← 返回
精选AI模型发布/更新#Gemini Omni Flash#Google DeepMind#Nano Banana 2 Lite

开始使用 Nano Banana 2 Lite 和 Gemini Omni Flash 构建

Google DeepMind:Blog(RSS)T1
00:0207/01 00:02RSS阅读原文 ↗导出 MD ↓

评分

74

精选理由

模型创新性强且实用性高,但尚需进一步验证其在大规模场景下的表现。

AI 点评

「此举使开发者能够以更低成本使用前沿图像和视频生成能力,加速创意和商业应用的落地。」

速览

Google DeepMind 发布 Nano Banana 2 Lite,这是其最快、最具成本效益的 Gemini 图像生成模型,同时推出 Gemini Omni Flash 用于高质量视频和对话式编辑。这两个模型旨在扩展创意工作流,降低计算成本并提升实时交互体验。

  • Nano Banana 2 Lite 是 Gemini 系列中最快、成本最低的图像模型,适合大规模部署。
  • Gemini Omni Flash 支持高质量视频生成和对话式编辑,实现自然交互。
  • 两个模型均面向开发者提供 API,可集成到现有应用中。
  • DeepMind 强调在保持质量的同时大幅降低推理成本。

正文

Breadcrumb
  1. 创新与人工智能
  2. 模型与研究
  3. Gemini Models

开始使用 Nano Banana 2 Lite 和 Gemini Omni Flash 构建

2026年6月30日

· Share x.com Facebook LinkedIn Mail Copy link

通过我们最快、最具成本效益的 Gemini 图像模型 Nano Banana 2 Lite 以及用于高质量视频生成和对话式剪辑的 Gemini Omni Flash,我们让实验和扩展您的创意变得更加容易。

Alisa Fortin
Alisa Fortin Product Manager, Google DeepMind
anish
Anish Nangia Product Manager, Google DeepMind Share x.com Facebook LinkedIn Mail Copy link Sorry, your browser doesn't support embedded videos, but don't worry, you can download it and watch it with your favorite video player!

今天,我们通过两大版本更新,让您能够更快、更轻松地实验、优化和扩展您的创意:

  • 推出 Nano Banana 2 Lite:Nano Banana 系列中迄今为止最快、最具成本效益的图像模型,专为高吞吐量、高速度和大规模扩展而设计。Nano Banana 2 Lite 现已在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 中提供。它也在今天逐步登陆 Google 消费端产品,包括搜索中的 AI Mode、Gemini 应用等众多产品。
  • 向开发者推出 Gemini Omni Flash:我们高质量、成本效益高的模型,用于视频生成和对话式剪辑,现首次在 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 中提供。Omni Flash 也在 Gemini 应用和 Google Flow 中可用。

使用生成式媒体进行构建通常涉及创造性迭代。借助这两个模型,开发者可以构建全面的端到端多媒体体验,将快速图像生成与视频创建和剪辑连接起来。无论您的工作流程需要生成数千张图像还是编辑多轮视频序列,您现在都有两个新模型可以更快地构建、无缝迭代,并将您的创意愿景变为现实。

Nano Banana 2 Lite:我们最快、最具成本效益的 Gemini 图像模型

观看 Nano Banana 2 Lite 与 Nano Banana 2 在简单提示下进行图像生成速度和质量的并排比较。

Nano Banana 2 Lite (gemini-3.1-flash-lite-image) 专为快速构思和高速度开发者管道而设计,其中速度与成本是主要约束。它是我们推荐给当前使用第一版 Nano Banana (gemini-2.5-flash-image) 的开发者的替代品,您可以立即替换它以在关键性能维度上获得即时优势。

Nano Banana 2 和 2 Lite 与竞争对手 AI 图像模型的性能基准测试,评估了生成/剪辑质量(Elo 分数)、处理延迟和每千分辨率图像成本之间的权衡。

a gif showing image generation and editing vs latency and price

Nano Banana 2 Lite 在以下方面表现出色:

  • 延迟:文本到图像输出仅需 4 秒。这使其成为交互式原型设计和快速视觉草图的理想选择。
  • 成本效益(每千张图像 0.034 美元):对于专注于草图构思、管理运营预算或低带宽使用的开发者来说,这是一种经济高效的选择。

尽管优先考虑速度,Nano Banana 2 Lite 仍保留了可靠的提示遵循、强劲的角色一致性和清晰的图像内文本渲染。

了解 Nano Banana 系列

a chart showing the model table comparing Nano Banana 2 Lite, Nano Banana 2 and Nano Banana Pro
  • Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image):专为速度而构建。针对极低延迟至关重要的近实时、高吞吐量工作流进行了优化。
  • Nano Banana 2 (Gemini 3.1 Flash Image):全能型主力。以较低延迟提供高质量,实现性能与成本的最佳平衡。
  • Nano Banana Pro (Gemini 3 Pro Image):针对复杂专业用例优化。提供最稳健的控制和高级推理,适用于准确性比速度更重要的任务。
  • Nano Banana (Gemini 2.5 Flash Image):我们的旧版模型。我们建议升级到 Nano Banana 2 Lite 以获得更高质量、更快速度和更低成本。

要查看完整的模型能力列表以及如何集成,请参阅开发者文档。

除了在开发者平台发布外,Nano Banana 2 Lite 还将登陆 Google 消费端产品,包括搜索中的 AI Mode、Gemini 应用、NotebookLM、Google Photos、Stitch、Google Flow 和 Google Ads。

体验 Gemini Omni Flash 带来的高质量、高性价比视频编辑与生成。

观看某人如何使用 Gemini Omni 表演四项数字魔术,例如从手机中拉出一个3D气球文字,以及将屏幕中的水倒入玻璃杯。角落有一个小“原始”视频,揭示了在添加 Omni 生成的特效之前,她实际是如何拍摄这些魔术的。

在 Google I/O 大会上,我们推出了 Gemini Omni Flash,该模型将 Gemini 的多模态推理与视频生成和编辑相结合。今天,Gemini Omni Flash(gemini-omni-flash-preview)通过 Gemini API 和 Google AI Studio 向开发者开放,原生支持基于文本、图像和视频输入的高质量视频生成和对话式编辑。该模型定价具有竞争力,每秒视频输出 0.10 美元,与 Veo 3.1 Fast 相同。

Omni Flash 在以下方面表现出色:

  • 对话式视频编辑:使用自然语言精炼和编辑视频。
  • 多模态引用:结合图像、文本和视频等输入,保持对场景的控制和一致性。
  • 真实世界知识:Omni 借助 Gemini 的知识(如历史、生物学和叙事逻辑)构建引人入胜的视频。
  • 文本与动作同步:通过简单提示,将文本和图形直接关联到视频动作。

全面的基准测试信息,请访问 Google DeepMind 的 Gemini Omni 网页。

a benchmarking chart on video editing

局限性:

  • 目前 Omni 支持生成 10 秒视频,更长的时长即将推出。
  • 该模型的 Gemini API 目前不支持上传音频参考和场景扩展。
  • API 架构接受长度不超过 3 秒的视频参考,但模型目前无法正确处理。
  • 在场景变换或平移运动时,角色一致性存在一定限制,但我们正在努力改进。

Gemini Omni 即日起以公开预览形式在 Google AI Studio 和 Gemini API 中提供。要查看完整的模型能力列表和区域特定限制,请参阅开发者文档。

即刻使用两种模型进行构建

真正的魔法在于将这些模型串联起来。使用 Nano Banana 2 Lite 作为高速图像生成模型,然后将该图像作为参考传递给 Gemini Omni Flash,将其动画化为高质量视频。此外,通过使用 Interactions API 实现这些多轮体验,您可以维护会话历史和上下文,使用户最多可叠加三次连续编辑。

为了帮助您入门,我们创建了一些演示应用,您可以重新组合,体验如何将 Nano Banana 2 Lite 和 Gemini Omni Flash 集成到一个工作流中。

Anywhere 是一个演示应用,旨在展示这两种模型的强大能力。拍摄自拍或上传照片,应用会使用 Nano Banana 2 Lite 将您瞬间传送到数十个标志性地标。然后,点击图像,Omni Flash 会将生成的图像转化为该地点的动画片段。

Space Lift 是一款由 Nano Banana 2 Lite 和 Gemini Omni 驱动的室内设计演示应用,您只需上传照片即可立即重新构想任何房间。应用会自动生成各种设计美学下的完整概念。找到心仪的外观后,点击视频按钮,观看 Omni 以电影般的展示将设计变为现实,让您在将其变为现实之前,先体验动感的新空间。

Omni product studio 是一款演示应用,将 Nano Banana 2 Lite 创建的静态图像转换为 Gemini Omni 制作的电影级电商视频。该演示通过快速与图像到视频输出交互,融合多模态输入,展示了构建交互式媒体的方法。

Quote from Ali Sadeghian, Co-Founder & CTO, Astrocade Quote from Yunus Emra, CAIO, AI Lab (HubX) Quote from Nick Walton, CEO & Co-Founder, Latitude Quote from Path Chadha, Founder & CEO, Stan Quote from Joaquin Cuenca, CEO & Founder, Magnific Quote from Ada Liu, Head of Product, Agent Opus Quote from Andrew Carr, Co-Founder, Cartwheel Quote from Alec Jo, Head of Apllied AI, Flora

以安全性和透明度为基础进行构建

基于谷歌安全基础设施构建,Gemini Omni 和 Nano Banana 2 Lite 使用 SynthID 水印。您可以通过 Gemini 应用、Chrome 中的 Gemini 或搜索来验证 AI 内容。了解更多关于我们如何扩展验证工具,以帮助您了解网络上的内容是如何创建和编辑的。

立即启动您的项目

Nano Banana 2 Lite 资源:

  • 前往 Google AI Studio 在 playground 中体验该模型。
  • 深入了解我们的 Gemini API 文档。
  • 查看我们的 Nano Banana 提示指南,其中包含最佳实践和示例提示。

Gemini Omni Flash 资源:

  • 前往 Google AI Studio 在 playground 中体验该模型。
  • 深入了解我们的 Gemini API 文档。
  • 查看我们的 Gemini Omni Flash 提示指南,其中包含最佳实践和示例提示。
POSTED IN:
  • Gemini 模型

相关条目

91

五维评分

信息增量9 ×0.3

详细揭示了两个具体设置如何协同作用实现三倍性能提升,信息增量高。

内容质量8 ×0.2

来自OpenAI官方,数据明确,结构清晰,但缺少对比实验细节。

实用价值9 ×0.2

为AI工程师提供了可直接操作的性能调优方案,实用性强。

时效性10 ×0.15

消息刚发布,具有高度时效性。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:00OpenAI:News(RSS)T1RSS

精选启用两项设置使ARC-AGI-3基准测试分数提升三倍

这项发现太关键了!它表明模型的性能不仅取决于训练,还取决于推理时的配置。对于AI工程师和研究者来说,这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队,可能会因此找到低成本提升能力的方法。

科技模型#ARC-AGI-3#GPT-5.6#OpenAI
91

五维评分

信息增量9 ×0.3

首次公开GPT-5.6具体效率优化细节,此前仅有传闻。

内容质量8 ×0.2

内容简洁,关键指标明确,但缺乏详细技术文档支撑。

实用价值9 ×0.2

直接指导企业如何降低AI部署成本,具有商业参考价值。

时效性10 ×0.15

刚发布的官方新闻,时效性极强。

信源可信度10 ×0.15

来源为OpenAI官方博客,信源权威。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00OpenAI:News(RSS)T1RSS

精选GPT-5.6:前沿智能与前沿效率的融合

这条消息值得关注,因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说,GPT-5.6意味着可以用更少预算获得更高性能,尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步,可能重新定义‘前沿’的标准。

AI模型#Agent工作流#GPT-5.6#OpenAI
91

五维评分

信息增量8 ×0.3

首次提出针对CPU优化的1M上下文模型,填补了边缘设备长文本推理的空白,信息增量显著。

内容质量9 ×0.2

技术细节清晰,提供了基准测试对比和架构解释,图文并茂,质量上乘。

实用价值10 ×0.2

直接降低长上下文应用的硬件成本,开源权重可立即部署,实用价值极高。

时效性10 ×0.15

当日发布的博客,且长上下文推理是当前AI热点,时效性满分。

信源可信度9 ×0.15

Hugging Face官方博客,作者为Liquid AI,属于第一方技术发布,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

23:01Hugging Face:Blog(RSS)T1RSS

精选LFM2.5-Encoder:面向CPU快速长上下文推理的新模型

这篇博文让我眼前一亮,因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者,LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。

AI模型#CPU推理优化#LFM2.5-Encoder#Liquid AI
91

五维评分

信息增量9 ×0.3

首次公开自动化红队系统的具体机制与实验发现,信息增量高。

内容质量8 ×0.2

来自官方,结构清晰,但未提供完整技术细节(如具体模型版本),扣1分。

实用价值9 ×0.2

对AI安全工程师、模型开发者和企业部署者直接指导作用,实用性极强。

时效性10 ×0.15

刚刚发布,是当前AI安全领域最前沿进展之一。

信源可信度10 ×0.15

信源为OpenAI官方新闻,权威且一手。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选GPT-Red:OpenAI通过自我对弈实现AI红队自动化,提升模型鲁棒性

GPT-Red 是红队测试从人工到自动化的里程碑,特别适合安全工程师和对齐研究者关注。它直接降低了测试成本,但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。

AI模型#AI安全对齐#GPT-Red#OpenAI
91

五维评分

信息增量9 ×0.3

这是首个针对AI模型生物安全的漏洞赏金计划,为行业提供了全新的安全评估视角。

内容质量9 ×0.2

官方来源,内容清晰,涵盖范围、奖励、准则等关键细节。

实用价值8 ×0.2

对AI安全研究员和生物安全专家有直接参与价值,但普通用户关联度较低。

时效性10 ×0.15

刚刚发布,完全符合新闻时效要求。

信源可信度10 ×0.15

OpenAI官方RSS和博客,信源权威可靠。

基础分 91 × T1 信源权重 ×1 = 91

精选线 60已入选精选

18:00OpenAI:News(RSS)T1RSS

精选OpenAI推出GPT-5.5生物漏洞赏金计划

这个计划值得关注,因为它首次将AI漏洞赏金制度拓展到生物安全领域,不仅为安全社区提供了新的研究方向,也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。

AI模型#Bio Bug Bounty#GPT-5.5#OpenAI
91

五维评分

信息增量8 ×0.3

公布了vLLM新后端的具体架构设计与实测数据,对了解推理优化前沿有较高信息增量。

内容质量9 ×0.2

技术细节清晰,有定量性能对比,来源为官方博客,内容质量高。

实用价值10 ×0.2

直接降低LLM部署门槛与成本,对AI工程化落地具有极高实用价值。

时效性10 ×0.15

发布即时,属于最新技术动态,时效性满分。

信源可信度9 ×0.15

来源为Hugging Face官方博客,vLLM为开源权威项目,可信度高。

基础分 90.5 × T1 信源权重 ×1 = 91

精选线 60已入选精选

08:00Hugging Face:Blog(RSS)T1RSS

精选vLLM推出原生速度Transformers建模后端,大幅提升推理性能

这项更新对于AI工程团队非常关键:无需格式转换意味着能更快地迭代模型,而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理,这几乎是必读的技术更新。

AI模型#Hugging Face#PagedAttention#Transformers
90

五维评分

信息增量9 ×0.3

手语转文本是AI无障碍领域的新突破,提供了此前罕见的具体模型信息。

内容质量8 ×0.2

来源权威,内容清晰描述了模型功能、应用场景和开发理念。

实用价值9 ×0.2

对聋人群体、开发者和无障碍研究者具有直接参考与应用价值。

时效性9 ×0.15

刚刚发布的官方公告,时效性非常高。

信源可信度10 ×0.15

Google DeepMind官方博客,信源可信度极高。

基础分 89.5 × T1 信源权重 ×1 = 90

精选线 60已入选精选

22:01Google DeepMind:Blog(RSS)T1RSS

精选Google DeepMind 发布手语转文本模型 SL2T,助力聋人用户

这则消息的意义不仅在于技术突破,更在于AI开始真正关注边缘群体的需求。对开发者而言,SL2T的架构思路和技术路径值得深入研究;对无障碍倡导者来说,这是推动行业标准的重要案例。

AI模型#Google DeepMind#SL2T#手语识别

引用前请核对原文