Google 重磅发表 Gemini 2.5 Flash Image (nano-banana)：AI 图片生成与编辑的新纪元

探索 Google 最新 AI 图像模型 Gemini 2.5 Flash Image (nano-banana)。本文将深入解析其强大的多图融合、角色一致性、自然语言编辑等革命性功能，以及如何为开发者和企业带来前所未有的创意控制力。

坦白说，AI 图片生成的世界既迷人又让人有点头痛。你可能也遇过这种情况：想让同一个角色出现在不同场景，AI 却总是画出一个“长得很像的陌生人”；或者，只是想微调图片里的一个-细节，却搞得整张图面目全非。

这些创作过程中的小摩擦，正是创作者们最渴望解决的痛点。

就在今天，Google 给出了回应。他们正式推出了堪称业界顶尖的图像生成与编辑模型——Gemini 2.5 Flash Image（内部代号 nano-banana）。这不只是一次小小的更新，更像是一场彻底的进化。它让创作者能将多张图片无缝融合、在不同场景中维持惊人的角色一致性，甚至用一句话就能进行精准的局部修改。

当初 Gemini 2.0 Flash 推出时，大家都很喜欢它的低延迟、高性价比和简单好上手的特性。但同时，社区也给了很多回馈：我们需要更高质量的图片，以及更强大的创意掌控权。

现在，Gemini 2.5 Flash Image 正是为此而来。

目前，开发者可以通过 Gemini API 和 Google AI Studio 使用这个模型，而企业用户则可以通过 Vertex AI 平台导入。至于大家关心的价格，Gemini 2.5 Flash Image 的定价为每百万输入 0.3 美元，每百万输出 token 收费 30 美元，换算下来，生成一张图片的成本大约是 0.039 美元(每张图片输出1290 tokens)。

数据会说话：Gemini 2.5 Flash Image 的性能表现

空口无凭，性能如何还是要看数据。根据 lmarena.ai 的基准测试和 Google 内部的提示词集测试，Gemini 2.5 Flash Image 在多个关键指标上都展现了领先的实力，尤其是在“整体偏好度”和“角色”生成方面，其表现甚至超越了市面上其他知名的模型。

以下是与其他主流模型的 Elo 评分比较（分数越高代表表现越好）：

资料来源: https://lmarena.ai/leaderboard/image-edit

从表格中可以清楚看到，Gemini 2.5 Flash Image 在多数项目中都处于领先地位，这也印证了它在生成质量和创意控制上的巨大进步。

Gemini 2.5 Flash Image 的超能力，实际应用见真章

为了让大家更直观地感受它的威力，Google AI Studio 的“建构模式 (build mode)”也进行了大幅更新。你不仅可以快速测试模型的能力，还能用一个简单的提示词就打造出客制化的 AI 应用，甚至一键部署或将代码存到 GitHub。

接下来，我们来看看几个最让人惊艳的功能。

角色一致性？再也不是问题了！

在 AI 图片生成中，最大的挑战之一就是“维持角色或物件的连贯性”。不管是为故事书创造主角、为电商产品制作不同角度的展示图，或为品牌产生一系列风格一致的素材，维持主体不变都是关键。

Gemini 2.5 Flash Image 在这方面取得了重大突破。现在，你可以轻松地将同一个角色放入完全不同的环境或情境中，同时完整保留其外貌特征。官方的展示中，就将同一位女性分别塑造成了西洋棋大师、赛车手、足球员和射箭选手，而她的脸部特征在所有图片中都保持了高度的一致性。

想象一下，开发者可以利用这个特性，仅仅通过一个设计范本，就能为整个公司的员工生成风格统一的识别证，或为房地产网站制作大量的房源卡片，甚至为整个产品目录生成动态的商品模型。

用“说”的就能修图：精准的提示词编辑

除了搞定人物，精准的局部修改也是一大痛点。 Gemini 2.5 Flash Image 让你能用最直觉的方式——自然语言——来进行精准的图像编辑。

这代表什么？你可以用简单的指令做到：

• “模糊这张照片的背景。”
• “把 T 恤上的污渍移除。”
• “帮这张黑白照片上色。”
• “改变主角的姿势。”

基本上，只要你能想到的修改，都可以用一句话来实现。在 Google 的示范中，使用者上传了一张穿着黑色上衣、戴着耳环的男性照片，并下达指令：“change my shirt color to red and remove earring”（把我的上衣颜色改成红色并移除耳环）。模型精准地完成了这两项修改，生成了一张他穿着红色上衣且没有耳环的逼真照片。

多图融合，无缝创作新场景

Gemini 2.5 Flash Image 还具备理解并融合多张输入图片的能力。这项功能为创意工作打开了全新的大门。

你可以将一件商品（例如一盏台灯）的图片，和一个室内场景的图片融合，AI 会自动生成一张极度逼真的合成图，仿佛这盏灯原本就在那个房间里。你也可以为一个空间重新设计配色或材质，或将两张完全不同的图片融合成一张全新的艺术作品。

为了方便大家体验，Google 同样在 AI Studio 中建立了一个名为“Home Canvas”的范本应用，你只需拖曳产品和场景图片，就能快速创造出照片级的合成影像。

不只是画图，它还看得懂手绘草稿

这个模型的能力远不止于此。它甚至能理解手绘的图表，并根据指令进行互动。

在一个展示案例中，开发者建立了一个名为“Gemini Co-Drawing”的应用。它将一个简单的画布变成了一位互动式家教。使用者可以画出一个标示了​​两条边长（30 和 40）的直角三角形，并用文字提问：“解出 x 的值，并用红色把正确答案写在 x 的位置上。”Gemini 2.5 Flash Image 不仅能看懂图、理解问题，还能按照指令完成复杂的编辑步骤，将正确答案“50”用红色字体填入图中。

这项能力为教育、设计和协作领域带来了巨大的想象空间。

如何开始使用？以及重要的合作伙伴

准备好开始动手玩了吗？

• 开发者： 可以立即透过 Gemini API 和 Google AI Studio 开始建构。
• 企业： 可透过 Vertex AI 平台将其整合到工作流程中。

此外，为了让更广泛的开发者社群能接触到这项技术，Google 也宣布了与两个重要平台的合作：

1. OpenRouter.ai： Gemini 2.5 Flash Image 成为 OpenRouter 上超过 480 个模型中，第一个具备图像生成能力的模型，将触及超过 300 万名开发者。
2. fal.ai： 作为一个领先的生成式媒体开发平台，fal.ai 的加入将进一步扩大 Gemini 2.5 Flash Image 在开发者社群中的应用。

值得一提的是，所有由 Gemini 2.5 Flash Image 创建或编辑的图片，都会包含一个隐形的 SynthID 数字浮水印，以便在需要时能够识别其为 AI 生成或编辑的内容。

未来的展望

这趟旅程才刚刚开始。 Google 团队仍在积极努力，致力于改善长文本的渲染效果、提供更稳定的角色一致性，以及在图像中呈现更精确的真实细节。

他们非常期待看到全球的开发者和创作者们，会如何运用 Gemini 2.5 Flash Image 来打造出令人惊艳的作品。你的回馈将是推动它不断进步的重要动力。

准备好迎接 AI 图像创作的新浪潮了吗？快来试试 Gemini 吧！