Nano Banana 2突然现身！能画公式解数学题，监控画面都能伪造

Nano Banana 2代一亮相就惊艳众人。

下面这张图完全是AI生成，不仅包括网页中的内容，甚至整个浏览器界面和桌面都是生成的，而且没有参考图像。

这次Nano Banana 2以预览版的形式出现在第三方网站Media.io上，随后被移除，只有少数手快的网友参加了测试。

预览版展示出的能力已远超前代，在处理复杂提示方面的表现突出，包括精确的文本渲染、超逼真的场景以及类似完整桌面界面的精细模拟。

但谷歌DeepMind方面没有对发布正式时间等做出说明。

Nano Banana 2全面升级

根据测试页面说明，这次Nano Banana 2又名GemPix2，主要在真实性、生成速度和自然交互控制上面改进。

从现有的测试结果看，Nano Banana 2能够生成极其复杂的UI，文字渲染也看不出破绽，很多网友都会以为是一张真实截图。

对物理常识与遵循提示词的细节也表现很好。

可以同时准确绘制出指向特定时间的时钟和一杯斟满的红酒。

甚至能伪造出逼真的监控录像画面，不过据推测正式版发布时候应该会削弱这方面能力。

此外，Nano Banana 2还掌握了一定的世界知识与逻辑推理能力。

在解决数学问题的对比测试中，1代解题思路好像大致方向是对的，但最终渲染出的公式基本无法理解。

二代虽然有一些小错误，但结果给人印象深刻。

Nano Banana团队：图像生成的质量已接近上限

Nano Banana最初于2025年8月中旬匿名出现在AI模型测评平台LMArena，凭借其出色的图像编辑能力迅速登顶排行榜，引发社区热议，

8月底，谷歌正式揭晓其身份为Gemini 2.5 Flash Image，Nano Banana的代号源于谷歌内部测试生成“香蕉大小的纳米机器人”时效果很好。

上线不到10天，用户编辑了超过2亿张图片，为Gemini应用带来了1000万新用户，并一度帮助Gemini超越ChatGPT成为苹果免费应用榜首。

第一代Nano Banana的核心优势在于强大的图像编辑和理解能力，

包括自然语言编辑与角色一致性，用户可用日常语言进行多轮、迭代式的图像编辑，同时解决了AI图像编辑中常见的“身份漂移”问题，保持角色特征在多次修改后高度一致。

与先前模型相比增加了多图像融合与风格迁移功能，支持将多张不同图片无缝融合成一张连贯的图像，或将一张图的风格应用到另一张图的物体上，为电商、广告等行业提高了创作效率。

以及低成本也高速度，基于谷歌TPU v5架构优化，Nano Banana平均响应时间仅为1.3秒，单张图片生成成本约0.039美元，仅为DALL-E 3的十分之一。

此前Nano Banana核心团队透露，图像生成的质量已接近上限，未来的关键在于提升模型理解用户“意图”（intention）的能力。

谷歌自身也在加速将Nano Banana整合进其核心产品生态。除了在Gemini应用和AI Studio中提供服务外，谷歌已开始测试将其集成到Google Photos、搜索（Search）、智能镜头（Lens）和画圈搜索（Circle to Search）中，意图打造一个无缝的AI驱动视觉体验闭环。

参考链接：

[1]https://x.com/synthwavedd/status/1987259262322749784?s=20

[2]https://www.reddit.com/r/singularity/comments/1osolhn/nano_banana_2_vs_nano_banana_comparison_output

文章来自于“量子位”，作者 “梦晨”。