< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
视频版Nano Banana来了！内置Gemini世界知识；原版香蕉出图仅需4秒
Gemni 3.5 Pro到底啥时候来啊！！！
量子位 | 公众号 QbitAI
虽然Coding还是一坨，但谷歌搞「多模态」确实有两把刷子。
Gemini Omni Flash正式开放API，
视频版Nano Banana
麻瓜爆改「哈利波特」不再是梦想。且看官方用Gemini Omni表演的这四个数字魔术：
太离谱了，这一致性和文字清晰度，还要啥绿幕和特效，直接现场直播奇异博士。
与此同时，大家心心念念的「香蕉」，也迎来了「光速版」。
Nano Banana 2 Lite：迄今为止最快、最经济高效的Gemini图像模型。
出一张图，1K分辨率图像仅需约
和Nano Banana 2放在一起对比，这个速度，简直起飞了。
更别说一次生图能干3分钟的GPT Image 2……
Gemini 3.5 Pro
，敢情时间全花在心心念念的多模态上了是吧，哈萨比斯！！
Gemini Omni Flash
Google I/O 2026大会上首次亮相的Gemini Omni Flash，把Gemini的多模态推理能力与视频生成、编辑深度结合，当时就引发了不少关注。
如今，这个模型已通过Gemini API和Google AI Studio正式向开发者开放。能基于文本、图像和视频等多种输入，轻松生成高质量视频并进行编辑。
对话式视频编辑：用自然语言修改和精修视频，跟改飞书文档似的。
多模态参考：组合图像、文本、视频输入，保持场景控制和一致性。
现实世界知识：调用Gemini在历史、生物、叙事逻辑等方面的知识来构建视频，不用你再写三页Prompt描述建筑风格。
文字与动作同步：通过简单提示词，将文字和图形直接连接到视频动作。
价格也很有竞争力：每秒视频输出成本
0.10美元，跟Veo 3.1 Fast持平。
定位方面，同为轻量版视频生成模型，Omni Flash更强调Gemini世界知识，生态方面也是全面朝Gemini层靠拢的。
不过谷歌也挺坦诚，主动列了一堆现阶段局限：
1、目前只支持10秒视频生成，后续会支持更长；
2、暂不支持音频参考上传和场景扩展；
3、API支持最长3秒的视频作为参考素材，但目前模型还无法正确处理这类输入；
4、场景切换和运镜时的人物一致性仍有局限。
Nano Banana 2 Lite
Nano Banana 2 Lite（又名gemini-3.1-flash-lite-image），专为高速处理而设计。
经过针对性优化，它瞄准的是那些对延迟极度敏感、需要短时间内批量处理大量图像的实时应用场景——比如电商素材批量生成、广告创意快速迭代、自动化内容流水线。
光速：出图延迟约4秒，是Nano Banana 2的五分之一（后者约20秒）。
白菜价：一张1K图片仅需约0.034美元，是Nano Banana 2的一半，Nano Banana Pro的四分之一。
速度砍了，价格砍了，但生图和图像编辑能力并没有明显缩水。Nano Banana 2 Lite 依然保持了
出色的文字渲染效果，在benchmark上和Grok等模型处于同一水平线。
因此谷歌的建议是：如果你还在贪便宜用初代Nano Banana，
Lite版在各项关键指标上已经全方位碾压了。
本以为这只是两款并行的模型发布，没想到谷歌表示：还有新花样。
真正的神奇之处，在于将这些模型串联起来使用。
众所周知，AIGC创作需要反复迭代，素材管理相当麻烦。
如今，借助这两个模型，终于不用再反复上传文件了，
图像生成与视频创作无缝衔接。
具体来说，可以先用Nano Banana 2 Lite高速出图，再把生成的图像作为参考素材喂给 Gemini Omni Flash，一键转化为视频。
为了展示这套1+1>2的魔法Workflow，谷歌甚至专门做了
3个Demo APP：
自拍一张或上传照片，NB2 Lite瞬间把你P到几十个地标景点里。
接着点一下图片，Omni Flash把静态景点变成动态短片。