Google DeepMind 双模型上新：图像生成与视频编辑的开发链路正在被打通

从单点工具到完整链路：Google DeepMind 想解决什么问题

生成式媒体的开发工作流长期存在一个断层：图像生成模型负责快速出图，视频模型负责动态内容，两者之间往往需要开发者自己搭桥。Google DeepMind 近期发布的两款模型——Nano Banana 2 Lite 与 Gemini Omni Flash——正是冲着这个断层去的。前者把图像生成的速度和成本压到新低，后者则把视频生成与对话式编辑整合进同一套 API 体系。两者的组合意味着，一个团队可以在同一条流水线上完成从快速原型到多轮视频精修的全部环节。

对于正在选型图像与视频生成能力的开发者而言，这次更新的核心信号不是「又多了一个模型」，而是「图像与视频之间的切换成本被显著降低」。

Nano Banana 2 Lite：把速度与成本当作第一约束

定位与命名逻辑

Nano Banana 2 Lite 的模型标识为 gemini-3.1-flash-lite-image，属于 Gemini 3.1 系列中的轻量图像分支。它的设计目标非常明确：面向高吞吐、低延迟、成本敏感的开发者管道。如果你的场景是批量草稿、交互式原型、或者需要在预算内跑完大量图像任务，这个模型就是为这类需求准备的。

Google DeepMind 方面将其定位为初代 Nano Banana（gemini-2.5-flash-image）的推荐替代品。对于仍在使用旧版模型的团队来说，直接切换即可在多个性能维度上获得改善，无需重构调用逻辑。

关键性能指标

从官方披露的基准数据看，Nano Banana 2 Lite 最突出的两个数字是：

• 延迟：文本到图像输出约 4 秒，适合交互式原型和快速视觉草稿。
• 成本：每 1K 分辨率图像约 0.034 美元，对需要管理运营预算或低带宽场景的团队较为友好。

值得注意的是，速度优先并不意味着质量妥协。该模型在提示词遵循、角色一致性和图像内文字渲染方面仍保持了可用的可靠性。这意味着它不仅能出图，还能出「能用的图」。

在 Nano Banana 家族中的位置

理解这款模型，需要把它放回整个家族的分工中：

模型	定位	适用场景
Nano Banana 2 Lite	速度优先	近实时、高并发、超低延迟场景
Nano Banana 2	通用主力	质量与成本平衡的日常任务
Nano Banana Pro	专业复杂	需要强控制与高级推理的高精度任务
Nano Banana（初代）	遗留模型	建议升级至 2 Lite

这种分层策略实际上是在告诉开发者：不要用一个模型解决所有问题，而是根据任务的延迟敏感度和质量要求来选型。

消费端同步落地

除了 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 等开发者入口，Nano Banana 2 Lite 也同步进入 Google 的消费级产品面，包括搜索中的 AI Mode、Gemini 应用、NotebookLM、Google Photos、Stitch、Google Flow 和 Google Ads。这种「开发者与消费者同步」的节奏，说明 Google DeepMind 希望模型能力尽快在真实用户场景中得到验证和反馈。

Gemini Omni Flash：视频生成与对话式编辑的合流

从 I/O 预告到开发者可用

Gemini Omni Flash 最早在 Google I/O 上亮相，当时强调的是「Gemini 的多模态推理与视频生成编辑相结合」。如今它以 gemini-omni-flash-preview 的标识通过 Gemini API 和 Google AI Studio 向开发者开放，原生支持从文本、图像、视频的组合输入中生成高质量视频并进行对话式编辑。

定价方面，该模型为每秒视频输出 0.10 美元，与 Veo 3.1 Fast 持平。这意味它在价格带上直接对标已有的快速视频模型，但在编辑交互方式上引入了对话式能力。

四个值得关注的能力方向

1. 对话式视频编辑：用自然语言描述修改意图，模型据此调整视频内容。这降低了视频后期对专业工具的依赖。
2. 多模态引用：图像、文本、视频可以混合输入，帮助创作者在场景中保持控制力与一致性。
3. 现实世界知识：模型可调用 Gemini 在历史、生物、叙事逻辑等方面的知识来构建视频内容，这对教育、科普类内容有实际价值。
4. 文本与动作同步：通过简单提示，把文字和图形直接绑定到视频动作上，减少手动对齐的工作量。

当前限制与适用边界

任何新模型都有边界，Omni Flash 目前公开的限制包括：

• 视频生成时长暂为 10 秒，更长时长尚未开放。
• Gemini API 暂不支持上传音频参考和场景扩展。
• API schema 接受最长 3 秒的视频参考，但模型当前无法正确处理。
• 场景切换或平移镜头时的角色一致性仍有局限，官方表示正在改进。

这些限制意味着，Omni Flash 当前更适合短片段、对话式精修和快速概念验证，而非长视频的完整制作。

国内视角：同类能力在国内的进展

如果把视线拉回国内，图像与视频生成模型的「轻量化 + 链路整合」趋势同样明显。字节跳动的豆包系列在图像生成上持续迭代，强调中文提示词理解与本土审美适配；快手可灵在视频生成领域较早开放了 API 能力，支持图生视频和多轮编辑；阿里通义万相则在电商素材、营销视频等场景中积累了较多工程化经验。

与 Google DeepMind 此次发布的思路相比，国内厂商的一个差异在于更强调垂直场景的打包能力，比如直接面向电商、广告、短剧生产提供端到端方案，而不只是提供底层模型 API。另一个差异是价格策略：国内平台的图像生成单价普遍更低，部分甚至以免费额度吸引开发者，这与 Nano Banana 2 Lite 每千张 0.034 美元的定价形成对照。对于面向国内市场的团队来说，选型时需要在模型能力、中文适配、合规要求和综合成本之间做权衡，而非简单套用海外基准。

开发者可以怎么用

如果你正在评估是否接入这两款模型，可以从以下角度切入：

• 图像侧：把 Nano Banana 2 Lite 用于批量草稿和交互式原型，把 Nano Banana 2 或 Pro 留给需要高精度输出的最终交付。
• 视频侧：用 Omni Flash 做短片段生成和对话式修改，长视频仍交给更成熟的视频管线。
• 链路侧：利用两者同属 Gemini 生态的优势，在同一套 API 凭证和工具链下完成图像到视频的衔接。

更多模型能力与集成方式可参考 Google AI for Developers 官方文档，视频模型的基准信息可查阅 Google DeepMind 的 Gemini Omni 页面。关于 Gemini 系列模型的整体演进，Wikipedia 的 Gemini 条目 提供了背景梳理。

常见问题

Nano Banana 2 Lite 和 Nano Banana 2 有什么区别？

Nano Banana 2 Lite 以速度和成本为第一优先级，文本到图像约 4 秒、每千张约 0.034 美元，适合高吞吐草稿和交互式原型；Nano Banana 2 是通用主力模型，在质量与成本之间取得平衡，适合日常生产任务。

Gemini Omni Flash 支持多长的视频生成？

目前支持 10 秒视频生成，更长时长尚未开放。此外，Gemini API 暂不支持音频参考上传和场景扩展，3 秒以内的视频参考虽被 schema 接受但模型尚无法正确处理。

这两款模型在哪里可以使用？

开发者可通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 使用。Nano Banana 2 Lite 还进入了搜索 AI Mode、Gemini 应用、NotebookLM、Google Photos 等消费级产品；Gemini Omni Flash 也在 Gemini 应用和 Google Flow 中可用。

国内开发者应该选 Google DeepMind 的模型还是国内方案？

如果面向海外用户、需要与 Gemini 生态深度集成，这两款模型有链路优势；如果面向国内市场、重视中文适配、合规与成本，豆包、可灵、通义万相等国内方案在垂直场景打包和价格上可能更合适。

初代 Nano Banana 还有必要继续用吗？

官方建议升级到 Nano Banana 2 Lite。切换后可在质量、速度和成本上获得改善，且调用方式兼容，迁移成本较低。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。