Google Gemini 2.5 Flash Image（Nano-Banana）震撼登场！人人都能免费用的AI修图神器！

Gemini 2.5 Flash Image（代号 Nano Banana）是 Google 推出的一款最先进的图像生成和编辑模型。它在速度和成本效益的基础上，显著提升了图像质量和创意控制能力。该模型已通过 Gemini API 和 Google AI Studio 面向开发者开放，并通过 Vertex AI 面向企业用户开放。

主要主题与重要功能

1. 图像生成和编辑的新基准

• 最先进（State-of-the-art）：Gemini 2.5 Flash Image 被描述为“最先进的图像生成和编辑模型”。
• Nano Banana 代号：该模型内部被称为“Nano Banana”，其命名源于一位产品经理在深夜的灵感，并被认为是模因的开始。
• 用户反馈驱动的改进：早期 Gemini 2.0 Flash 模型虽因低延迟和易用性受到好评，但也收到了关于图像质量和创意控制不足的反馈。Gemini 2.5 Flash Image 正是针对这些痛点进行了改进，重点提升了“视觉质量”、“指令遵循”和“自然编辑”。
• 成本效益：该模型定价为每百万输出 token 30.00 美元，每张图像约 1290 个输出 token（即每张图像 0.039 美元），与其他 Gemini 2.5 Flash 模态保持一致。

2. Google AI Studio 的“构建模式”更新

• 简化开发流程：Google AI Studio 的“构建模式”经过重大更新，旨在让开发者更轻松地使用 Gemini 2.5 Flash Image 进行构建。
• “Vibe Coding”（氛围编码）：一个核心理念，指通过简单的提示语即可快速构建、修改和迭代 AI 应用程序。例如，Ammaar 仅通过“几个提示”就创建了“Past Forward”应用。
• 一键部署与 GitHub 集成：开发者可以直接从 AI Studio 部署应用程序，或将代码保存到 GitHub 进行管理。Kat 演示了如何发布链接和创建新的 GitHub 仓库。
• AI 助手与错误处理：AI Studio 具有“代码助手”功能，可以根据提示生成应用，并在出现错误时自动尝试修复。
• 用户界面 (UI) 改进：AI Studio 的 UI 进行了大量更新，提供更多空间用于应用程序预览和代码助手，并支持在代码视图和预览视图之间切换。此外，模型选择器和会话时间线等功能也得到改进，提升了用户体验。

3. 模型核心能力

• 角色一致性 (Character Consistency)：这是该模型的一项“根本性挑战”突破，允许用户在不同环境、角度和设置中保持角色或对象的相同外观。“如果你看到了原始图像，当你把它外推到一堆其他图像时，这就是模型角色一致性的一部分真正闪耀的地方。”（Logan Kilpatrick）
• 应用示例：“Past Forward”应用（后改为“Future Forward”）可以将用户形象转换为不同年代或未来风格，同时保持人物一致。
• 视觉模板遵循：模型擅长遵循视觉模板，可用于创建房地产列表卡、员工徽章或产品模型。
• 基于提示的图像编辑 (Prompt-based Image Editing)：利用自然语言进行有针对性的图像转换和精确的局部编辑。
• 应用示例：“AI 动力照片编辑”应用可以根据提示（如“添加胡子”、“添加高帽”、“添加单片眼镜”）修改图像细节。
• 高速迭代：“能够持续迭代并能在五六秒内完成这些操作，让它变得非常有趣。”（Logan Kilpatrick）这是 Flash 模型速度优势的关键体现。
• 原生世界知识 (Native World Knowledge)：Gemini 2.5 Flash Image 受益于 Gemini 的世界知识，使其能够更好地理解和生成具有现实世界语义的图像，而非仅仅是美学图像。
• 应用示例：“Home Canvas”应用允许用户上传产品和场景图片，然后将产品自然地融入场景中，如将枕头或猫咪放置在沙发上，并根据光线添加阴影。
• 教育辅助：模型能够读取和理解手绘图表，回答现实世界问题，并遵循复杂的编辑指令。
• 多图像融合 (Multi-image Fusion)：模型可以理解并合并多个输入图像。
• 应用示例：“广告可视化工具”应用允许用户上传产品图像，并将其放置在不同的广告场景和背景中，如城市广告牌或伦敦巴士站。
• “虚拟试穿 (Virtual Try-On)”：允许用户上传自己的照片和服装物品照片，然后可视化试穿效果。

4. 开放与协作

• 开发者生态系统：该模型通过 Gemini API 和 Google AI Studio 对开发者开放。
• 合作伙伴：OpenRouter.ai 和 fal.ai 已与 Google 合作，将 Gemini 2.5 Flash Image 提供给更广泛的开发者社区。OpenRouter.ai 首次集成了图像生成模型。
• SynthID 水印：所有使用 Gemini 2.5 Flash Image 创建或编辑的图像都将包含“隐形 SynthID 数字水印”，以识别其为 AI 生成或编辑。

5. 未来发展方向与已知限制

• 改进领域：
• 长文本渲染：Nicole Brichtova 提到，模型在处理通用文本（如生成餐厅菜单并让模型自行构思文本）方面仍有不足，这是未来的重点改进方向。
• 更可靠的角色一致性：尽管已有显著提升，但仍将继续努力。
• 事实性表示：尤其是在信息图表等应用中，确保图像不仅美观，而且信息准确。
• 风格化：某些风格表现良好，但并非所有风格都能保持一致性。
• 用户反馈的重要性：Google 积极鼓励用户通过开发者论坛或 X 平台提供反馈，以帮助团队改进模型。

演示应用示例

演示网址：https://aistudio.google.com/

上传两张图片

输入提示词：图中的两个人在脱口秀大会的舞台上举起图2的奖杯，发型和样貌不变

看下图细节：（仅供参考，如侵权请告知）

继续指定第一排抱上宠物，再看下图细节

总结

Gemini 2.5 Flash Image 的发布标志着图像生成和编辑领域向前迈出了重要一步，特别是在角色一致性、基于提示的精确编辑、世界知识融合和多图像融合方面。Google AI Studio 提供的“氛围编码”体验和更新的 UI 旨在赋能开发者轻松构建和部署创新应用。虽然模型仍有改进空间（如长文本渲染和事实性表示），但其提供的速度、质量和创意控制能力已为开发者打开了新的可能性。