機(jī)器之心編輯部

一句話(huà)：Pro 級(jí)質(zhì)量，F(xiàn)lash 級(jí)價(jià)格。

預(yù)告了許久的Nano Banana 2，終于來(lái)了。

谷歌CEO皮查伊發(fā)帖聲稱(chēng)：「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(rèn)圖像模型在 Gemini App、Google Search（覆蓋 141 個(gè)國(guó)家）和 Flow 上線(xiàn)，同時(shí)在 Google AI Studio 和 Vertex AI 提供預(yù)覽，也可以在 Google 的 Antigravity 中使用。

這一次升級(jí)，核心不只是畫(huà)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(duì)世界的深度理解，同時(shí)利用實(shí)時(shí)網(wǎng)頁(yè)搜索獲取的信息和圖片，因此能夠以極高的保真度來(lái)反映真實(shí)世界的當(dāng)前狀況。

皮查伊舉了個(gè)「Window Seat」（窗邊座位）的例子。隨便挑世界上任何一個(gè)地方的「窗戶(hù)視角」，模型就能實(shí)時(shí)生成那個(gè)窗戶(hù)往外看的景色，還會(huì)自動(dòng)拉取當(dāng)?shù)貙?shí)時(shí)天氣，同時(shí)支持 2K/4K 高清。

網(wǎng)友使用搜索功能，模型先通過(guò)網(wǎng)頁(yè)搜索理解鷦鷯到底長(zhǎng)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(zhǔn)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(jiǎn)構(gòu)圖。來(lái)自X@fofrAI

文本能力，仍然是這一代重點(diǎn)補(bǔ)強(qiáng)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(wú)論是營(yíng)銷(xiāo)物料還是賀卡設(shè)計(jì)，拿來(lái)即用。

來(lái)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(shí)有明顯提升。

來(lái)自X@oran_ge（左圖）,X@ZeroZ_JQ（右圖）

來(lái)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(fù)雜度場(chǎng)景下展示出一定統(tǒng)籌能力。

沃頓商學(xué)院教授@emollick提前體驗(yàn)了 Nano Banana 2。「它雖然還不完美，但卻是第一個(gè)能以較高的一致性處理極其復(fù)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(fēng)格的圖片；但要把威利換成一只穿著藍(lán)色條紋飛行員制服的水獺。）

X@emollick

如此復(fù)雜多元的畫(huà)面生成，我仔細(xì)瞅了半天，還真找到了，而且，只有一個(gè)水獺！當(dāng)然也有毛病，比如長(zhǎng)尾巴的小男孩：

速度，是這代最直觀的體感升級(jí)之一。

用戶(hù)反饋，生成 4K 圖像不到一分鐘。

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

一句話(huà)：Pro 級(jí)質(zhì)量，F(xiàn)lash 級(jí)價(jià)格。

從社區(qū)實(shí)測(cè)來(lái)看，Nano Banana 2 的主體一致性表現(xiàn)，也是這一代的亮點(diǎn)之一。

我們簡(jiǎn)單體驗(yàn)了一下，確實(shí)做得不錯(cuò)。

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(chǎng)景，讓五個(gè)角色圍坐在一張圓桌旁，自然互動(dòng)。九個(gè)物件必須全部保留，并且清晰可見(jiàn)。電影級(jí)光影，中景，照片級(jí)真實(shí)感。（右圖是結(jié)果）

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

換句話(huà)說(shuō)，當(dāng)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(jué)資產(chǎn)的自動(dòng)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(fù)雜、包含多重指令的草圖輸入。難怪博主直呼「設(shè)計(jì)師們，我覺(jué)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(tái)的落地頁(yè)。紫色和白色，簡(jiǎn)潔現(xiàn)代，醒目的標(biāo)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(dǎo)航欄下方添加用例標(biāo)簽。）

微妙的鏡頭語(yǔ)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(gè)簡(jiǎn)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(píng)價(jià)，第一個(gè)輕松理解如何使用廣角鏡頭拍攝特寫(xiě)的圖像模型，x@aifilmmaker

產(chǎn)品規(guī)格上，全面控制各種長(zhǎng)寬比（包括1:8、 8:1 這種極端畫(huà)幅），專(zhuān)為橫幅、故事流和全景內(nèi)容設(shè)計(jì)。

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(xiàn)。

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(gè) 720 度的 vr 素材圖，加入交互，就得到了一個(gè)全景網(wǎng)站。

X@ZeroZ_JQ

值得一提的是，在保持速度的同時(shí)，視覺(jué)保真度也有所升級(jí)。畫(huà)面充滿(mǎn)活力的光影、更豐富的紋理和更清晰的細(xì)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(shí)，甚至能從眼睛里看到窗外的那只鳥(niǎo)。

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

皮膚細(xì)節(jié)清晰可見(jiàn)，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(shū)館隨手拍的一本童書(shū)《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(shū)里第 42 頁(yè)關(guān)于水母的內(nèi)容，風(fēng)格、排版、插畫(huà)質(zhì)感，看起來(lái)就像直接從書(shū)里掃描出來(lái)的一樣。

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

模仿你的筆跡，寫(xiě)一首詩(shī)。

X@Prathkum

居然還能生成 CAD。

當(dāng)然，翻車(chē)的例子也不少。比如，這個(gè)倒立就有問(wèn)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(zhǔn)確的時(shí)鐘，似乎一直是個(gè)難題。

X@ZHO_ZHO_ZHO

據(jù)說(shuō)，Google Ads 也已開(kāi)始接入這一能力——這幾乎等同于公開(kāi)宣告：圖像生成正在正式進(jìn)入廣告生產(chǎn)基礎(chǔ)設(shè)施。

從更宏觀的產(chǎn)品策略來(lái)看，谷歌的意圖已經(jīng)越來(lái)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(chǔ)設(shè)施。

當(dāng) Pro 級(jí)能力開(kāi)始系統(tǒng)性下沉到 Flash 檔位，圖像生成的使用頻率，很可能會(huì)迎來(lái)下一次臺(tái)階式躍升。

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