人类秒懂，AI崩溃：一个简单测试，就让GPT-5、Gemini等顶级模型集体“翻车”
人类秒懂，AI崩溃：一个简单测试，就让GPT-5、Gemini等顶级模型集体“翻车”人类一眼就能看懂的文字，AI居然全军覆没。
来自主题: AI技术研报
5299 点击 2025-09-10 12:00
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
人类一眼就能看懂的文字，AI居然全军覆没。
最近，朋友圈和抖音小红书几乎被 Nano Banana 刷屏了。这个香蕉模型似乎要让 P 图这个词消失，直接给 Gemini 带来了一千万的新用户，火得一塌糊涂。
一年前，Google 在 AI 赛道上还是「追赶者」的形象。ChatGPT 席卷硅谷时，它显得迟缓。 但短短几个月后，情况突变。 Gemini 2.5 Pro 横扫各大榜单，「香蕉」模型 Nano Banana 让生图、修图成了轻松事；视频模型 Veo 3 展示了物理世界的理解力；Genie 3 甚至能一句话生成一个虚拟世界。
谷歌回归搜索老本行，这一次，它要让 AI 能像人一样「看见」网页。 这是谷歌前不久在 Gemini API 全面上线的 URL Context 功能（5 月 28 日已在 Google AI Studio 中推出），它使 Gemini 模型能够访问并处理来自 URL 的内容，包括网页、PDF 和图像。
在图像生成上，Google 其实已经有 Imagen 4 这样的文生图模型，为什么 nano banana 最后还是由 Google 带来的？但这确实不是偶然或者瞎猜的，nano banana 是结合了 Google 多个团队的项目成果。首先就是 Gemini 强大的世界知识与指令遵循能力，其次就是 Google 内部顶尖文生图模型 Imagen，所提供的极致图像美学与自然度追求。
记忆，你有我有，LLM 不一定有，但它们正在有。
谷歌最新图像模型nano banana横空出世，它不仅能融合多张图片拼接出全新画面，还能理解地理、建筑与物理结构，甚至将二维地图转化为三维景观。凭借Gemini的世界知识与交错生成技术，模型实现了「有记忆」的多轮创作，带来极高一致性与创造力。nano banana正在重塑AI图像生成的边界，也引发了「AI创意伙伴」未来的无限遐想。
香蕉也能变礼服？Google 真的做到了！ 在最新一期谷歌开发者节目里，Google DeepMind 团队首次全面展示了 Gemini 2.5 Flash Image —— 一款拥有原生图像生成与编辑能力的最新模型。
小某书最新起号方式，还得看AI（doge）。 这两天打开一看，几乎全被各种精致逼真的手办图刷屏了
说个热知识，现在的大模型，也可以轻松被投广告了。 我们之前也确实发现过这类现象，当时是在研究一家做 GEO（生成式引擎优化）的公司。通过在网上堆出大量正面内容，把某个特定品牌、网站、课程甚至微商产品，默默地塞进了大模型推荐结果里。