谷歌Gemini 2.5 Flash Image Preview正式发布：图像生成与编辑的新革命

近日，备受瞩目的图像生成与编辑模型nano banana终于揭开了神秘面纱。不出所料，它由谷歌推出，并获得了官方命名：gemini-2.5-flash-image-preview。

据官方介绍，这一模型拥有“领先的图像生成与编辑能力、出色的角色一致性以及极快的处理速度”。

从名称推断，谷歌很可能还开发了非flash版本的gemini-2.5-image模型，预计性能更强但速度稍慢。

目前，gemini-2.5-flash-image-preview已在Google AI Studio和Gemini API中开放预览，供用户免费体验。

该模型支持32k上下文长度，并提供温度调节（用于控制创意程度）等高级设置选项。

然而，目前该模型尚不支持中文输入进行图像生成和编辑，仅能回复文本内容。

此外，在Gemini平台中，用户只需选择2.5 Flash模型并输入合适提示词，即可调用该功能。

价格方面，gemini-2.5-flash-image-preview的文本输入/输出费用为0.3/2.5美元，图像输入/输出费用为0.3/30美元，知识截止日期为2025年6月。

粗略估算，该模型生成单张图像的成本约为0.039美元（约0.28元人民币），显著低于OpenAI的图像生成服务定价。

在功能层面，谷歌特别强调该模型在跨图像中维持人物形象一致性的能力。

“我们深知，当编辑自己或熟悉的人物时，细微差异都会显得突兀——‘相似但不完全一致’的效果总让人感到不适。因此，本次更新专注于确保你的朋友、家人甚至宠物在任何新场景下，无论是尝试复古发型还是趣味装扮，都能保持原本样貌。”

用户只需上传一张照片并指定修改要求，即可添加个性化风格。该模型能将用户与宠物合成到同一画面、更换房间背景，或虚拟旅行至任何地点，同时确保“本人特征不变”。编辑后的照片还可再次上传，转化为趣味短视频。

谷歌分享了以下应用示例：

更换服饰或背景：上传人物或宠物照片，模型可在新场景中保持外貌一致。用户可尝试不同服装、职业甚至历史年代造型，但始终保留核心特征。

谷歌还专门开发了一个演示应用，展示用户在不同年代的形象变化。

地址：https://aistudio.google.com/apps/bundled/past_forward

图像合成：支持上传多张照片融合为新场景。例如，将用户与狗狗的照片合成在篮球场上，生成完美合影。

多轮编辑：支持对生成图像进行连续修改。例如，从空房间开始，逐步添加墙壁颜色、书架、家具等，模型仅调整指定部分，保留其他内容。

风格混合：将一张图像的风格应用到另一图像的物体上。例如，将花瓣质感应用于雨靴，或用蝴蝶翅膀图案设计连衣裙。

内置世界知识：模型集成Gemini的世界知识，拓展了应用场景。谷歌在AI Studio中构建了一个模板应用，可将简单绘画转化为交互式教育工具。

地址：https://aistudio.google.com/apps/bundled/codrawing

此外，所有在Gemini中生成或编辑的图像都会添加可见水印及谷歌隐形SynthID数字水印，以明确标识为AI生成内容。

模型上线后迅速引发测试热潮，谷歌首席科学家Jeff Dean亲自参与，将自己编辑为足球运动员卡牌形象。

诺奖得主、DeepMind创始人兼CEO Demis Hassabis也生成了一张个人形象照。

网友纷纷分享创意成果：

性能排名

gemini-2.5-flash-image-preview上线后，各大榜单陆续公布其表现。

在Artificial Analysis的图像编辑排行榜中，该模型以1212 ELO分数位居榜首。

在文生图榜单上，字节跳动的即梦3.0和OpenAI的GPT-4o仍保持微弱优势。

但在投票数更高的LM Arena榜单中，gemini-2.5-flash-image-preview已在两项任务中均位列第一。

详细指标显示，该模型在角色一致性、创意、图表绘制、物体与环境呈现等方面优势突出，而GPT-4o在风格化方面暂时领先。

你是否已经体验过nano banana或gemini-2.5-flash-image-preview？感受如何？

参考资料

https://x.com/googleaistudio/status/1960344388560904213

https://blog.google/products/gemini/updated-image-editing-model/

https://developers.googleblog.com/en/introducing-gemini-2-5-flash-image/