点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

昨天晚上，爆火了一周的图像生成与编辑模型 nano-banana 终于揭开了真面目。

其官方名称为 Gemini 2.5 Flash Image，在 LMArena 基准测试中一举登顶，成为当前 AI 图像编辑模型的冠军。

当前的 preview 版本已经上线 Google AI Studio、Gemini APP、Gemini API 和 Vertex AI， 大家可以免费试用。

地址：https://aistudio.google.com/

Gemini 2.5 Flash Image 不光生成快（每分钟最多调 500 次），还特别省钱（文本输入/输出  2.50、图像生成  30.00）， 知识 update 到 2025 年 6 月。速度、价格、更新都拉满，妥妥的图像模型性价比之王。

基础知识介绍的差不多了，实力到底怎么样？

我们直接上实测和玩法总结。

维度一：角色一致性

这个可以说是 banana 最擅长的维度。人物的表情、姿势都很不错非常自然，几乎没有「AI 味」，4.5 星。

比如说这张特朗普和施瓦布在世界经济论坛上的合影。俩人站在台上，表情严肃得像是刚刚在心里背完一整段联合声明，全场空气都被他们的姿态冻住了。

我把这张图扔进 AI Studio 里，第一件事就是：让他们笑。

特朗普笑得满脸褶子、嘴角上扬得都快压到领带上了，施瓦布的眼角甚至带了一点笑到有点眯眼的神态。整个场面一秒从高冷发言台，切换成老朋友重逢的合影现场。

也可以让特朗普激情开麦的时候，施瓦布在旁边认真聆听。

真的好真实，不知道的还以为是记者拍到的原图。

拿了两张陌生人的独照，想看看 banana 能不能硬拉成一对情侣。

结果还真行，我把他们安排到了巴黎街头，AI 不仅把两人姿势拼得很顺，还补了点气氛滤镜。

人物角色的神态和穿搭都衔接得不错，表情也没出戏，就是背景太像 Unsplash 网图，略微掉点氛围感。

然后试了张海边度假的场景。也很般配，唯一的 bug 是——

大模型迷惑行为之带两个墨镜。。

维度二：图片编辑能力

这里我必须拿出我珍藏多年的经典素材——某国际机场广告上那张离谱的“六根手指图”。

prompt 非常简单： Keep everything the same but remove one extra finger from her hand.

不画框、不涂抹、不指哪打哪，就这么一句话。

轻轻松松变成正常人。

当然，这只是功能上的补漏。你还可以试着把一切看到的东西往身上装。

有没有朋友跟我一样，小时候偷偷在手上画纹身贴纸，长大了想纹真，但又怕被家里长辈骂？

现在终于可以无痛上身，而且还不留痕。

prompt 我给出大家：

Take the butterfly tattoo design from the woman’s upper arm in the reference image and place it on the collarbone and neck area of the short-haired woman. Keep the pose, lighting, and overall aesthetic the same. The tattoo should blend naturally with the skin, as if it’s real.

纹身店发的效果图这不就来了。

整体能力还是不错的，这个维度很实用，可以打出 5 星，大家可以自己上手玩一玩。

维度三：风格迁移能力

这个维度中规中矩，完成度普遍在线，综合也是 4.5 星。我们拿一个 case 做一些演示：

先从一个 3D 半身像变成现实人像。光线还是很不错的，杯子中的水反射的细节也注意到了。

让它变成古典油画风，也能画出油彩肌理和巴洛克光影，审美上确实有点意思。

动漫风也不拉胯，干净的线条配色够梦幻，虽然稍微有点绘圈感。

但到了像素风和玩具风，完成度就明显不如前几个了，像素块太含糊，玩具风我只想说，第五人格启动！

维度四：多图融合能力

咱们也来说说缺点。

实话实说，这个模型在复杂任务处理的稳定性，尤其是多要素编辑的场景，目前来看并没有很好。有时候你以为它应该轻松搞定的事，结果还真不一定稳，2.5 星表现。

比如说最常见的换衣操作。

我用的是一个非常基础的 prompt，只是想让模特从 T 恤换成黑色吊带裙，其他都保持不变。结果 roll 了三次，才终于 roll 到一张比较像回事的版本。

而一旦你把要素拉高一些，比如：换衣 + 场景转换 + 动作改变——也就是同时调整角色、环境和行为，banana 的稳定性就开始明显下滑了。

Keep the model’s body and face unchanged, change her outfit to match the full white outfit from the reference image, and place her in a dynamic baseball scene — like she’s just hit the ball or ready to swing, with a stadium background.

上衣完全不一样，身后的英文字母也有许多外星文。

所以想要完美的图，还是得大力出奇迹，多试几轮。

维度五：创意生成能力

最后的最后，我们来玩点花的。

这个玩法最近在社交媒体上超级火，核心思路就是：用一句 prompt，把一张真人或角色照片，变成一个完整包装的 Blender 3D 手办场景。

turn this photo into a character figure. Behind it, place a box with the character’s image printed on it, and a computer showing the Blender modeling process on its screen. In front of the box, add a round plastic base with the character figure standing on it. set the scene indoors if possible

超级可爱！

而且根据这个思路，我还玩出了几个变种：

case1:油画风展示

turn this character into a classical bust figure in oil painting style. Place the bust on a marble pedestal, add a gold nameplate, and display it in an art gallery setting with soft lighting.

case2:游戏角色盒装

prompt：_create a retro-style pixel art game figure from this character, displayed as a collectible item. Include a pixelated toy box with 8-bit graphics, a pixel game console screen behind showing the modeling interface, and a label tag with “limited edition”._

以上，就是本次 Gemini 2.5 Flash Image 的全维度实测内容啦！

一句话总结：Gemini 2.5 Flash Image 确实有点东西，特别适合这种创意场景生成。但必须提醒一句，它的出图质量不算稳定，有时候细节会糊、人物脸会变，需要你多 roll 几次挑出满意图。但比起 GPT-4o，那是稳稳胜出。

ps：以图生图为主（因为这次主要的更新点都在图片编辑这边 ～）。东西确实有点多，给坚持到这里的小朋友们小花花。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：人工智能0基础学习攻略手册
在「小白学视觉」公众号后台回复：攻略手册，即可获取《从 0 入门人工智能学习攻略手册》文档，包含视频课件、习题、电子书、代码、数据等人工智能学习相关资源，可以下载离线学习。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~