智東西8月27日報導，今日，谷歌推出了Gemini 2.5 Flash Image，這款模型是谷歌最先進的圖畫生成和修正模型。
這一模型的中心亮點是其圖畫修正才干。谷歌稱，這一模型可將多個圖畫混合到單個圖畫中，堅持高度人物共同性，還能運用自然語言進行有針對性的修正，并充分運用Gemini的國際知識。
上述才干也解鎖了不少風趣的用例，比方，依照特定視覺模板打造“球星卡”一般的規劃，讓普通人也能一鍵體會尖端運動員才有的待遇。
這一模型與谷歌Veo 3等視頻生成模型是絕配，結合運用后能夠打造出豐厚的視頻作用。海外AI構思渠道Kera AI現已用相似的形式，打造了一部廣告大片。
諾貝爾獎得主、谷歌DeepMind聯合創始人兼CEO Demis Hassabis專門發推，用自己的相片為新模型做宣揚，展現Gemini 2.5 Flash Image的人物共同性。他將相片布景做了修正，切換為古典風格，可是人物的容貌沒有呈現改動。
這款模型在上星期其完成已以“nano-banana（小香蕉）”的代號呈現在大模型競技場中，并取得了用戶200多萬票的認可。現在正式揭曉后，Gemini 2.5 Flash Image在文生圖與圖畫修正兩個場景均拿下了全球榜首，在圖畫修正榜單上更是取得1362的高分，較第二名的搶先起伏挨近15%。
在谷歌發布的基準測驗中，Gemini 2.5 Flash Image在用戶歸納喜愛度、人物、創造力、信息圖、物體和環境的生成上均搶先GPT-4o圖畫生成、Flux.1 Kontext（max）、Qwen Image Edit等模型，但在風格化才干上與GPT-4o圖畫生成仍有距離。
Gemini 2.5 Flash Image是一款首要面向開發者的模型，現在可在Gemini API、Google AI Studio、以及面向企業的Vertex AI中取得。
Gemini API地址：
https://ai.google.dev/gemini-api/docs/image-generation
這一模型的價格為30美元/100萬個輸出token，每張圖畫為1290個輸出token，每張圖畫價格約為0.039美元（折合人民幣0.28元）。一切其他輸入和輸出模態均遵從Gemini 2.5 Flash定價。
為了讓運用Gemini 2.5 Flash Image打造AI運用更為簡略，谷歌還對AI Studio的“構建形式（Built Mode）”進行了嚴重更新。開發者能夠運用運用AI打造運用程序，快速測驗Gemini 2.5 Flash Image等新模型的功用。
當準備好發布運用時，開發者能夠直接從谷歌AI Studio進行布置，或將代碼保存到GitHub。谷歌也在博客中會集展現了幾個事例：
超強人物共同性，幫Altman一鍵穿越
在多輪對話和修正中堅持人物和目標外觀的共同，韓國三級大電影是圖畫生成與修正的嚴重應戰。谷歌的Gemini 2.5 Flash Image答運用戶將同一個人物放置在不同的環境中，在新環境中從多個視點展現單個產品，或生成共同的品牌財物，一起保存主題。
在下方的示例運用中，用戶僅需上傳一張自己的自拍，就能生成從50時代到00時代的六張寫真，每張都有其時的時代風格，用戶的相貌并沒有呈現顯著的違背。
智東西也上傳了一張OpenAI聯合創始人兼首席執行官Sam Altman的相片，谷歌的新模型直接讓Altman一鍵穿越回曩昔，畫面質感超實在，連每個時代的服飾、發型都準確復原了。
這種共同性還可用于專業規劃場景。例如，用戶能夠給模型供給一種特定的紋路，并要求其進行替換。模型能在不改動形狀和細節的前提下，完結紋路的替換。
體會鏈接：
https://aistudio.google. com/apps/bundled/past_forward?showPreview=true&showAssistant=true
一句話精準P圖，光線、色彩全可自定義
Gemini 2.5 Flash Image支撐運用自然語言進行有圖畫轉化和修正。例如，模型能夠含糊圖畫的布景、去除T恤上的污漬、從相片中刪去整個人物、改動拍照目標的姿態、為黑白相片增加色彩等。
為了展現這些功用的實踐運用，谷歌在AI Studio中構建了一個相片修正模板運用。能夠看到，這一相片修正運用支撐對特定區域進行選中和修正，或是進行大范圍調整和濾鏡處理。
智東西上傳了一張扎克伯格的相片，并要求模型進行微調，讓牙齒看上去更白。
終究生成成果如下，能夠看到修正后扎克伯格的其他表面特征沒有呈現顯著改變。
也能夠經過預設的提示詞，對圖畫的光線、布景等進行自定義。下圖中，寫真的光線便被調整得愈加溫暖。
體會鏈接：
https://aistudio.google.com/apps/bundled/pixshop
具有很多國際知識，能看懂手繪插圖
曩昔，許多圖畫生成模型雖然能打造出精巧的畫面，但對實際國際缺少深入的語義了解。谷歌稱，Gemini 2.5 Flash Image具有Gemini的國際知識，為展現這點，他們打造了一個模板運用，將簡略的畫布變成了一個互動式教育導師。
演示中，Gemini 韓國三級大電影2.5 Flash Image能夠了解手繪的各類畫面，并回答用戶提出的各類問題。
這種國際知識還讓模型能夠猜測圖畫未來的改變，具有必定圖畫推理才干。比方，當看到氣球翱翔仙人掌時，模型能夠依據用戶“猜測下一個或許場景”的指令，生成氣球破碎的畫面。
體會鏈接：
https://aistudio.google.com/apps/bundled/codrawing?showAssistant=true&showPreview=true
多圖交融才干拔尖，可完成精準產品展現
Gemini 2.5 Flash Image能夠了解和兼并多個輸入圖畫，這在電子商務等場景中有很強的實用價值。例如，商家能夠在同一場景頂用AI生成不同產品的宣揚照，或是給客戶供給家具等產品擺放在實在場景中的姿態。
下方是谷歌供給的一個事例，只需將左邊的臺燈拖拽到右側的場景中，稍等一段時間，就能看到擺放后的作用。能夠看到模型不只將臺燈元素參加畫面，還敞開了燈火。不過，生成進程顯著加快了。
多圖交融才干還可用于構思圖畫的生成。例如，交融鯨魚與高山的兩張相片，打造出極具視覺沖擊力的視覺作用。
體會鏈接：
https://aistudio.google.com/apps/bundled/home_canvas?showPreview=true&showAssistant=true
Gemini 2.5 Flash Image發布后，海外網友現已榜首時間玩起來了。這位網友運用它客戶打造了月餅廣告宣揚照，他稱，相同的提示詞，在Midjourney里要花上10倍的調整和微調才干發生相似的成果。
還有網友共享了自己運用Gemini 2.5 Flash Image結合Veo 3打造的視頻。在這一進程中，Gemini 2.5 Flash Image生成了許多不同視點的鏡頭畫面，而Veo 3擔任將它們變為視頻。終究的作用非常冷艷。
不過，也有用戶吐槽這款模型的檢查非常嚴厲，例如，無法生成人們拿著刀和斧頭的畫面。
結語：圖畫修正再進化，或成重要出產力東西
從某種意義上來說，準確的圖畫修正才干是圖畫生成走進實在出產場景中最要害的才干之一。在電商等場景中，這一才干滿意了企業用戶對準確操控的需求；而在文娛場景里，這一才干能夠給用戶供給豐厚的體會和玩法。
當時，已有多家國內外大模型廠商推出圖畫修正模型，這一范疇的最新進展值得繼續重視。
本文來自微信大眾號 “智東西”（ID：zhidxcom），作者：陳駿達，36氪經授權發布。