谷歌发布Nano Banana 2，图像生成能力大幅提升，速度更快，价格更低，或将重塑图像生产基础设施。
原文标题：谷歌Nano Banana 2又刷屏了：又快又便宜，设计师当场破防
原文作者：机器之心
冷月清谈：
怜星夜思：
2、文章提到Nano Banana 2可以生成可商用的文字内容，那么它在广告设计、营销物料等领域的应用前景如何？是否会取代一部分设计师的工作？
3、Nano Banana 2在角色一致性和对象保真度方面的提升，对分镜创作、故事板、IP视觉资产的自动生成有哪些积极意义？
原文内容
一句话：Pro 级质量，Flash 级价格。
预告了许久的Nano Banana 2，终于来了。
谷歌CEO皮查伊发帖声称：「这是我们迄今为止最好的图像模型。」
https://x.com/sundarpichai/status/2027057726170509724
目前该模型已经作为默认图像模型在 Gemini App、Google Search（覆盖 141 个国家）和 Flow 上线，同时在 Google AI Studio 和 Vertex AI 提供预览，也可以在 Google 的 Antigravity 中使用。
这一次升级，核心不只是画质再抬一档，而是能力结构发生了明显变化。
Nano Banana 2 融合了 Gemini 对世界的深度理解，同时利用实时网页搜索获取的信息和图片，因此能够以极高的保真度来反映真实世界的当前状况。
皮查伊举了个「Window Seat」（窗边座位）的例子。随便挑世界上任何一个地方的「窗户视角」，模型就能实时生成那个窗户往外看的景色，还会自动拉取当地实时天气，同时支持 2K/4K 高清。
提示词：使用图片搜索查找鹪鹩的精准图像。制作一张精美的壁纸（比例3:2），采用自然的上下渐变效果，并保持极简构图。来自X@fofrAI
文本能力，仍然是这一代重点补强的方向。
Nano Banana 2 被明确定位为可以在图像中生成清晰、可读、可直接商用的文字内容，无论是营销物料还是贺卡设计，拿来即用。
来自X@ZHO_ZHO_ZHO
从社区反馈看，文字、排版稳定性，相比前代确实有明显提升。
来自X@oran_ge（左图）,X@ZeroZ_JQ（右图）
来自X@karminski3
拉纳克普尔耆那教寺庙的柱子，x@tulseedoshi
模型也在更高复杂度场景下展示出一定统筹能力。
沃顿商学院教授@emollick提前体验了 Nano Banana 2。「它虽然还不完美，但却是第一个能以较高的一致性处理极其复杂的图像和图表的模型。」
他给出的指令是：
「show me a where's waldo set in ancient Venice, but instead of waldo it is an otter wearing a blue striped pilots outfit.」（给我展示一张以古代威尼斯为背景的《威利在哪里》（Where's Waldo）风格的图片；但要把威利换成一只穿着蓝色条纹飞行员制服的水獭。）
X@emollick
如此复杂多元的画面生成，我仔细瞅了半天，还真找到了，而且，只有一个水獭！当然也有毛病，比如长尾巴的小男孩：
速度，是这代最直观的体感升级之一。
用户反馈，生成 4K 图像不到一分钟。
关键还便宜！结合官方给出的价格，比 Pro 全面便宜：图片便宜 25-50%，文本 token 便宜 70-80%。
一句话：Pro 级质量，Flash 级价格。
从社区实测来看，Nano Banana 2 的主体一致性表现，也是这一代的亮点之一。
我们简单体验了一下，确实做得不错。
提示词：保持所有角色和物体与之前（左图）完全一致。重新布置场景，让五个角色围坐在一张圆桌旁，自然互动。九个物件必须全部保留，并且清晰可见。电影级光影，中景，照片级真实感。（右图是结果）
谷歌表示，在单一工作流中可保持多达 5 个角色的一致性，以及多达 14 个对象的保真度。这让你可以进行分镜创作和叙事构建，而无需改变输入对象的原型外观。
换句话说，当角色一致性不再频繁崩坏，分镜、故事板、连续广告乃至 IP 视觉资产的自动生成才真正具备可行性。
指令遵循能力同样明显收紧。Nano Banana2 能很好理解如此复杂、包含多重指令的草图输入。难怪博主直呼「设计师们，我觉得我们完蛋了！」
@hewarsaber丢给它一张草图，输入提示词：Turn this sketch into a landing page for an Al video platform.Purple and white.Clean and modern.Hero headline: 'AI Video That Speaks Your Script'.Show an Al avatar on the right. Add use case tags below the nav（将此草图转化为AI视频平台的落地页。紫色和白色，简洁现代，醒目的标题：「人工智能视频，朗读你的脚本」，在右侧显示人工智能头像，在导航栏下方添加用例标签。）
微妙的镜头语言控制，执行稳定性也有提升。
提供了3张参考图片和一个简单的提示：这里展示的是35mm、50mm和85mm焦距，光圈分别为f/1.2和f/2.0的情况。x@LinusEkenstam
网友评价，第一个轻松理解如何使用广角镜头拍摄特写的图像模型，x@aifilmmaker
在产品规格上，全面控制各种长宽比（包括1:8、 8:1 这种极端画幅），专为横幅、故事流和全景内容设计。
分辨率覆盖 512px 到 4K。加入低分辨率（512px）快速模式，更适合高频迭代与大规模流水线。
虽不及 8:1 极端，很多网友在晒的这种全景图，已经很惊艳。
还有网友让它生成一个 720 度的 vr 素材图，加入交互，就得到了一个全景网站。
X@ZeroZ_JQ
值得一提的是，在保持速度的同时，视觉保真度也有所升级。画面充满活力的光影、更丰富的纹理和更清晰的细节。
看看这张图！睫毛根根分明，眼周皮肤、眼睛里的红血丝都清晰真实，甚至能从眼睛里看到窗外的那只鸟。
https://x.com/chetaslua/status/2026961626549887069?s=20
皮肤细节清晰可见，毛孔，脸颊、鼻头因冷空气，自然泛红。X@charliejhills
网友还玩出了不少花样。
博主@fofrAI引用了别人在图书馆随手拍的一本童书《How to Hold Animals》，然后给模型下提示「Show the jellyfish page from this book」。
模型立刻生成了书里第 42 页关于水母的内容，风格、排版、插画质感，看起来就像直接从书里扫描出来的一样。
https://x.com/fofrAI/status/2027076683010851284
模仿你的笔迹，写一首诗。
X@Prathkum
居然还能生成 CAD。
X@DLKFZWilliam2
当然，翻车的例子也不少。比如，这个倒立就有问题；郭德纲于谦互换脸，也失败了。
x@karminski3（左）X@ZHO_ZHO_ZHO（右边）
生成准确的时钟，似乎一直是个难题。
X@ZHO_ZHO_ZHO
据说，Google Ads 也已开始接入这一能力——这几乎等同于公开宣告：图像生成正在正式进入广告生产基础设施。
从更宏观的产品策略来看，谷歌的意图已经越来越清晰：不是单纯把图像模型做得更好看，而是把它们全面推入高频生产基础设施。
当 Pro 级能力开始系统性下沉到 Flash 档位，图像生成的使用频率，很可能会迎来下一次台阶式跃升。
参考链接
https://blog.google/innovation-and-ai/technology/ai/nano-banana-2/
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com