paper banana
Google Cloud AI Research and Peking University · Imagen · Productividad
PaperBanana es un marco de agentes que genera ilustraciones académicas listas para publicar a partir de texto plano. Le das una descripción del método y el pie de figura, y un equipo de agentes de IA especializados devuelve diagramas de método o gráficos estadísticos aptos para congresos como NeurIPS e ICML. Es un generador de ilustraciones académicas pensado para investigadores. También sirve como generador de diagramas con IA para diapositivas y documentación técnica. Está hecho para científicos de IA que prefieren dedicar sus horas a las ideas y no a pelearse con herramientas vectoriales.
Acerca de paper banana
Qué es PaperBanana
PaperBanana es un sistema multiagente creado por Google Cloud AI Research y la Universidad de Pekín para automatizar uno de los cuellos de botella más tercos de la investigación: hacer las figuras. Escribir el artículo ya es bastante difícil. Dibujar un diagrama de arquitectura limpio o un gráfico que los revisores no critiquen puede llevarse otro día entero. Es el tipo de herramienta de figuras para investigación que devuelve el dibujo a la máquina.
El marco reparte el trabajo entre cinco agentes que cooperan. Un Retriever saca ejemplos similares de una biblioteca de referencia, un Planner lee el texto de tu método y escribe una especificación detallada de dibujo, un Stylist aplica reglas estéticas académicas, un Visualizer renderiza la imagen o el código, y un Critic compara el resultado con tu texto original y lo devuelve para otra pasada. Ese bucle es la clave. Un solo modelo de imagen renderiza algo bonito; PaperBanana comprueba si ese algo es de verdad correcto.
La principal limitación conviene decirla desde el principio. En diagramas densos con muchos nodos, el renderizado basado en difusión puede deformar el texto o colocar mal las líneas de conexión, y los gráficos de datos que exigen precisión al píxel todavía dan errores cuando se generan solo como imagen. No es lo ideal. La respuesta del equipo es una ruta basada en código para los gráficos, algo que importa si tus figuras llevan números reales. El proyecto nació como un artículo de investigación, y las implementaciones de la comunidad han añadido después acceso por CLI, API de Python y servidor MCP para herramientas como Claude Code y Cursor.
Primeros pasos
- Abre la página del proyecto y clona el repositorio, luego instala las dependencias con
pip install -r requirements.txt. - Añade las claves de API de tu proveedor en el archivo de configuración del modelo. Las versiones de la comunidad admiten OpenAI, Azure OpenAI o Foundry, Google Gemini y Atlas Cloud.
- Prepara dos entradas: el contexto de origen (la sección de método de tu artículo) y la intención comunicativa (el pie de figura que quieres).
- De forma opcional, carga un conjunto de referencia de triples publicados (texto de método, pie, figura). El PaperBananaBench incluido trae 292 casos de referencia de NeurIPS 2025.
- Ejecuta la generación y elige el mejor resultado. Los autores recomiendan un flujo de generar y seleccionar: produce de tres a cinco candidatos y escoge el que encaje con el estilo de tu artículo.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de paper banana.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Investigadores de IA y estudiantes de posgrado
- Equipos de laboratorio que escriben varios artículos al año
- Investigadores que pulen borradores ya existentes
Tareas
- Crear un diagrama de arquitectura de modelo
- Generar gráficos estadísticos
- Producir figuras de marcos conceptuales
Casos de uso
- La noche antes de una fecha límite cuando las figuras son lo último que queda
- Convertir el boceto tosco de una charla en una figura limpia para diapositivas
- Revisar un envío rechazado
Funciones clave
Pipeline de cinco agentes
PaperBanana ejecuta Retriever, Planner, Stylist, Visualizer y Critic en secuencia. Cada uno tiene una única tarea. Eso es lo que mantiene la salida cerca de tu texto en vez de desviarse hacia imágenes genéricas de archivo. El Critic cierra el bucle comparando la figura renderizada con el contenido de origen y señalando las discrepancias.
Generación guiada por referencias
Con un conjunto de referencia cargado, el Retriever elige los diez ejemplos publicados más relevantes y el Stylist destila sus colores, formas y tipografía en una guía de estilo. Tus figuras heredan las convenciones de artículos reales de tu campo en vez de una media de todo lo que ha visto el modelo.
Automatización de diagramas de método
Dada una sección de método, el sistema produce el tipo de figura de arquitectura o de proceso que normalmente armarías en Figma o TikZ. Se encarga de la disposición y el etiquetado que hacen legible un diagrama de un vistazo, que es la parte que suele costar más tiempo.
Gráficos estadísticos con código
Para los gráficos en los que los números tienen que ser correctos, PaperBanana puede escribir y ejecutar código Python de trazado en lugar de renderizar píxeles. Así tus datos se mantienen fieles. También te da código editable de Matplotlib o Seaborn que puedes retocar después. Los píxeles son bonitos; los números ganan revisiones.
Mejora de estilo para figuras existentes
Puedes entregar un boceto tosco y recibir una versión con una disposición más limpia y un estilo académico unificado. Es una elección práctica cuando la ciencia ya está resuelta y solo la presentación frena la figura. Sin necesidad de volver a dibujar.
Compatibilidad con varios proveedores
Las versiones de la comunidad se conectan a OpenAI, Azure OpenAI o Foundry, Google Gemini y Atlas Cloud. Gemini es un punto de entrada de bajo coste, y cambiar de proveedor no altera el flujo de los agentes.
CLI, API de Python y servidor MCP
El marco encaja en tu forma de trabajar: ejecuciones por lotes desde un manifiesto YAML o JSON, llamadas por script desde Python, o un servidor MCP conectado a Claude Code y Cursor. La generación por lotes resulta útil cuando un solo artículo necesita cinco figuras a la vez, y el modo de refinado automático sigue iterando cuando das tu opinión.
Ventajas y desventajas
Ventajas
- Reduce la producción de figuras de horas a minutos describiendo el diagrama en vez de dibujarlo.
- El bucle del Critic detecta errores lógicos e incoherencias que un modelo de imagen de una sola pasada pasa por alto.
- Los conjuntos de referencia mantienen la coherencia visual de las figuras de un artículo con su congreso objetivo.
- La ruta de gráficos por código conserva los números exactos, así las figuras de resultados siguen siendo fieles a los datos.
- Las implementaciones de código abierto añaden CLI, API de Python y acceso MCP para flujos de trabajo ya existentes.
Desventajas
- Los diagramas complejos con muchos nodos aún pueden mostrar texto deformado o líneas de conexión equivocadas, así que cada figura necesita una revisión manual antes de enviarse.
- La versión principal es un marco de investigación, no un producto pulido, así que la puesta en marcha implica clonar un repositorio y gestionar tú mismo las claves de API.
- La automatización total depende de que escribas una descripción clara del método; una entrada vaga da una figura vaga.
Preguntas frecuentes
Convierte una descripción textual de tu método de investigación en ilustraciones listas para publicar, y cubre dos tipos principales: diagramas de método y gráficos estadísticos. Tú aportas el texto del método y un pie de figura, y el pipeline de agentes devuelve la figura terminada.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con paper banana.
Alternativas a paper banana
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
Tractionwave
TractionWave · Imagen · MarketingTractionWave genera mapas de calor de atención con IA para anuncios estáticos. Subes un PNG o JPG y obtienes la atención prevista, puntos calientes ordenados y correcciones antes de invertir presupuesto.
Imejis.io
Imejis.io · Imagen · MarketingImejis.io es un estudio de diseño con IA para agentes y equipos de marketing. Describes una imagen con tus palabras y la herramienta escribe el texto, arma la maqueta, la adapta a cada tamaño y exporta el archivo final.