機器之心編輯部

一句話：Pro 級質(zhì)量，F(xiàn)lash 級價格。

預告了許久的Nano Banana 2，終于來了。

谷歌CEO皮查伊發(fā)帖聲稱：「這是我們迄今為止最好的圖像模型?！?/p>

https://x.com/sundarpichai/status/2027057726170509724

目前該模型已經(jīng)作為默認圖像模型在 Gemini App、Google Search（覆蓋 141 個國家）和 Flow 上線，同時在 Google AI Studio 和 Vertex AI 提供預覽，也可以在 Google 的 Antigravity 中使用。

這一次升級，核心不只是畫質(zhì)再抬一檔，而是能力結(jié)構(gòu)發(fā)生了明顯變化。

Nano Banana 2融合了 Gemini 對世界的深度理解，同時利用實時網(wǎng)頁搜索獲取的信息和圖片，因此能夠以極高的保真度來反映真實世界的當前狀況。

皮查伊舉了個「Window Seat」（窗邊座位）的例子。隨便挑世界上任何一個地方的「窗戶視角」，模型就能實時生成那個窗戶往外看的景色，還會自動拉取當?shù)貙崟r天氣，同時支持 2K/4K 高清。

網(wǎng)友使用搜索功能，模型先通過網(wǎng)頁搜索理解鷦鷯到底長什么樣，再生成精美的桌面。

提示詞：使用圖片搜索查找鷦鷯的精準圖像。制作一張精美的壁紙（比例3:2），采用自然的上下漸變效果，并保持極簡構(gòu)圖。來自X@fofrAI

文本能力，仍然是這一代重點補強的方向。

Nano Banana 2 被明確定位為可以在圖像中生成清晰、可讀、可直接商用的文字內(nèi)容，無論是營銷物料還是賀卡設計，拿來即用。

來自X@ZHO_ZHO_ZHO

從社區(qū)反饋看，文字、排版穩(wěn)定性，相比前代確實有明顯提升。

來自X@oran_ge（左圖）,X@ZeroZ_JQ（右圖）

來自X@karminski3

拉納克普爾耆那教寺廟的柱子，x@tulseedoshi

模型也在更高復雜度場景下展示出一定統(tǒng)籌能力。

沃頓商學院教授@emollick提前體驗了 Nano Banana 2。「它雖然還不完美，但卻是第一個能以較高的一致性處理極其復雜的圖像和圖表的模型。」

他給出的指令是：

「show me a where's waldo set in ancient Venice, but instead of waldo it is an otter wearing a blue striped pilots outfit.」（給我展示一張以古代威尼斯為背景的《威利在哪里》（Where's Waldo）風格的圖片；但要把威利換成一只穿著藍色條紋飛行員制服的水獺。）

X@emollick

如此復雜多元的畫面生成，我仔細瞅了半天，還真找到了，而且，只有一個水獺！當然也有毛病，比如長尾巴的小男孩：

速度，是這代最直觀的體感升級之一。

用戶反饋，生成 4K 圖像不到一分鐘。

關鍵還便宜！結(jié)合官方給出的價格，比 Pro 全面便宜：圖片便宜 25-50%，文本 token 便宜 70-80%。

一句話：Pro 級質(zhì)量，F(xiàn)lash 級價格。

從社區(qū)實測來看，Nano Banana 2 的主體一致性表現(xiàn)，也是這一代的亮點之一。

我們簡單體驗了一下，確實做得不錯。

提示詞：保持所有角色和物體與之前（左圖）完全一致。重新布置場景，讓五個角色圍坐在一張圓桌旁，自然互動。九個物件必須全部保留，并且清晰可見。電影級光影，中景，照片級真實感。（右圖是結(jié)果）

谷歌表示，在單一工作流中可保持多達 5 個角色的一致性，以及多達 14 個對象的保真度。這讓你可以進行分鏡創(chuàng)作和敘事構(gòu)建，而無需改變輸入對象的原型外觀。

換句話說，當角色一致性不再頻繁崩壞，分鏡、故事板、連續(xù)廣告乃至 IP 視覺資產(chǎn)的自動生成才真正具備可行性。

指令遵循能力同樣明顯收緊。Nano Banana2 能很好理解如此復雜、包含多重指令的草圖輸入。難怪博主直呼「設計師們，我覺得我們完蛋了！」

@hewarsaber丟給它一張草圖，輸入提示詞：Turn this sketch into a landing page for an Al video platform.Purple and white.Clean and modern.Hero headline: 'AI Video That Speaks Your Script'.Show an Al avatar on the right. Add use case tags below the nav（將此草圖轉(zhuǎn)化為AI視頻平臺的落地頁。紫色和白色，簡潔現(xiàn)代，醒目的標題：「人工智能視頻，朗讀你的腳本」，在右側(cè)顯示人工智能頭像，在導航欄下方添加用例標簽。）

微妙的鏡頭語言控制，執(zhí)行穩(wěn)定性也有提升。

提供了3張參考圖片和一個簡單的提示：這里展示的是35mm、50mm和85mm焦距，光圈分別為f/1.2和f/2.0的情況。x@LinusEkenstam

網(wǎng)友評價，第一個輕松理解如何使用廣角鏡頭拍攝特寫的圖像模型，x@aifilmmaker

產(chǎn)品規(guī)格上，全面控制各種長寬比（包括1:8、 8:1 這種極端畫幅），專為橫幅、故事流和全景內(nèi)容設計。

分辨率覆蓋 512px 到 4K。加入低分辨率（512px）快速模式，更適合高頻迭代與大規(guī)模流水線。

雖不及 8:1 極端，很多網(wǎng)友在曬的這種全景圖，已經(jīng)很驚艷。

還有網(wǎng)友讓它生成一個 720 度的 vr 素材圖，加入交互，就得到了一個全景網(wǎng)站。

X@ZeroZ_JQ

值得一提的是，在保持速度的同時，視覺保真度也有所升級。畫面充滿活力的光影、更豐富的紋理和更清晰的細節(jié)。

看看這張圖！睫毛根根分明，眼周皮膚、眼睛里的紅血絲都清晰真實，甚至能從眼睛里看到窗外的那只鳥。

https://x.com/chetaslua/status/2026961626549887069?s=20

皮膚細節(jié)清晰可見，毛孔，臉頰、鼻頭因冷空氣，自然泛紅。X@charliejhills

網(wǎng)友還玩出了不少花樣。

博主@fofrAI引用了別人在圖書館隨手拍的一本童書《How to Hold Animals》，然后給模型下提示「Show the jellyfish page from this book」。

模型立刻生成了書里第 42 頁關于水母的內(nèi)容，風格、排版、插畫質(zhì)感，看起來就像直接從書里掃描出來的一樣。

https://x.com/fofrAI/status/2027076683010851284

模仿你的筆跡，寫一首詩。

X@Prathkum

居然還能生成 CAD。

當然，翻車的例子也不少。比如，這個倒立就有問題；郭德綱于謙互換臉，也失敗了。

x@karminski3（左）X@ZHO_ZHO_ZHO（右邊）

生成準確的時鐘，似乎一直是個難題。

X@ZHO_ZHO_ZHO

據(jù)說，Google Ads 也已開始接入這一能力——這幾乎等同于公開宣告：圖像生成正在正式進入廣告生產(chǎn)基礎設施。

從更宏觀的產(chǎn)品策略來看，谷歌的意圖已經(jīng)越來越清晰：不是單純把圖像模型做得更好看，而是把它們?nèi)嫱迫敫哳l生產(chǎn)基礎設施。

當 Pro 級能力開始系統(tǒng)性下沉到 Flash 檔位，圖像生成的使用頻率，很可能會迎來下一次臺階式躍升。

https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/