在AI文生图领域，一款名为Nano Banana的神秘模型悄然登场，凭借惊人的图像质量和角色一致性迅速引发关注。这款模型最初以匿名形式出现在全球权威的AI模型竞技场LMArena，用户通过“盲选”投票，使其在文生图和图片编辑榜单上迅速攀升，最终稳居榜首。
关于Nano Banana的猜测一度甚嚣尘上，有人认为它是OpenAI的秘密实验，也有人猜测是独立研究团队的“黑马之作”。直到8月底，谷歌正式认领这一模型，揭晓其真实身份——Gemini 2.5 Flash Image。作为Gemini 2.0 Flash的升级版，Nano Banana不仅在多次编辑中保持角色和画面的高度一致，还支持自然语言驱动的精细局部修改和多图合成，成为更贴近真实工作流的AI编辑器。
Nano Banana的核心突破在于“交替生成”的新范式。通过将复杂指令拆分为多个小步骤，模型在每一步仅做微小调整，如先换服装再改背景，最终叠加所有修改。这一设计避免了传统模型“一次性乱改”导致的“失忆”问题，使主体特征在多轮编辑中始终保持稳定。例如，用户可将照片中的外套颜色从蓝色改为红色，或调整人物姿势，而面部特征和整体比例不受影响。
在多图融合方面，Nano Banana展现了强大的场景整合能力。传统模型在合成两张图片时，常出现风格不协调、空间扭曲或细节丢失的问题，而Nano Banana可自动处理不同图像间的逻辑一致性。例如，将一张人物照片与一张海滩背景图融合时，模型能确保人物的光影、比例与背景自然匹配，甚至调整人物姿态以适应新环境。用户可通过自然语言指令完成“将人物移至巴黎”“替换背景为雪山”等操作，无需手动绘制蒙版或使用专业工具。
自然语言驱动的精准修改是Nano Banana的另一大亮点。用户只需简单描述需求，如“移除照片中的人物”“改变背景为森林”或“调整人物表情为微笑”，模型即可在保持其他部分不变的前提下完成修改。甚至，用户可通过简笔画或草图替代文字指令，进一步降低操作门槛。例如，用户绘制一个简笔画姿势，模型能将其精准应用到人物照片中，生成符合逻辑的新图像。
在多轮对话式编辑中，Nano Banana支持上下文记忆功能。用户可逐步提出修改需求，如先调整房间颜色，再添加家具，最后改变灯光效果，模型会记住所有历史操作，避免重复或冲突。用户还可尝试风格混配，如将花瓣纹理应用到鞋面，或将蝴蝶翅膀图案转化为裙子设计，生成兼具创意与实用性的图像。
安全性方面，谷歌为Nano Banana生成的图片添加了可见水印和不可见的数字水印SynthID，确保作品可追溯。这一设计不仅保护了原创内容，也为AI生成内容的版权管理提供了新思路。
目前，普通用户可通过Google Gemini应用程序、Google AI Studio、Gemini API和Vertex AI平台调用Nano Banana，Adobe、Lovart等平台也已将其集成至创意工具中。其生成速度极快，用户输入指令后仅需数秒即可完成出图或修改。例如，将一张游客照背景替换为马尔代夫海滩，或调整宠物毛色为藏獒，均可在短时间内实现。
尽管Nano Banana在角色一致性和多图融合方面表现突出，但仍存在部分局限。例如，在中文指令处理中，模型可能生成乱码或错误理解需求；在复杂多轮对话中，模型可能丢失上下文，导致生成结果偏离预期。用户反馈其图片分辨率有待提升，艺术性较Midjourney等模型稍显不足。不过，考虑到其单张图像生成成本仅0.039美元（约合人民币0.3元），这一性价比仍受到广泛认可。
Nano Banana的发布标志着谷歌在多模态AI领域的进一步布局。从文生图的Imagen系列、文生视频的Veo系列，到交互世界生成的Genie系列，谷歌已构建起覆盖图像、视频、虚拟世界的完整产品矩阵。未来，谷歌或通过Gemini底座整合更多模型能力，面向普通用户打造多模态超级入口，同时为专业开发者提供纵深服务。
