谷歌又赢了一把nanobanana模型彻底火了附国内使用方法

最近谷歌又一次刷屏了AI圈！

（不得不说，今年以来谷歌的势头是真的猛。）

这玩意儿刚出来的时候，还披着 “nano-banana” 的神秘代号，在LMSYS竞技场上横冲直撞，直接以历史最大分差空降榜首，把所有对手打得措手不及。

当圈内都还在猜这是哪路神仙时，结果谷歌官宣：没错，正是在下—— Gemini 2.5 Flash Image 。

并在昨晚正式发布。

你可能会说，不就是又一个图像模型吗？

错了。

这东西的强大之处，不在于生成，而在于 理解和编辑 。绝了。

为什么说它是绝了？因为它听得懂人话

过去的AI图像编辑，你让它换个背景，它可能连人物的头发丝都给你换掉。但“纳米香蕉”不一样，它背后是强大的Gemini模型，核心技术是—— “对话式图像分割” 。

简单来说，这个模型不再是简单地识别“人”、“桌子”这样的标签。它能像一个真正的人类一样，通过自然语言理解图像中复杂的概念、空间关系和抽象指令。

• 关系理解： 你可以对它说“选中那个拿着飞盘的人”，而不是费力地去手动抠图。

• 抽象概念： 甚至可以理解“清理这片脏乱的区域”或“选中建筑物投下的阴影”这类抽象指令。

正是因为背后有强大的Gemini大语言模型作为支撑，它才能如此精准地理解你的意图，并对图像进行精细化、符合逻辑的修改。

说人话就是： 它不再是那个只会识别“猫”和“狗”的笨AI了。你现在可以像对一个设计实习生下指令一样对它说话。

推特上的大佬 @patloeber 做了个实测，他拿了张自己的照片，直接输入：

“给我加一顶漫画风格的香蕉帽子”。

模型不仅精准地加上了帽子，连光影、风格都完美融合，看不出一点破绽。

这就是逻辑。

它能理解“拿着飞盘的人”、“建筑物的阴影”这种复杂的、带有上下文的指令。

这在以前，你得用PS抠图半小时。

多图操作才是王炸

如果说单图编辑只是开胃菜，那它的多图参照功能，说真的，直接掀了桌子。

推上和油管很多实测视频都展示了这一点。 你可以扔给它两张完全不相干的图，然后给出你的指令，比如换上这套衣服。

结果模型不仅把目标主体场景无缝融合进新场景，还保持了各自的身份特征，连光影、环境色都处理得十分到位。

你品品这个场景重构和人物一致性的能力，是不是有点离谱？这让多少PS教程黯然失色。

除此之外 局部编辑与元素添加 ，以及 图像扩展（Outpainting）与视角转换 等能力也都不在话下。

（不许有大胆的想法！哈哈）

而价格方面 gemini-2.5-flash-image-preview 输入/输出文本的价格是 0.3/2.5 美元 ，输入/输出图像的价格是 0.3/30 美元 。

迎头痛击了最大的对手OpenAI。

国内如何使用？

作为大厂，谷歌这次非常大方，不玩虚的，直接上线，上线就是全线可用。

所以无论你是普通用户还是硬核开发者，现在都能轻松上手这款SOTA级别的工具。

1. 最直接的方式（免费）： 直接访问 Gemini 官网 (gemini.google.com) 或者下载 Gemini App 。在对话框里上传图片，直接开聊就行。这是零成本、零门槛的入门方式。

2. 更专业的方式（也免费）： 访问 Google AI Studio 。可以更精细地调整参数，适合有一定基础的开发者和高阶玩家。