谷歌新模型Nano Banana 2.1太强了，小模型打败旗舰Pro

01基准测试全面碾压

根据官方基准数据的显示, 2.1在视觉设计、编辑以及一致性这三项具体指标方面, 都是全面领先于Nano Banana 2的。其中, 蒙版编辑这项得分达到了1049分, 相比2代版本提升了84分, 同时相比Pro版本也高出了122分。

更关键的情况是, 在关闭深度思考模式这一状态之下, 2.1这款产品在任何一项得分的表现上面, 依旧是超越了Pro这一产品。针对小模型而言, 完全不需要去进行额外的算力调度操作, 却是能够跑出具有旗舰级别质量输出的效果, 这种状况正是此次更新内容里面被认为最最为核心的技术变化所在。

02出图价格直接对折

每调用一百万个token就要收三十美元, 这个价格恰恰是Nano Banana 2收费数额的一半, 而且与在七月份主打低价策略的Nano Banana 2 Lite的价格完全处于同一个水平线上, 谷歌这种做法, 就是把价格锚点直接固定在入门这一档次上面了。

在AI生图这一领域里的价格竞争这一回事儿, 一直是特别难去打的这种艰难状态。

当你跟模型说出来“把左下角杯子换红的”这个指令的时候, 它需要先猜一下你到底是指哪个杯子, 然后再执行局部重绘这样的操作, 至于其他区域能不能保持住原样不变, 那全部都是全凭运气来决定的。在2.1这个版本里面, 把这套流程的单价直接一刀砍掉了一半那么多。

03多人一致性上了新台阶

多人物一致性的得分为1106分, 相比第二代版本而言, 提升了128分。在开发者设置方面, 最多允许传入10张关于物体的参考图片, 以及4张关于人物的参考图片。当使用同一位模特, 并切换至六个不同的场景时画面表现稳定, 其脸部特征、衣物样式、携带的包以及佩戴的耳环均没有出现崩坏或错乱的情况。

从事拍摄电商产品图片、设计品牌宣传海报以及绘制连环漫画内容的专业群体, 对这些方面有着最为深刻的体会和感受。在以往的工作流程中, 如果让同一个模特连续更换衣服进行拍摄, 哪怕只是换到第三套服饰, 模特的面部特征就会出现明显的变形问题。

而现在的技术手段能够一次完成生成任务, 输出六张展现出不同运动姿态的图片, 这种画面角色的一致性程度完全能够满足实际业务的需要。

04事实准确性翻了三倍

在进行信息图制作的过程中, 步骤2.1通常要求使用者先利用谷歌的网页搜索功能以及图片搜索功能来查阅相关资料, 随后再开始动笔创作。

在自动评测环节里, 关于事实准确性的得分, 某个对象获得了0.521分。相比之下, 第二代的得分仅有0.179分, 而专业版的得分也仅为0.265分。这三者之间的分数差距几乎达到了三倍之多。

小文本渲染和3D推理仍然是短板, 但是 core 出图场景的可靠性已经提升到了一个档次。画一张科普图的时候, 内容画错的情况会明显减少, 这对品牌方来说就是实打实的省钱。

05实测对比GPT各有胜负

在Arena这个竞技场里面, 第2.1名这个地方, 在多图编辑这一项上是排在第4位的, 在文生图这一项上是排在第5位的, 在单图编辑这一项上是排在第6位的。在多图编辑的榜单上, 排在这个位置前面的, 只有三个GPT Image这些模型是来自OpenAI这家公司的。

Hugo这个平台出了四道关于太空的题目, 在2.1这个地方, 画面表现了黑洞克制了留白的情况, 而GPT Image 2.5这个版本把星云和火焰的效果全都拉满了, 程度非常高。

从中文排版的方面来看, 有一个叫博主歸藏的人进行了评价, 他提到在2.1的排版中, 文字看起来更加清楚一点, 错字的数量大幅度减少了, 而且能够直接输出分辨率为4K的画面。

06电商广告端直接接入

在上架之后, 时间还没有满一个小时, 那些搞开发工作的人, 就已经在名为AI Studio的这个平台上面, 把那个叫做gemini-nano-banana-2.1的东西给选了。

只要在那个谷歌App的搜索框下面, 去点一下那个像是香蕉形状一样的图标, 大家就可以直接进行体验了。与此同时的话, 这个模型也已经同步完成了一件大事, 它就是接入了那个叫Google Ads的企业级平台里面去了。

4月份的时候, GPT Image 2这款产品, 在文字生成图像的排行榜上, 领先于第二代产品240分。到了9月, Images 2.5这个版本主打的功能是局部修改而且不会跑偏。不到一个月的时间, 谷歌就把2.1版本押注在了同一个赛道上, 它瞄准的是那些需要高频修改图像的商业客户群体。

如今那些被称为Flash级别的模型表现已经非常惊艳，甚至在性能超越Pro。大家都会十分期待谷歌能够安排时间推出纳米香蕉Pro的后续产品版本。欢迎参与我们的评论板块表达个人的具体观点, 如果觉得本文有价值的话可以给予点赞和分享行为的支持。