魔法再現，谷歌發布最強圖片模型nano banana，劈柴一秒回印度老家

　　谷歌終于支棱起來了，帶來了今年可能是最令人驚喜的文生圖模型——nano banana。

　　谷歌對于多模態能力的堅持和深耕，再次開花結果了。

　　自三天前以“Nano Banana”之名低調現身后，相關討論便迅速發酵，原因無他，只是因為，過于出色。

　　這個模型前幾天就在LMArena圖片編輯模型排行榜上幾乎斷代式地領先其他模型，而昨天，谷歌終于官方宣布，nano banana正是出自 Google DeepMind 實驗室推出的 Gemini-2.5-Flash-Image-Preview。

　　Nano banana現已經一躍居于圖像編輯排行榜榜首。

　　不是期貨，開箱即用。不論是官方發布的素材，還是網友自己測的案例，在一致性和功能性上都非常驚艷。

　　全球網絡一致好評，紛紛盛贊其其他任何圖像編輯模型都要出色。

　　不僅一致性強，速度還快，相比 gpt-image 能實現更精準的編輯，同時，更是具備完整 LLM 的理解能力而非普通 CLIP 規模模型的認知水平。

　　訪問地址：ai.studio/banana

　　這個模型最直觀的感受就是，這是一個用嘴和打字就能修改和拼接圖片的模型，那種初見ChatGPT和Sora的“魔法感”又回來了。

　　過往AI生圖常被詬病于每次編輯都像擲骰子，細節失真、角色特征易變。而谷歌對Nano Banana主要定位的就是保持主體的一致性。

　　谷歌表示，更換背景、視角或色調，畫面中的人物與物體都能穩定保持原貌不走形。

　　而另一面，它還是帶推理的圖像模型。Nano Banana提示詞精準度達到了新高度，在聽懂人話，理解內容方面表現出色。

　　它不僅僅能夠理解圖像內容，還能自主理解、處理、添加文字。

　　這讓它得以同時支持多輪次編輯與多圖敘事能力，用戶可以持續修改生成的圖片，但人還是那個人，甚至可以保持原來的氛圍感，不僅“房間布置逐步變化”、“漫畫連續分鏡”、“多角色合成互動”等復雜功能都能實現，繪制帶文字技術插圖，做幾何題目也能做到。

　　一句話讓模型把圖片換視角，上圖是原圖，下圖是俯視視角圖片。

　　一件衣服，一個人物，一句話，衣服馬上就穿到人身上。

　　一句話，拳王阿里秒變辛普森。

　　劈柴從印度老家順移到谷歌辦公室（人物還是出現了些許的變化）。

　　兩張人物照片，就馬上給你他們出演碟中諜和瓊瑤劇的劇照。

　　只去掉小細節，局部編輯也很穩定，其他內容都沒有什么變化。

　　人物一致性方面，網友測試表示，讓人物轉一圈再轉回來，人看起來的變化不大，一致性確實nice。

　　在網友喜聞樂見的動漫領域，也是表現喜人，給出角色和手繪圖示意圖，就能控制多個人物的姿態。

　　生成角色三視圖后，漫畫也可以穩定生成。

　　而多次編輯工作更是讓nano banana的成圖更穩定。

　　網友測評后表示，連續編輯方面還沒有說的那么好，會稍微變形一部分，但一致性已經相當可觀了。

　　多種風格的消費漫畫信手拈來。

　　網友實測反饋也很不錯，除了人物五官有非常微小的變化，一致性真的非常強。如果使用的是普通人的照片，你不盯著對比，很難看出面部細節的變化。

　　不過對于大家都很熟悉的名人，可能還是能讓人看出面部不一致的地方。

　　插畫變手辦更是近期網上一大測試熱點，說到底還是因為nano banana的成圖效果確實ai味兒少，看著真實。從平面到現實世界，卻沒有太大違和感，質感和特征都相當不錯，網友們爭相生成傳播。

　　而繪制科學插圖，制作用于解釋的插圖等包含內容生成的方面，網友也評價很高。

　　在幾秒鐘內完成科學插圖的繪制，高保真文本渲染+語言理解+世界知識，nano banana確實是獨一檔的。

　　不過，也有不少網友表示，nano banana的過濾器有點敏感，有的正常請求也會會被拒絕。

　　除了內容本身，nano banana的運行速度也相當可觀。谷歌表示，在同類模型通常需要10-15秒處理一張圖片時，Gemini 2.5 Flash 基本能做到1-2秒完成。

　　Nano Banana配合谷歌的veo3的工作流更是能很快生成相當質量的視頻，網上已經出現了不少工作流，Nano Banana出圖導入veo3，幾秒鐘的短視頻或者長視頻都能夠勝任。

　　而價格上，有網友根據谷歌放出的使用費率做了個簡單的估算，生成或者修改一張圖的成本在3毛錢左右。

　　網友表示，這是真的能替代美工的視覺工具。

　　谷歌這次真是盯上了視覺打工人的飯碗了。