2025-08-30 | 김성태 기자

[视频] 连ChatGPT也被超越…谷歌图像编辑AI“纳米香蕉”究竟是什么?[金成泰的深科技趋势]

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

谷歌最近推出的新人工智能(AI)图像生成与编辑模型"Nano Banana"引发巨大反响。Nano Banana的特点是仅凭自然语言指令即可自然地编辑图像。其性能也被评价为领先于OpenAI、阿里巴巴等竞争对手的模型。谷歌将该模型正式搭载到生成式AI中,加快追赶ChatGPT的速度。

据信息技术(IT)业界30日消息,谷歌于26日将图像生成与编辑模型"Nano Banana"整合进谷歌Gemini应用。该AI模型的正式名称为"Gemini 2.5 Flash Image"。利用该模型,可通过自然语言指令合成多张照片,或将二维(2D)图像转换为3D。谷歌DeepMind对外产品管理高级总监杰米·德·盖尔表示,"在富有创意的使用场景中,可以制作更丰富、更具动感的视觉效果,并可反复编辑图像直至获得想要的结果"。

该模型因在图像编辑过程中能够原样保持人物或宠物的固有形象而受到关注。通常在AI编辑过程中原始角色容易走形,但Nano Banana模型展现出很高的一致性。由此可在保持面部不变的同时更换服装,或营造新的背景与情境。也可以合成多张照片,自然地生成完全不同的场景。

"多轮编辑"功能同样引人注目。用户依次下达指令,即可在照片中先为空房间的墙面刷漆,再逐步布置书架、沙发和桌子。此外,还可将特定图像风格应用到其他对象上。

Nano Banana使用案例。可在保持人物本来面貌的同时营造不同场景。谷歌博客截图 Nano Banana在AI性能评测平台LM Arena的图像生成与图像编辑两个板块均位居第一,印证了其技术实力。在图像编辑板块,截至29日得分为1362分,超过了德国独角兽Black Forest Labs的FLUX模型(1191分)、OpenAI的GPT-Image-1模型、阿里巴巴通义千问图像编辑模型(1145分)以及TikTok母公司字节跳动的seedit-3.0(1142分)。谷歌首席执行官(CEO)桑达尔·皮查伊通过其社交媒体X表示,"在排行榜上登上了第一",并称其优势在于"在各种语境下也能稳定保持人物的相似度"。

在图像生成AI模型板块评测中获得1147分,击败了自家的Imagen 4.0 Ultra(1135分)、OpenAI的GPT-Image1(1129分)、阿里巴巴通义千问(1082分)以及TikTok母公司字节跳动的Bagel(916分)。

谷歌免费提供Nano Banana,提高了可及性。用户可登录Gemini应用或谷歌AI Studio等直接使用。不过有使用额度限制。

有预测认为,谷歌将凭借Nano Banana快速追赶ChatGPT。目前ChatGPT的周活跃用户数约为7亿人,与截至上月Gemini的月活用户约4.5亿人存在较大差距。业界认为,随着此次新模型推出,这一差距将会缩小。分析认为,正如OpenAI今年初凭借吉卜力画风转换等实现用户爆发式增长,谷歌也将以Nano Banana为起点加快用户扩张。

有观点预测,Nano Banana还将在图像编辑软件市场掀起波澜。部分人士主张,谷歌凭借免费提供策略和出色性能,可能威胁Adobe等企业的市场地位。Adobe暂时选择了合作。Adobe已将Nano Banana整合进自家AI生成工具Adobe Firefly。Figma也在其AI图像工具中搭载了Nano Banana。

韩国企业在图像编辑或图像生成领域尚未取得明显成果。NAVER集团通过生成式AI"CLOVA X"提供从图像中删除特定元素的功能。Kakao集团(035720)曾推出图像生成模型"Karlo",但被评价为未能在市场立足。目前Karlo服务已终止。

另一方面,由于质量显著提升,被滥用于深度伪造的担忧也在加大。不过谷歌解释称,"通过Gemini生成或编辑的所有图像都会插入可见水印以及不可见的'SynthID数字水印',明确标示其为AI生成图像"。

阅读韩文原文