谷歌深夜偷袭OpenAI，白菜价打赢Pro

谷歌在深夜突然发布了Nano Banana 2.1，这款Flash级小模型甚至超越了自家旗舰Nano Banana Pro的表现。

核心亮点包括：改图方面，支持蒙版局部编辑，用户圈定区域后仅修改该部分，其余内容保持不变；一致性上，人物或产品在多次编辑中不会变形，最多可容纳14张参考图；画质更接近实拍，最高支持4K直出；价格方面，出图费用仅为Nano Banana 2的一半，每张1K图像仅需0.034美元；在Arena多图编辑榜单上排名第4，前面仅剩OpenAI的三款GPT Image；上线时间上，Gemini App、搜索AI模式、AI Studio、Flow等产品从今天起陆续可用。

首先，Nano Banana 2.1属于Gemini 3系列模型，基于Gemini 3.6 Flash，知识截止日期为2026年3月。按照以往命名方式，它也可称为Gemini 3.6 Flash Image。官方基准测试显示，Nano Banana 2.1在视觉设计、编辑和一致性方面遥遥领先。尽管在小文本渲染、3D推理和事实性方面仍有改进空间，但对需要图片生成和编辑服务的用户来说，这无疑是一次出色更新：它支持专业级精度和控制力创建与编辑图像，并支持多次快速迭代；能生成清晰文字的海报和复杂图表；具备长上下文的现实世界知识；以及跨多种语言的本地化文字渲染。网友的盲投结果也证实了这一点。

在Arena竞技场上，Nano Banana 2.1获得了多图编辑第4、文生图第5、单图编辑第6的成绩。特别是在多图编辑榜上，排在它前面的只有OpenAI的三款GPT Image。相比之下，上一代Nano Banana 2在这三个榜上分别只排第7、第11、第14。考虑到出图价仅为Nano Banana 2的一半，谷歌似乎正在打价格战。

蒙版编辑功能，熟悉PS的用户都知道，圈定一块区域后只修改该区域，其余部分保持不变。但在AI生图中，这一直是个难题。用户对模型说“把左下角那个杯子换成红的”，模型需要先识别杯子位置，然后重新生成整张图，其他部分能否保留全凭运气。现在，用户只需圈定区域即可。换衣服、换招牌、P掉背景里的路人，都只动圈住的部分。网友ibexdream为它连出了三道题：生成、改图、换风格。第一题是画一张纸币，画面是一位托腮沉思的老哲人，头发向后化成一座迷宫。第二题在图上修改，编号从“№ 1098471”换成“NB-21098471”，两侧小字也换了，老哲人手里多了根香蕉当电话，底下还加了条“IN BANANA WE TRUST”的飘带。两张图放在一起，迷宫、长袍、胡子都原样未动。第三题换风格，整张纸币变成一幅油画。在模型卡的评分中，蒙版编辑这一项，2.1获得了1049分，比Nano Banana 2高84分，比Pro高122分。即使不开思考，2.1在每一项上都压着Pro。

另一项升级是主体一致性，即避免变脸。拍电商图、做品牌海报、画连载漫画的用户深有体会：同一个模特换十套衣服，换到第三套，脸就开始不对劲。这次涨分最猛的就是这一项，多人物一致性获得1106分，比Nano Banana 2高出128分。开发者最多能塞入10张物体参考图和4张人物参考图，让模型照着画。网友BG-VC测试时，给了一张模特照，加上上衣、半裙、包、鞋、耳环五件单品的参考图，让模型生成六个不同场景的照片，六张都是一次生成。走着、坐着、靠在台边，换了六个姿势，脸、衣服、包和耳环都没走样，足以用作一组电商图。画面也更像实拍，官方样图中，挂满水珠的甲虫、粉房子外楼梯上的绿裙姑娘，乍一看难以分辨是AI画的。此外，制作信息图时，它能先通过谷歌网页搜索和图片搜索查资料，再动笔。谷歌的自动评测中，2.1做信息图的事实准确分是0.521，Nano Banana 2只有0.179，Pro也才0.265。换句话说，让它画科普图时，内容画错的情况会少很多。

出图按每百万token 30美元收费，正好是Nano Banana 2的一半。1K图像价格从0.067美元降至0.034美元，4K从0.151美元降至0.076美元。这个价格与7月主打白菜价的Nano Banana 2 Lite完全相同。不过，其他项目价格反而上涨了。输入从每百万token 0.5美元涨到1.5美元，是原来的3倍。文字和思考的输出也从3美元涨到7.5美元。相当于谷歌将成本从“画”挪到了“想”上。目前，开发者可以在AI Studio中选择它，模型名为gemini-nano-banana-2.1。之前的Nano Banana 2的API将于10月29日关停。普通用户也不用等，Gemini App、搜索的AI模式、Flow、设计工具Stitch、Google Ads和Gemini企业平台从今天起陆续上线。在谷歌App里，点击搜索框下方的香蕉图标即可使用。

模型上线不到一小时，X上就有人开始测试。Mark Kretschmann给它出了一道“酷刑测试”，提示词要求一张图里同时包含人群、杂物、清晰文字、雨天反光，看这些元素组合后是否还像真照片。Luis Catacora让它画一块茶馆的菜单板，同一款“茉莉绿茶”要用英语、日语、阿拉伯语、印地语四种文字写出，一次出图。Lad则写了一段专挑AI弱点的提示词，画面要有细线纹身、3条项链、一排耳饰、手链，还要一副能透出眼睛的有色墨镜，然后将提示词分别交给Nano Banana 2.1和GPT Image 2.5，各画一张对比。下面这组图，左边是Nano Banana 2.1，右边是GPT Image 2.5。Nano Banana 2.1将纹身画在指定位置，项链、耳饰、手链也在，但墨镜忘了上色，脸还被晒红了一片。Pankaj Kumar找的对手是GPT Image 2，让两个模型画同一场景：书桌上的一块手表。左边是Nano Banana 2.1画的，自然光，像随手拍的；右边是GPT Image 2画的，开了台灯，表盘换成镂空机芯，像精修广告图。速度上差距更大，API平台AI/ML API准备了5个提示词，每个让Nano Banana 2.1和GPT Images 2.5各画一张。Nano Banana 2.1出一张图要11秒、0.044美元，GPT Images 2.5要50秒、0.069美元。Hugo Plat出了4道太空题：旋涡星系、超大质量黑洞、类星体，外加将整个太阳系装进一张图，同样交给两者各画一遍。4张画下来，Nano Banana 2.1共花费0.178美元，GPT Image 2.5要0.284美元。同一道黑洞题，左边的Nano Banana 2.1画得克制，右边的GPT Image 2.5将星云和火焰拉满。中文方面，知名博主歸藏测试后认为，字更清楚、错字减少，排版干净，没有GPT的破碎感，最大优势是能直接出4K。当然，也有破绽：“传承与新生”旁边的竖排小英文放大后已糊成乱码。

4月，GPT Image 2上线，在Arena文生图榜上领先Nano Banana 2整整240分。9月，OpenAI又发布了Images 2.5，主打只改指定区域、多轮修改不跑偏。不到一个月，谷歌的2.1也聚焦在这两件事上。两家前后脚卷改图，原因不难猜：电商、广告、品牌设计等行业，一张图动辄改十几版，改到第十版不崩比第一版惊艳更重要。因此，谷歌直接将2.1嵌入Google Ads和企业平台，瞄准这些天天改图的客户。话说回来，Flash都超越了Pro，Nano Banana Pro的下一代，谷歌打算何时推出？

参考资料：https://x.com/googleaistudio/status/2107501303890915550 编辑：摩西 大卫 本文来自微信公众号“新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。