神秘的图片生成和编辑大模型Nano Banana是什么？背后是Google吗？什么时候发布？能否颠覆Adobe
1,071 views
加载中...
加载中...
Follow DataLearner WeChat for the latest AI updates
最近，一个代号 “Nano Banana” 的神秘图像生成与编辑大模型突然在社交网络上掀起风暴。与此前所有模型截然不同，它似乎拥有保持人脸一致性的能力：无论角度、光影如何变化，人物的面容始终稳定；它还能读懂照片里的故事，精准捕捉场景氛围，并服从多步骤、高复杂度的指令。然而，它的来源仍然完全成谜——没有官方文档，没有作者署名，甚至没有一行技术白皮书。极致的神秘感与惊人的效果形成巨大反差，像磁铁般吸住了整个社区的目光：它究竟出自谁手？能力边界到底在哪儿？
本文会介绍一下这个模型当前已知的信息，以及如何使用。
Nano Banana最早出现在大模型匿名竞技场的官网LM Arena上，在图像生成和编辑的对比测试中出现。但是，这个模型无法直接选择并对话，只能通过匿名对比的方式随机命中。
随着用户接触增多，逐渐发现该模型的表现明显不同于现有主流模型。
在当前的图片生成和编辑大模型中，一个最大的难题是保持人物或者事物的一致性。例如，图像编辑或者转换场景的时候，人脸很难保持原有的一致性，此外光照、背景等也常常发生不合理的变化。
但是Nano Banana在这方面表现很好。如下图所示，这是一个Nano Banana更改人物表情的测试，结果非常自然，几乎难以分辨与真实照片的差异。
相比较当前的模型，如Kontext等，Nano Banana模型更加自然，也没有那么夸张。以“惊讶”为例，对比一下Nano Banana和Kontext，后者显得更加夸张。
除了一致性外，Nano Banana对于图片情景的理解和真实性保持也非常好。以下图为例，原始图片的两位女士的场景和灯光保持不变的情况下，让她们移动到台球桌边并表现为正在打台球。Nano Banana都可以在场景、灯光、风格保持一致的情况下完成转换，且真实性很好。
除了上述编辑外，在图片合成方面也很突出。它不仅支持基于文本生成图片，还可以接收多张原始图片作为输入，然后通过文本指令合成一个新的图片。新图片里的元素会引用原始图片：
这个测试是让Nano Banana将已有的4张图片的元素组合到一起，形成一个新的图片。可以看到，新图片质量很好，几乎保留了原图片的全部细节，仅在局部（如鞋带）上存在轻微瑕疵。
除了前面的合成和编辑外，大家还发现Nano Banana对于照片的3D建模也很不错，甚至是人体的3D建模和骨骼标注。
上图直接通过prompt，将荷兰弟的体型3D标注出来了，非常精准，手腕、衣服褶皱部分的建模都很准确。
DataLearnerAI也在其它模型上测试过类似的指令，包括GPT-Image-1、Qwen-Edit、Kontext等，细节表现都不理想。例如，GPT-Image-1经常会生成面部模糊或陌生的人脸，与Nano Banana相比差距明显。
截止目前，并没有任何关于Nano Banana的官方信息。没有任何一家公司或品牌公开承认该模型与他们相关。但目前已有不少线索指向Google。
首先，最直接的线索是多位Google的AI相关人员在X平台上发布与banana相关的emoji或图片。例如Google的VP Josh Woodward发布了this is 🍌 !推文，随后Google NotebookLM负责人Simon转发并配图了一个“3+Bananas”的图片，耐人寻味。
据此，很多人猜测Google将在9月3日发布这个全新的模型（也有人认为可能是Gemini 3）。
尽管Google当前已经有图像生成大模型Imagen，版本甚至迭代到Imagen 4。但Imagen的核心仍是文本生成图片，编辑功能并非重点（AI Studio甚至未开放）。而Gemini目前虽然能处理多模态输入，但还不能生成图片。因此，如果Nano Banana确实与Google相关，它更可能是Gemini体系下的新尝试，而非Imagen的直接延续。
Nano Banana目前非常火爆，但公开可用的方式只有在LM Arena的Battle模式中进行图片生成和编辑。这意味着你只能多次参与LM Arena的大模型匿名竞技，并对生成图片进行投票，投票结束后才会显示是否使用了Nano Banana模型。
如上图所示，左侧就是Nano Banana的结果，只有在投票后才会揭示。需要注意的是，选择直接对话或非匿名对比模式时，并不能主动选择该模型。此外，目前有不少第三方网站（多为.ai或.io域名）冒充Nano Banana的入口，甚至开放充值通道，需警惕风险。
无论Nano Banana最终归属哪家公司，多模态生成模型已经进入新的阶段。
此前，人们普遍认为多模态大模型虽然能生成创意结果，但在真实世界理解、人物一致性等方面仍较弱，因此难以替代Adobe等专业工具。如今，随着多模态大模型的发展，这一观点正在被逐步打破。未来相关从业者可能逐渐转型为基于大模型结果的优化者，而行业的核心门槛也可能从技术实现转向创意构思。
关于Nano Banana模型的信息以及未来的变化情况，可以关注DataLearnerAI的大模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/nano-banana