Nano Banana 2 代一亮相就惊艳众人。下面这张图完全是 AI 生成，不仅包括网页中的内容，甚至整个浏览器界面和桌面都是生成的，而且没有参考图像。
这次 Nano Banana 2 以预览版的形式出现在第三方网站 Media.io 上，随后被移除，只有少数手快的网友参加了测试。预览版展示出的能力已远超前代，在处理复杂提示方面的表现突出，包括精确的文本渲染、超逼真的场景以及类似完整桌面界面的精细模拟。但谷歌 DeepMind 方面没有对发布正式时间等作出说明。
Nano Banana 2 全面升级
根据测试页面说明，这次 Nano Banana 2 又名 GemPix2，主要在真实性、生成速度和自然交互控制上面改进。从现有的测试结果看，Nano Banana 2 能够生成极其复杂的 UI，文字渲染也看不出破绽，很多网友都会以为是一张真实截图。
对物理常识与遵循提示词的细节也表现很好。可以同时准确绘制出指向特定时间的时钟和一杯斟满的红酒。
甚至能伪造出逼真的监控录像画面，不过据推测正式版发布时候应该会削弱这方面能力。
此外，Nano Banana 2 还掌握了一定的世界知识与逻辑推理能力。在解决数学问题的对比测试中，1 代解题思路好像大致方向是对的，但最终渲染出的公式基本无法理解。二代虽然有一些小错误，但结果给人印象深刻。
Nano Banana 团队：图像生成的质量已接近上限
Nano Banana 最初于 2025 年 8 月中旬匿名出现在 AI 模型测评平台 LMArena，凭借其出色的图像编辑能力迅速登顶排行榜，引发社区热议，8 月底，谷歌正式揭晓其身份为 Gemini 2.5 Flash Image，Nano Banana 的代号源于谷歌内部测试生成“香蕉大小的纳米机器人”时效果很好。
上线不到 10 天，用户编辑了超过 2 亿张图片，为 Gemini 应用带来了 1000 万新用户，并一度帮助 Gemini 超越 ChatGPT 成为苹果免费应用榜首。
第一代 Nano Banana 的核心优势在于强大的图像编辑和理解能力，包括自然语言编辑与角色一致性，用户可用日常语言进行多轮、迭代式的图像编辑，同时解决了 AI 图像编辑中常见的“身份漂移”问题，保持角色特征在多次修改后高度一致。
与先前模型相比增加了多图像融合与风格迁移功能，支持将多张不同图片无缝融合成一张连贯的图像，或将一张图的风格应用到另一张图的物体上，为电商、广告等行业提高了创作效率。
以及低成本也高速度，基于谷歌 TPU v5 架构优化，Nano Banana 平均响应时间仅为 1.3 秒，单张图片生成成本约 0.039 美元，仅为 DALL-E 3 的十分之一。此前 Nano Banana 核心团队透露，图像生成的质量已接近上限，未来的关键在于提升模型理解用户“意图”（intention）的能力。谷歌自身也在加速将 Nano Banana 整合进其核心产品生态。除了在 Gemini 应用和 AI Studio 中提供服务外，谷歌已开始测试将其集成到 Google Photos、搜索（Search）、智能镜头（Lens）和画圈搜索（Circle to Search）中，意图打造一个无缝的 AI 驱动视觉体验闭环。参考链接：
[1]https://x.com/synthwavedd/status/1987259262322749784?s=20
[2]https://www.reddit.com/r/singularity/comments/1osolhn/nano_banana_2_vs_nano_banana_comparison_output
本文来自微信公众号：量子位（ID：QbitAI），作者：梦晨
