视频版Nano Banana来了！内置Gemini世界知识；原版香蕉出图仅需4秒

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。

毫不夸张——4秒出一张图，1K分辨率图像仅需约2毛多。

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……

怪不得半天没憋出来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。

四项关键能力：

• 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。

两大核心卖点——

• 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，赶紧换。Lite版在各项关键指标上已经全方位碾压了。

双剑合璧

等等，先别走。

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：

1、Anywhere

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。

赛博旅游，这下也端到端了。

2、Space Lift

这有点吓人，感觉再和Genie世界模型结合一下，未来怕是要威胁到不少传统装修方案SaaS公司。

上传一张房间照片，NB2 Lite先出各种装修风格方案。找到喜欢的，点视频按钮，Omni能直接给你一段电影级空间漫游。

3、Omni product studio

跨境电商的福音来了。

给产品拍张白底图，NB2 Lite出各种场景化商品图，Omni Flash再把静态图变成电商短视频。

从「产品」到「广告素材」，全链路自动跑完。

所以，多模态到底有什么用？

这个问题谷歌肯定被问了无数次。

尤其在2026年，Coding几乎等同于模型智商的代名词。每家都在Coding上往死里卷。

死磕多模态，图什么？

AGI叙事那一套就不说了，短期来看的话，谷歌这套多模态模型确实能赋能旗下不少产品。

AGI叙事那一套就不展开了。短期来看，谷歌这套多模态模型确实能赋能旗下不少产品——Stitch是一个，Pixel内置的P图是一个，NotebookLM的横空出世也蛮惊艳。

这次发的两个新模型，则让人看到了多模态在垂直场景落地的更多潜力。电商、装修、短视频……这些业务的需求是真的，钱也是真的。

加上有安卓生态加持，基本不用太担心商业化的问题。

Coding谷歌暂时追不上，但多模态这张牌桌，谷歌可能是唯一能组齐一套牌的玩家。

不过……

Gemni 3.5 Pro到底啥时候来啊！！！

参考链接：

[1]https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-omni-flash-nano-banana-2-lite/

文章来自于"量子位"，作者 "Jay"。