深度體驗GoogleNano Banana後，我們發現了它的AB面
上線不到兩週，Google旗下的Nano Banana已在全球生產超2億張圖片，亞太地區用戶熱情度居首。
這個圖片編輯模型界的「新星」，上個月在全球人工智能社區里還是一個不知出處的神秘代號。在AI模型匿名對戰平台LMArena上，它以驚人的表現迅速登頂排行榜，在處理複雜指令、保持角色連貫性和理解上下文細節方面的能力，輕鬆擊敗了包括OpenAI和Midjourney在內的所有知名對手。一時間，關於「Nano Banana」究竟是何方神聖的猜測甚囂塵上。
謎底很快揭曉，Google正式宣佈這匹黑馬正是其最新升級的圖像生成與編輯模型——Gemini 2.5 Flash Image，它作為一項重大更新被集成到了Google的AI應用Gemini之中，由Google DeepMind提供技術支持。
《智百道》認為，「Nano Banana」的問世，並非僅僅是圖像模型的又一次迭代，它預示著Google正試圖將AI轉變為一個深度嵌入工作流程的「創意協作者」，意在打破當前市場上由Midjourney主導的藝術美學和由OpenAI主導的文本生產力工具之間的二元格局，開闢一條以「工作流」為核心的全新賽道。
01 重新定義「P圖」，像對話一樣編輯現實
傳統AI圖像工具的交互模式，往往是「一問一答」式的，用戶需要絞盡腦汁設計出完美的提示詞（prompt），模型則一次性生成結果。後續的修改，無論是通過Midjourney的「Vary」功能還是DALL-E的局部重繪，都感覺像是獨立的、離散的操作。
「Nano Banana」則引入了一種「創意夥伴」（creative partner）的新模式，用戶可以發起一個初始指令，然後通過連續的自然語言對話，對生成的圖像進行迭代式優化。這種多輪編輯能力，使得AI能夠記憶上下文，理解用戶的連續意圖，從而實現漸進式的、精細化調整。
《智百道》嘗試讓模型生成一個「空蕩蕩的房間」，接著說「把牆壁刷成鵝黃色」，然後是「在牆邊加一個書架」，最後「放置吊燈、沙發和地毯」。在整個過程中，「Nano Banana」始終保持著對場景的整體認知，每一次修改都在前一次的基礎上進行，而不是推倒重來。
《智百道》認為，這種交互方式極大地降低了使用門檻，讓複雜的視覺構想得以通過最自然的對話形式逐步實現。讓用戶的角色從一個「提示詞工程師」轉變為一個真正的「創意總監」，其價值不再僅僅是提出最初的構想，更在於通過與AI的持續互動來打磨和完善最終的作品，也更貼近人類創作者的自然思維過程。
對話式體驗的背後，建立在模型的四大核心技術之上，它們共同構成了「Nano Banana」顛覆性的能力矩陣。
首先是角色與風格一致性，之前的模型很難在多張圖片中保持同一個角色的面部特徵、服裝或特定風格。「Nano Banana」在這一點上取得了突破，能夠確保一個人物、寵物甚至是一個品牌產品，在不同的場景、姿態和服裝下，依然保持其核心外觀的連貫性。
其次是多圖像融合，該功能允許用戶上傳多張不同的圖片，讓模型理解並將其中的元素、主體或風格無縫地融合到一個全新的、邏輯自洽的場景中。
第三是精準的局部編輯，用戶無需使用複雜的選區或蒙版工具，只需通過簡單的文字描述，就能對圖像的特定區域進行修改。無論是「移除T恤上的汙漬」、「模糊照片的背景」，還是「改變人物的姿勢」，模型都能精準定位並執行操作，同時保持圖像其他部分的完整性和協調性。
最後是設計與風格遷移，模型能夠從一張圖片中提取顏色、紋理或圖案等設計元素，並將其應用到另一張圖片中的對象上。Google官方演示的例子包括「用花瓣的顏色和紋理設計一雙雨靴」，或是「用蝴蝶翅膀的圖案設計一條連衣裙」，展現了其在跨概念創意組合方面的潛力。
正如一些科技媒體所評論的，「Nano Banana」正在成為「每個人的Photoshop」。它將過去需要數年學習才能掌握的專業圖像處理技術，轉化為普通人通過日常語言就能使用的工具。對於廣大普通用戶而言，這意味著他們可以輕鬆地為社交媒體創作更具個性化的內容，為個人項目製作獨特的視覺材料，或者僅僅是為了娛樂而實現各種天馬行空的想像。
對於平面設計師、插畫師和視覺藝術家等專業創作者而言，「Nano Banana」可以把他們從大量重覆、繁瑣的執行性任務中解放出來。比如，為一個廣告活動製作15個尺寸略有不同的版本，或者為一系列產品圖更換不同的背景，這些過去耗時耗力的工作現在可以交由AI自動完成。這使得專業人士能將更多精力投入到更高層次的品牌戰略、複雜的版式設計以及決定作品優劣的最終細節打磨上。
該模型也很快被專業人士買單，全球最大的廣告傳播集團WPP的全球創意與創新主管Daniel Barak指出，該模型在零售業和消費品行業中展現了強大的應用範例，並計劃將其整合到WPP的AI營銷服務平台WPP Open中。
02 Google做對了什麼？
在正式揭曉身份之前，「Nano Banana」已經在匿名的LMArena對戰平台上證明了自己。它在人類偏好測試中，尤其是在圖像編輯任務上，以高達1362的Elo分數高居榜首，顯著領先於競爭對手。
除了模型本身的技術創新，Google還巧妙地利用了其龐大的生態系統優勢。「Nano Banana」繼承了Gemini大模型的「原生世界知識」，這意味著它不僅僅是一個圖像生成器，更是一個具備常識和推理能力的系統。它能夠理解和生成具有深層語義準確性的圖像，例如，它可以讀懂手繪的圖表並回答相關問題，或者根據用戶所在的地理位置，生成符合當地文化習慣的圖片。
在商業策略上，Google採取了極具競爭力的定價，通過API調用，每生成一張圖片的成本約為0.039美元，低價策略極大地降低了開發者和企業進行大規模、高頻次圖像生成的門檻。《智百道》認為，這是一種典型的平台戰略，旨在通過價格優勢快速搶佔市場份額，鼓勵開發者圍繞其API構建應用生態。
Google的戰略也清晰可見，它並非要在所有維度上都做到極致。Midjourney在藝術美學上依然是王者，而OpenAI則憑藉其龐大的ChatGPT用戶基礎在通用性上佔優。Google選擇的突破口是工作流，通過打造一款在專業人士最常遇到的80%任務（如保持一致性、反復修改、快速出圖）上表現卓越、且成本低廉的工具，它精準地切入了對實用性和集成度要求極高的企業級市場。
這是一種典型的用「更好用、更便宜」的產品來滿足主流市場需求的策略，即便它在某些頂尖的藝術性指標上並非最佳，但其在商業應用上的綜合價值卻可能更高。
03 香蕉的「另一面」，不完美現實與未解的倫理題
儘管「Nano Banana」在功能和理念上帶來了諸多突破，但它遠非完美，用戶的實際體驗和深入的審視揭示了其在技術層面的一系列短板。
首先是解像度和細節的損失。科技媒體CNET的評測指出，該模型在處理用戶上傳的高質量照片後，輸出的圖像解像度常常會降低，導致原始照片中的精細細節變得模糊。這對於追求畫質的攝影師和專業設計師來說，是一個難以接受的硬傷。
其次是僵化的格式限制，目前，該模型強製輸出正方形（1:1）的圖像，並且會忽略用戶提出的更改寬高比的指令。這一限制極大地束縛了其在不同媒介上的應用。儘管一些高級用戶已經找到了通過特定指令「欺騙」模型輸出不同比例圖像的「黑客」方法，但這無疑增加了使用成本和不確定性。
此外，其性能並不穩定，在某些看似簡單的任務上，如移除玻璃上的反光，模型可能會反復失敗，並且每一次嘗試都可能進一步降低圖像質量，甚至扭曲畫面中的人臉。一些Reddit用戶甚至抱怨，公開發佈的版本感覺比之前在LMArena上測試的匿名版本性能有所下降，在一致性和指令遵循方面打了折扣。
值得注意的是，為了避免陷入安全與倫理性爭議，新版的「Nano Banana」似乎走向了另一個極端：過度審查。大量用戶反映，模型內置了極其嚴格的安全過濾器，常常會拒絕執行完全無害、符合社區規範的指令。這種「寧可錯殺一千，不可放過一個」的策略，雖然在一定程度上避免了政治不正確的風險，
此外，所有由「Nano Banana」生成或編輯的圖像，都會被打上可見的水印和一種名為SynthID的不可見數字水印。這項由Google DeepMind開發的技術，旨在從源頭上明確內容的AI生成屬性，以幫助對抗虛假信息和惡意濫用。
近期，Google也公佈了Gemini各層級服務的具體使用限制，免費用戶每天可生成100張圖片，Google AI Pro訂閱用戶每天可生成1000張圖片，Google AI Ultra訂閱用戶每天同樣可生成1000張圖片，但享有其他Gemini功能的更高配額。
「Nano Banana」的發佈，也帶來了一個關於未來的深刻問題：這究竟是標誌著人機交互進入新紀元的「iPhone時刻」，還是科技巨頭之間又一輪愈演愈烈的軍備競賽？
《智百道》認為，從核心貢獻來看，它的真正突破在於將視覺創作的交互範式從「編寫指令」轉向了「進行對話」。這種以工作流為中心、強調迭代和精煉的模式，無疑比以往任何工具都更貼近人類的自然創作思維。就像iPhone的多點觸控技術讓複雜的計算變得直觀易用一樣，「Nano Banana」的對話式編輯也極大地降低了高級視覺創作的門檻，改變了人與AI之間的協作關係。
然而，也必須把這一創新置於生成式AI領域白熱化的競爭格局中。Google憑藉「Nano Banana」在圖像編輯和工作流整合上扳回一城，但其競爭對手並未停歇，OpenAI正繼續將其圖像能力深度整合進ChatGPT龐大的生態系統，而Midjourney在藝術風格化的賽道上依舊一騎絕塵。
「Nano Banana」的長期意義或許並不在於它是否是當前「最好」的模型，而在於它所代表的戰略方向——將AI作為一種無縫、直觀、深度嵌入日常工作流程的協作工具。這場風暴過後，創意產業的圖景已然改變。它加速了創意的民主化進程，重塑了專業人士的角色定位。
Google的「香蕉」可能不是戰爭的終點，但它無疑是改變了戰場規則的那顆信號彈，創意工作者與AI「副駕駛」共生的時代，已經到來。
本文來自微信公眾號「智百道」，作者：道哥，36氪經授權發佈。
