agua14.	Excelente, rendimiento impecable de tipografía en más de 50 idiomas4.	Latencia moderada, optimizado para iteraciones precisas de diseño14.

Interfaz de Usuario y Capacidades de Integración del Sistema

La experiencia de interacción con PaperBanana se articula tanto en entornos web simplificados como en infraestructuras de desarrollo local altamente personalizables4. La plataforma web oficial aloja una interfaz intuitiva organizada en paneles lógicos que facilitan la adopción por parte de investigadores sin conocimientos de diseño gráfico1.

El panel de generación web permite configurar parámetros clave a través de menús desplegables para el estilo visual, los modelos de renderizado, la relación de aspecto, el formato de salida y el nivel de calidad de la imagen4. El usuario introduce la metodología en formato Markdown o texto sin formato junto con la leyenda correspondiente4. La interfaz proporciona accesos rápidos a plantillas optimizadas para arquitecturas Transformer, pipelines RAG, flujos multiagente y redes generativas adversarias (GAN)4. Para flujos de trabajo avanzados, la pestaña de refinamiento visual permite cargar imágenes previas o bocetos, aplicar transformaciones estéticas manteniendo la estructura original e instruir cambios de texto quirúrgicos sobre etiquetas específicas sin alterar el resto del lienzo4.

Más allá de la plataforma web, el ecosistema de PaperBanana se extiende hacia entornos integrados de desarrollo mediante su repositorio de código abierto y adaptaciones comunitarias5. El código oficial, denominado científicamente PaperVizAgent en los repositorios de Google Research, convive con implementaciones comunitarias publicadas en GitHub bajo licencias permisivas de código abierto5.

Canal de Acceso / Interfaz	Comando o Ruta de Implementación	Capacidades Técnicas Soportadas
Interfaz Streamlit Local	streamlit run demo.py [cite: 9]	Visualización del pipeline evolutivo paso a paso (Planner Stylist Critic), generación paralela de hasta 20 candidatos9.
Gradio Studio Local	python app.py [cite: 9]	Entorno interactivo para procesamiento por lotes, depuración fina de prompts y edición localizada5.
CLI: Generación de Diagramas	paperbanana generate --pdf-pages [cite: 5]	Extracción directa de secciones metodológicas desde archivos PDF y renderizado automatizado5.
CLI: Graficación de Datos	paperbanana plot / plot-batch [cite: 5]	Procesamiento automático de archivos de datos en formato CSV o JSON para compilar figuras mediante Matplotlib5.
CLI: Integración TeX	paperbanana orchestrate [cite: 5]	Compilación automática de un paquete completo de figuras que genera el archivo figures.tex y sus descripciones captions.md5.
Servidor MCP para IA	python3 -m mcp_server.server [cite: 5, 18]	Exposición de herramientas del sistema bajo el protocolo Model Context Protocol para su invocación directa desde Claude Code o Cursor5.

El acceso comercial a la plataforma web estructurada de PaperBanana se rige por un esquema de suscripción recurrente o compras puntuales de créditos sin fecha de expiración4. Esta dualidad tarifaria permite adaptar el gasto a la regularidad de publicación de cada laboratorio o investigador independiente4.

Categoría del Plan	Tarifa Mensual (Suscripción Anual)	Créditos Asignados por Ciclo	Costo de Generación por Resolución	Beneficios Adicionales del Plan
Hobby	$13.50 (Facturado como $26.90 mensual sin anualidad)4	7,200 créditos anuales4	- 1K: 5–10 créditos4 - 2K: 10–20 créditos4 - 4K: 20–40 créditos4	Generación estándar, tiempos de respuesta regulares y soporte técnico por correo electrónico4.
Basic	$22.50 (Facturado como $44.90 mensual sin anualidad)4	15,600 créditos anuales4	- 1K/2K: 5–10 créditos4 - 4K: 10–20 créditos4	Carga de manuscritos para extracción automática de referencias, carga de imágenes personalizadas y refinamiento estético guiado4.
Pro	$45.00 (Facturado como $89.90 mensual sin anualidad)4	42,000 créditos anuales4	- 1K/2K/4K: 5–10 créditos por imagen4	Prioridad en colas de espera, descargas en dimensiones ilimitadas, soporte prioritario e integraciones avanzadas de refinamiento4.

Todas las modalidades de suscripción de pago de la plataforma oficial incorporan una garantía de devolución de dinero de veinticuatro horas4. No obstante, el reembolso está estrictamente condicionado a que el usuario haya consumido menos de cincuenta créditos de su saldo total y no haya registrado solicitudes previas de devolución, limitando esta política a un único reembolso vitalicio por cuenta de usuario4.

Análisis de Ventajas y Limitaciones Técnicas

La evaluación profunda de PaperBanana revela un contraste marcado entre el poder de su arquitectura colaborativa de agentes y las restricciones inherentes a las tecnologías generativas actuales6. Comprender este balance es indispensable para maximizar su utilidad en entornos de producción académica real7.

Ventajas Técnicas (Pros)

La mayor contribución metodológica de la plataforma se materializa en la generación de gráficos estadísticos libres de alucinaciones numéricas3. A diferencia de los modelos visuales estándar que interpretan los gráficos estadísticos como mapas de píxeles —distorsionando la escala y las magnitudes—, PaperBanana reorienta la tarea de su agente visualizador para escribir código funcional en lenguaje Python utilizando las bibliotecas Matplotlib o Seaborn3. Dado que las coordenadas de cada punto, las alturas de las barras y la escala de los ejes se determinan mediante computación exacta en lugar de aproximación probabilística, el error de distorsión de datos se reduce a cero3. Adicionalmente, este enfoque otorga a los autores el código fuente del gráfico, posibilitando ajustes posteriores de fuentes, colores o leyendas sin necesidad de ejecutar nuevamente la API ni consumir créditos de cómputo3.

Asimismo, el sistema destaca por su capacidad de estilización dirigida6. El agente Stylist extrae automáticamente pautas de diseño visual a partir del conjunto de demostraciones de referencia seleccionadas, estandarizando de manera uniforme la tipografía, los márgenes de los diagramas de bloques, la alineación de componentes y la coherencia del flujo de información6. Esta rigurosidad estética es idónea para cumplir con los exigentes estándares estéticos de congresos de primer nivel como NeurIPS, ICML e ICLR4.

Desventajas Técnicas (Contras)

A pesar de sus bondades, el flujo metodológico de la plataforma presenta un inconveniente crítico: su incapacidad nativa para exportar diagramas conceptuales en formato vectorial escalable (como archivos SVG, EPS o PDF editables)3. El Visualizer entrega imágenes en formatos rasterizados de mapa de bits (como PNG), lo que restringe significativamente las posibilidades de edición directa en programas de diseño externos y compromete la resolución de la imagen al someterla a procesos de impresión a gran escala3.

Otro factor limitante es el costo operativo del procesamiento multiagente7. La necesidad de ejecutar llamadas recursivas e interconectadas a modelos de lenguaje visual durante las etapas de planificación, estilización y crítica (las cuales de manera estándar requieren al menos tres iteraciones completas antes de converger) introduce una latencia notable en la respuesta y eleva de manera exponencial el consumo de tokens, encareciendo el uso comercial del sistema si se compara con enfoques de un solo paso5.

Por último, el sistema adolece de problemas de estabilidad estructural fina6. Las auditorías de código abierto documentan que, aunque el Critic basado en modelos de lenguaje visual tradicionales ofrece un juicio estético y semántico adecuado, no logra realizar de forma nativa comprobaciones estructurales exactas, como contar minuciosamente si el número de nodos de un diagrama de bloques se corresponde fidedignamente con las variables de la metodología, o si existen flechas y conectores colgantes19.

Para corregir esta ineficiencia, los desarrolladores han propuesto la integración de un módulo de crítica híbrido equipado con capacidades de ejecución de código auxiliar basado en la biblioteca Pillow (PIL) de Python y técnicas avanzadas de procesamiento de visión artificial con OpenCV (como la detección de bordes de Canny, la transformada de líneas de Hough o funciones de detección de contornos como cv2.findContours())19. Este enfoque híbrido permite rastrear con precisión geométrica la conectividad y verificar la coherencia de los elementos renderizados, aunque aún representa una funcionalidad avanzada de selección manual en lugar de una propiedad por defecto del sistema19.

Dimensión Técnica	Enfoque Basado en Generación de Imágenes (Nano Banana Pro)	Enfoque Basado en Generación de Código (Matplotlib / Seaborn)
Precisión Científica	Baja. Riesgo persistente de alucinación geométrica en barras y puntos3.	Absoluta. Los elementos gráficos se calculan mediante fórmulas matemáticas exactas3.
Capacidad de Edición	Restringida. Modificaciones supeditadas a re-generación o edición por inpainting3.	Completa. El código fuente de Python se puede modificar libremente sin costo3.
Estabilidad de Texto	Variable. Vulnerable a la introducción de caracteres extraños en términos complejos3.	Perfecta. Control total del renderizado tipográfico a través de cadenas de caracteres definidas3.
Formatos de Salida	Rasterizados (PNG, JPG)6.	Vectoriales Natos (SVG, PDF, EPS)3.
Costo por Solicitud	Alto (Consumo intensivo de recursos gráficos en la nube)4.	Extremadamente bajo (Aproximadamente $0.01 por bloque de código generado)3.

 

Directrices de Diseño de Prompts Académicos y Casos de Uso

El rendimiento y la fidelidad de las ilustraciones producidas por PaperBanana dependen directamente de la estructura del prompt de entrada4. De acuerdo con las guías oficiales de la plataforma, las instrucciones que alcanzan las métricas más estables comparten una estructura rigurosa compuesta por cuatro ingredientes esenciales4:

• Objetivo (Goal): Declaración concisa, de menos de veinticinco palabras, que indica exactamente la figura o diagrama técnico que se desea producir4.

• Componentes (Components): Lista explícita y estructurada mediante viñetas que especifica cada uno de los módulos, bloques de datos, variables o elementos que deben aparecer en la ilustración4. El Visualizer tomará estas etiquetas de texto de forma literal para insertarlas de manera exacta en el gráfico4.

• Maquetación / Disposición (Layout): Definición geométrica del flujo visual (como orientaciones de izquierda a derecha, diseños de arriba hacia abajo, arreglos matriciales en cuadrícula o configuraciones de árbol radial)4. Limitar la ilustración a un único flujo de dirección evita colisiones espaciales en la planificación4.

• Estilo Visual (Style): Especificación de la paleta de colores, la tipografía base, el congreso científico de destino que rige los estándares de diseño y cualquier directriz restrictiva de preservación estructural4.

Para ilustrar estas directrices y facilitar la adopción práctica de PaperBanana por parte de los investigadores, a continuación se presentan tres ejemplos de prompts diseñados bajo este estándar metodológico, acompañados de su análisis técnico correspondiente4.

Ejemplo de Prompt 1: Arquitectura Transformer de Codificador-Decodificador

• Prompt de Entrada (Español):
  OBJETIVO: Generar un diagrama metodológico para un bloque clásico de red neuronal Transformer con estructura simétrica de codificador y decodificador.

COMPONENTES:

• "Entradas" (Caja base de datos del codificador)

• "Incrustación de Posición" (Bloque de suma posicional)

• "Atención de Múltiples Cabezas" (Módulo central de procesamiento)

• "Normalización y Conexión Residual" (Bloque de estabilización Add & Norm)

• "Red de Alimentación Hacia Adelante" (Bloque Feed-Forward)

• "Atención de Múltiples Cabezas Enmascarada" (Bloque de entrada del decodificador)

• "Atención Cruzada de Múltiples Cabezas" (Bloque de fusión intermedia)

• "Salidas Lineales y Softmax" (Módulo de salida predictiva)

DISEÑO:

• Disposición simétrica en dos columnas paralelas. La columna izquierda representa el Codificador con un flujo ascendente vertical continuo. La columna derecha representa el Decodificador con flujo ascendente y una conexión intermedia horizontal que transporta las llaves y valores desde la columna izquierda.

ESTILO:

• Estilo estético para publicación de NeurIPS. Paleta de colores Soft Tech Pastels con tonos azules para el Codificador y naranjas tenues para el Decodificador. Tipografía sans-serif unificada y limpia. Líneas de conexión delgadas y nítidas.

• Análisis del Caso de Uso: Este prompt permite mapear de manera precisa la arquitectura clásica de un modelo de procesamiento de lenguaje natural4. La disposición geométrica explícita en dos columnas paralelas previene que el agente de planificación mezcle las capas del codificador y del decodificador, asegurando que las flechas de atención cruzada se dirijan correctamente del codificador hacia el decodificador sin generar bucles inválidos4.

Ejemplo de Prompt 2: Gráfico de Pérdida de Entrenamiento y Validación (Código Matplotlib)

• Prompt de Entrada (Español):
  OBJETIVO: Generar un gráfico lineal de rendimiento de optimización que compare la pérdida de entrenamiento y la pérdida de validación a lo largo de cien épocas.

COMPONENTES:

• Eje X: "Épocas de Entrenamiento" (Escala lineal de 0 a 100)

• Eje Y: "Pérdida de Entropía Cruzada" (Escala de 0.0 a 2.5)

• Serie de Datos 1: "Pérdida de Entrenamiento" (Curva descendente suave que comienza en 2.3 y estabiliza en 0.2)

• Serie de Datos 2: "Pérdida de Validación" (Curva descendente que comienza en 2.4, alcanza un mínimo de 0.4 en la época 60 y muestra una ligera divergencia ascendente hasta 0.6 hacia la época 100)

• Marcador visual: Línea discontinua vertical gris en la época 60 etiquetada como "Punto de Parada Temprana".

DISEÑO:

• Gráfico lineal de dos curvas independientes. Ejes claramente acotados con marcas de división numéricas legibles. Cuadro de leyenda ubicado en la esquina superior derecha.

ESTILO:

• Estilo de graficación para revista IEEE. Colores de alto contraste con azul marino para entrenamiento y verde oliva para validación. Líneas con grosor de 2.0 puntos. Salida en código ejecutable de Matplotlib utilizando un estilo de cuadrícula limpia.

• Análisis del Caso de Uso: Al indicar explícitamente que la salida sea en código ejecutable, el Visualizer de PaperBanana escribirá scripts en Python en lugar de pintar una imagen3. Las curvas seguirán de forma exacta el comportamiento matemático especificado en el prompt (especialmente la divergencia a partir de la época 60), modelando de manera fiel el sobreajuste del sistema de entrenamiento para su presentación en un reporte técnico de alta fidelidad3.

Ejemplo de Prompt 3: Ruta Mecanicista de Farmacocinética (Vida y Salud)

• Prompt de Entrada (Español):
  OBJETIVO: Generar un diagrama de flujo biológico que ilustre las cuatro fases del proceso farmacocinético ADME en el cuerpo humano.

COMPONENTES:

• "Absorción" (Asociado a un icono de tracto gastrointestinal)

• "Distribución" (Asociado a un icono de torrente sanguíneo con vasos capilares)

• "Metabolismo" (Asociado a un icono del hígado)

• "Excreción" (Asociado a un icono de riñones e indicación de orina)

• "Concentración Plasmática" (Curva matemática de concentración contra tiempo insertada como un pequeño panel flotante adyacente a la fase de Distribución)

DISEÑO:

• Disposición en un ciclo continuo circular cerrado que progresa en el sentido de las agujas del reloj, comenzando en Absorción en la parte superior izquierda y terminando en Excreción en la parte inferior izquierda. El panel flotante de concentración plasmática debe conectarse mediante una flecha discontinua a la fase de Distribución.

ESTILO:

• Estilo de infografía educativa científica limpia y minimalista. Paleta de colores pastel y neutra para evitar saturación visual. Iconos biológicos abstractos y simplificados. Etiquetas claras con tipografía de alta legibilidad apta para diapositivas de conferencias.

• Análisis del Caso de Uso: Este prompt demuestra la versatilidad de la plataforma para extenderse más allá de las ciencias de la computación hacia el ámbito médico e industrial4. La combinación de flujo lineal, iconos simplificados y un gráfico incrustado como panel flotante aprovecha la capacidad de Nano-Banana-Pro para comprender relaciones de jerarquía y espacialidad en composiciones híbridas que mezclan esquemas conceptuales con elementos cuantitativos4.

Conclusiones y Proyección del Ecosistema de Ilustración de Datos

El análisis sistemático del framework PaperBanana evidencia que la automatización de la ilustración científica mediante arquitecturas multiagente representa un avance sustancial para superar el tradicional desfase entre la madurez del texto académico y la presentación visual de las metodologías1. Al formalizar la generación de figuras bajo un pipeline estructurado de planificación, estilización y crítica iterativa, el sistema garantiza niveles de fidelidad técnica y sobriedad visual que los generadores de imágenes tradicionales de consumo masivo no pueden emular4. La decisión de procesar gráficos estadísticos a través de la compilación de código ejecutable de Matplotlib constituye una excelente solución técnica ante el problema de la alucinación de datos numéricos en entornos de visualización científica3.

La proyección futura del ecosistema apunta hacia una integración cada vez más profunda entre los modelos de lenguaje visual y los entornos de desarrollo locales5. La maduración de herramientas basadas en el protocolo MCP de Anthropic y la consolidación de la biblioteca comunitaria en CLI e interfaces locales de Gradio o Streamlit permiten augurar un escenario donde la generación de ilustraciones formará parte integral de la compilación automatizada del manuscrito (como archivos de soporte nativos en entornos LaTeX o Markdown)5.

No obstante, los investigadores deben aproximarse a estas tecnologías con un criterio de co-diseño supervisado7. Si bien la plataforma automatiza las tareas operativas más pesadas, la verificación fina de la coherencia en diagramas complejos de flujo de datos con más de diez componentes continúa demandando una rigurosa validación humana para descartar la presencia de imprecisiones estructurales menores antes de su presentación ante un comité evaluador6.

Obras citadas

1. Meet PaperBanana: Google's AI That Auto-Generates Research Diagrams, https://www.analyticsvidhya.com/blog/2026/02/paperbanana-google-ai-for-research-diagrams/

2. [2601.23265] PaperBanana: Automating Academic Illustration for AI Scientists - arXiv, https://arxiv.org/abs/2601.23265

3. Create 7 Types of Scientific Research Statistical Charts with Nano Banana Pro: Code Generation Method Completely Eliminates Numerical Hallucinations - Apiyi.com Blog, https://help.apiyi.com/en/nano-banana-pro-statistical-chart-guide-en.html

4. PaperBanana - AI Academic Illustration Generator, https://paper-banana.org/

5. PaperBanana Open Source: Multi-Agent Academic Diagrams from Google Research to CLI and MCP - Mervin Praison, https://mer.vin/2026/06/paperbanana-open-source-multi-agent-academic-diagrams-from-google-research-to-cli-and-mcp/

6. Paper Review: PaperBanana: Automating Academic Illustration for AI Scientists, https://artgor.medium.com/paper-review-paperbanana-automating-academic-illustration-for-ai-scientists-92ca42411562

7. PaperBanana: Agentic AI Framework for Academic Diagrams - Dextra Labs, https://dextralabs.com/blog/paperbanana-agentic-ai-framework/

8. How PaperBanana's Multi-Agent Pipeline Helped Me Generate Publication-Ready Research Figures in Minutes | by Shabana Khanam | Medium, https://medium.com/@shabanakhanum/how-paperbananas-multi-agent-pipeline-helped-me-generate-publication-ready-research-figures-in-247e4ce88878

9. PaperBanana: Automating Academic Illustration For AI Scientists - GitHub, https://github.com/dwzhu-pku/PaperBanana

10. Nano Banana image generation - Interactions API | Google AI for Developers, https://ai.google.dev/gemini-api/docs/interactions/image-generation

11. GPT Image 2: Try OpenAI's Latest AI Image Generation Model Free Online - EaseMate AI, https://www.easemate.ai/gpt-2-ai-image-generator

12. Introducing Nano Banana 2 - Gemini image editor in Firefly. - Adobe, https://www.adobe.com/products/firefly/partner-models/google-gemini-nano-banana.html

13. Nano Banana Pro & Nano Banana 2 Free AI Image Generation & Editing, https://www.nanobananapro.org/

14. Free GPT-Image 2 AI Image Generator | Felo AI, https://felo.ai/tools/gpt-image-2

15. GPT 2 | Image generator by OpenAI in Adobe Firefly, https://www.adobe.com/products/firefly/partner-models/gpt-image.html

16. GPT Image 2 - AI Image Generator & Editor | Fooocus.one, https://fooocus.one/gpt-image-2

17. paper banana is not working · Issue #11 · dwzhu-pku/PaperBanana - GitHub, https://github.com/dwzhu-pku/PaperBanana/issues/11

18. PaperBanana: Automating Academic Illustration For AI Scientists - GitHub, https://github.com/stuinfla/paperbanana

19. [Feature Request] Agentic Vision (code_execution) for Critic Agent to detect structural connection errors · Issue #35 · dwzhu-pku/PaperBanana - GitHub, https://github.com/dwzhu-pku/PaperBanana/issues/35

20. Google's PaperBanana, an agentic AI that creates scientific diagrams - MLWires, https://www.mlwires.com/googles-paperbanana-an-agentic-ai-that-creates-scientific-diagrams/

21. GPT Image 2 (ChatGPT Images 2.0): Free Online, No Sign-up - NoteGPT, https://notegpt.io/gpt-image-2