网易首页 > 网易号 > 正文 申请入驻

谷歌香蕉模型一夜登顶!干翻GPT-4o和FLUX,坐稳AI图像之王

0
分享至

智东西8月27日报道,今天,谷歌推出了Gemini 2.5 Flash Image,这款模型是谷歌最先进的图像生成和编辑模型。

这一模型的核心亮点是其图像编辑能力。谷歌称,这一模型可将多个图像混合到单个图像中,保持高度角色一致性,还能使用自然语言进行有针对性的修改,并充分利用Gemini的世界知识。

诺贝尔奖得主、谷歌DeepMind CEO Demis Hassabis用自己的照片为新模型做宣传,展示Gemini 2.5 Flash Image的角色一致性。他将自己的一张照片背景做了修改,切换为古典风格,但是人物的容貌没有出现改变。

上述能力也解锁了不少有趣的用例,比如,按照特定视觉模板打造“球星卡”一般的设计,让普通人也能一键体验顶级运动员才有的待遇。

这一模型与谷歌Veo 3等视频生成模型是绝配,结合使用后可以打造出丰富的视频效果。海外AI创意平台Kera AI已经用类似的模式,打造了一部广告大片。

这款模型在上周其实已经以“nano-banana”的代号出现在大模型竞技场中,并获得了用户200多万票的认可。如今正式揭晓后,Gemini 2.5 Flash Image在文生图与图像编辑两个场景均拿下了全球第一,在图像编辑榜单上更是获得1362的高分,较第二名的领先幅度接近15%。

在谷歌公布的基准测试中,Gemini 2.5 Flash Image在用户综合喜好度、人物、创造力、信息图、物体和环境的生成上均领先GPT-4o图像生成、Flux.1 Kontext(max)、Qwen Image Edit等模型,但在风格化能力上与GPT-4o图像生成仍有差距。

Gemini 2.5 Flash Image是一款主要面向开发者的模型,目前可在Gemini API、Google AI Studio、以及面向企业的Vertex AI中获得。

这一模型的价格为30美元/100万个输出token,每张图像为1290个输出token,每张图像价格约为0.039美元(折合人民币0.28元)。所有其他输入和输出模态均遵循Gemini 2.5 Flash定价。

为了让使用Gemini 2.5 Flash Image打造AI应用更为容易,谷歌还对AI Studio的“构建模式(Built Mode)”进行了重大更新。开发者可以使用利用AI打造应用程序,快速测试Gemini 2.5 Flash Image等新模型的功能。

当准备好发布应用时,开发者可以直接从谷歌AI Studio进行部署,或将代码保存到GitHub。谷歌也在博客中集中展示了几个案例:

超强角色一致性,帮Altman一键穿越

在多轮对话和编辑中保持角色和对象外观的一致,是图像生成与编辑的重大挑战。谷歌的Gemini 2.5 Flash Image允许用户将同一个角色放置在不同的环境中,在新环境中从多个角度展示单个产品,或生成一致的品牌资产,同时保留主题。

在下方的示例应用中,用户仅需上传一张自己的自拍,就能生成从50年代到00年代的六张写真,每张都有当时的年代风格,用户的面貌并没有出现明显的偏离。


智东西也上传了一张OpenAI联合创始人兼首席执行官Sam Altman的照片,谷歌的新模型直接让Altman一键穿越回过去,画面质感超真实,连每个年代的服饰都准确还原了。

这种一致性还可用于专业设计场景。例如,用户可以给模型提供一种特定的纹理,并要求其进行替换。模型能在不改变形状和细节的前提下,完成纹理的更换。

体验链接:

https://aistudio.google.com/apps/bundled/past_forward?showPreview=true&showAssistant=true

一句话精准P图,光线、色彩全可自定义

Gemini 2.5 Flash Image支持使用自然语言进行有图像转换和编辑。例如,模型可以模糊图像的背景、去除T恤上的污渍、从照片中删除整个人物、改变拍摄对象的姿势、为黑白照片添加颜色等。

为了展示这些功能的实际应用,谷歌在AI Studio中构建了一个照片编辑模板应用。可以看到,这一照片编辑应用支持对特定区域进行选中和修改,或是进行大范围调整和滤镜处理。

智东西上传了一张扎克伯格的照片,并要求模型进行微调,让牙齿看上去更白。

最终生成结果如下,可以看到修改后扎克伯格的其他外貌特征没有出现明显变化。

也可以通过预设的提示词,对图像的光线、背景等进行自定义。下图中,写真的光线便被调整得更加温暖。

体验链接:

https://aistudio.google.com/apps/bundled/pixshop

具备大量世界知识,能看懂手绘插图

过去,许多图像生成模型虽然能打造出精美的画面,但对现实世界缺乏深刻的语义理解。谷歌称,Gemini 2.5 Flash Image拥有Gemini的世界知识,为展示这点,他们打造了一个模板应用,将简单的画布变成了一个互动式教育导师。

演示中,Gemini 2.5 Flash Image能够理解手绘的各类画面,并解答用户提出的各类问题。

这种世界知识还让模型能够预测图像未来的变化,具备一定图像推理能力。比如,当看到气球飞翔仙人掌时,模型能够根据用户“预测下一个可能场景”的指令,生成气球破碎的画面。

体验链接:

https://aistudio.google.com/apps/bundled/codrawing?showAssistant=true&showPreview=true

多图融合能力出众,可实现精准商品展示

Gemini 2.5 Flash Image可以理解和合并多个输入图像,这在电子商务等场景中有很强的实用价值。例如,商家可以在同一场景中用AI生成不同产品的宣传照,或是给客户提供家具等产品摆放在真实场景中的样子。

下方是谷歌提供的一个案例,只需将左侧的台灯拖拽到右侧的场景中,稍等一段时间,就能看到摆放后的效果。可以看到模型不仅将台灯元素加入画面,还开启了灯光。不过,生成过程明显加速了。

多图融合能力还可用于创意图像的生成。例如,融合鲸鱼与高山的两张照片,打造出极具视觉冲击力的视觉效果。

体验链接:

https://aistudio.google.com/apps/bundled/home_canvas?showPreview=true&showAssistant=true

Gemini 2.5 Flash Image发布后,海外网友已经第一时间玩起来了。这位网友利用它客户打造了月饼广告宣传照,他称,同样的提示词,在Midjourney里要花上10倍的调整和微调才能产生类似的结果。

还有网友分享了自己利用Gemini 2.5 Flash Image结合Veo 3打造的视频。在这一过程中,Gemini 2.5 Flash Image生成了许多不同角度的镜头画面,而Veo 3负责将它们变为视频。最终的效果十分惊艳。

不过,也有用户吐槽这款模型的审查十分严格,例如,无法生成人们拿着刀和斧头的画面。

结语:图像编辑再进化,或成重要生产力工具

从某种意义上来说,准确的图像编辑能力是图像生成走进真实生产场景中最关键的能力之一。在电商等场景中,这一能力满足了企业用户对精确控制的需求;而在娱乐场景里,这一能力可以给用户提供丰富的体验和玩法。

当前,已有多家国内外大模型厂商推出图像编辑模型,这一领域的最新进展值得持续关注。

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
罕见画面:我国沙漠腹地发现一棵巨树,高16米,七八个成年人才能合抱,依靠不定期的极端洪水,以及渗入沙层的地下水顽强生存

罕见画面:我国沙漠腹地发现一棵巨树,高16米,七八个成年人才能合抱,依靠不定期的极端洪水,以及渗入沙层的地下水顽强生存

极目新闻
2026-11-15 20:14:15
10月70城房价出炉:68个城市同比下降

10月70城房价出炉:68个城市同比下降

地产K线官方
2026-11-16 14:05:13
争议!亚马尔转发辱华视频 默默删除未回应 网友怒斥:必须公开道歉

争议!亚马尔转发辱华视频 默默删除未回应 网友怒斥:必须公开道歉

念洲
2026-11-16 06:12:52
高考700分被劝学医,如今靠父母养家,同龄工科毕业50万年薪!高分学医是浪费吗?医学利他性太强,北大医学部讲师:想转行就转吧

高考700分被劝学医,如今靠父母养家,同龄工科毕业50万年薪!高分学医是浪费吗?医学利他性太强,北大医学部讲师:想转行就转吧

梅斯医学
2026-11-16 07:57:02
沪指跌破3600点,创业板指跌逾2%,全市场超5000股下跌,APEC概念逆势拉升

沪指跌破3600点,创业板指跌逾2%,全市场超5000股下跌,APEC概念逆势拉升

东方豪侠
2026-11-16 10:34:43
再三告诫:最伤性生活的行为,不是喝酒!而是频繁的去做这5件事

再三告诫:最伤性生活的行为,不是喝酒!而是频繁的去做这5件事

牛锅巴小钒
2026-11-16 02:14:24
理想汽车:“动力电池召回”事项、“4000元赔偿”为不法分子冒用车企名义制作、传播的虚假通知,如已泄露敏感信息或转账,及时报警

理想汽车:“动力电池召回”事项、“4000元赔偿”为不法分子冒用车企名义制作、传播的虚假通知,如已泄露敏感信息或转账,及时报警

潇湘晨报
2026-11-16 16:15:17
闲鱼惊现大量2TB U盘,全新标价35元!到底有啥猫腻?

闲鱼惊现大量2TB U盘,全新标价35元!到底有啥猫腻?

小柱解说游戏
2026-11-15 16:28:19
东契奇43+3+9无缘今日最佳!对不起,你碰到创纪录的阿门了

东契奇43+3+9无缘今日最佳!对不起,你碰到创纪录的阿门了

微评体育圈
2026-11-16 12:41:43
拒31分逆转!湖人灭太阳豪取8连胜 东契奇43+9单节20分创纪录

拒31分逆转!湖人灭太阳豪取8连胜 东契奇43+9单节20分创纪录

醉卧浮生
2026-11-16 07:46:27
亚马尔辱华!网友要求蒙牛发声明解约 3大代言人翻车:刚解约姆巴佩

亚马尔辱华!网友要求蒙牛发声明解约 3大代言人翻车:刚解约姆巴佩

念洲
2026-11-16 07:49:47
真是笑不活了!34岁方博夺冠,奖杯刚递到手里,记者把话筒怼过去,所有人都等着他来一段热血宣言,他却只说了5个字,圈粉无数

真是笑不活了!34岁方博夺冠,奖杯刚递到手里,记者把话筒怼过去,所有人都等着他来一段热血宣言,他却只说了5个字,圈粉无数

锐评利物浦
2026-11-16 10:06:03
太惨烈,都是跌停!中际旭创市值少了1万亿,不少股民爆仓了

太惨烈,都是跌停!中际旭创市值少了1万亿,不少股民爆仓了

金石随笔
2026-11-16 15:02:52
祸起萧墙!乌克兰袭击俄罗斯关键军机测试机场,引发大规模弹药殉爆

祸起萧墙!乌克兰袭击俄罗斯关键军机测试机场,引发大规模弹药殉爆

军迷战情室
2026-11-15 23:15:42
“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

“妈妈,我是不是智商不行”,杭州重高男生快急哭:期中连考9门,一门扣掉几十分,落差大到“怀疑人生”

极目新闻
2026-11-16 11:21:01
阿里达摩院很可惜,当年砸1000亿,但如今13个科学家走了9个,很多项目已收缩

阿里达摩院很可惜,当年砸1000亿,但如今13个科学家走了9个,很多项目已收缩

互联网.乱侃秀
2026-11-16 13:19:29
为啥某多多的商品很便宜?网友:做电商的都知道,其实货都是一样的

为啥某多多的商品很便宜?网友:做电商的都知道,其实货都是一样的

带你感受人间冷暖
2026-11-16 10:34:09
从前从前,有个人卖卡很久

从前从前,有个人卖卡很久

风向观察
2026-11-15 14:32:23
打平即出线!意大利又崩盘 1-4遭比利时逆转+双杀 从头名跌第3出局

打平即出线!意大利又崩盘 1-4遭比利时逆转+双杀 从头名跌第3出局

我爱英超
2026-11-16 06:56:13
特朗普:我即将访问中国,期待参加中俄美元首会晤,我们会讨论很多议题

特朗普:我即将访问中国,期待参加中俄美元首会晤,我们会讨论很多议题

蓬勃新闻
2026-11-16 16:19:41
2026-11-16 16:48:49
智东西 incentive-icons
智东西
智东西,AI产业新媒体,专注报道人工智能的前沿技术发展,和技术应用带来的千行百业产业变革。
12939文章数 117195关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

特朗普:我即将访问中国 期待参加中俄美元首会晤

头条要闻

特朗普:我即将访问中国 期待参加中俄美元首会晤

体育要闻

热火4连胜:就因为维金斯替补了?

娱乐要闻

43岁佟丽娅官宣新身份担任职务不一般

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

日产终于开窍了!全新NV200 PHEV才是露营党的梦中情车?

态度原创

游戏
本地
旅游
时尚
公开课

官方称GTA可能后续会去其他国家 但美国能做的太多了

本地新闻

乌兰察布:以前种土豆,现在种Token

旅游要闻

128米高空转30分钟,苏州之眼看尽金鸡湖

秋天找到一些固定的穿衣公式,用针织衫搭配牛仔裤,减龄舒适

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版