上半年，大家還在為 4o 的「吉卜力風生圖」刷屏驚嘆。

最近，一個神秘代號 nano-banana 的新模型在社交媒體上爆火，它不是拼畫質(zhì)取勝，而是憑借前所未有的圖像編輯能力，讓網(wǎng)友直呼「這才是真正的 AI P圖」。

有多強呢，過去我們印象中的 AI 編輯圖片，可能用最多的就是 AI 消除，抹掉照片里面的路人；或者 AI 摳圖，把照片的主體摳出來然后復(fù)制到其他背景上。

但現(xiàn)在是能直接生成一張完全看不出編輯痕跡的圖片，圖片里面的人物、背景、甚至小到一個字母，都可以自由的修改，且看不出一點 AI 味。

下面幾張圖片是我們從 X 上找的一些使用 nano-banana 編輯的實例，我只想說，它能火起來，真的值得。

▲ 圖片來源：X@arrakis_ai

這個網(wǎng)友提供了上方只顯示側(cè)臉的女生，同時輸入提示詞，「創(chuàng)建一張有人直視前方照片。」

而下方的這張 OUTPUT 輸出圖片，就是使用 nano-banana 模型生成的。這個輸出效果，完全可以說是同一時間拿手機另外拍的一張照片。

還有網(wǎng)友分享添加這兩張圖片并輸入提示詞，「讓他們自拍」。

▲ 圖片來源：X@RetropunkAI

和你唯一的合照，終于不用只是畢業(yè)照了。Billie 的大金鏈子和耳環(huán)、以及劉海等信息完全沒丟失，Michael 的臉從滿是噪點的失真，到自拍合影里，與 Billie 一樣有著真實、清晰的皮膚質(zhì)感。

在 X 上網(wǎng)友們反復(fù)安利這個圖像編輯模型，從這些截圖分享里面，我們大致總結(jié)了 nano banana 最讓人驚嘆的幾點特質(zhì)。

1. 角色一致性極強：無論換背景還是換表情，都不會換臉，甚至嘴角弧度都能保持。
2. 光影邏輯合理：不像濾鏡貼圖，它能重新計算光源和陰影，讓場景符合物理規(guī)律。
3. 照片級逼真：幾乎看不出 AI 痕跡，生成的效果像是「同一時刻另一臺手機拍下的照片」。
4. 風格轉(zhuǎn)換自然：從老照片復(fù)原到素描、水彩、卡通，都能保持主體特征不變。

首先，跟之前的圖像編輯模型有著質(zhì)的不同，就是 nano banana 在轉(zhuǎn)換圖像的過程中，基本上能夠保持整個照片一致的色調(diào)和照片內(nèi)容，不會自己額外生成別的東西。

▲ 風格保持高度一致，輸入右邊兩張圖，得到左邊的產(chǎn)品廣告圖。圖片來源：X@Dari_Designs

除了色調(diào)和照片內(nèi)容，更重要的是保持人物角色的統(tǒng)一。不管是更換背景、還是讓某個人的表情修改成微笑，nano banana 生成的人物五官和神態(tài)幾乎不會出現(xiàn)換臉的情況，連嘴角的弧度都能保持穩(wěn)定。

舉個例子，當我們使用固定的一個人物角色創(chuàng)建圖片的時候，這個角色可以在不同的場景下保持一致。

▲ 原圖是左邊，輸入提示詞制定背景為埃菲爾鐵塔得到右圖。圖片來源：X@zan_sihay

由于能保持與輸入圖片高度一致的色調(diào)、氛圍、場景和人物主體等，還有網(wǎng)友通過 nano-banana 將整個場景轉(zhuǎn)變?yōu)橐粋€新的故事。

▲ 原圖在左上角，先是輸入提示詞讓她們坐在臺球桌邊上，然后讓她們開始打臺球，形成一個完整的故事流。圖片來源：X@D_studioproject

在確保了照片內(nèi)容的高品質(zhì)后，nano banana 生成的圖片還非常真實。和此前大部分生圖模型得到的 AI 味極濃的圖片不同，nano banana 的特點就是自然和逼真。

▲Flux 生成的圖片，皮膚質(zhì)感還是有明顯的蠟質(zhì)化，不夠真實。

最后是 nano banana 將場景轉(zhuǎn)換為各種藝術(shù)風格方面表現(xiàn)，同樣非常出色，包括水彩、油畫和卡通風格，以及寫實照片。

▲ 能夠「復(fù)活」老照片。圖片來源：X@DiegoGarey_jpg

我們也在 LMArena 里面測試了 nano banana 這個神秘模型，看看它是不是真的這么強大。

體驗地址：https://lmarena.ai/?chat-modality=image (選擇 battle 模式才會出現(xiàn))

多人畢業(yè)照，也能變成專屬你們倆的合影

首先，我們找了一張畢業(yè)合照，看看它是不是真的能生成一張兩個人的合照。

它真的做到了，雖然這個田徑場草皮生成的不是很像，但是在多輪的測試里面，Qwen、Flux、Seed 生成的圖片全部都還是多人的，只有 nano-banana 明白了指令，提取出了兩個人。

我們繼續(xù)拿只有一張人臉的照片來測試，用開頭那張照片，要求它生成一張白底證件照試試。

下面有六張照片，大家可以猜猜哪個是 nano-banana 生成的，或者你最喜歡哪個。

▲ 添加開頭的照片，并輸入提示詞，「生成一張她的標準白底證件照，能直接用來申請護照?！?/p>

你沒看錯，第一張也是模型生成的，實在不知道什么護照可以用這樣的照片。

答案揭曉，nano-banana 雖然看起來是最漂亮、最溫柔的，但是 GPT-IMG 生成的更像證件照，因為有露出來一點點耳朵；Flux 好像不知道什么是證件照；Qwen 就很標準證件照了，但是太「標準」了，仿佛沒參考我發(fā)給他的圖片一樣。

我們繼續(xù)拿 nano-banana 生成的這張證件照，要求它為我們生成一張全身照，看看能不能在 AI 編輯的過程中，保持住這個角色原本的樣子。

直接揭曉答案，這次 Gemini 的表現(xiàn)竟然不錯，照片很真實，而且場景和衣服都搭配得很好；nano banana 的表現(xiàn)也不錯，但總覺得和證件照里面的女生，風格不太一樣了。

對于單張照片的單一角色，能做的編輯還非常多，像是下面這張圖片，要求馬斯克作出拳擊的動作，人物基本上是做到了 100% 的復(fù)制，馬斯克的他眼神、臉型、鼻子、還有嘴巴都很好的復(fù)制過來了。

單張照片的處理能做到完美復(fù)制，多張照片，nano banana 的表現(xiàn)又如何。

我們找了兩張有人臉的照片，告訴模型將這兩個人拼湊在一起，看看是否還能像真實照片一樣，看不出瑕疵。

▲ 輸入右下角兩張圖片，提示詞為「讓這兩個人在拳擊擂臺上自由搏擊」

圖片左邊就是來自 nano-banana，而右上角則是 Gemini 生成的效果，可以看到明顯的差距，nano-banana 非常真實，且一眼就能認出來，藍色衣服的是小扎。

nano-banana 對物理世界也有驚人的理解能力

除了保持人物的樣子不改變，nano banana 還能在物體、背景等元素上，保持與輸入圖片做到完全一致。

例如下面兩張房間的圖片，我們顯示讓它開燈；然后又找了一張圖片讓它關(guān)燈。

當要求開燈時，乍一看 nano banana 和 Flux 都做的不錯，但是有一個細節(jié)是 nano banana 不僅點亮了落地燈，更關(guān)鍵的是，它似乎重新計算了整個房間的光影邏輯。茶幾的影子不再主要受窗外光影響，而是正確地投向了遠離新光源的方向。

它并非簡單地在圖片上「貼」一個發(fā)光效果，而更像是在三維空間感和物理規(guī)律的層面「理解」了指令，就像 Google 前段時間發(fā)布的世界模型 Genie 3 一樣。相比之下，F(xiàn)lux的結(jié)果更像是一個濾鏡，氛圍是到了，但邏輯還是有點問題。

關(guān)燈的效果差別就更明顯了，F(xiàn)lux 是直接把落地燈都給弄消失了，而 nano banana 成功把燈關(guān)掉了，還做了很全面的陰影和色調(diào)調(diào)節(jié)。

創(chuàng)造力也能保持一致，純文生圖不如 GPT

風格轉(zhuǎn)換也是 nano banana 的一大優(yōu)點。無論是讓黑白的照片重新煥發(fā)彩色的生機，還是讓失真的圖片變得真實，nano banana 在 LMArena 里都做的比其他圖像編輯模型要好。

Flux 生成的魯迅，總覺得是色彩飽和度沒有調(diào)節(jié)好，nano-banana 生成這張給我感覺就很真實，保留了那種年代感。

我們還找了最近熱映的《浪浪山小妖怪》電影預(yù)告片的截圖，然后要模型從動畫風格轉(zhuǎn)換成其他風格。

不過是 AI 都有可能會出錯，就像這張圖片，nano banana 是直接給我了原圖，但是 Qwen 把風格轉(zhuǎn)換得很好。

當然也有可能是「吉卜力風格」會違反一些模型的使用規(guī)則，就像現(xiàn)在 4o 也沒有辦法直接輸入吉卜力風格提示詞生成照片。

▲ 還是開頭那張照片，提示詞「生成這張照片的素描畫」

素描風格，nano-banana 就有辦法處理了，右上的那張圖，就是來自 nano-banana 的素描結(jié)果，我覺得比左下那張要好，因為看起來，真的更像是素描。

此外，nano-banana 的重點還是作為一個圖像編輯模型，在純粹的文生圖能力上，表現(xiàn)并不算出色。

X 上有網(wǎng)友用 nano-banana 來做了一個高難度/復(fù)雜質(zhì)感，以及光影/高級質(zhì)感海報生成測試，結(jié)果還是 GPT-IMG 勝出。

▲ 圖片來源：X@ZHO_ZHO_ZHO

Nano-banana 目前還是一個「未知」的模型，它只隨機地出現(xiàn)在 LMArena 的盲測對抗測試中。

在我們的測試里面，輸入 prompt，兩張圖生成完畢，投票選出更好的一張，最后才會揭曉哪張來自哪一個模型；有時候連續(xù)五六次都沒能遇到它。

雖然這個模型的官方來源或開發(fā)者還沒有正式確認，但網(wǎng)絡(luò)上的討論，以及生成圖像的紋理和壓倒性的質(zhì)量，大部分人認為它很可能是 Google 的一個未公開項目。

畢竟，Google 也確實有在內(nèi)部使用水果或者小吃等名稱作為代碼名稱的歷史。

而當我們嘗試要它把自己的模型名字，顯示在電腦屏幕上時，nano-banana 很自信的打上了 Gemini Pro。

最新的消息是，Google DeepMind 的負責人 Logan Kilpatrick 在 Google Pixel 10 發(fā)布前一天，發(fā)了一條推文，內(nèi)容只有一個香蕉的 emoji，這基本上證實了這個模型就是來自 Google。

Google 這次為 Pixel 10 系列帶來了 AI 編輯圖片工具 Ask Photos，我們只需要輸入想要對照片進行的編輯請求，然后由 AI 來完成，我們不需要再選擇復(fù)雜的滑塊、筆刷等各種工具。

為了防止圖像篡改帶來的負面影響，Google 也表示所有使用 AI 功能編輯的圖像都會在 C2PA（內(nèi)容來源和真實性聯(lián)盟） 內(nèi)容憑證中注明。

X 博主 testingcatalog 發(fā)文提到 nano-banana 這個圖像編輯模型，將不僅僅用在 Gemini 和 Whisk（Google 實驗室圖像生成產(chǎn)品）上，也將出現(xiàn)在 Flow（Google 視頻生成產(chǎn)品） 里面。

其實也不難想到，F(xiàn)low 的圖生視頻功能，也正是像我們測試的圖片編輯一樣，讓圖片中的人物主體動起來。

在這篇爆料中還提到，Google 正在測試垂直寬高比的視頻生成，以更好的在 TikTok、YouTube Shorts 等平臺觀看和傳播。

Google 這段時間頗有不聲不響做了很多事情，先是世界模型 Genie 3、然后在 LMArena 大語言模型競技場上拿第一、接著又這個神秘模型 nano-banana；這讓我越來越期待 Gemini 3 的發(fā)布了。

▲Google 的模型在 LMArena 多個任務(wù)上都是第一

如果說當時的 4o 代表了 AI 生圖的極致，nano-banana 已經(jīng)開始在重新定義圖像編輯。