Gemini 2.5 Flash Image(代号 Nano Banana)是谷歌DeepMind于2025年8月推出的一款AI图像生成与编辑模型。它以其卓越的图像一致性、精准的编辑能力和亲民的价格,迅速成为业界关注的焦点。

下表概括了它的核心信息:

特性分类

具体说明

​基本属性​

​发布方​​: 谷歌DeepMind
​发布时间​​: 2025年8月
​代号​​: Nano Banana

​核心功能​

​角色一致性​​: 在多轮编辑中保持主体特征高度一致
​精准局部编辑​​: 通过自然语言指令实现像素级精确修改
​多图像融合​​: 将多张输入图片的元素智能融合成新图像
​世界知识集成​​: 利用Gemini模型的知识增强语义理解

​技术特点​

​核心技术​​: 原生多模态架构、交错生成(Interleaved Generation)
​主要优势​​: 处理速度快、成本低、输出质量高

​获取与定价​

​获取方式​​: Gemini API、Google AI Studio、Vertex AI、Gemini应用
​定价​​: 每百万输出token 30美元(约合每张图0.039美元)

技术突破与应用场景

Nano Banana的突破性在于它解决了AI图像生成领域的几个长期痛点,从而打开了全新的应用场景。

  • ​角色一致性​​:传统模型在多次编辑或生成中很难保持同一个角色或物体的外观特征稳定。Nano Banana通过先进技术,能够确保主体在不同场景、角度和编辑轮次中保持高度一致的外观。这对于​​品牌营销(生成统一的宣传素材)​​、​​漫画或故事创作(保持角色形象连贯)​​ 以及​​产品展示(多角度环境预览)​​ 来说意义重大。

  • ​精准的指令跟随与编辑​​:该模型支持通过简单的自然语言描述进行像素级精确编辑。用户可以轻松实现如“​​替换手中的物体​​”、“​​去除背景路人​​”、“​​给黑白照片上色​​”等复杂操作,而无需任何专业的图像处理技能。这种体验被描述为从复杂Photoshop操作向“美图秀秀”式一键优化的简化,甚至是向自然语言交互的飞跃。

  • ​多图像融合与创意生成​​:Nano Banana能够理解多张输入图片的内容,并将其融合创作出符合逻辑的新图像。例如,可以将一个产品无缝嵌入到新的场景中,或者将不同图片的风格与内容进行混合,为​​创意设计和广告素材制作​​提供了强大工具。

市场影响与未来展望

Nano Banana的出现在AI图像领域引起了广泛反响。上线首月其惊人的受欢迎程度甚至导致了谷歌内部TPU计算资源的严重过载。

  • ​激发应用创新​​:其低成本、高效率和高一致性的特点,正催生大量的应用创新。例如,国内外的产品如​​拍我AI、iMini AI、Adobe Photoshop、Figma​​等已迅速集成其能力,用于3D手办生成、电商海报制作、智能设计等场景。这预示着它将作为一项基础能力,赋能各行各业。

  • ​安全与责任​​:鉴于以往AI生成内容的争议,谷歌也为Nano Banana设置了安全防护机制,禁止生成如“未经同意的私密图像”等特定内容,并为AI生成的图片添加可见水印和不可见的SynthID数字水印,以应对深度伪造等安全问题。

总而言之,Gemini 2.5 Flash Image(Nano Banana)不仅仅是一个更强的图像生成器,它通过提供稳定、可控且易于使用的图像编辑能力,显著降低了创意门槛,有望推动AI图像技术进入更广泛的实用化阶段。

Logo

Agent 垂直技术社区,欢迎活跃、内容共建。

更多推荐