智東西
作者 李水青
編輯 云鵬

智東西2月27日?qǐng)?bào)道，剛剛，谷歌正式發(fā)布其最強(qiáng)圖片生成和編輯模型Nano Banana 2（Gemini 3.1 Flash Image），該模型已在谷歌Gemini應(yīng)用、搜索、AI Studio等谷歌全線產(chǎn)品中上線。

▲谷歌官宣Nano Banana 2發(fā)布

Nano Banana 2兼具Pro級(jí)功能與Flash級(jí)速度，在世界知識(shí)、圖像質(zhì)量、推理能力和主體一致性等方面實(shí)現(xiàn)了全面升級(jí)，在基準(zhǔn)測(cè)試中大幅超越了GPT-Image 1.5、Seedream 5.0 Lite、Grok Imagine Image Pro等業(yè)界領(lǐng)先模型，配合思考模式、文本和圖像搜索工具則全面超越Nano Banana Pro。

▲Nano Banana 2基準(zhǔn)測(cè)試成績(jī)

智東西第一時(shí)間對(duì)Nano Banana 2進(jìn)行了體驗(yàn)，發(fā)現(xiàn)Nano Banana 2生成圖片細(xì)節(jié)逼真度增強(qiáng)，指令精準(zhǔn)執(zhí)行上表現(xiàn)超出預(yù)期，文字渲染能力和中國(guó)傳統(tǒng)文化儲(chǔ)備提升，且在處理復(fù)雜場(chǎng)景方面明顯提升。

比如我們讓Nano Banana 2和Nano Banana Pro基于圍繞“60歲亞洲漁夫”的一段相同的提示詞生成圖片，前者生成效果明顯更逼真、細(xì)節(jié)更豐富，指令遵循準(zhǔn)確度更高。

▲Nano Banana 2生成

▲Nano Banana Pro生成

提示詞：一位年約60歲的亞洲漁夫的超高清面部特寫，海浪作為背景虛化。他臉上布滿飽經(jīng)風(fēng)霜的皺紋和曬斑，皮膚紋理極其細(xì)膩，能看到細(xì)小的毛孔和銀色的胡茬。陽(yáng)光從側(cè)面45度打來(lái)，照亮他半張臉，眼睛微瞇，眼神中透露出堅(jiān)毅與平靜，眼球表面映出遠(yuǎn)處海平面的反光。畫面銳度極高，皮膚質(zhì)感真實(shí)到仿佛能觸摸到。

不過(guò)Nano Banana 2仍被經(jīng)典的“時(shí)鐘+滿杯紅酒”問(wèn)題難倒，在同時(shí)面臨多物體+物理邏輯+光影難題等多重問(wèn)題時(shí)生成仍不準(zhǔn)確（后文第一部分詳解）。同時(shí)，一些圖片仍有“AI感”，無(wú)法做到完全以假亂真。不過(guò)話說(shuō)回來(lái)，瑕不掩瑜，Nano Banana 2相比Nano Banana Pro跨代升級(jí)明顯。

雖然效果更強(qiáng)、速度更快，但Nano Banana 2的價(jià)格不增反降。在谷歌AI Studio平臺(tái)，Nano Banana 2相比Nano Banana Pro的輸入圖片的單價(jià)從2美元降至0.5美元，輸出圖片的單價(jià)也從0.134美元減半至0.067美元。

▲Nano Banana 2的價(jià)格不增反降

去年8月，Nano Banana（Gemini 2.5 Flash Image）席卷全球并重新定義圖像生成；11月，基于Gemini 3 Pro的Nano Banana Pro更是憑借更強(qiáng)智能和創(chuàng)作控制力，成為AI生圖圈接近“封神”的存在；今天，谷歌首度將兩者的優(yōu)勢(shì)結(jié)合打造一款全新定位的模型。

按照谷歌的設(shè)計(jì)，Nano Banana Pro適合對(duì)事實(shí)準(zhǔn)確性要求最高的專業(yè)任務(wù)，而Nano Banana 2則適合快速生成、精確指令遵循和圖像搜索集成的工作場(chǎng)景。

在谷歌Gemini應(yīng)用，Nano Banana 2已取代Fast、Thinking和Pro版本中的Nano Banana Pro，Pro和Ultra訂閱用戶仍可按需繼續(xù)選擇使用Nano Banana Pro。

▲Nano Banana 2已上線谷歌Gemini

一、1分鐘生成4K圖片，細(xì)節(jié)更逼真，破解“時(shí)鐘生成難題”

智東西第一時(shí)間對(duì)Nano Banana 2進(jìn)行了體驗(yàn)，發(fā)現(xiàn)其在指令精準(zhǔn)執(zhí)行上表現(xiàn)很好，而且中文亂碼問(wèn)題上也改善明顯，對(duì)中國(guó)傳統(tǒng)文化理解超出預(yù)期。

如下圖所示，當(dāng)智東西要求“一只大熊貓寫毛筆字”的相關(guān)圖片，Nano Banana 2不僅準(zhǔn)確生成了“熊貓絲絲入扣的毛發(fā)”、“珠翠和絨球質(zhì)感真實(shí)”，茶館窗外景觀和攝影風(fēng)格都遵循了指令。在文字渲染上，“生成式AI”筆鋒流暢且基本沒(méi)錯(cuò)別字，但“式”的左下部分的“工”書寫不太規(guī)范。

▲智東西用Nano Banana 2生成的圖片

提示詞：一只戴著中國(guó)傳統(tǒng)京劇頭飾的可愛(ài)大熊貓，正坐在現(xiàn)代中式茶館里，用毛筆在宣紙上書寫漢字“生成式AI”。要求熊貓的毛發(fā)絲絲入扣，頭飾上的珠翠和絨球質(zhì)感真實(shí)，寫出的毛筆字“生成式AI”筆鋒流暢且沒(méi)有錯(cuò)別字。茶館窗外是模糊的未來(lái)都市景象（深圳天際線）。畫風(fēng)要求是超寫實(shí)攝影與工筆畫融合的風(fēng)格。

Nano Banana 2在特殊角度的透視還原上也比較逼真。如下圖所示，下圖圍繞“仰視視角拍攝一位芭蕾舞演員騰空躍起的瞬間”主題生成，Nano Banana 2實(shí)現(xiàn)了對(duì)下對(duì)面部比例和透視的準(zhǔn)確控制，下巴、下巴的陰影以及舒展的身體線條，包括專注的眼神都精準(zhǔn)呈現(xiàn)，形態(tài)沒(méi)有畸變。

提示詞：仰視視角拍攝一位芭蕾舞演員騰空躍起的瞬間。鏡頭從下往上，觀眾看到她的下巴、下巴的陰影以及舒展的身體線條。她的雙臂張開(kāi)，舞裙飛揚(yáng)，面部表情專注而寧?kù)o，眼神望向遠(yuǎn)方。舞臺(tái)燈光從上方打下，在她面部形成強(qiáng)烈的明暗對(duì)比。要求下巴到額頭的透視關(guān)系準(zhǔn)確，沒(méi)有畸變。

在多人物互動(dòng)與情感交流的生圖體驗(yàn)中，Nano Banana 2準(zhǔn)確還原了新娘和新郎笑中帶淚的對(duì)視場(chǎng)景，準(zhǔn)確呈現(xiàn)了提示詞內(nèi)容，包括“西裝面料紋理”、“模糊的草坪和鮮花拱門”都精準(zhǔn)呈現(xiàn)。新郎新娘動(dòng)作、表情和延伸都比較自然，但新郎眼角流出的眼淚在折射和流體形狀上不太自然，讓人有些“出戲”。

提示詞： 一對(duì)新婚夫婦在婚禮上的First Look瞬間。新娘穿著潔白婚紗，從背后輕輕蒙住新郎的眼睛，新郎轉(zhuǎn)過(guò)身來(lái)，兩人相視而笑，眼中含淚。陽(yáng)光透過(guò)樹(shù)葉灑在他們身上，婚紗的蕾絲細(xì)節(jié)、新郎西裝的面料紋理清晰可見(jiàn)。背景是模糊的草坪和鮮花拱門，畫面充滿幸福甜蜜的氛圍。

下面這個(gè)例子進(jìn)一步體現(xiàn)了Nano Banana 2精準(zhǔn)指令遵循特征。當(dāng)我上傳了三張圖片，讓Nano Banana 2將下面左圖停車場(chǎng)中的小車替換為右圖兩個(gè)小車時(shí)，其在保持原圖一致性的基礎(chǔ)上將其中幾輛小車替換，替換后的車輛與其他車輛的比例保持一致，車下的太陽(yáng)光陰影也符合物理規(guī)律。

提示詞：將圖1中停車場(chǎng)中的小車替換為圖2、圖3中的小車，要求畫面風(fēng)格一致，符合物理規(guī)律。

很多海內(nèi)外用戶也肯定了Nano Banana 2的跨代升級(jí)，Nano Banana 2在處理復(fù)雜場(chǎng)景和細(xì)節(jié)密度方面明顯提升。

一位網(wǎng)友分享了“一個(gè)復(fù)雜的城市場(chǎng)景”的生成圖。如下圖所示，光照一致性和人群構(gòu)成令人印象深刻。這位網(wǎng)友稱，大多數(shù)AI圖像生成器都難以處理像這樣復(fù)雜的場(chǎng)景——多人、反射、多變的光照，Nano Banana 2在處理細(xì)節(jié)密度方面遠(yuǎn)超預(yù)期。

▲社交平臺(tái)X網(wǎng)友分享的Nano Banana 2生成圖

Nano Banana 2還解決了“時(shí)鐘難題”。一位網(wǎng)友很興奮地稱：“終于！Nano Banana 2可以精準(zhǔn)生成時(shí)鐘了？！”他輸入的提示詞是“傳統(tǒng)時(shí)鐘 21:35”，這一任務(wù)考察模型將抽象數(shù)字轉(zhuǎn)化為時(shí)鐘精細(xì)具象表達(dá)的能力，此前Nano Banana Pro在多次處理這一任務(wù)中都失敗了。

▲Nano Banana 2生成的時(shí)鐘圖

▲Nano Banana Pro生成的時(shí)鐘圖

但這位網(wǎng)友也提到，可惜的是，當(dāng)面臨復(fù)雜一些的時(shí)鐘和滿杯酒測(cè)試，Nano Banana 2的生成效果依舊差了一點(diǎn)。Nano Banana 2還是沒(méi)有完全通過(guò)時(shí)鐘和滿杯酒測(cè)試，時(shí)針和分針搞反了。看來(lái)AI一直以來(lái)的準(zhǔn)確性難題依舊難以解決。

▲Nano Banana Pro生成的時(shí)鐘和滿杯酒測(cè)試

不過(guò)，話說(shuō)回來(lái)，Nano Banana 2確實(shí)性價(jià)比可觀。一位中國(guó)網(wǎng)友稱：“Nano Banana 2出來(lái)了，產(chǎn)圖真的是又快又好，不到一分鐘就能產(chǎn)4K圖。比Nano Banana Pro效果好、快、便宜。谷歌特有的以下克上，倒反天罡？”

▲X網(wǎng)友分享的Nano Banana 2生成圖

二、核心升級(jí)點(diǎn)：更全世界知識(shí)、更精準(zhǔn)文本渲染、更強(qiáng)創(chuàng)作控制力

看完實(shí)測(cè)體驗(yàn)，再來(lái)看看Nano Banana 2的具體升級(jí)點(diǎn)。

谷歌稱，該模型將Gemini Flash的高速應(yīng)用于圖像生成，實(shí)現(xiàn)了快速編輯和迭代。同時(shí)，它試圖讓更多用戶用上了原本Pro版才有的功能：

1、先進(jìn)世界知識(shí)：模型調(diào)用Gemini的真實(shí)世界知識(shí)庫(kù)，并結(jié)合網(wǎng)絡(luò)搜索獲取的實(shí)時(shí)信息和圖像，能夠更準(zhǔn)確地呈現(xiàn)特定主題。這種深度理解還可用于創(chuàng)建信息圖表、將筆記轉(zhuǎn)化為圖表，以及生成數(shù)據(jù)可視化內(nèi)容。

2、精準(zhǔn)文本渲染與翻譯：Nano Banana 2可為營(yíng)銷素材或賀卡生成準(zhǔn)確易讀的文本。用戶還可以翻譯和本地化圖像中的文字，與全球受眾分享創(chuàng)意。

下圖是谷歌官方公布的示例圖片，圍繞“一張平鋪式的信息圖，描繪了水循環(huán)”主題生成，可以看到谷歌比較強(qiáng)調(diào)Nano Banana 2的科學(xué)知識(shí)儲(chǔ)備和將抽象知識(shí)轉(zhuǎn)化為具象圖像的能力。

▲谷歌官方公布的Nano Banana 2生成圖

同時(shí)，Nano Banana 2還具備更強(qiáng)的創(chuàng)作控制力。

Nano Banana 2大幅縮小了速度與畫質(zhì)的差距，能生成高質(zhì)量、照片級(jí)的逼真圖像。相比初代Nano Banana，主要改進(jìn)包括：

1、主體一致性：在單個(gè)工作流中，最多可保持五個(gè)角色的形象相似性，以及最多14個(gè)對(duì)象的特征一致性，方便進(jìn)行故事板繪制和敘事創(chuàng)作。

2、精確指令遵循：增強(qiáng)的指令執(zhí)行能力讓模型能更嚴(yán)格地遵循復(fù)雜要求，精準(zhǔn)捕捉你的創(chuàng)意細(xì)節(jié)，確保生成結(jié)果符合預(yù)期。

3、生產(chǎn)就緒規(guī)格：支持從512px到4K的多種分辨率和寬高比，無(wú)論是豎屏社交媒體還是寬屏背景，都能輸出清晰銳利的視覺(jué)效果。

4、畫質(zhì)提升：Nano Banana 2呈現(xiàn)更鮮艷的光照、更豐富的紋理和更清晰的細(xì)節(jié)，在保持Flash系列速度的同時(shí)，實(shí)現(xiàn)了高質(zhì)量的畫面效果。

下圖展示了“農(nóng)場(chǎng)里換了的任務(wù)和物品”主題圖生成，輸入15個(gè)圖像素材，Nano Banana 2講這些包含動(dòng)物和農(nóng)場(chǎng)所需物品融合生成了一張符合主題的圖片，突出了主題一致、精準(zhǔn)指令遵循等特征。

▲谷歌官方公布的Nano Banana 2生成圖

三、三款示例應(yīng)用發(fā)布，全球廣告本地化降本“神器”來(lái)了

Nano Banana 2利用Gemini模型豐富的全球知識(shí)，通過(guò)網(wǎng)絡(luò)搜索圖像來(lái)創(chuàng)建增強(qiáng)的視覺(jué)效果。為了展示這種視覺(jué)基礎(chǔ)的實(shí)際應(yīng)用，谷歌構(gòu)建了一個(gè)名為“靠窗座位（Window Seat）”的示例App，該App利用Nano Banana 2的知識(shí)和網(wǎng)絡(luò)圖像搜索來(lái)創(chuàng)建受世界各地位置和實(shí)時(shí)天氣數(shù)據(jù)啟發(fā)的逼真窗景。

▲靠窗座位（Window Seat）App

Nano Banana 2在之前的Flash圖像模型基礎(chǔ)上進(jìn)行了升級(jí)，提供了更可靠的文本渲染效果。谷歌開(kāi)發(fā)了一款名為“全球廣告本地化器（Global Ad Localizer）”的演示App，它可以將廣告翻譯成不同語(yǔ)言，以適應(yīng)國(guó)際市場(chǎng)。

▲全球廣告本地化器（Global Ad Localizer）App

Nano Banana 2兼具速度和視覺(jué)保真度，呈現(xiàn)生動(dòng)的光照、更豐富的紋理和更清晰的細(xì)節(jié)?，F(xiàn)在，用戶可以通過(guò)多種高級(jí)創(chuàng)意功能更好地控制這些高保真輸出：

原生寬高比：無(wú)縫生成或編輯圖像以滿足用戶的項(xiàng)目需求，我們?cè)С炙鞋F(xiàn)有寬高比，現(xiàn)在還新增了 4:1、1:4、8:1 和 1:8。在此處查找支持的寬高比的完整列表。

新增512px分辨率：優(yōu)化效率。繼 1K、2K 和 4K 分辨率之后，這一全新分辨率級(jí)別可最大限度地減少延遲，從而實(shí)現(xiàn)快速迭代和高負(fù)載處理流程。

改進(jìn)的指令遵循：該模型更加嚴(yán)格地遵循復(fù)雜的、多層的開(kāi)發(fā)者提示，有助于確保應(yīng)用程序請(qǐng)求的圖像就是生成的圖像。

可配置的思考模式：用戶現(xiàn)在可以更好地控制模型的推理過(guò)程。調(diào)整思維水平（最低（默認(rèn)）與高/動(dòng)態(tài)），使模型能夠在渲染之前推理復(fù)雜的提示，從而顯著提高輸出質(zhì)量和提示遵循度。

其“寵物護(hù)照（Pet Passport）”演示版只需拍攝用戶寵物的一張照片，即可帶領(lǐng)它開(kāi)啟環(huán)球旅行，游覽世界各地著名地標(biāo)。它能確保寵物在不同的目的地保持相同的形象。

▲寵物護(hù)照（Pet Passport）App

四、Nano Banana 2谷歌全線產(chǎn)品上線，Pro版仍有適用場(chǎng)景

Nano Banana 2即日起在谷歌全線產(chǎn)品中上線，包括：

Gemini應(yīng)用：Nano Banana 2將取代Fast、Thinking和Pro版本中的Nano Banana Pro。Google AI Pro和Ultra訂閱用戶仍可通過(guò)三點(diǎn)菜單重新生成圖像，在特定任務(wù)中繼續(xù)使用Nano Banana Pro。

Nano Banana Pro適合對(duì)事實(shí)準(zhǔn)確性要求最高的專業(yè)任務(wù)，而Nano Banana 2則適合快速生成、精確指令遵循和圖像搜索集成的工作場(chǎng)景。

搜索：可通過(guò)谷歌應(yīng)用以及移動(dòng)和桌面瀏覽器，在AI模式和Google鏡頭中使用。支持范圍新增141個(gè)國(guó)家和地區(qū)以及8種語(yǔ)言。

AI Studio+API：已在AI Studio和Gemini API中提供預(yù)覽版。定價(jià)信息可點(diǎn)擊查詢。Google Antigravity也已集成。

Google Cloud：可通過(guò)Vertex AI中的Gemini API預(yù)覽使用。

Flow：Nano Banana 2已成為Flow的默認(rèn)圖像生成模型，對(duì)所有Flow用戶免費(fèi)開(kāi)放。

廣告：Nano Banana可用于廣告場(chǎng)景，在創(chuàng)建廣告系列時(shí)提供建議。

結(jié)語(yǔ)：全球AI生圖賽道競(jìng)賽升級(jí)

全球AI生圖賽道競(jìng)賽正在升級(jí)。在國(guó)內(nèi)，字節(jié)Seedream 5.0、阿里Qwen-Image-2.0等國(guó)產(chǎn)模型的密集出擊，交出了優(yōu)秀的成績(jī)；在國(guó)外，谷歌正將戰(zhàn)火從單純的畫質(zhì)比拼，引向世界知識(shí)集成、精準(zhǔn)指令執(zhí)行和生產(chǎn)效率的綜合較量，開(kāi)辟新戰(zhàn)場(chǎng)。

隨著Nano Banana 2的發(fā)布，谷歌在圖像生成產(chǎn)品矩陣實(shí)現(xiàn)更清晰切割：Pro版駐扎專業(yè)高地和事實(shí)準(zhǔn)確性，F(xiàn)lash版則以更快、更便宜、足夠好的策略搶占規(guī)模化應(yīng)用場(chǎng)景。該模型全線登陸谷歌產(chǎn)品矩陣并大幅降價(jià)，AI圖像生成的競(jìng)賽已從“能不能畫”邁入“畫得多快、多準(zhǔn)、多便宜”的新階段。