谷歌近期震撼發(fā)布了其最新的圖像生成與編輯模型——Gemini 2.5 Flash Image。這款模型代表了谷歌在圖像技術(shù)領(lǐng)域的最前沿探索，一經(jīng)推出便引起了廣泛關(guān)注。

Gemini 2.5 Flash Image的核心優(yōu)勢在于其強大的圖像編輯功能。據(jù)谷歌介紹，該模型能夠?qū)⒍鄠€圖像無縫融合成一個，同時保持角色形象的高度一致性。更令人驚嘆的是，用戶可以通過自然語言指令對圖像進行精確修改，且這一過程能夠充分利用Gemini模型所積累的世界知識。

為了直觀展示這一功能，谷歌DeepMind的首席執(zhí)行官、諾貝爾獎得主Demis Hassabis親自上陣，用自己的照片進行了演示。他將照片背景更改為古典風(fēng)格，而人物面容卻絲毫未變，完美詮釋了Gemini 2.5 Flash Image的角色一致性。

Gemini 2.5 Flash Image的應(yīng)用場景廣泛且富有創(chuàng)意。例如，用戶可以輕松制作出類似“球星卡”的設(shè)計，讓普通人也能享受到頂級運動員般的待遇。該模型還能與谷歌的視頻生成模型Veo 3完美搭配，共同打造出豐富多樣的視頻效果。海外AI創(chuàng)意平臺Kera AI已經(jīng)利用類似技術(shù)，成功制作了一部廣告大片。

在發(fā)布前，Gemini 2.5 Flash Image以“nano-banana”的代號在大模型競技場中亮相，并迅速獲得了超過200萬用戶的認可。正式揭曉后，該模型在文生圖和圖像編輯兩大場景中均取得了全球第一的佳績，特別是在圖像編輯榜單上，以1362的高分遙遙領(lǐng)先第二名。

在谷歌公布的基準測試中，Gemini 2.5 Flash Image在用戶綜合喜好度、人物、創(chuàng)造力、信息圖、物體和環(huán)境的生成等多個方面均優(yōu)于GPT-4o圖像生成、Flux.1 Kontext（max）、Qwen Image Edit等模型。不過，在風(fēng)格化能力方面，該模型與GPT-4o圖像生成仍存在差距。

作為一款主要面向開發(fā)者的模型，Gemini 2.5 Flash Image目前可在Gemini API、Google AI Studio以及面向企業(yè)的Vertex AI平臺上獲取。其定價策略為每100萬個輸出token收費30美元，每張圖像包含約1290個輸出token，因此每張圖像的價格約為0.039美元（折合人民幣約0.28元）。

為了簡化AI應(yīng)用的開發(fā)流程，谷歌對AI Studio的“構(gòu)建模式”進行了重大更新。開發(fā)者可以利用這一模式快速測試Gemini 2.5 Flash Image等新模型的功能，并在準備好發(fā)布應(yīng)用時直接從AI Studio進行部署或?qū)⒋a保存到GitHub。

谷歌通過幾個生動的案例展示了Gemini 2.5 Flash Image的實際應(yīng)用。例如，在多輪對話和編輯中保持角色和對象外觀的一致性，是圖像生成與編輯的一大挑戰(zhàn)。而谷歌的新模型則允許用戶將同一角色置于不同環(huán)境中，同時保留其主題和特征。用戶只需上傳一張自拍，就能生成從50年代到00年代的六張寫真，每張都融入了當(dāng)時的年代風(fēng)格。

Gemini 2.5 Flash Image還支持使用自然語言進行圖像轉(zhuǎn)換和編輯。用戶可以模糊圖像背景、去除污漬、刪除人物、改變姿勢或添加顏色等。谷歌在AI Studio中構(gòu)建了一個照片編輯模板應(yīng)用，展示了這些功能的實際應(yīng)用效果。

Gemini 2.5 Flash Image還具備豐富的世界知識，能夠理解手繪插圖并解答相關(guān)問題。這一特性使得該模型能夠預(yù)測圖像未來的變化，并具備一定的圖像推理能力。

自Gemini 2.5 Flash Image發(fā)布以來，海外網(wǎng)友紛紛嘗試并分享了他們的創(chuàng)作成果。有用戶利用該模型制作了月餅廣告宣傳照，并稱贊其效果遠超其他模型。還有用戶結(jié)合Veo 3制作了令人驚艷的視頻作品。

然而，也有用戶反映該模型的審查機制較為嚴格，無法生成某些特定場景或物品的畫面。盡管如此，Gemini 2.5 Flash Image仍以其強大的圖像編輯功能和廣泛的應(yīng)用場景贏得了眾多用戶的青睞。