谷歌正在對其Gemini聊天機器人進行重大升級，推出全新的AI圖像模型，為用戶提供更精細的照片編輯控制功能。這一舉措旨在追趕OpenAI的熱門圖像工具，并從ChatGPT中吸引更多用戶。

這項名為Gemini 2.5 Flash Image的更新從周二開始向所有Gemini應用用戶推出，同時也通過Gemini API、Google AI Studio和Vertex AI平臺向開發(fā)者提供服務。

Gemini的新AI圖像模型專為根據(jù)用戶的自然語言請求進行更精確的圖像編輯而設計，同時保持面部、動物和其他細節(jié)的一致性，這正是大多數(shù)競爭對手工具難以做到的。例如，當你要求ChatGPT或xAI的Grok更改照片中某人襯衫的顏色時，結果可能包含扭曲的面部或改變的背景。

谷歌的新工具已經引起了廣泛關注。在最近幾周，社交媒體用戶對眾包評估平臺LMArena中一個令人印象深刻的AI圖像編輯器贊不絕口。該模型以"nano-banana"的假名匿名出現(xiàn)在用戶面前。

谷歌表示，這個模型正是其旗艦產品Gemini 2.5 Flash AI模型中的原生圖像功能。谷歌聲稱該圖像模型在LMArena和其他基準測試中達到了最先進水平。

谷歌DeepMind視覺生成模型產品負責人Nicole Brichtova在接受TechCrunch采訪時表示："我們真正在推進視覺質量，以及模型遵循指令的能力。這次更新在無縫編輯方面做得更好，模型輸出可以用于用戶想要的任何用途。"

AI圖像模型已成為科技巨頭的關鍵戰(zhàn)場。當OpenAI在3月推出GPT-4o的原生圖像生成器時，由于AI生成的吉卜力工作室風格表情包引發(fā)熱潮，ChatGPT的使用量急劇上升。據(jù)OpenAI首席執(zhí)行官Sam Altman表示，這讓公司的GPU"過熱"。

為了跟上OpenAI和谷歌的步伐，Meta上周宣布將從初創(chuàng)公司Midjourney授權AI圖像模型。與此同時，獲得a16z支持的德國獨角獸公司Black Forest Labs繼續(xù)憑借其FLUX AI圖像模型在基準測試中占據(jù)主導地位。

或許Gemini令人印象深刻的AI圖像編輯器能夠幫助谷歌縮小與OpenAI的用戶差距。ChatGPT現(xiàn)在每周擁有超過7億用戶。在谷歌7月的財報電話會議上，該科技巨頭的首席執(zhí)行官Sundar Pichai透露，Gemini擁有4.5億月活躍用戶，這意味著周活躍用戶數(shù)量更低。

Brichtova表示，谷歌專門針對消費者使用場景設計了這個圖像模型，比如幫助用戶可視化他們的家居和園藝項目。該模型還具有更好的"世界知識"，可以在單個提示中結合多個參考；例如，將沙發(fā)圖像、客廳照片和調色板合并成一個協(xié)調的渲染圖。

雖然Gemini的新AI圖像生成器讓用戶更容易制作和編輯逼真圖像，但公司設有限制用戶創(chuàng)建內容的保護措施。谷歌在AI圖像生成器保護措施方面曾經歷過困難。該公司曾因Gemini生成歷史上不準確的人物圖片而道歉，并完全撤回了AI圖像生成器。

現(xiàn)在，谷歌認為它找到了更好的平衡點。Brichtova說："我們希望給用戶創(chuàng)意控制權，讓他們能從模型中得到想要的東西。但這并不意味著什么都可以。"

谷歌生成式AI服務條款禁止用戶生成"非自愿的親密圖像"。這些保護措施似乎在Grok中并不存在，Grok允許用戶創(chuàng)建類似泰勒·斯威夫特等名人的AI生成明確圖像。

為了應對深度偽造圖像的興起（這可能讓用戶難以辨別網上什么是真實的），Brichtova表示谷歌對AI生成的圖像應用視覺水印以及元數(shù)據(jù)標識符。然而，在社交媒體上快速瀏覽圖像的用戶可能不會尋找這些標識符。

Q&A

Q1：Gemini 2.5 Flash Image相比其他AI圖像工具有什么優(yōu)勢？

A：Gemini 2.5 Flash Image專為根據(jù)用戶的自然語言請求進行更精確的圖像編輯而設計，同時保持面部、動物和其他細節(jié)的一致性，這正是大多數(shù)競爭對手工具難以做到的。例如更改照片中衣服顏色時，不會導致面部扭曲或背景改變。

Q2：普通用戶如何使用Gemini 2.5 Flash Image？

A：這項更新從周二開始向所有Gemini應用用戶推出，用戶可以直接在Gemini聊天機器人中使用這個新的AI圖像模型功能。開發(fā)者也可以通過Gemini API、Google AI Studio和Vertex AI平臺獲得服務。

Q3：谷歌如何防止AI圖像生成器被濫用？

A：谷歌設有保護措施限制用戶創(chuàng)建的內容，生成式AI服務條款禁止用戶生成"非自愿的親密圖像"。此外，谷歌對AI生成的圖像應用視覺水印以及元數(shù)據(jù)標識符，幫助用戶識別AI生成內容。