新智元報道

【新智元導讀】谷歌深夜狂甩王炸：4秒極速出圖，成本僅需兩毛！新模型Nano Banana 2 Lite聯(lián)手視頻神器Omni Flash，徹底打通圖生視頻流水線，引爆AI創(chuàng)作效率革命。

昨晚，Google DeepMind悄然上線兩枚重磅殺器。

Nano Banana 2 Lite（gemini-3.1-flash-lite-image），堪稱史上最快最便宜的文生圖模型，4秒生圖，每張1K分辨率高清圖成本低至0.24元。

Gemini Omni Flash則是面向開發(fā)者的高質量視頻生成模型，支持圖、文、視頻混合輸入，帶來史詩級的「對話式視頻編輯」體驗！

不過，要說谷歌這次真正的必殺技，是把這兩個模型通過Interactions API強強串聯(lián)。

Lite高速生圖，Omni Flash把圖動畫化，配合Interactions API最多可連續(xù)疊三次編輯。

這樣，一條「文字??生圖??生視頻」的創(chuàng)作流水線，就這么被谷歌打通了！

性價比之王Nano Banana：

4秒一張圖，兩毛多成本

先看主角之一：Nano Banana 2 Lite（gemini-3.1-flash-lite-image） 。

這是Nano Banana家族中速度最快、成本最優(yōu)的圖像模型。

速度有多快？4秒出圖。

你輸入一段文字描述，它能在4秒內(nèi)生成一張1024x1024的圖像。

對于需要快速迭代創(chuàng)意、頻繁調(diào)整畫面的開發(fā)者來說，這個速度可以即時反饋——不再需要盯著進度條發(fā)呆，創(chuàng)作節(jié)奏可以快得像聊天一樣自然。

而它的成本，也是低至每1K張圖像僅需0.034美元，換算成人民幣，大約兩毛多一張。

所以，我們可以大規(guī)模批量生成圖像，而不用擔心預算爆炸。谷歌官方直接給出了硬核答復：非但不掉隊，反而建議初代用戶直接升級替換！

關鍵性能指標上，Lite版本在三個方面保持了競爭力：

提示詞遵循：你說什么，它畫什么，不會理解偏差

角色一致性：多張圖中同一角色保持穩(wěn)定的形象特征，非常適合AI漫畫或者連載IP

圖中文字清晰度：生成的圖像里，文字可讀、不模糊，「讓AI在圖里寫字」這個行業(yè)難題直接被攻克

這意味著，即便它主打速度和成本，該有的基本功一樣沒落下。

將 Nano Banana 2 和 2 Lite 與競爭對手的 AI 圖像模型進行性能基準測試，評估生成/編輯質量（Elo 分數(shù)）、處理延遲和每張 1K 分辨率圖像的成本之間的權衡

理解Nano Banana家族：

四款模型，各有所長

谷歌這次把Nano Banana家族做了一個清晰的定位分層，方便開發(fā)者按需選擇：

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)：速度狂魔，專為近乎實時的超大批量工作流設計，追求極致低延遲。

Nano Banana 2 (Gemini 3.1 Flash Image)：六邊形戰(zhàn)士，通用型主力軍，在較低延遲下提供極高質量，性價比平衡的最佳選擇。

Nano Banana Pro (Gemini 3 Pro Image)：專業(yè)大師，專為復雜的專業(yè)級使用場景優(yōu)化，提供最強大的控制力和高級推理能力，適合對精度要求遠大于速度的任務。

Nano Banana (初代，Gemini 2.5 Flash Image)：舊時代的殘黨傳統(tǒng)型號，官方建議：別用了，趕緊升級到2 Lite版享受降維打擊！

目前，Nano Banana 2 Lite 已經(jīng)全面登陸 Google AI Studio、Gemini API 以及 Gemini 企業(yè)代理平臺。

更令人驚喜的是，它實際上迅速滲透到谷歌的 C 端全家桶中，包括搜索 AI 模式、Gemini App、NotebookLM、Google Photos 甚至 Google Ads。

所以，普通用戶很快也能在日常產(chǎn)品里體驗到4秒出圖的速度感！

一場效率的狂歡，已經(jīng)拉開帷幕。

測評機構Arena.ai，也已經(jīng)給出評分——得分高達1251分！

另一個研究機構也在提前體驗后給出高分。

并且，已經(jīng)有網(wǎng)友給出實測。

另一位網(wǎng)友測試后表示，從速度上來說，Nano Banana 2 Lite讓人印象深刻。

Gemini Omni Flash：首度向開發(fā)者開放的AI視頻生成模型

如果說Nano Banana 2 Lite是高效的制圖工廠，那么這次首度向開發(fā)者開放的Gemini Omni Flash，就是引爆好萊塢的魔法引擎！

這款模型在今年Google I/O大會上首次亮相，當時就引發(fā)了不小的關注。如今，它正式向開發(fā)者開放——通過Gemini API和Google AI Studio即可調(diào)用。

定價與 Veo 3.1 Fast 持平，視頻輸出0.10美元/秒，它帶來的絕不僅僅是生成視頻，而是顛覆傳統(tǒng)的視頻編輯方式。

Omni Flas的核心能力是：高質量視頻生成 + 對話式編輯。

支持以下輸入組合：

純文本 → 生成視頻

文本 + 圖像 → 生成視頻

文本 + 圖像 + 視頻 → 生成視頻

你可以在對話中用自然語言反復修改、調(diào)整視頻內(nèi)容——就像跟一個視頻剪輯師聊天一樣。

目前，它僅支持10秒視頻生成，更長的時長將在后續(xù)版本推出。

插入視頻

Omni Flash的四大亮點：

① 對話式視頻編輯

Omni Flash 最大的亮點，就在于可以用自然語言就能修改視頻——「把背景換成黃昏」「讓主角看向左邊」「加快動作節(jié)奏」，不需要復雜的剪輯軟件操作。

這就是大模型多模態(tài)推理能力對傳統(tǒng)視頻剪輯的降維打擊。

② 多模態(tài)參考輸入

Omni Flash 支持真正的「大雜燴」式輸入。你可以同時丟給它一段文字、一張圖片、甚至一段短視頻，生成符合要求的視頻。

同時輸入文本、圖像、視頻三種模態(tài)的信息，模型就能更理解你的創(chuàng)作意圖。

③ 真實世界知識的視頻大腦

很多視頻生成大模型容易出現(xiàn)反人類物理常識的「詭異畫面」（比如人長出六根手指、水往高處流）。但Omni Flash背后依靠的是Gemini龐大的知識庫，精通歷史、生物學和敘事邏輯！

生成「中世紀騎士沖鋒」，它會調(diào)用歷史知識；生成細胞分裂，它會遵循生物學常識。

④ 文字與動作同步

通過簡單的提示詞，就能讓文字、圖形與視頻中的動作產(chǎn)生聯(lián)動——比如在畫面左上角顯示NEW字樣，同時鏡頭拉近。

同時，谷歌官方公開了一些限制，方便開發(fā)者避坑：

-僅支持10秒視頻生成

-暫不支持上傳音頻參考

-場景擴展功能暫未開放

-視頻參考輸入雖已在API中支持，但當前版本處理尚不完善

-場景切換或平移時的角色一致性存在一定局限

但是，作為一個定價僅0.10美元/秒的生產(chǎn)力工具，Omni Flash已經(jīng)展現(xiàn)出可怕的商業(yè)潛力。

有人實測了替換視頻中角色的功能。

真正的殺招：兩者串聯(lián)，一條龍創(chuàng)作

單獨拿出一個模型，或許只是工具的升級。

然而谷歌的真正的意圖是，讓兩者串聯(lián)使用！

官方推薦的玩法是，借助 Interactions API，將 Nano Banana 2 Lite 和 Gemini Omni Flash 串聯(lián)起來，打造出「秒級生圖 + 順滑生視頻」的多輪交互體驗！

在這個工作流中，先用Nano Banana 2 Lite 快速生成一張圖像；隨后，把這張圖作為參考，傳給Gemini Omni Flash，生成一段高質量視頻。

更牛的是，得益于 Interactions API，系統(tǒng)會保持會話歷史和上下文記憶。

這意味著，用戶可以在生成的視頻基礎上，繼續(xù)用自然語言進行最多連續(xù)三次的迭代編輯！

為了讓開發(fā)者立刻領略這套組合拳的威力，谷歌一口氣開源了三個極具啟發(fā)性的Demo應用，每一個都精準踩在了不同行業(yè)的痛點上

Demo 1：Anywhere（一秒穿越全世界）

應用場景：社交媒體、旅游營銷、個人娛樂

上傳一張自拍或照片，Lite會把你傳送到數(shù)十個地標場景中，比如巴黎埃菲爾鐵塔下、埃及金字塔旁，或是富士山的櫻花林。

點擊任意一張生成圖，Omni Flash就會把它變成一段動態(tài)視頻，一段專屬于你的「環(huán)游世界」微電影就此誕生！

Demo 2：Space Lift（空間煥新魔術師）

應用場景：室內(nèi)設計、房地產(chǎn)中介、家居電商

室內(nèi)設計師和裝修業(yè)主們的終極神器來了！

上傳一張房間照片，Lite會自動生成多種裝修風格的概念圖。

選定心儀的風格后，點擊視頻按鈕，Omni Flash會把靜態(tài)設計圖變成一段沉浸式漫游視頻，讓你在裝修前就能「走進」未來的家。

Demo 3：Omni Product Studio（電商爆款制造機）

應用場景：淘寶/亞馬遜賣家、廣告營銷、自媒體矩陣

對于中小電商賣家來說，拍視頻是一個高成本的門檻，但這個Demo將徹底打破規(guī)則。

把Lite生成的靜態(tài)產(chǎn)品圖，交給Omni Flash轉化為電影級電商展示視頻。

這三個Demo只是冰山一角。當「廉價極速生圖」與「高智商視頻編輯」碰撞在一起，未來我們能看到怎樣的爆款應用，全憑開發(fā)者的想象力！

另外，這次谷歌給兩類產(chǎn)品全面集成了SynthID水印技術。

是一種數(shù)字水印，人眼看不見，但可以通過工具檢測。

用戶可以通過Gemini應用、Chrome瀏覽器或Search來驗證一段內(nèi)容是否由AI生成。這有助于保護創(chuàng)作者權益，也讓AI生成內(nèi)容在網(wǎng)絡上更加透明。

總之，谷歌DeepMind這次的雙發(fā)，看似是兩個獨立模型的上線，實則是一條完整創(chuàng)作流水線的落成，讓每個人都有能力把腦海中的創(chuàng)意變成視覺內(nèi)容。

AI創(chuàng)作的下一站，正在加速到來。

參考資料：

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni-flash-nano-banana-2-lite/

https://x.com/GoogleDeepMind/status/2071988044878516466

編輯：Aeneas 馬可