近日，一款名为“纳米香蕉”的AI图像工具突然走红网络，其代号为谷歌最新推出的Gemini 2.5 Flash Image模型。这款工具凭借强大的图像生成与编辑能力，在科技圈、设计领域和内容创作群体中引发了热烈讨论。用户纷纷在社交媒体上分享使用体验，甚至将其誉为“AI生图新王”“掌管P图的神”。
与传统图像工具不同，“纳米香蕉”不仅能融合多张图片生成全新画面，还能理解地理、建筑和物理结构，甚至可以将二维地图转化为三维景观。据谷歌透露，该模型上线一周内，用户累计完成超2亿次图像编辑操作，足见其受欢迎程度。
用户对“纳米香蕉”的创意玩法层出不穷。有人用它实现跨时空合影，有人为自己设计各种发型，还有人利用地图生成三维景观。其中，最受欢迎的功能之一是照片生成手办模型。无论是真人、二次元角色还是宠物，用户都能通过上传照片快速生成手办设计图。一位AI爱好者蔡小姐分享了自己的体验：“我用一张穿着拉丁舞服的照片上传后，模型迅速生成了手办设计图，裙子的细节和三维效果都非常逼真，简直想立刻拥有实物。”
“纳米香蕉”的火爆，离不开其技术能力的突破。与去年文生视频模型Sora相比，它的图像一致性表现堪称“断档领先”。用户提供一张人物照片后，模型可以生成8种表情、不同角度或背景的图像，甚至转换为三维模型，而人物形态始终保持自然。在连续20次编辑操作中，字符一致性准确率超过95%。
上海人工智能研究院技术总监方帅指出，“纳米香蕉”的核心优势在于理解能力的提升。谷歌团队介绍，该模型利用Gemini大模型的知识储备，将图像理解能力迁移到生成领域。例如，当用户输入一张气球飘向仙人掌的图片并要求预测下一幕时，模型会准确显示气球炸裂而仙人掌完好的画面。这种对物理规则的理解，远超此前模型的表现。
交互模式的革新也是“纳米香蕉”的一大亮点。它支持超过100种语言的自然语言指令，识别准确率达92%。用户只需输入简单指令，如“给他戴上帽子”，模型就能输出符合要求的图像。其“火柴人”玩法也引发关注：用户用火柴人画出动作后，模型能生成逻辑自洽的动作图，例如一人踢腿进攻、另一人蹲下防守。
“纳米香蕉”的走红，不仅改变了创作方式，还催生了新的商业模式。在小红书等平台上，用户将创意转化为娃衣、饰品、手机壳等实体商品，并通过软件内置店铺完成销售。一位卖家表示，以成本15元、售价68元的艺术插画手机壳为例，月销100件即可创造可观利润。这种“先输出图片、再生产实体”的模式，正在重塑设计和销售流程。
不过，AI生成手办仍面临挑战。二次元手办企业APEX-toy创始人马力指出，当前手办平均配件数量达150个，复杂款式甚至超过300个，AI尚无法精细还原所有细节。“纳米香蕉”的玩法更适合潮玩设计，但距离真正制作手办还有距离。
中国科技公司在图像生成领域也在加速布局。阶跃星辰副总裁李璟透露，其开源图像编辑大模型Step1X-Edit已具备类似能力，在语义解析、身份一致性和区域控制上表现突出。例如，用户可以通过语音指令修改图片元素，如改发型、换衣服颜色，甚至让人物变老30岁。
李璟还表示，Step1X-Edit与“纳米香蕉”的技术路线相似，但视频和图像交互产品的多模态大模型仍需大量迭代。未来，智能终端智能体将成为应用核心，例如汽车、手机和电脑桌面助手。阶跃星辰正探索“理解生成一体化”的架构突破，以期带来更颠覆性的AI体验。
面对激烈竞争，“纳米香蕉”团队坦言，其目标不仅是提升视觉质量，更要追求聪明和事实准确性，打造能理解用户深层意图的AI。“先做产品还是先做架构，目前没有标准答案，但每个人都看到了机会。”这场AI图像领域的竞赛，才刚刚开始。
