社交媒体上，科技粉、设计师、内容创作者都在疯狂刷屏，连接不断发表各自的使用心得、实用教程、玩法合集，众多网友尝鲜后更直接封其为“掌管P图的神”“AI生图新王”“上手最强图像模型”…… 这根出圈的“香蕉”其实就是谷歌推出的新一代AI图像生成与编辑模型Gemini 2.5 Flash Image，不仅能融合多张图片拼接出全新画面，还能理解地理、建筑与物理结构，将二维地图转化为三维景观。谷歌方面透露，“纳米香蕉”上线一周内，已累计完成超2亿次图像编辑。 记者发现，网友用起“纳米香蕉”来都是脑洞大开，各种玩法层出不穷。有的喜欢毫无违和感的跨时空合影，有的乐于给自己换各种发型，也有的用地图生成三维景观……当然，最高频的还是用照片定制手办模型，无论是真人、二次元角色，还是小宠物，主打一个“万物皆可手办”，大批网友玩得不亦乐乎。 蔡小姐是个AI狂热粉，大模型一有风吹草动，她都会第一时间上手实测。连续玩了几天“纳米香蕉”后，她感到最兴奋的有两点：一是可以“用嘴P图”，不需要很复杂的提示词，直接和AI对话，它就能出色地完成P图任务。“比如，我给了它一张背景是冬天的人像照片，人的表情本来很忧郁。我告诉AI，让照片中的人笑一笑，很快它就生成了一张阳光灿烂的笑脸人像，而且画面非常自然，感觉AI模型读懂照片的能力提升了不少。”二是很多网友“疯狂打Call”的照片生成手办功能。蔡小姐尝试把一张自己穿着拉丁舞服的照片上传后，分分钟就生成手办模型图，整条裙子上各种复杂的细节还原得很逼真，三维效果也非常出色，让她立马就想拥有这款手办。 如果说去年一夜刷屏的文生视频模型Sora是用人类已有的“零件”拼装出一辆汽车，那么，“纳米香蕉”就是让它变成一辆性能炸裂的超级跑车。“纳米香蕉”拥有断档领先的图像一致性。提供一张人物照片，让它生成8种表情，或者变化角度、背景，甚至转成三维图像，人物都不会变形。在连续20次编辑操作中，字符一致性准确率保持在95%以上。 在上海人工智能研究院技术总监方帅看来，“纳米香蕉”超多惊艳表现，都来自于理解能力的提升。谷歌团队在介绍自己的产物时，也提到当模型在图像理解能力上变得更强时，其中一部分能力可以迁移到图像生成上来。 “纳米香蕉”利用谷歌Gemini大模型的知识储备来生成和编辑图像。一年前的Sora被人诟病最多的就是在对物理规则的理解上。比如，在老奶奶吹蜡烛的视频中，蜡烛并没有随风熄灭；在玻璃杯从空中坠落的视频中，玻璃还没有碎，里面的水已流出来了。但在“纳米香蕉”中输入气球飘向仙人掌的图像，并要求它预测下一幅画面，它会显示气球炸裂，而仙人掌完好无损。 更为重要的是，“纳米香蕉”的交互模式高度符合人们想象中AI应用该有的样子，它能够精确解析自然语言指令中的编辑需求，支持超过100种语言的提示词，识别准确率达到92%。比如，输入一张人物图像，说“给他戴上帽子”，模型就会输出一张戴帽子的人物照。还有一个爆火的“火柴人”玩法，输入若干张照片后，用火柴人画出动作，模型就能生成逻辑自洽的动作图，如一人踢腿进攻，一人蹲下防守。 在小红书上，已有网友将自己的创意脑洞转化成娃衣、饰品、手机壳、明信片等实体商品，通过软件自带的店铺完成销售闭环。这一以往只有设计师才能完成的工作，现在任何普通人都能参与，以成本15元、售价68元的艺术插画手机壳为例，月销100件即可创造不菲利润。AI也带来生产和销售模式的变化，设计师们往往会先输出海量的图片，用流量判断哪个受欢迎，再生产实体产物。 “‘纳米香蕉’图片转手办的玩法非常有意思，但单靠它，目前还不能真正拿来做手办。”二次元手办公司APEX-toy创始人马力告诉记者，主要原因是手办有很多细节，当下二次元手办的平均配件数量在150个左右，有的甚至超过300个，AI还无法精细还原，“不过潮玩设计可能会用得上”。 事实上，中国“AI天团”在图像生成和编辑领域的布局步伐并不慢。阶跃星辰副总裁李璟表示，早在今年5月，阶跃星辰的开源图像编辑大模型Step1X-Edit已具备“纳米香蕉”的同类能力，在语义精准解析、身份一致性保持、高精度区域级控制上表现惊艳，“实际演示中，我们看到只需要对话就可以任意修改图片中的元素，比如改发型、改衣服颜色，将盒子里的粽子改成月饼，甚至让人物变老30岁，都不在话下”。 李璟还透露，Step1X-Edit与“纳米香蕉”技术路线的追求不谋而合。但针对视频、图像类的交互产物，其背后的多模态大模型还将有大量的技术迭代。接下来的应用核心是智能终端智能体，如用于汽车、手机以及电脑桌面的工作助手智能体。阶跃星辰正全力寻求“理解生成一体化”的架构式突破，或将带来更颠覆式的AI应用。 先做产物还是先做架构，目前还没有答案，唯一肯定的是，每个人都看到了机会，竞争变得异常激烈。“纳米香蕉”团队坦言：其目标不仅是提升视觉质量，更要追求聪明和事实准确性；希望打造一个能理解用户深层意图的AI，甚至比人做得更好。
