Jay 發自 凹非寺
量子位 | 公眾號 QbitAI

雖然Coding還是一坨，但谷歌搞「多模態」確實有兩把刷子。

Gemini Omni Flash正式開放API，視頻版Nano Banana。

麻瓜爆改「哈利波特」不再是夢想。且看官方用Gemini Omni表演的這四個數字魔術：

太離譜了，這一致性和文字清晰度，還要啥綠幕和特效，直接現場直播奇異博士。

與此同時，大家心心念念的「香蕉」，也迎來了「光速版」。

Nano Banana 2 Lite：迄今為止最快、最經濟高效的Gemini圖像模型。

毫不夸張——4秒出一張圖，1K分辨率圖像僅需約2毛多。

和Nano Banana 2放在一起對比，這個速度，簡直起飛了。

更別說一次生圖能干3分鐘的GPT Image 2……

怪不得半天沒憋出來Gemini 3.5 Pro，敢情時間全花在心心念念的多模態上了是吧，哈薩比斯！！

Gemini Omni Flash

Google I/O 2026大會上首次亮相的Gemini Omni Flash，把Gemini的多模態推理能力與視頻生成、編輯深度結合，當時就引發了不少關注。

如今，這個模型已通過Gemini API和Google AI Studio正式向開發者開放。能基于文本、圖像和視頻等多種輸入，輕松生成高質量視頻并進行編輯。

四項關鍵能力：

• 對話式視頻編輯：用自然語言修改和精修視頻，跟改飛書文檔似的。
• 多模態參考：組合圖像、文本、視頻輸入，保持場景控制和一致性。
• 現實世界知識：調用Gemini在歷史、生物、敘事邏輯等方面的知識來構建視頻，不用你再寫三頁Prompt描述建筑風格。
• 文字與動作同步：通過簡單提示詞，將文字和圖形直接連接到視頻動作。

價格也很有競爭力：每秒視頻輸出成本0.10美元，跟Veo 3.1 Fast持平。

定位方面，同為輕量版視頻生成模型，Omni Flash更強調Gemini世界知識，生態方面也是全面朝Gemini層靠攏的。

不過谷歌也挺坦誠，主動列了一堆現階段局限：

1、目前只支持10秒視頻生成，后續會支持更長；

2、暫不支持音頻參考上傳和場景擴展；

3、API支持最長3秒的視頻作為參考素材，但目前模型還無法正確處理這類輸入；

4、場景切換和運鏡時的人物一致性仍有局限。

Nano Banana 2 Lite

Nano Banana 2 Lite（又名gemini-3.1-flash-lite-image），專為高速處理而設計。

經過針對性優化，它瞄準的是那些對延遲極度敏感、需要短時間內批量處理大量圖像的實時應用場景——比如電商素材批量生成、廣告創意快速迭代、自動化內容流水線。

兩大核心賣點——

• 光速：出圖延遲約4秒，是Nano Banana 2的五分之一（后者約20秒）。
• 白菜價：一張1K圖片僅需約0.034美元，是Nano Banana 2的一半，Nano Banana Pro的四分之一。

速度砍了，價格砍了，但生圖和圖像編輯能力并沒有明顯縮水。Nano Banana 2 Lite 依然保持了出色的文字渲染效果，在benchmark上和Grok等模型處于同一水平線。

因此谷歌的建議是：如果你還在貪便宜用初代Nano Banana，趕緊換。Lite版在各項關鍵指標上已經全方位碾壓了。

雙劍合璧

等等，先別走。

本以為這只是兩款并行的模型發布，沒想到谷歌表示：還有新花樣。

真正的神奇之處，在于將這些模型串聯起來使用。

眾所周知，AIGC創作需要反復迭代，素材管理相當麻煩。

如今，借助這兩個模型，終于不用再反復上傳文件了，圖像生成與視頻創作無縫銜接。

具體來說，可以先用Nano Banana 2 Lite高速出圖，再把生成的圖像作為參考素材喂給 Gemini Omni Flash，一鍵轉化為視頻。

為了展示這套1+1>2的魔法Workflow，谷歌甚至專門做了3個Demo APP：

1、Anywhere

自拍一張或上傳照片，NB2 Lite瞬間把你P到幾十個地標景點里。

接著點一下圖片，Omni Flash把靜態景點變成動態短片。

賽博旅游，這下也端到端了。

2、Space Lift

這有點嚇人，感覺再和Genie世界模型結合一下，未來怕是要威脅到不少傳統裝修方案SaaS公司。

上傳一張房間照片，NB2 Lite先出各種裝修風格方案。找到喜歡的，點視頻按鈕，Omni能直接給你一段電影級空間漫游。

3、Omni product studio

跨境電商的福音來了。

給產品拍張白底圖，NB2 Lite出各種場景化商品圖，Omni Flash再把靜態圖變成電商短視頻。

從「產品」到「廣告素材」，全鏈路自動跑完。

所以，多模態到底有什么用？

這個問題谷歌肯定被問了無數次。

尤其在2026年，Coding幾乎等同于模型智商的代名詞。每家都在Coding上往死里卷。

死磕多模態，圖什么？

AGI敘事那一套就不說了，短期來看的話，谷歌這套多模態模型確實能賦能旗下不少產品。

AGI敘事那一套就不展開了。短期來看，谷歌這套多模態模型確實能賦能旗下不少產品——Stitch是一個，Pixel內置的P圖是一個，NotebookLM的橫空出世也蠻驚艷。

這次發的兩個新模型，則讓人看到了多模態在垂直場景落地的更多潛力。電商、裝修、短視頻……這些業務的需求是真的，錢也是真的。

加上有安卓生態加持，基本不用太擔心商業化的問題。

Coding谷歌暫時追不上，但多模態這張牌桌，谷歌可能是唯一能組齊一套牌的玩家。

不過……

Gemni 3.5 Pro到底啥時候來啊！！！

參考鏈接：
[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni-flash-nano-banana-2-lite/