谷歌推出全新图像模型，Nano-Banana正式亮相

谷歌今日正式推出升级版AI图像生成与编辑模型——Gemini 2.5 Flash Image，全面上线Gemini应用、AI Studio及Vertex AI平台。此次更新标志着谷歌在生成式AI视觉能力上的重大突破，尤其在角色一致性、精准自然语言编辑、多图融合与逻辑推理方面实现显著提升，旨在缩小与OpenAI等竞争对手的差距。 新模型最突出的能力是实现跨多轮生成与编辑中角色或物体外观的高度一致。无论是改变人物姿态、更换背景环境，还是将同一角色融入不同艺术风格，系统都能保持其核心特征不变。例如，用户可将一位穿斗篷的机器人角色从科幻实验室迁移到中世纪城堡，细节如面部轮廓、服饰纹理均保持连贯，避免了传统AI常见的“人脸扭曲”或“肢体错位”问题。 此外，Gemini 2.5 Flash Image支持基于自然语言的精准局部编辑。用户只需输入“将男人的领带换成绿色”或“移除背景中的汽车”，模型即可准确执行，不破坏整体画面结构。它还能将多张照片融合为全新创作，如将一张狗的照片与一个人的肖像结合，生成一只“人形犬”的创意图像，同时保留双方特征。 该模型还具备更强的“世界知识”理解能力，能根据现实逻辑生成复杂场景。例如，用户输入“一个孩子在雨天撑伞跑向校车，画面需体现水花飞溅与湿漉漉的地面”，模型能合理推断出光影、动态与环境细节，生成更符合真实感知的画面。 谷歌称，该模型在LMArena等第三方评测平台表现优异，此前匿名代号“nano-banana”的模型即为此版本。其背后是Google DeepMind团队针对消费者真实需求设计的成果，已应用于家居改造、产品原型、员工工牌等实际场景。 尽管功能强大，谷歌仍设置了严格内容安全机制。根据其服务条款，禁止生成非自愿的亲密图像，并对AI生成内容添加视觉水印与元数据标识，以增强可追溯性。相比部分竞品允许生成名人深伪图像，谷歌在伦理与合规方面更趋谨慎。 目前，Gemini在月活跃用户数上仍落后于ChatGPT（超7亿周活），但此次升级有望吸引更多创作者与开发者。随着AI图像生成成为大厂竞争核心，谷歌正通过技术迭代与安全平衡，重塑其在生成式AI视觉领域的地位。